医学论文中定量资料统计分析方面的错误辨析与释疑
医学杂志论文中常见的统计学错误分析及对策
（1）忽视了t检验的使用条件；
（2）多个样本均数比较错误地用多个t 检验代替 方差分析；
（3）误用t检验分析重复测量设计资料
单样本t检验的应用条件：样本服从正态分
布；
成组t检验的应用条件：样本服从正态分布;
两样本的总体方差相等即方差齐性。
配对t检验的应用条件：差值服从正态分布。
这类错误是临床医学科研论文中定量资料分析中最 常见的错误, 而且是原则性错误, 会增加犯第一类 错误的概率。假设检验的案例一资料为不同年龄组 不同性别基础能耗情况, 原作者用t检验分别对各 组均数逐一进行比较, 得出在男女研究对象青年组 与中年、老年组的基础能耗差异有足够的样本作 前提,要在文章中描述清楚随机抽样的抽样总体、样本含 量、抽样方法,随机分组的随机方法、各组的样本含量与 基本特征等。医学科研论文中最普遍的问题是滥用“随 机”,只要是抽样或分组,不管实际是否采用了随机的方 法,在论文中均不谈采用了什么样的随机方法,就将“随 机”写上,将随机误解为随意、随便、不采用随机化处理 方法,导致结果缺乏可靠性。
某研究者为了研究三种不同值班情况孕妇的 早产发生情况, 作者在计算平均率时, 错误地将几 个率相加后取其平均值, 这种类型的错误也是临床 科研论文中常见的错误之一。
如计算计数资料的案例二中三种值班女工的 早产的合计发生率( 即平均率)时, 以( 2. 7+ 4. 8+ 10. 3) /3= 5. 9, 即平均发生率为5. 9%。
(2)统计图方面的主要错误有两个，其一，横坐标轴 上的刻度值不准确，等长的间隔代表的数量不等；在 直角坐标系中，从任何一个数值开始作为横轴或纵轴 上的第一个刻度值。其二，用条图或复式条图表达连续 性变量的变化趋势；
(3)统计表中数据的含义未表达清楚，令人费解；
医学论文中统计分析错误辨析与释疑_12_定量资料统计分析方法的合理选择
・争鸣与教育・作者单位:100850北京军事医学科学院生物医学统计咨询中心(胡良平、童中彪、李子建);首都医科大学继续教育学院(刘惠刚)医学论文中统计分析错误辨析与释疑(12)———定量资料统计分析方法的合理选择胡良平 童中彪 刘惠刚 李子建 一、带有协变量的定量资料当观测结果为定量变量、影响因素为定性变量时,人们常希望考察定性的影响因素取不同水平条件下,定量观测指标的平均值之间的差异是否具有显著意义,此时,所用的统计分析方法统称为“定量资料均值的假设检验”,其参数法常有t 检验和方差分析,非参数法有秩和检验。
但当资料中还包含一个或多个定量的影响因素时又该怎么办呢?此时的资料被称为“带有协变量的定量资料”,处理这样的资料常需要采用“协方差分析”,即在定性的影响因素取不同水平的条件下,将每一个定量的影响因素对观测结果的影响化成相等,从而折算出定量观测结果的平均值(被称为修正均值),然后,对修正均值进行相应设计定量资料的方差分析。
协方差分析是将回归分析与方差分析结合起来使用的一种分析方法,在这种分析中,先将定量的影响因素看作自变量或称为协变量,建立因变量随自变量变化的回归方程,这样就可以利用回归方程把因变量的变化中受不易控制的定量因素的影响扣除掉,从而能够较合理地比较定性的影响因素处在不同水平下,经过回归分析手段修正以后的因变量的总体均数之间的差别是否有显著意义。
二、误用t 检验和一般方差分析处理带有协变量的资料例1 原文题目:病情严重程度与阻塞性睡眠呼吸暂停综合征(OS AS )患者部分危险因素之间的关系。
以疑诊为OS AS 的98例患者作为研究对象,根据呼吸暂停低通气指数(AHI ,指每小时睡眠时间呼吸暂停和低度通气次数)将其分为4组,正常组(AHI <5次/h )、轻度(AHI 5～20次/h )、中度(AHI 21～50次/h )及重度组(AHI >51次/h ),从年龄、性别、肥胖及烟酒习惯等几方面分析与OS AS 病情严重程度的关系。
临床医学论文数据有误应如何查找和修正
目前我国学术界的文化氛围，简直无法用语言形容。
