数据处理的一般原则与方法（第29章）.ppt

1、1,数据处理的 一般原则与方法,第29章,第二军医大学卫生统计学教研室 张罗漫,2,讲课内容： 第一节 医学统计学概述(重点) 第二节 原始数据的录入 第三节 数据处理的几个基本问题 第四节 统计方法选择的基本思路(重点),3,第一节 医学统计学概述,4,5,6,7,实验设计,随机化,8,9,统计描述,10,统计描述,统计 指标,计量资料 (单变量),中心 位置,计量资料 (双变量),11,统计描述,12,统计描述,等级 资料,统计 指标,计数资料,单变量,双变量：rs,13,统计描述,参 考 值 范围估计,正态,偏态,14,统计推论,参数 估计,15,统计推论,16,统计推论,17,第二节

2、原始数据的录入,18,一、原始数据的记录形式,行：观察单位 列：变量,19,标识变量,分析变量,20,标识变量,分析变量,解释变量,反应变量,21,二、原始数据的录入,文件类型： 数据库文件：EpitaDa dBASE、FoxBASE、Foxprow Oracle Excel文件： Excel 文本文件：Word 统计软件数据文件：SPSS、SAS、STATA 变量名的定义： 变量值的量化：,22,第三节 数据处理 的几个基本问题,23,一、数据的净化 逻辑检查 计算检查二、离群数据的处理 离群值(outliner) 与P25或P75的距离为“四分位数间距”的1.53.0倍。 极端值(extr

3、eme value) 与P25或P75的距离为“四分位数间距”的3.0倍以上。 剔除离群或极端值要予以合理解释。,24,三、统计方法前提条件的检验 多样本比较的方差分析： 独立 正态分布 方差齐性 多重线性回归分析： 变量间无多重共线 残差分布正态 ,25,第四节 统计方法选择 的基本思路,26,根据： 医学专业知识 医学统计学知识 计算机统计软件技术,27,设计类型：完全随机、随机区组、拉丁方、 交叉、析因、正交、嵌套、裂区设计 处理因素：单因素、双因素、多因素 反应变量：单变量、双变量、多变量 资料类型：计量、无序分类、有序分类 样本数目：单样本、两样本、多样本 数据提供信息：完全数据、不

4、完全数据、 重复测量数据 假设检验方法前提条件： 独立、方差齐性、正态分布,重要,28,一、单变量计量资料 1.样本均数与总体均数比较 单因素 服从正态分布 单样本t检验 可信区间法 不服从正态分布 单个样本中位数与总体中位数比较,29,2.两个相关样本均数的比较 单因素 配对设计或自身前后对照设计 差值服从正态分布 成对t检验 可信区间法 差值不服从正态分布 Wilcoxon符号秩检验,一、单变量计量资料,1-可信区间不包括 d=0,P,30,3.两个独立样本的比较 单因素、完全随机设计 服从正态分布且方差齐性 两样本均数比较t检验 两样本均数的差数可信区间法 不服从正态分布或方差不齐性 两

5、独立样本Wilcoxon秩和检验 反应变量为生存时间且含有截尾数据 log-rank检验,一、单变量计量资料,31,4.多个样本均数的比较 (1)一个处理因素 完全随机设计 服从正态分布、方差齐性 完全随机设计方差分析 两两比较： SNK-q 、Dunnett-t检验 不服从正态分布或方差不齐性 多个独立样本比较 Kruskal-Wallis H 检验 两两比较：Nemenyi 检验,一、单变量计量资料,32,4.多个样本均数的比较 (2)一个处理因素、一个控制因素 随机区组设计 服从正态分布、方差齐性 随机区组设计方差分析 两两比较：SNK-q 、Dunnett-t检验 不服从正态分布或方差

