这样的资料我们在统计学上称为有序变量
spss基本知识点
spss基本知识点【篇一：spss基本知识点】结论不同麻醉诱导方法存在组间差别；患者的收缩压在不同的诱导方法下不同诱导时相变化的趋势不同，其中 a 组不同诱导时相收缩压较为稳定。
第八章非参数检验（nonparametrictests 菜单）参数检验：?? 通过样本的参数来检验总体参数的方法是参数检验。
如：通过样本的均值、方差来检验总体的数学期望与总体方差提出的假设是否为真.?? 参数检验对总体的分布有一定的要求，比如正态性和方差齐性非参数检验：?? 对总体分布情况未知时，无法用参数检验方法?? 非参数检验通过样本的分布对总体的分布进行检验非参数检验所要处理的问题：?? 两个总体分布未知，它们是否相同（用两组样本来检验）?? （由一组样本）猜出总体的分布（假设），然后用另一组样本去检验它是否正确注：两种分布是否相同，一般包含了参数（均值、方差等）是否相同的问题。
如果两个总体的分布函数形式相同，而参数不同，也被视为概率分布不同nonparametrictest 菜单(1) nonparametrictest 菜单(2) 卡方检验chi‐square?? 适用于拟合优度检验，即检验单变量的分布与理论分布是否一致?? 实例 1：贫困调查.sav 中身体状况变量的数据分布是否符合以往的经验：?? 完全不能自理 5%?? 基本不能自理10%?? 能自理无劳动能力 20%?? 部分丧失劳动能力 25%?? 身体健康 40% ?? 1.weightcasesby：death??2.analyze‐nonparametrictest‐chisquare 二项分布检验binomial ?? 二项分布的变量将总体分为两类（如医学中的生与死），二项分布的检验是通过样本中这两类的频率来检验总体中这两类的概率是否为给定的值 ?? binomial 过程可检验二项分类变量是个来自概率为 p 的二项分布例 1：一般来说，新生儿染色体异常率为1%，某医院观察了 400 名新生儿，只发现一例异常，请问该地新生儿异常率是否低于一般水平？数据文件见 6.2sav 1.weight cases by：num 2.analyze－nonparametric test－binomial 例 2：某地某一时期内出生 40 名婴儿，其中女性 12 名（定 sex＝0），男性28名（定 sex＝1）。
卫生统计学考试复习题及参考答案(1)
《卫生统计学》一、名词解释（见答案）二、单项选择题1．观察单位为研究中的( )。
A．样本 B．全部对象C．影响因素 D．个体2．总体是由（）。
A．个体组成 B．研究对象组成C．同质个体组成 D．研究指标组成3．抽样的目的是（）。
A．研究样本统计量 B．由样本统计量推断总体参数C．研究典型案例研究误差 D．研究总体统计量4．参数是指（）。
A．参与个体数 B．总体的统计指标C．样本的统计指标 D．样本的总和5．关于随机抽样，下列那一项说法是正确的（）。
A．抽样时应使得总体中的每一个个体都有同等的机会被抽取B．研究者在抽样时应精心挑选个体，以使样本更能代表总体C．随机抽样即随意抽取个体D．为确保样本具有更好的代表性，样本量应越大越好6．各观察值均加（或减）同一数后（）。
A．均数不变，标准差改变 B．均数改变，标准差不变C．两者均不变 D．两者均改变7．比较身高和体重两组数据变异度大小宜采用（）。
A．变异系数 B．方差C．极差 D．标准差8．以下指标中（）可用来描述计量资料的离散程度。
A．算术均数 B．几何均数C．中位数 D．标准差9．血清学滴度资料最常用来表示其平均水平的指标是（ ）。
A ．算术平均数B ．中位数C ．几何均数D ．平均数10．两样本均数的比较，可用（ ）。
A ．方差分析B ．t 检验C ．两者均可D ．方差齐性检验11．配伍组设计的方差分析中，ν配伍等于（ ）。
A ．ν总-ν误差 B ．ν总-ν处理C ．ν总-ν处理+ν误差D ．ν总-ν处理-ν误差12．在均数为μ，标准差为σ的正态总体中随机抽样，≥-||μX （ ）的概率为5%。