竞争激烈，资源抢夺，重复性的研究没少做，出现失误也是再正常不过。
但是，遇到临床医学论文被期刊指出数据有误的情况，我们总要反思一下，论文数据错误的原因在哪里，为何出错，以及如何修正。
1.从未发表的研究结果：科学期刊想要新发现，而不是重复已有结果或者已经被抢发的结果。
这就使得研究者们不愿去重复已发表过的研究，就算重复了也很少能发表。
错误的结果无人质疑，阴性结果（也即未发现证据支持假说的结果）极少发表。
一些人担心科学家们可能会忽略那些和现有假说相违背的结果，哪怕它们正确而重要——而只是发表那些符合预期的结果。
2.发表压力：当前，研究资金的审核和发放比以往任何时候都更严格，好的职位也是得来不易。
为了获得经费和工作，科学家们需要发表成果，并且最好是发表在有影响力的期刊上。
这样的压力导致很多研究者发表多篇低质量的论文，而不是去发表少而精的文章。
为了说服管理者和项目评定者，科学家们不得不为自己的研究唱赞歌；因此他们看待自己研究时，也不会带上应有的批判姿态。
3.错误总会发生：科学家也是人，人非圣贤孰能无过。
在1979年到2011年间423篇因为非蓄意过错被撤稿的文章中，有超过一半是因为研究者犯了错误——诸如对药物测量不准这样的问题。
4.追求高影响因子：对于科学家来说，在诸如Nature 、Science或Cell等具有高引用率或高「影响因子」的顶级期刊上发表论文，就像赢得了奖章一样。
高校和基金资助机构在提供职位和资金时，也会更多地偏向于在这些期刊上发表过文章的研究者。
许多研究者表示，这些顶级期刊上论文的科学价值，不一定比其它期刊上的高，它们只是引人注目或迎合了研究趋势，但却常常不能反映现实世界中数据的复杂性。
这种在高影响因子期刊上发表论文的狂热，可能会鼓励研究人员为了发「高档」期刊而去做任何事，包括牺牲其所进行的科学研究工作和结果的质量。
5.数学工具的错误使用：错误的统计分析可能会令研究结果出现偏差。
医学论文中实验设计方面的错误辨析与释疑
C²σ²/D²等。其中，N为样本量，Z为标准正态分布下的临界值（根据α和β值 确定），σ为总体标准差估计值，d为容许误差范围，C为样本与总体比例的t 分布临界值（根据α和β值确定），D为组间差值估计值。实际应用中需要根 据具体情况选择合适的公式进行计算。
3、混淆实验组与对照组有何危 害？
混淆实验组与对照组会导致无法准确比较两组之间的差异，影响结果的可靠性。 如果将实验组的试剂误加入对照组，或将对照组的试剂误加入实验组，就会造 成两组之间的差异无法准确解释，导致研究结论出现偏差甚至错误。因此，
谢谢观看
在医学研究中，定量资料统计分析具有至关重要的地位。然而，由于对统计学 的误解和不正确的应用，许多论文在定量资料分析方面存在错误。下面我们来 探讨一些常见的错误及其辨析方法。
1、错误的数据分析方法
在医学论文中，作者有时会使用不恰当的统计分析方法，导致结论的误导。例 如，使用t检验来比较两组非正态分布的数据，或未能正确理解卡方检验的适 用范围。在遇到这类问题时，我们需要仔细审查所用统计方法的合适性，并确 保数据满足所使用方法的假设。
在实验过程中必须严格区分实验组和对照组，避免混淆现象的发生。
参考内容
医学论文中定性资料统计分析的 错误辨析与释疑
定性资料统计分析在医学论文中具有重要意义，但其中也存在着一些常见的错 误和误解。本次演示将介绍定性资料统计分析的基本步骤，并探讨如何在分析 过程中避免和解决可能出现的错误。
在医学研究中，定性资料通常包括问卷调查、访谈、病例登记等。这些资料通 常能够反映研究对象的主观感受、态度、行为以及疾病的特征等信息。收集定 性资料时，需要注意保证数据的真实性和完整性。
1、什么是随机化原则？
随机化原则是指在实验过程中，研究对象在实验组和对照组之间的分配应该是 随机的，即每个研究对象都有同等的机会被分配到实验组或对照组。通过随机 化原则，可以消除潜在的混杂因素的影响，保证各组之间的均衡性，从而提高 结果的可靠性和准确性。
医学论文中常用统计分析方法错误大全
