2025级硕士研究生卫生统计学试卷及答案

2025级硕士研究生卫生统计学试卷及答案考试时间：180分钟满分：100分姓名：__________学号：__________得分：__________一、名词解释（每题3分，共15分）抽样误差置信区间Ⅰ类错误方差齐性线性回归二、单项选择题（每题2分，共20分）以下关于标准差与标准误的区别，正确的是（）

A.标准差描述个体变异，标准误描述抽样误差

B.标准差随样本量增大而增大，标准误随样本量增大而减小

C.标准差用于描述总体特征，标准误用于描述样本特征

D.标准差的单位与原数据相同，标准误的单位与原数据不同

P值的定义是（）

A.原假设正确的概率

B.原假设错误的概率

C.观察到当前或更极端结果的概率，假设原假设为真

D.拒绝原假设的概率

置信区间与假设检验的关系，正确的是（）

A.95%置信区间不包含0等价于双侧检验P＜0.05

B.置信区间宽度与样本量无关

C.置信区间只能用于估计参数，不能用于假设检验

D.置信区间包含0时，假设检验一定不显著

χ²检验的应用条件不包括（）

A.观察值相互独立

B.理论频数均≥5

C.数据服从正态分布

D.分类变量无序

两独立样本t检验的前提条件不包括（）

A.两组数据方差齐性

B.两组数据均服从正态分布

C.样本量相等

D.数据为连续变量

线性回归的前提条件不包括（）

A.线性关系

B.误差项独立且服从正态分布

C.误差项方差齐性

D.自变量与因变量无相关

方差分析的前提条件不包括（）

A.各组样本量相等

B.各组数据服从正态分布

C.各组方差齐性

D.样本相互独立

相关系数r的取值范围是（）

A.(-1,1)

B.(0,1)

C.(-∞,+∞)

D.(0,+∞)