A ．1.96σB ．1.96X σC ．0.052,t s ν D. 0.052,X t S ν13．完全随机设计方差分析的检验假设是（ ）。
A ．各处理组样本均数相等B ．各处理组总体均数相等C ．各处理组样本均数不相等D ．各处理组总体均数不全相等14．已知男性的钩虫感染率高于女性。
名词解释的分类变量
名词解释的分类变量在统计学中，名词解释的分类变量是指具有有限可能取值的变量。
它们可分为有序分类变量和无序分类变量两种类型。
有序分类变量是指具有内在顺序关系的变量，它们的取值可以按照一定的顺序排列。
例如，学生的年级可以分为小学、初中和高中三个有序分类变量。
这种变量通常可以用数字进行表示，因为数字本身就具有天然的顺序关系。
我们可以用1表示小学生，2表示初中生，3表示高中生。
有序分类变量在统计分析中经常用于描述变量之间的相对大小关系。
无序分类变量是指没有内在顺序关系的变量，它们的取值之间不能按照一定的顺序排列。
例如，学生的性别可以分为男和女两个无序分类变量。
这种变量通常不能用数字进行表示，因为数字本身没有天然的顺序关系。
无序分类变量在统计分析中经常用于描述变量之间的相异性。
对于有序分类变量和无序分类变量，我们通常可以采用不同的方法进行分析。
对于有序分类变量，我们可以使用顺序回归分析方法进行分析。
顺序回归分析是一种适用于有序分类变量的统计方法，它可以帮助我们了解不同变量之间的相对大小关系。
通过顺序回归分析，我们可以计算出每个变量对于结果的重要性程度，从而帮助我们进行决策或预测。
对于无序分类变量，我们可以使用卡方检验或Fisher确切概率法进行分析。
卡方检验是一种常用的统计方法，用于检验两个无序分类变量之间是否存在相关性。
通过卡方检验，我们可以判断两个变量之间的相关性是否显著。
如果卡方检验的p值小于设定的显著性水平，我们可以拒绝原假设，即认为两个变量之间存在相关性。
除了顺序回归分析和卡方检验，我们还可以使用其他方法进行名词解释的分类变量的分析。
例如，我们可以使用Logistic回归分析方法来研究无序分类变量的影响因素。
总之，名词解释的分类变量是具有有限可能取值的变量，可以分为有序分类变量和无序分类变量两种类型。
对于不同类型的分类变量，我们可以采用不同的方法进行分析，以帮助我们了解变量之间的关系与影响。
通过统计学的方法，我们可以更加深入地理解分类变量，并在实际问题中进行应用。
有序变量 连续变量 线性模型
有序变量连续变量线性模型
有序变量：
有序变量是指分类数大于等于3，且类别之间存在序次关系的响应变量。
在对此类资料进行统计分析的过程中，我们发现，有序变量的“类间距”并不相等，也就是各类型之间的稀疏程度并不是均匀的。
连续变量：
例如，生产零件的规格尺寸，人体测量的身高、体重、胸围等为连续变量，其数值只能用测量或计量的方法取得。
反之，其数值只能用自然数或整数单位计算的则为离散变量。
例如，企业个数，职工人数，设备台数等，只能按计量单位数计数，这种变量的数值一般用计数方法取得。
线性模型：
线性模型概述，线性模型是自然界中最普遍也最简单的模型，一般描述一个或多个自变量对另一个因变量的影响，成比例或线性关系，例如房子的面积与房子的价格，线性模型通常在二维空间内可以用一条直线来表示，在三维空间是一个平面，更高的维度下被称为超平面。
统计学名词解释
名词解释1.统计学：是应用概率论和数理统计的基本原理和方法,研究数据的收集、整理、分析、表达和解释的一门科学;2.医学统计学：是应用统计学的基本原理和方法,研究医学及其有关领域数据信息的搜集整理、分析、表达和解释的一门科学;3.抽样：是从研那个研究总体抽取少量有代表性的个体,称为抽样;4.统计推断：是根据已知的样本信息来推断未知的总体,是统计分析的目的,包括参数估计和假设检验;5.总体：是根据研究目的确定的同质研究对象的全体;6.概率：是随机事件发生可能性大小的数值度量;7.同质：是指所研究的观察对象具有某些相同的性质或特征;8.