医学论文中常用统计分析方法错误大全在医学研究领域，准确合理地运用统计分析方法对于得出可靠的研究结论至关重要。
然而，在实际的医学论文中，却存在着各种各样的统计分析方法错误，这些错误可能会导致研究结果的偏差，甚至得出错误的结论。
下面，我们就来详细探讨一下医学论文中常见的统计分析方法错误。
一、数据类型判断错误数据类型的正确判断是选择合适统计分析方法的基础。
医学研究中常见的数据类型包括计量资料、计数资料和等级资料。
然而，很多研究者在数据类型判断上出现失误。
例如，将原本应该是计数资料的数据（如疾病的治愈、好转、无效等）当成计量资料进行分析，错误地使用了均值和标准差等统计指标，而应该使用频率和百分比等指标，并采用卡方检验等方法。
二、样本量计算不合理样本量的大小直接影响到研究结果的可靠性和准确性。
一些医学论文在研究设计阶段没有充分考虑样本量的计算，导致样本量过小或过大。
样本量过小，可能会使研究结果缺乏统计学意义，无法检测出真实存在的差异；样本量过大，则会造成资源的浪费，同时增加研究的难度和成本。
正确的样本量计算应该综合考虑研究的设计类型、预期效应大小、检验水准和检验效能等因素。
三、选择错误的统计方法这是医学论文中常见的错误之一。
例如，对于两组独立样本的均数比较，应该使用 t 检验，但如果两组数据的方差不齐，就需要使用校正的 t 检验或者非参数检验方法（如 Wilcoxon 秩和检验）。
然而，很多研究者在这种情况下仍然使用了普通的 t 检验，导致结果不准确。
再比如，对于多组均数的比较，如果方差分析结果有统计学意义，还需要进一步进行多重比较。
但有些研究在这一步没有进行恰当的多重比较方法选择，导致结论不够准确。
四、忽视数据的正态性检验在进行某些统计分析（如 t 检验、方差分析等）时，要求数据服从正态分布。
然而，很多研究者在使用这些方法之前，没有对数据进行正态性检验。
如果数据不服从正态分布，却仍然使用基于正态分布假设的统计方法，就会得出错误的结论。
医学期刊中常见的定性资料统计分析方法的误用
医学期刊中常见的定性资料统计分析方法的误用在医学专业期刊的临床资料中，比较常见的定性资料大致可分为2×2表、2×C 表、R×2表和R×C表。
常见的统计分析方法有Pearson χ2检验、校正χ2检验、McNemar χ2检验、Fisher精确概率法、秩和检验、Ridit分析、等级相关分析、趋势χ2检验、Kappa检验等。
但对于定性资料的统计学分析，有些作者对数据的类型与属性不加区分，一概采用χ2检验分析所有的定性资料，这往往会导致得出错误的统计推断。
现就常见错误分析如下。
1 分析2×2表资料常见误区及正确用法1.1 常见的误区在分析2×2表的数据资料，作者往往不判断此项研究是否为配对设计，通常选用Pearson χ2检验，这可能会得出错误的统计推断，因此，在分析2×2表资料的数据时，如果是配对设计的资料采用McNemar χ2检验，否则应用一般的χ2检验和校正的χ2检验。
1.2 正确的用法如果例数≥40，所有格子的理论频数≥1，有1个格子的理论频数总格子数的25%，则用Fisher确切概率法。
结果变量为有序多分类变量时，采取秩和检验或Ridit分析等方法来解决两组有序变量平均秩上的差别是否具有统计学意义；也可以进行线性趋势检验说明行变量和列变量是否存在线性趋势关系。
2.2.2 R×2列联表原因变量为无序分类变量时，如果例数≥40，且理论数<5的格子数<总格子数的25%，则用普通的Pearson χ2检验。
如果例数<40，或理论数<5的格子数，大于总格子数的25%，则用Fisher确切概率法。
原因变量为有序多分类变量：根据分析目的不同选用不同的统计学方法。
如果要分析原因变量间的频数分布是否相同，则可用一般Pearson χ2检验或Fisher 确切概率法；如果要分析原因变量的频率是否随行变量取值增加而呈线性增加或下降趋势，则要选用线性趋势检验[2]。
医学论文中统计表达和描述方面的错误辨析与释疑
（4）写作过程中过于注重结论的表述，而忽视了统计过程的科学性。
