统计答题模板

统计学

1 1、自身配对t检验15、配对计量资料Wilcoxon符号秩和检验

本资料属于自身配对设计计量资料小样本（n<50）均数比较，如子差值满足正态性，宜用自身配对t 检验；否则应用Wilcoxon符号秩和检验。

正态性检验结果（Test of Normality），因n<50，宜看Shapiro-Wilk。

1、P>0.05，服从正态分布，选用配对t检验。

结果：

[Paired Samples Correlations]中相关系数r（Correlations）= >0，可认为配对设计成功。

[Paired Samples Test]中t= ，P= ，得出结论。

2、P<0.05，不服从正态分布，选用Wilcoxon符号秩和检验。

结果分析：

[Test Statistics]中检验统计量Z= ，P= ，得出结论。

2 2、两独立样本t检验16、完全随机设计两组计量资料Wilcoxon秩和检验17、完全随机设计两组等级资料Mann-Whitney U检验

本资料属于完全随机设计两组计量资料小样本（n<50）均数比较，若两组资料均满足正态性、方差齐性，可用成组t检验；否则使用完全随机设计两组计量资料Wilcoxon秩和检验，完全随机设计两组等级资料比较宜用Mann-Whitney U检验。

正态性检验同1，满足方差齐性（Test of Homogeneity of variance），Based on mean：P>0.05。

1、满足正态性、方差齐性，可用成组t检验。

结果分析：

[Independent Samples Test]中t= ，P= ，得出结论。

2、不满足正态性、方差齐性，可用Wilcoxon秩和检验，等级资料比较宜用Mann-Whitney U检验。

结果分析：

[Test Statistics]中Mann-Whitney U= ，Wilcoxon= ，检验统计量Z= ，P= ，确切概率（Exact Sig）= ，得出结论。

3 3、完全随机设计多组ANOV A与多重比较18、完全随机设计多组计量资料Kruskal-wallis H检验

本资料属于完全随机设计多组计量资料，若满足正态性、方差齐性，可用完全随机设计多组ANOV A 分析；否则使用Kruskal-wallis H检验（常用于不满足参数检验条件的完全随机设计两样本或多样本比较，也可推断双向有序资料的相关性）。

正态性、方差齐性检验同上。

1、满足正态性、方差齐性，可用完全随机设计多组ANOV A分析。

结果分析：

方差分析（ANOV A）：F= ，P= ，得出结论。P<0.05说明组间差异有显著性意义。

多重比较：

LSD法（两两比较）P= ，得出结论。

Dunnett法（比对照组）P= ，得出结论。Mean Difference（均数差）比较各组效应

2、不满足正态性、方差齐性，可用Kruskal-wallis H检验

结果分析：

[Test Statistics]中得知X2= P= ，得出结论。

4 4、随机区组设计多组二因素ANOV A与多重比较

本资料属于配伍组设计的多组数值变量样本均数比较，若满足正态性，可用配伍组设计多组二因素

ANOV A分析，否则用Friedman M检验。

正态性同上。

满足正态性，可用配伍组设计多组二因素ANOV A分析。

方差分析检验（Test of Between-Subjects Effects）结果：

Corrected Model（校正模型）的F= ，P= ，所选模型统计学意义

各因素的F= ，P= ，得出结论。

多重比较LSD、Dunnett同上。得出结论。

5 5、2×2交叉设计资料三因素ANOVA 6、2×2析因设计资料ANOVA 7、拉丁方设计资料三因素ANOVA

5、交叉设计

本资料属于交叉设计资料，选用三因素ANOV A分析法。

方差分析结果同4。

6、析因设计

本资料属于2×2析因设计资料，选用ANOV A分析法。

方差分析结果同4。

7、拉丁方设计

本资料属于拉丁方设计，选用三因素ANOV A分析法。

方差分析结果同4。

6 6、直线相关与回归

本资料为计量资料双变量关系分析，如满足正态性则选用直线相关与回归分析，否则选用秩相关分析。

直线相关：

正态性检验同上。

结果分析：

[Correlations] 中Person相关系数r= ，t= ，P= ，得出结论。P<0.05可认为呈直线相关。

直线回归：

[Model Summary]中R（相关系数）= ，R2（决定系数）= ，可表明自变量x来解释的变异（回归平方和）在y的总变异中占（Adjusted R Square）%。

ANOV A分析:F= ，P= 。P<0.05可认为y与x之间有线性回归关系。

回归分析系数[Coefficients]中，直线回归方程的截距（constant）a= ，t= ，P= 。回归系数b= ，t= ，P= 。建立直线回归方程：y=a+bx，统计学意义。

结论：y与x之间有线性回归关系，回归方程：y=a+bx。

7 9、完全随机设计两组协方差分析

本资料属于完全随机设计两组计量资料，且资料中存在难以完全控制的混杂因素，资料服从正态性，两组方差齐性，从散点图观察可见两组均有直线趋势，可用协方差分析。

[Test of Between-Subjects Effects]中交互作用F= ，P= 。如P>0.05，交互作用无统计学意义，可进一步做协方差分析，P<0.05，则不宜做协方差分析。