抽样研究中，S为定值，若逐渐增大样本含量，则样本均数的标准误（）

A.增大

B.减小

C.不变

D.变化不确定

完全随机设计方差分析中，总变异可分解为（）

A.组间变异和组内变异

B.处理变异和区组变异

C.误差变异和区组变异

D.处理变异和误差变异

三、简答题（每题5分，共25分）简述假设检验的基本步骤。比较独立样本t检验与配对t检验的适用条件。方差分析的前提条件有哪些？如何检验？简述相关分析与回归分析的区别与联系。应用相对数时应注意哪些事项？四、计算题（每题10分，共20分）某研究测量10名患者治疗前后的血红蛋白值（g/L），数据如下：治疗前：120,115,130,125,118,122,128,123,127,124；治疗后：125,118,135,128,120,125,132,126,130,127。请进行配对t检验，分析治疗是否有显著效果（α=0.05）。某调查比较吸烟与不吸烟者的肺癌发生率，数据：吸烟组：肺癌患者50例，非肺癌患者150例；不吸烟组：肺癌患者20例，非肺癌患者180例。请进行四格表χ²检验，分析吸烟与肺癌是否相关（α=0.05）。五、案例分析题（每题10分，共20分）某研究探讨体重指数（BMI，kg/m²）与收缩压（SBP，mmHg）的关系，数据如下：BMI：22,24,26,28,30；SBP：120,125,130,135,140。请建立线性回归方程，并进行假设检验（α=0.05），解释回归系数的意义。某药物临床试验比较新药A与安慰剂对糖尿病患者血糖的影响。随机纳入60例患者，分为A组（n=30）和安慰剂组（n=30）。测量治疗前后空腹血糖值（mmol/L），核心数据如下：A组治疗前均数8.76±0.42，治疗后均数7.28±0.35；安慰剂组治疗前均数8.81±0.39，治疗后均数8.62±0.41。问题：（1）选择合适的统计方法分析A组的治疗效果；（2）比较A组与安慰剂组的血糖下降值是否有差异；（3）解释结果的专业意义。2025级硕士研究生卫生统计学试卷答案一、名词解释（每题3分，共15分）抽样误差：由抽样引起的样本统计量与总体参数之间的差异（1分），是不可避免的随机误差（1分），其大小可用标准误来衡量（1分）。置信区间：按一定的置信水平（如95%）估计总体参数所在的范围（1分），反映了参数估计的可靠性和精确性（1分），区间越窄，精确性越高；置信水平越高，可靠性越高（1分）。Ⅰ类错误：当原假设H₀为真时，却错误地拒绝H₀（1分），即“假阳性”错误（1分），其发生概率为检验水准α（通常取0.05）（1分）。方差齐性：指多个总体的方差相等（1分），是方差分析、t检验等参数检验的重要前提条件（1分），常用Levene检验进行判断（1分）。线性回归：研究两个连续型变量之间线性依存关系的统计方法（1分），通过建立回归方程，用自变量的值预测因变量的可能值（1分），核心是求解回归系数和常数项（1分）。二、单项选择题（每题2分，共20分）A2.C3.A4.C5.C6.D7.A8.A9.B10.A解析：A正确；B错误，标准差不随样本量变化，标准误随样本量增大而减小；C错误，标准差可描述样本或总体特征，标准误描述样本均数的抽样误差；D错误，两者单位均与原数据相同。P值定义为原假设为真时，观察到当前或更极端结果的概率，C正确，其余选项均为对P值的误解。A正确；B错误，样本量越大，置信区间越窄；C错误，置信区间可用于假设检验；D错误，单尾检验中置信区间包含0可能仍显著。χ²检验用于分类数据，不要求正态分布，C为非应用条件，其余均为χ²检验的核心应用条件。两独立样本t检验不要求样本量相等，C为非前提条件，其余均为其前提条件。线性回归要求自变量与因变量存在线性相关，D为非前提条件，其余均为线性回归的前提（线性、独立、正态、方差齐）。方差分析不要求各组样本量相等，A为非前提条件，其余均为其核心前提条件。相关系数r的取值范围为[-1,1]，即(-1,1)（不包含端点时表述），A正确。标准误计算公式为Sₓ̄=S/√n，S固定时，样本量n增大，标准误减小，B正确。完全随机设计方差分析中，总变异分解为组间变异（处理因素+随机误差）和组内变异（随机误差），A正确。三、简答题（每题5分，共25分）假设检验的基本步骤：

①建立检验假设，确定检验水准（1分）：建立H₀（原假设，无差异）和H₁（备择假设，有差异），设定α（通常为0.05）；

②计算检验统计量（1分）：根据资料类型和研究设计选择合适的统计量（如t值、χ²值）；

③确定P值，作出统计推断（2分）：根据检验统计量的分布，查界值表得到P值，若P≤α，拒绝H₀，接受H₁，认为差异有统计学意义；若P>α，不拒绝H₀，认为差异无统计学意义；

④给出专业结论（1分）：结合专业知识，解释统计推断的结果，说明差异的实际意义。

独立样本t检验与配对t检验的适用条件：

（1）独立样本t检验（2.5分）：适用于完全随机设计的两样本比较（1分），要求两组数据均服从正态分布（1分），且两组总体方差齐性（0.5分）；

（2）配对t检验（2.5分）：适用于配对设计的资料（1分），如自身前后对照、配对设计的两组样本（1分），要求配对差值服从正态分布（0.5分）。

方差分析的前提条件及检验方法：

前提条件（3分）：①独立性：各组样本相互独立，观察值之间无关联；②正态性：各组数据均服从正态分布；③方差齐性：各组总体方差相等。

检验方法（2分）：①正态性检验：采用Shapiro-Wilk检验（小样本）或Kolmogorov-Smirnov检验（大样本）；②方差齐性检验：采用Levene检验（常用）或Bartlett检验。

相关分析与回归分析的区别与联系：

联系（2分）：两者均用于研究两个连续型变量之间的关系，相关分析是回归分析的基础，若变量间无相关，则无回归意义；相关系数r与回归系数b的符号一致。

区别（3分）：①目的不同：相关分析研究变量间的关联程度和方向，回归分析研究变量间的依存关系，用于预测；②变量地位不同：相关分析中两变量地位平等，无自变量和因变量之分；回归分析中需明确自变量和因变量；③结果解读不同：相关系数r反映关联强度，回归系数b反映自变量每变化1个单位，因变量的平均变化量。

