❶ 数据统计检验方法的选择和使用
数据统计检验方法的选择和使用是数据分析中不可或缺的一环。理解变量类型、统计数据的呈现方式以及统计检验方法的应用是数据分析的基石。数据可以分为数值型和分类型两大类。数值型数据又可分为连续型和非连续型，如身高、距离等为连续型数据，个数等为非连续型数据。分类型数据包括定序型数据，如对某事物的评价（好、一般、不好）；定类型数据，如性别。
数值型数据的统计呈现方式多样，包括平均值、中值、最大值、最小值、标准差、标准误、四分位数等，用于展示数据分布情况。分类型数据中的定序型数据则通过中值和四分位数展示，而定类型数据直接通过数值展示。数据图形表现方式包括饼图、柱状图、累积柱状图、直方图、散点图、箱线图、折线图等。
在选择统计检验方法时，要根据数据的类型和分布情况来决定。数值型数据的检验分为参数检验和非参数检验。参数检验，如t检验和ANOVA检验，适用于数据符合正态分布且方差齐性的情况，而非参数检验，如Mann-Whitney U检验、Kruskal-Wallis检验，则适用于数据不符合正态分布或方差不齐的情况。分类型数据的检验通常使用非参数检验，如卡方检验或Fisher检验。相关性检验则有参数检验的Pearson’s Correlation Coefficient和非参数检验的Spearman’s Correlation Coefficient。
数据检验的具体方法包括检验数据是否符合正态分布、检验方差齐性、进行参数检验和非参数检验等。检验数据是否符合正态分布可使用Kolmogorov-Smirnov test（K-S检验）或绘制QQ图，方差齐性检验则有F-test、Bartlett’s test和Levene’s test。参数检验适用于符合正态分布且方差齐性的情况，包括t检验和ANOVA检验。对于不符合正态分布或方差不齐的数据，使用非参数检验，如Mann-Whitney U检验、Wilcoxon signed rank检验和Kruskal-Wallis检验。
在统计检验过程中，需要注意数据展示方式、单尾与双尾的选择以及样本量对统计差异的影响。数据展示可以选择平均值±标准差SD或平均值±标准误SEM，根据需要进行选择。单尾检验适用于两组数据之间差异方向可高可低的情况，而双尾检验适用于其中一组数据只可能比另一组高或低的情况。对于样本量很大时，即使统计差异显着，也需结合实际意义进行判断，考虑使用Effect size替代p值进行评估。
综上所述，数据统计检验方法的选择和使用需要根据数据类型、分布情况和研究需求来决定，以确保数据分析的准确性和有效性。在实际操作中，合理选择合适的检验方法，结合图形展示和数值统计，可以更全面、直观地理解数据特征和差异，从而支持科学决策和研究结论的形成。
❷ 求助，如何确定统计方法
统计检验是将抽样结果和抽样分布相对照而作出判断的工作。统计检验是将抽样结果和抽样分布相对照而作出判断的工作。取得抽样结果，依据描述性统计的方法就足够了。抽样分布则不然，它无法从资料中得到，非利用概率论不可。而不对待概括的总体和使用的抽样程序做某种必要的假设，这项工作将无法进行。
统计中经常会用到各种检验：
t检验有单样本t检验，配对t检验和两样本t检验。
单样本t检验：是用样本均数代表的未知总体均数和已知总体均数进行比较，来观察此组样本与总体的差异性。
配对t检验：是采用配对设计方法观察以下几种情形，1，两个同质受试对象分别接受两种不同的处理；2,同一受试对象接受两种不同的处理；3，同一受试对象处理前后。
u检验：t检验和就是统计量为t,u的假设检验，两者均是常见的假设检验方法。当样本含量n较大时，样本均数符合正态分布，故可用u检验进行分析。当样本含量n小时，若观察值x符合正态分布，则用t检验（因此时样本均数符合t分布），当x为未知分布时应采用秩和检验。
F检验又叫方差齐性检验。在两样本t检验中要用到F检验。
从两研究总体中随机抽取样本，要对这两个样本进行比较的时候，首先要判断两总体方差是否相同，即方差齐性。若两总体方差相等，则直接用t检验，若不等，可采用t'检验或变量变换或秩和检验等方法。
其中要判断两总体方差是否相等，就可以用F检验。
简单的说就是 检验两个样本的 方差是否有显着性差异 这是选择何种T检验（等方差双样本检验，异方差双样本检验）的前提条件。
在t检验中，如果是比较大于小于之类的就用单侧检验，等于之类的问题就用双侧检验。
卡方检验
是对两个或两个以上率（构成比）进行比较的统计方法，在临床和医学实验中应用十分广泛，特别是临床科研中许多资料是记数资料，就需要用到卡方检验。
方差分析
用方差分析比较多个样本均数,可有效地控制第一类错误。方差分析(analysis of variance,ANOVA)由英国统计学家R.A.Fisher首先提出，以F命名其统计量，故方差分析又称F检验。其目的是推断两组或多组资料的总体均数是否相同，检验两个或多个样本均数的差异是否有统计学意义。
❸ 统计分析方法的选择
在基本的统计分析过程中，选择合适的统计学方法，已经是成功了一半。那么面对得到数据，我们该如何去选择合适的统计方法呢？
最简单而重要的方法，首先是对数据的属性进行判断，是计量资料（年龄多少岁，血压多少帕斯卡，身高多少cm）；还是计数资料（有多少个人，多少个国家，多少个民族）。
A 计量资料
对于计量资料，是采用非参数检验还是参数检验呢？如果数据不满足正态性、方差齐性等，可以用非参数检验；当不在乎数据是否符合正态分布，也可以直接利用非参数检验，只是非参数检验的效能相比于参数检验低，犯I类错误的概率可能会高。
当档宏计量资料为单独一组时，采用单样本t检验或单样本秩和检验（Wilcoxon）；
当两组样本为独立样本进行比较时，采用两组独立样本t检验或两组独立样本秩和检验（Mann-Whitney）；
当两组样本为相关样本时，采用配对样本t检验或配对样本秩和检行高册验（Wilcoxon）；
当计量资料超过2组（3组或3组以上），采用方差分析或多组独立样本秩和检验（Kruskal-Wallis）。
B 计数资料
计数资料主要以列联表形式存在，所以对计数资料的分析，首要任务是对行、列变量属性的判断。
当行变量、列变量均为无序变量时，采用卡方检验；
当行变量或列变量为有序变量时，采用秩和检验；
当行变量、列变量均为有序变量时，可采用Spearman相关性分析量变量之间的秩相关；若是评判两种方法或处理手段的一致性，可采用Kappa分析。
将上面的长篇废话转化成图念猛表，思路是不是更清晰了呢？
转自’ 医学统计园 ’。