3、决方法
为避免以上错误，医生需采取以下措施： （1）深入学习统计学基础知识，提高自身专业素养。
（2）选择合适的研究设计和统计分析方法，确保其适用性和科学性。 （3）在数据处理过程中保持科学、严谨的态度，避免主观臆断。
（4）在写作过程中注重结论的准确表述，同时统计过程的科学性和合理性。 结论 本次演示通过对医学论文中统计表达和描述方面的错误辨析与释疑，指出了 常见错误的类型、产生原因及解决方法。医生在实际应用过程中应注重提高
先前的研究表明，医学论文中的统计分析错误辨析与释疑统计资料的表达与 描述之三主要包括以下几个方面：（1）统计学假设前提的误解；（2）不恰当的 统计学方法；（3）统计结果的不合理解释；（4）误用和滥用统计指标；（5） 统计样本的偏差和质量问题。这些错误辨析与释疑统计资料的问题会影响医学论 文的质量和研究结果的可靠性。
医学论文中统计表达和描述方面的错误主要包括以下几个方面：
（1）数据转换：将不适用于特定统计方法的数据进行错误转换，导致结果 偏离真实情况。
（2）误用统计量：不正确地选择和使用统计量，导致无法准确反映研究结 果。
（3）不正确表述结论：在结论部分夸大或缩小统计结果的实际意义，甚至 得出不正确的结论。
3、统计结果的不合理解释。一些医学论文在解释统计结果时存在不合理的 情况。例如，一些论文在比较两组数据时得出了不具有统计学意义的结论，但未 对其原因进行分析和解释。此外，一些论文在多组数据比较时没有考虑到其他因 素的影响，导致结果出现偏差。
谢谢观看
（4）假设检验前提条件：在进行假设检验时未满足前提条件，导致统计结 果失真。
（5）不理解统计基本概念：对基本统计概念如随机误差、效应大小等理解 不足，影响论文质量。
医学论文中常用统计分析方法错误大全
医学论文中常用统计分析方法错误大全在医学研究领域，准确和恰当的统计分析是得出可靠结论的关键。
然而，在众多医学论文中，却存在着各种各样的统计分析方法错误，这些错误可能会导致研究结果的偏差甚至错误解读，从而影响医学研究的质量和临床实践的指导价值。
接下来，我们就来详细探讨一下医学论文中常见的统计分析方法错误。
一、样本量计算错误样本量的合理计算对于研究的可靠性和有效性至关重要。
许多研究在设计阶段未能充分考虑研究的主要目的、预期效应大小、检验效能以及显著性水平等因素，导致样本量过小或过大。
样本量过小可能使研究无法检测到真实存在的差异，从而得出假阴性结论；样本量过大则会造成资源浪费，同时可能增加研究的复杂性和误差。
例如，在一项比较新药物与传统药物疗效的临床试验中，如果预期的疗效差异较小，而研究者没有充分考虑这一点，计算出的样本量不足，那么即使新药物实际上更有效，也可能由于样本量的限制而无法得出有统计学意义的结果。
二、数据类型错误医学研究中数据类型多样，包括计量资料（如身高、体重、血压等）、计数资料（如疾病的发生例数、治愈例数等）和等级资料（如疾病的严重程度分为轻、中、重）。
错误地判断数据类型会导致选择错误的统计分析方法。
例如，将原本属于计数资料的数据（如疾病的治愈与未治愈），错误地当作计量资料进行 t 检验，这样得出的结果是不准确的。
反之，将计量资料当作计数资料处理，也会造成同样的问题。
三、选择错误的统计检验方法不同的研究问题和数据类型需要相应的统计检验方法。
常见的错误包括：在多个组间比较时，错误地使用 t 检验而不是方差分析；在非正态分布的数据中使用参数检验方法；在不符合独立性假设的情况下使用独立样本检验等。
比如，在比较三种不同治疗方法对患者生存率的影响时，应该使用方差分析或非参数的KruskalWallis 检验，而不是多次进行两两t 检验，因为这样会增加一类错误（即假阳性）的概率。
四、忽视方差齐性检验在进行 t 检验和方差分析时，通常需要先进行方差齐性检验。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
医学论文中定量资料统计分析方面的错误辨析与释疑
【关键词】统计学; 医学; 论文; 统计分析; 非参数统计