应用相对数时的注意事项：

①计算相对数的分母不宜过小，分母过小时（如<30），相对数稳定性差，应直接报告绝对数（1分）；

②避免以构成比代替率，构成比反映部分与整体的比例，率反映某现象的发生频率（1分）；

③注意资料的同质性，对比不同组的相对数时，需保证各组的研究对象、研究条件一致（1分）；

④进行率的比较时，若各组内部构成不同，需进行率的标准化处理（1分）；

⑤多个相对数比较时，需进行假设检验，不能仅凭数值大小下结论（1分）。

四、计算题（每题10分，共20分）配对t检验（α=0.05）

步骤1：建立检验假设，确定检验水准（1分）

H₀：μd=0（治疗前后血红蛋白值无差异）；H₁：μd≠0（治疗前后血红蛋白值有差异）；α=0.05。

步骤2：计算配对差值d及检验统计量（4分）

治疗前（X₁）：120,115,130,125,118,122,128,123,127,124

治疗后（X₂）：125,118,135,128,120,125,132,126,130,127

差值d=X₁-X₂：-5,-3,-5,-3,-2,-3,-4,-3,-3,-3

计算得：d̄=-3.2，Sd=0.943，n=10，Sd̄=Sd/√n=0.943/√10≈0.298

t=|d̄-μd|/Sd̄=|-3.2-0|/0.298≈10.74

步骤3：确定P值，作出统计推断（4分）

自由度ν=n-1=9，查t界值表，t₀.05/2,9=2.262。

本例t=10.74>2.262，P<0.05，拒绝H₀，接受H₁，差异有统计学意义。

步骤4：专业结论（1分）

可认为该治疗方法能显著提高患者的血红蛋白值，治疗有效。

四格表χ²检验（α=0.05）

步骤1：建立四格表（2分）

分组肺癌患者（阳性）非肺癌患者（阴性）合计吸烟组50（a）150（b）200（a+b）不吸烟组20（c）180（d）200（c+d）合计70（a+c）330（b+d）400（n）

步骤2：建立检验假设，确定检验水准（1分）

H₀：吸烟与肺癌无关（两总体率相等）；H₁：吸烟与肺癌有关（两总体率不等）；α=0.05。

步骤3：计算检验统计量χ²值（4分）

n=400≥40，所有理论频数T=（行合计×列合计）/总合计，计算得最小T=（200×70）/400=35≥5，可用四格表专用公式：

χ²=（ad-bc）²n/[（a+b）（c+d）（a+c）（b+d）]

代入数据：χ²=（50×180-150×20）²×400/[200×200×70×330]≈12.90

步骤4：确定P值，作出统计推断（2分）

自由度ν=（行数-1）（列数-1）=1，查χ²界值表，χ²₀.05,1=3.841。

本例χ²=12.90>3.841，P<0.05，拒绝H₀，接受H₁，差异有统计学意义。

步骤5：专业结论（1分）

可认为吸烟与肺癌有关联，吸烟人群的肺癌发生率高于不吸烟人群。

五、案例分析题（每题10分，共20分）线性回归分析（α=0.05）

步骤1：建立变量关系，设BMI为自变量（X），SBP为因变量（Y）（1分）

步骤2：计算回归系数b和常数项a（3分）

X：22,24,26,28,30；Y：120,125,130,135,140

计算得：X̄=26，Ȳ=130，Σ(X-X̄)(Y-Ȳ)=50，Σ(X-X̄)²=40

回归系数b=Σ(X-X̄)(Y-Ȳ)/Σ(X-X̄)²=50/40=1.25

常数项a=Ȳ-bX̄=130-1.25×26=97.5

线性回归方程：Ŷ=97.5+1.25X

步骤3：回归方程的假设检验（t检验，4分）

H₀：β=0（回归方程无统计学意义）；H₁：β≠0（回归方程有统计学意义）；α=0.05。

计算得：Sy.x=√[Σ(Y-Ŷ)²/(n-2)]=0，Sb=Sy.x/√Σ(X-X̄)²=0

t=b/Sb=1.25/0→∞，自由度ν=n-2=3，查t界值