去除交互作用后，[Test of Between-Subjects Effects]中同4。

10、随机区组设计多组协方差分析

本资料属于配伍组设计的多组计量资料，且资料中存在难以完全控制的混杂因素，资料服从正态性，各比较组方差齐性，从散点图观察可见各比较组均有直线趋势，可用协方差分析。

结果分析同9。

8 11、四格表卡方检验12、四格表Fisher确切概率法检验

本资料属于两分类变量两组率比较，若n≥40且T≥5，可用四格表卡方检验；若n<40，宜采用Fisher 确切概率法检验。

结果分析：

[Chi-aquare Tests] 中，若n≥40且T≥5，宜采用Person X2= ，P= ，得出结论。若n≥40且1≤T<5，宜采用Continuity Correction（连续性校正）X2= ，P= ，得出结论。若n<40，宜采用Fisher’s Exact Test （Fisher确切概率法），双侧确切概率P= ，单侧确切概率P= ，得出结论。

9 13、R×C表卡方检验与多重比较

本资料属于双向属性R×C表，表中理论数都大于1，理论数小于5的个数小于20%，可用Person 卡方检验验证行与列属性的独立性。

结果分析：

[Chi-aquare Tests] 中，Person X2= ，P= ，得出结论。Likelihood Ratio（似然比）X2= ，P= ，得出结论。（若拒绝H0，可进一步做多个样本率之间的两两比较）；Linear-by-Linear Association（线性相关性检验）不适用于双向无序资料，适用于双向有序资料，可以认为与存在线性关系。

10 14、方表资料检验（Pearson，McNemar，Kappa）

本资料属于配对×方表资料，独立性检验用Person X2检验，优势性检验用McNemar检验，一致性检验用Kappa检验。

结果分析：

Person X2= ，P= ，得出结论。可说明行列属性的独立性。

McNemar Test= ，P= ，得出结论。可说明行列两因素效应的差别是否具有统计学意义。

Kappa系数= ，P= ，得出结论。可说明实际一致率与随机一致率差别是否具有统计学意义。Kappa系数愈接近+1，说明一致程度愈好。

11 19、两个大样本等级资料Ridit分析20、多个大样本等级资料Ridit分析

本资料属于有序分类变量比较，且各组n≥50，宜用Ridit分析。

结果分析：

推断R差别有无统计学意义，置信区间重叠法。无重叠有统计学意义。

R a= ，总体 Ra 均数 95%CI为（ , ）；

R b= ，总体 Rb 均数 95%CI为（ , ）。

若等级为“好”至“差”，R小效果佳。若等级为“差”至“好”，R大效果佳。

12 21、多应变量多组Wilks' lambda检验（多元方差分析）

本资料属于计量资料多应变量单自变量组比较，若各组都满足正态性、方差齐性，可采用Hotelling T2检验，否则用多元方差分析（Wilks' lambda检验）。

结果分析：

正态性、方差齐性检验同前。

若各组不都满足正态性，用多元方差分析。

Wilks' lambda 检验：F= ，P= 。得出结论。各应变量P= 。得出结论。多重比较结果分析： 。

13 22、重复测量资料ANOVA

本资料属于 个处理因素， 水平,重复测量变量 个，每个受试者（区组）有p= 个重复测量数据，宜用重复测量ANOVA 分析。

结果分析：

为克服自相关性，重复测量资料的方差分析要求资料，满足Huynh-Feldt 条件。

齐性与球对称H-F test （Huynh-Feldt ）

满足H-F （球形检验P>0.05）→一元方差分析→第1行。

不满足（P ≤0.05 ） →多元方差分析、混合效应模型→第2行和multivariate tests 。

ANOVA 结果同前。

14 23、多重线性回归（应变量为连续性变量，要求对自变量的不同取值，应变量服从正态分布）

本资料为1个应变量与多个自变量X 的相关与回归分析资料，应变量Y 为计数资料，因各X 与Y 均服从正态分布，故用多重线性回归分析。

结果分析：

因X （m ）回归系数t 检验的P= >0.05，应该排除。剔除相关自变量后继续进入多重线性回归

回归模型:ANOV A F= ，P= 。得出结论。P>0.05，回归有高度统计学意义，说明多重线性回归方程成立。

[Coefficients]中容忍度（Tolerance ）、膨胀因子（VIF ）说明没有共线性问题，自变量进入回归方

程。（容忍度=1-R 2，愈小说明共线问题愈严重，膨胀因子=容忍度的倒数）

直线回归方程的截距（Constant ）a= ，t= ，P= ；X （m ）回归系数b= ，t= ，P= 。说明a 、b 对回归方程 统计学意义。建立多重线性回归方程。 Y=b 0+b 1X 1+b 2X 2+…+b m X m

结论：

15 24、Logistic 回归（应变量为分类变量<包括有序和无序>的资料）

本题为单应变量多自变量的研究，应变量为 分类变量，用 分类Logistic 回归模型进行拟合。 结果分析：

统计模型的X 2= ，P= ， 统计学意义。

若自变量P ＞0.1，达到剔除标准，剔除；P ＜0.1，不能排除。

剔除相关自变量后继续进入Logistic 回归。

建立Logistic 回归方程：Logit （P ）=β0+β1X 1+β2X 2+…+βm X m

概率预报模型为:

16 聚类、判别、因子、正交、均匀、统计图与统计表 见书本及课件

mXm)]

2X21X10exp[-(11ββββ+++++= P