6、不齐性 多个相关样本比较 Friedman M 检验 两两比较：q 检验,一、单变量计量资料,当处理因素为重复测量因素且不满足“球对称”假设，应用重复测量设计方差分析,33,4.多个样本均数的比较 (3)一个处理因素、二个控制因素(行、列) 拉丁方设计 服从正态分布、方差齐性 拉丁方设计方差分析 两两比较： SNK-q、Dunnett-t 检验,一、单变量计量资料,34,4.多个样本均数的比较 (4)一个处理因素、二个控制因素(阶段、受试者) 二阶段交叉设计 服从正态分布、方差齐性 前一阶段处理效应不持续作用到下一阶段 二阶段交叉设计方差分析,一、单变量计量资料,35,4.多个样本均数的比较

7、(5)处理因素2、每个因素的水平数2 完全随机分组析因设计 服从正态分布 分析各因素主效应与交互作用 完全随机分组析因设计方差分析,一、单变量计量资料,36,4.多个样本均数的比较 (6)处理因素2、每个因素的水平数2 正交设计 服从正态分布 分析各因素主效应与主要因素一阶交互作用 正交设计直接分析、方差分析,一、单变量计量资料,37,4.多个样本均数的比较 (7)处理因素2，每个因素的水平数2 处理因素中有一个为重复测量因素 不满足“球对称”假设 分析各因素主效应与交互作用 重复测量设计的方差分析,一、单变量计量资料,38,二、计数资料 1.一个样本率与总体率比较 基于二项分布的直接概率法

8、正态近似法u检验,39,2.两样本率比较,二、计数资料,(1)两组完全随机设计 N 40 且 T 5 Pearson 2 检验 N 40 但 5 T 1 Pearson 2 检验 (Yates 校正公式) N40 或 T 1 Fisher 确切概率法 (2)配对设计 McNemar 2 检验,Logistic回归分析,40,41,3.RC列联表 相关、相差 (1)双向有序 备择假设：行变量与列变量为非零相关 Cochran-Mantel-Haenszel 2 检验 有序分组资料的线性趋势检验 2 回归 (2)单向(反应变量)有序 备择假设：行平均得分不同 Cochran-Mantel-Haen

9、szel 2 检验 Wilcoxon 秩和检验,二、计数资料,42,3.RC列联表 相关、相差 (3)双向无序 备择假设：行变量与列变量有一般关联 Cochran-Mantel-Haenszel 2 检验 Pearson 2 检验,二、计数资料,43,1.配对设计 Wilcoxon符号秩检验 2.两组独立样本 Wilcoxon两样本秩和检验 3.完全随机设计多个样本比较 Kruskal-Wallis H 检验 4.随机区组设计多个样本比较 Friedman M 检验,三、等级资料,44,1.相关分析 X1与X2服从二元正态分布 Pearson积差相关分析 X1与X2不服从二元正态分布 Spea

10、rman秩相关分析 2.回归分析 Y与X服从二元正态分布 或 Y服从正态分布而X为控制变量 Y与X间呈直线趋势 直线回归分析,四、双变量资料,45,3.曲线回归分析（SPSS）,46,3.曲线回归分析（SPSS）,47,4. 协方差分析 比较带有协变量(Xj)的各组均数( )间的差别 协变量Xj对Yj有影响 分为完全随机设计与随机区组设计,48,1.有应变量的多元分析,五、多变量资料,49,1.有应变量的多元分析 Y为计量资料且服从正态分布 自变量服从多元正态分布 多元线性回归或多元逐步回归分析,五、多变量资料,50,1.有应变量的多元分析 Y为判别分类变量 自变量服从多元正态分布 判别分析或逐步判别分析,五、多变量资料,51,1.有应变量的多元分析 Y为二分类或多分类变量 以分析危险因素为主要目的 条件或非条件Logistic回归分析,五、多变量资料,52,1.有应变量的多元分析 Y为生存时间且含有截尾数据 Cox比例风险回归分析,五、多变量资料,53,2.无应变量的多元分析,五、多变量资料,54,2.无应变量的多元分析 将n个观察单位聚为k类(n k) Q型聚类 将m个变量聚为k类(m k) R型聚类,五、多变量资料,55,2.无应变量的多元分析 将所有变量化为少数几个互不相关的综合 变量 主成分分析 从所有变量中找出有限个不可观测的潜在 因素 因子