临床统计分析--2差异性检验方法总结

一、单样本（一种药物、一个自变量）

单样本均数比较是指比较一个定量样本的均值与某个特定值（通常是一个理论值、标准值或对照值）之间是否存在显著差异。
例如，假设我们要研究某新开发的减肥药对体重的影响。我们有一组数据，记录了30名志愿者在使用这种减肥药三个月后的体重变化。我们想要知道这组志愿者的平均体重变化是否与“无变化”（即体重变化为0）有显著差异。

如果这组数据的分布满足正态性，我们可以使用单样本t检验来进行研究；

如果数据不满足正态性，我们可以使用单样本Wilcoxon检验来进行研究。

二、两样本（两种药物、两个自变量）

1、两独立样本：比较两种不同药物在治疗相同疾病时的疗效，一个群体接受药物A治疗，另一个群体接受药物B治疗，疗效是数值变量

2、两配对样本设计：比较同一患者在接受两种不同手术治疗前后的血糖水平变化

三、多样本（多种药物or不同剂量，就是多自变量）

1、完全随机设计

研究对象随机分配到多个处理组：

使用方差分析（满足正态性和方差齐性）或Kruskal-Wallis H检验（不满足正态性和方差齐性）

2、随机区组设计：考虑非处理因素，将实验对象配成区组，再随机分配到处理组。

使用方差分析（满足正态性和方差齐性）或Friedman秩检验（不满足正态性和方差齐性）

例如研究不同饮食对青少年身高增长的影响。根据性别、体重等非处理因素将青少年配成区组，然后在每个区组内随机分配到不同的饮食组。

3、重复测量设计：

重复测量同一组对象的多个指标：

如果数据满足正态性和方差齐性，并且满足球对称假设，使用重复测量方差分析来比较不同运动强度下的心率差异；

如果不满足这些条件，可以使用Greenhouse-Geisser或Huynh-Feldt校正后的结果进行分析。

四、定性资料

1、针对二分类变量：四格表

（1）配对样本：同一样本或对象在不同条件下的结果--McNemar检验

（2）非配对样本：比较不同样本或对象在不同条件下的结果

2、针对不全是二分类变量：多行多列(RXC)表

在R×C表资料的分析中，如果所有的期望频数（T）都大于1且小于5，并且这样的格子数占总格子数的比例小于20%，我们可以使用Pearson卡方检验来分析数据;

如果格子数的比例超过20%，我们应使用Yates校正卡方检验。