1 问题的提出
在医学论文或稿件中,若观测结果是定量资料,常需要在不同实验条件下比较其平均值之间的差别是否具有统计学意义,此时,称为定量资料的统计分析。
如何才能正确地实现定量资料的统计分析呢?关键是两点:其一,检查定量资料是否满足参数检验的前提条件;其二,正确辨析定量资料所对应的实验设计类型。
第一点常可通过统计软件来实现,而第二点则需要分析资料的人具有这方面知识,才有可能合理选择统计分析方法。
然而,只要科研课题涉及到两个或两个以上因素时,实际工作者能正确判定其实验设计类型的场合少得可怜,因此,在医学论文或稿件中,这方面的错误不计其数。
概括起来说,不外乎有以下两类错误:(1)当定量资料不满足参数检验的前提条件(独立性、正态性和方差齐性)时,盲目套用参数检验方法(通常为特定设计下定量资料的t检验或方差分析);(2)不管定量资料对应的实验设计类型是什么,一律套用单因素两水平(或叫成组)设计定量资料的检验方法(如t检验或秩和检验)或单因素多水平设计定量资料的分析方法(如单因素多水平设计定量资料的方差分析或秩和检验)。
其结果是所得出的结论可信度低,甚至是错误的[1,2]。
2 中西医结合治疗实例
例1 某临床医生收集了如下的资料(表1),在各组内进行配对设计定量资料的t检验,在任何两组之间,用差量进行成组设计定量资料的t检验。
请问:错在哪?正确的做法是什么?
对差错的辨析与释疑原作者的做法是错误的!因为这样做割裂了整体设计,每次分析时,仅用了部分数据,数据的利用低,自由度小,结论的可信度低;无法分析药物种类与测定时间之间的交互作用。
正确的做法是:先检查资料是否具备参数检验的前提条件,然后正确判定资料所对应的实验设计类型。
假定本例中的定量资料满足参数检验的前提条件,而实验设计类型表面上看是“4个自身配对设计”同时存在,应叫做“具有一个重复测量的两因素设计(其中,测定时间因素与重复测量有关,除此因素之外,还有一个‘药物种类’因素)”。
正确的统计分析方法为“具有一个重复测量的两因素设计定量资料的方差分析”。
对本例而言,更合适的分析策略是:将“治疗前”视为“协变量”,即设法使各药物组治疗前尽可能取相等的平均水平,从而推算出治疗后的平均测定结果(称为校正的
平均值),提高各药物组之间的可比性,其统计分析方法叫做“单因素4水平设计定量资料的一元协方差分析”(每次只分析一个定量指标);若每次需要同时分析
3个定量观测指标,其统计分析方法可叫做“带有一个协变量的单因素4水平设
计定量资料3元方差分析”。
表1 各组治疗前后肝功能检测结果比较(略)
例2 很多人用成组设计定量资料的t检验和单因素多水平设计定量
资料的方差分析处理表2资料。
请辨析:这样做错在哪里?为什么?正确的统计分析方法是什么?
表2 两组不同组织类型的NSCLC肺部ROI的Max SUV和Mean SUV比较(略)
对差错的辨析与释疑表2中最后两列为两个定量的观测指标,原则上,当实验中涉及两个或两个以上定量指标时,看专业上是否需要同时考察它们
的变化,若不需要,就视为两个一元定量资料;若需要,就视为一个二元定量资料。
关键是检查资料的前提条件(此处从略)和正确判定定量资料所对应的实验设计
类型,以下就不再赘述了。
原作者所用的两种统计分析方法都属于分析单因素设计定量资料的统计分析方法,是不正确的。
属于未正确辨析实验设计类型,就盲目套用统计分析方法的一种坏习惯,其结论是不可信的。
该定量资料中涉及两个实验因素,一个是中医上的分型(非血瘀证与血瘀证),另一个是癌细胞类型。
两个因素共有6种水平组合,各组合下都有一组独立的患者,两个因素同时出现在实验中,尚无专业知识保证它们对观测指标的影响谁是主要或次要,故这个定量资料
所对应的实验设计类型应叫做两因素析因设计或叫2×3析因设计,当定量资料
满足参数检验的前提条件时,以选用相应设计定量资料的方差分析处理为宜。
例
3 很多人用成组设计定量资料的t检验和单因素多水平设计定量资料的方差
分析处理表3资料。
请辨析:这样做错在哪里?为什么?正确的统计分析方法是什么?
