❶ 數據統計檢驗方法的選擇和使用
數據統計檢驗方法的選擇和使用是數據分析中不可或缺的一環。理解變數類型、統計數據的呈現方式以及統計檢驗方法的應用是數據分析的基石。數據可以分為數值型和分類型兩大類。數值型數據又可分為連續型和非連續型，如身高、距離等為連續型數據，個數等為非連續型數據。分類型數據包括定序型數據，如對某事物的評價（好、一般、不好）；定類型數據，如性別。
數值型數據的統計呈現方式多樣，包括平均值、中值、最大值、最小值、標准差、標准誤、四分位數等，用於展示數據分布情況。分類型數據中的定序型數據則通過中值和四分位數展示，而定類型數據直接通過數值展示。數據圖形表現方式包括餅圖、柱狀圖、累積柱狀圖、直方圖、散點圖、箱線圖、折線圖等。
在選擇統計檢驗方法時，要根據數據的類型和分布情況來決定。數值型數據的檢驗分為參數檢驗和非參數檢驗。參數檢驗，如t檢驗和ANOVA檢驗，適用於數據符合正態分布且方差齊性的情況，而非參數檢驗，如Mann-Whitney U檢驗、Kruskal-Wallis檢驗，則適用於數據不符合正態分布或方差不齊的情況。分類型數據的檢驗通常使用非參數檢驗，如卡方檢驗或Fisher檢驗。相關性檢驗則有參數檢驗的Pearson』s Correlation Coefficient和非參數檢驗的Spearman』s Correlation Coefficient。
數據檢驗的具體方法包括檢驗數據是否符合正態分布、檢驗方差齊性、進行參數檢驗和非參數檢驗等。檢驗數據是否符合正態分布可使用Kolmogorov-Smirnov test（K-S檢驗）或繪制QQ圖，方差齊性檢驗則有F-test、Bartlett』s test和Levene』s test。參數檢驗適用於符合正態分布且方差齊性的情況，包括t檢驗和ANOVA檢驗。對於不符合正態分布或方差不齊的數據，使用非參數檢驗，如Mann-Whitney U檢驗、Wilcoxon signed rank檢驗和Kruskal-Wallis檢驗。
在統計檢驗過程中，需要注意數據展示方式、單尾與雙尾的選擇以及樣本量對統計差異的影響。數據展示可以選擇平均值±標准差SD或平均值±標准誤SEM，根據需要進行選擇。單尾檢驗適用於兩組數據之間差異方向可高可低的情況，而雙尾檢驗適用於其中一組數據只可能比另一組高或低的情況。對於樣本量很大時，即使統計差異顯著，也需結合實際意義進行判斷，考慮使用Effect size替代p值進行評估。
綜上所述，數據統計檢驗方法的選擇和使用需要根據數據類型、分布情況和研究需求來決定，以確保數據分析的准確性和有效性。在實際操作中，合理選擇合適的檢驗方法，結合圖形展示和數值統計，可以更全面、直觀地理解數據特徵和差異，從而支持科學決策和研究結論的形成。
❷ 求助，如何確定統計方法
統計檢驗是將抽樣結果和抽樣分布相對照而作出判斷的工作。統計檢驗是將抽樣結果和抽樣分布相對照而作出判斷的工作。取得抽樣結果，依據描述性統計的方法就足夠了。抽樣分布則不然，它無法從資料中得到，非利用概率論不可。而不對待概括的總體和使用的抽樣程序做某種必要的假設，這項工作將無法進行。
統計中經常會用到各種檢驗：
t檢驗有單樣本t檢驗，配對t檢驗和兩樣本t檢驗。
單樣本t檢驗：是用樣本均數代表的未知總體均數和已知總體均數進行比較，來觀察此組樣本與總體的差異性。
配對t檢驗：是採用配對設計方法觀察以下幾種情形，1，兩個同質受試對象分別接受兩種不同的處理；2,同一受試對象接受兩種不同的處理；3，同一受試對象處理前後。
u檢驗：t檢驗和就是統計量為t,u的假設檢驗，兩者均是常見的假設檢驗方法。當樣本含量n較大時，樣本均數符合正態分布，故可用u檢驗進行分析。當樣本含量n小時，若觀察值x符合正態分布，則用t檢驗（因此時樣本均數符合t分布），當x為未知分布時應採用秩和檢驗。
F檢驗又叫方差齊性檢驗。在兩樣本t檢驗中要用到F檢驗。
從兩研究總體中隨機抽取樣本，要對這兩個樣本進行比較的時候，首先要判斷兩總體方差是否相同，即方差齊性。若兩總體方差相等，則直接用t檢驗，若不等，可採用t'檢驗或變數變換或秩和檢驗等方法。
其中要判斷兩總體方差是否相等，就可以用F檢驗。
簡單的說就是 檢驗兩個樣本的 方差是否有顯著性差異 這是選擇何種T檢驗（等方差雙樣本檢驗，異方差雙樣本檢驗）的前提條件。
在t檢驗中，如果是比較大於小於之類的就用單側檢驗，等於之類的問題就用雙側檢驗。
卡方檢驗
是對兩個或兩個以上率（構成比）進行比較的統計方法，在臨床和醫學實驗中應用十分廣泛，特別是臨床科研中許多資料是記數資料，就需要用到卡方檢驗。
方差分析
用方差分析比較多個樣本均數,可有效地控制第一類錯誤。方差分析(analysis of variance,ANOVA)由英國統計學家R.A.Fisher首先提出，以F命名其統計量，故方差分析又稱F檢驗。其目的是推斷兩組或多組資料的總體均數是否相同，檢驗兩個或多個樣本均數的差異是否有統計學意義。
❸ 統計分析方法的選擇
在基本的統計分析過程中，選擇合適的統計學方法，已經是成功了一半。那麼面對得到數據，我們該如何去選擇合適的統計方法呢？
最簡單而重要的方法，首先是對數據的屬性進行判斷，是計量資料（年齡多少歲，血壓多少帕斯卡，身高多少cm）；還是計數資料（有多少個人，多少個國家，多少個民族）。
A 計量資料
對於計量資料，是採用非參數檢驗還是參數檢驗呢？如果數據不滿足正態性、方差齊性等，可以用非參數檢驗；當不在乎數據是否符合正態分布，也可以直接利用非參數檢驗，只是非參數檢驗的效能相比於參數檢驗低，犯I類錯誤的概率可能會高。
當檔宏計量資料為單獨一組時，採用單樣本t檢驗或單樣本秩和檢驗（Wilcoxon）；
當兩組樣本為獨立樣本進行比較時，採用兩組獨立樣本t檢驗或兩組獨立樣本秩和檢驗（Mann-Whitney）；
當兩組樣本為相關樣本時，採用配對樣本t檢驗或配對樣本秩和檢行高冊驗（Wilcoxon）；
當計量資料超過2組（3組或3組以上），採用方差分析或多組獨立樣本秩和檢驗（Kruskal-Wallis）。
B 計數資料
計數資料主要以列聯表形式存在，所以對計數資料的分析，首要任務是對行、列變數屬性的判斷。
當行變數、列變數均為無序變數時，採用卡方檢驗；
當行變數或列變數為有序變數時，採用秩和檢驗；
當行變數、列變數均為有序變數時，可採用Spearman相關性分析量變數之間的秩相關；若是評判兩種方法或處理手段的一致性，可採用Kappa分析。
將上面的長篇廢話轉化成圖念猛表，思路是不是更清晰了呢？
轉自』 醫學統計園 』。