如何做组间差异检验_组间差别是多少？——两样本均数差及可信区间估计

治疗性研究是临床研究一个永恒的主题，对临床大夫来说，最关心就是患者来了，应该如何治疗，当临床治疗方案不唯一时如何做出最优的临床决策。我们做临床治疗性决策的时候相信大家都会看治疗性研究的文献，参考研究结果中不同治疗方案差别的比较及假设检验的结果。那么我们自己开展治疗性研究的时候应该如何展示研究结果呢？ 可以选择方法有很多，但相信最为常见的是下图展示的，当效应的评价指标是分类变量时，我们用卡方检验来比较组间差异是否有统计学意义；当效应的评价指标是连续变量时，我们根据数据的分布特征选择t检验或秩和检验来比较不同干预组的差异。

上述的方法可以说是开展统计分析的时候常用套路了。但是，如果一篇治疗性研究的文章仅仅是给我们展示这些结果不知道大家会不会觉得不够到位呢？你只告诉了我差异是否有统计学意义不够啊，如果在不了解两种治疗方案差多少的情况下，我很难做选择。相信各位读者在临床工作中也不会向患者解释治疗组间的差异有没有统计学意义吧。所以我们需要计算和展示组间差异的效应量。相信大家都清楚，如果是分类变量我们可以通过统计软件轻松计算RR值和95%CI，同时也可以计算组间率差RD和95%CI。通过计算这些意义明确的效应量能帮助我们做出适合的临床决策。如果我们的outcome是个连续变量呢？我们要计算的效应量就是均数差或者是中位数差了。今天咱们先介绍均数差及其95%CI的计算方法。

当数据符合正态分布，我们对总体进行统计推断时常用均数和均数的可信区间，计算公式如下：

计算均数差及其95%CI也需要先计算差值的均数，其实就是两组均数之差：mean1−mean2，此外计算CI需要标准误，如果样本量较大时标准误可以近似认为时，

如果n不足够大，那么标准误的计算会更复杂一些。看到这儿有读者会说，天啊，看到公式我就头大。没关系，在SPSS中可以很简单的进行两样本均数差及其95%CI的计算。方法是：分析→比较均值→两独立样本均值比较。看到这大家会认为这就是我们t检验时的点菜单方法啊。是的，在SPSS中计算两样本的均数差及95%C就是在独立样本t检验模块中进行计算。可能大家看到了t检验的p值就不再往下看了，因此没有注意到均数差的结果，让我们再仔细看看t检验结果表格：

请看红色框中的结果，第一行时通过了列文检验后，认为方差相等(方差齐)时两组的均数差、差值标准误以及95%CI，第二行则是不通过列文检验，认为方差不等(方差不齐)时两组的均数差、差值标准误以及95%CI。也就是两组D₀天的PSI指数差异欸6.6分(-10.2，23.5)也就是PSI组间差异没有统计学意义。

以后大家做组间连续变量比较的时候还可以考虑把均数差及均数差的95%CI在论文中报告。另外，欲知中位数的差值及可信区间如何估计，请关注我的下一篇文章。