表3 两组不同分期的NSCLC肺部ROI的Max SUV和Mean SUV比较(略)
对差错的辨析与释疑原作者所用的两种统计分析方法都属于分析单因素设计定量资料的统计分析方法,是不正确的。
属于未正确辨析实验设计类型,就盲目套用统计分析方法的一种坏习惯,其结论是不可信的。
该定量资料中涉及两个实验因素,一个是中医上的分型(非血瘀证与血瘀证),另一个是疾病分期。
两个因素共有8种水平组合,各组合下都有一组独立的患者,两个因素同时出现在
实验中,尚无专业知识保证它们对观测指标的影响谁是主要或次要,故这个定量
资料所对应的实验设计类型应叫做两因素析因设计或叫2×4析因设计,当定量
资料满足参数检验的前提条件时,以选用相应设计定量资料的方差分析处理为宜。
例4 很多人用成组设计定量资料的t检验和单因素多水平设计定量资料的方
差分析处理表4资料。
请辨析:这样做错在哪里?为什么?正确的统计分析方法是什么?
表4 各组肺组织病理图像分析结果比较(略)
对差错的辨析与释疑原作者所用的两种统计分析方法都属于分析单因素设计定量资料的统计分析方法,是不正确的。
属于未正确辨析实验设计类型,就盲目套用统计分析方法的一种坏习惯,其结论是不可信的。
该实验共有8个实验组,每组中的10只动物都在三个区被检测某定量指标的结果,故“三个区”是与重复测量有关的因素。
要判断该定量资料所对应的实验设计类型,关键是要弄清“组别”是一个实验因素还是一个复合因素。
显然,“组别”中涉及到很多因素,如“是否建模”、“是否用药”、“用何种药”、“用药种数”,这4个因素每个至少有2个水平,全面组合至少应有16个小组,现在只有8个组,说明这些因素的水平未全面组合,属于“多因素非平衡组合实验”,而不是一个标准的多因
素实验设计。
对于这种定量资料,应对“组别”进行合理拆分。
可能的拆分结果如下。
组合1:正常对照组与模型组;组合2:模型组、丹参组、黄芪组、雷公藤组、氢化考的松组、硫唑嘌呤组;组合3:模型组、雷公藤组、硫唑嘌呤组、硫唑嘌呤+雷公藤组。
将上述三种组合分别与三个区同时考虑,构成不同的实验设计类型,具体地是,组合1叫做“具有一个重复测量的两因素设计”,其设计格式见表5。
组合2也叫做“具有一个重复测量的两因素设计”,其设计格式见表6。
表5 两组肺组织病理图像分析结果比较(略)
表6 各组肺组织病理图像分析结果比较(略)
组合3应叫做“具有一个重复测量的三因素设计”,因为该组合中的4
个实验分组本身形成了一个2×2析因设计结构,再加上与重复测量有关的因素“三个区”,其结构用统计表表达出来(表7),便可一览无余,层次清晰,易于辨
析其真正的实验设计类型。
表7 4组肺组织病理图像分析结果比较(略)
例5 很多人用配对设计定量资料的t检验和单因素多水平设计定量
资料的方差分析(两两比较用LSD法)处理多因素影响下的定量资料,如本刊20XX 年第4卷第3期第287页上的表1资料(为节省篇幅,详细资料此处从略)。
请辨析:这样做错在哪里?为什么?正确的统计分析方法是什么?
对差错的辨析与释疑在此资料中,第1列“Group”之下的5个组不是单因素5水平之间的关系,它是多因素非平衡组合实验,因此,需要对“Group”进行合理地“拆分”:如组合①,前4组可同时比较;组合②,“第1组,第2、3、4三组中取一组,第5组”可同时比较。
还应考虑放置在表中纵向上的“时间”
因素,第1个时间点为“处理前”,应将其视为“协变量”,而且,“时间”是与重复测量有关的因素,简称重复测量因素。
同时考虑某种组合和时间,则分别与组合①、组合②对应的统计分析方法都叫做“具有一个重复测量的两因素设计定量资料的一元协方差分析”。
【参考文献】
1 Hu LP, Li ZJ. Fundamental of medical statistics and discrimination of typical misuse. Beijing: Press of Military Medical
胡良平, 李子建. 医学统计学基础与典型错误辨析. 北京: 军事医学科学出版社
2 Hu LP. Application
experimental design. Beijing: People’s Military Medical Press. 20XX:。