变异：是同质个体的某项指标之间的差异,即个体差异;9.正态分布：频数分布的高峰在中间,两端基本对称,逐步减少,这种分布称为近似正态分布,如果两端完全对称则称为正态分布;10.医学参考值范围：又称正常值范围,医学上常将包括绝大多数正常人的某指标值的波动范围称为该指标的正常值范围;11.动态数列dynamic series：是按照一定的时间顺序,将一系列描述某事物的统计指标依次排列起来,观察和比较该事物在时间上的变化和发展趋势,这些统计指标可以为绝对数、相对数或平均数;12.人口金字塔：将人口的性别与年龄资料结合起来以图形的方式表达人口的性别与年龄结构,以年龄为纵轴,人口百分比为横轴,左侧为男,右侧为女,两个对应的直方图,其形似金字塔;13.负担系数dependency ratio:又称抚养比或抚养系数,是指人口中非劳动年龄人数与劳动年龄人数之比;14.标准化死亡比SMR:实际死亡人数与期望死亡人数之比称为标准化死亡比;15.统计图：是用点的位置、线段的升降、直条的长短和面积的大小等来表达数据的一种形式;16.半对数线图semi-logarithmic linear chart:横轴是算数尺度,纵轴是对数尺度,使线图上的数量关系变为对数关系;适用于描述某项指随某个连续型数值变量变化而变化的速度相对变化趋势;17.直方图histogram：一般用横轴表示连续性数值变量,纵轴表示表示频数或频率,每个矩形的宽度等于各组段的组距,高度等于相应组段的频数或频率;常适用于描述连续性数值变量的频数或频率分布了解一组数据的分布类型和分布特征;18.散点图scatter plot：是用直角坐标上点的密集程度或趋势表示两变量间的相关关系;19.箱式图box plot:箱式图用于描述练箱连续型变量的分布特征,它表现连续型变量的5个特征值,即最小值、下四分位数、中位数、上四分位数、最大值;20.统计地图statistical map:是运用统计数据反应制图对象数量特征的一种图形,主要用于某种现象的数量在地域空间上的分布;21.随机抽样random sampling:是指按照随机化的原则总体中每一个观察单位都有同等的机会被选入到样本中,从总体中抽取部分观察单位的过程;随机抽样是样本具有代表性的保证;22.抽样误差sampling error of mean:是抽样产生的由于个体差异所导致的样本均数与样本均数之间、样本均数与总体均数之间的差异;23.统计推断statistical inference：通过样本指标来说明总体特征,这种通过样本获取有关总体信息的过程称为统计推断;24.四分位数间距inter-quartile range, IQR：是由第三上四分位数减去第一下四分位数所得,常常与中位数一起使用,用来描述偏态分布资料的分布特征,较极差稳定;25.变异系数coefficient of variation：用于观察指标单位不同或均数相差较26.大时两组资料变异程度的比较;用CV 表示;24．第Ⅰ类错误typeⅠerror：是指拒绝了实际上成立的H0,这类“弃真”的错误称为Ⅰ型错误,其概率大小用α表示;25. II 型错误type II error：是指接受了实际上不成立的H0,这类“存伪”的错误称为II 型错误,其概率大小用β表示,未知;26. 检验效能：1- β称为检验效能power of test,也称把握度,它是指当两总体确有差别,按规定的检验水准a 能发现它们有差异的能力;27. 随机区组设计randomized block design：是事先将全部受试对象按某种可能与实验因素有关的特征分为若干个区组block,使每一区组内的受试对象例数与处理因素的分组数相等,使每个实验组从每一区组得到一例受试对象;28.完全随机设计completely random design：是采用完全随机化的分组方法,将全部试验对象分配到g个处理组水平组,各组分布接受不同的处理,试验结束后比较各组均数之间的差别有无统计学意义,推论处理因素的效应;29.配对设计：是将受试对象按一定条件配成对子,再随机分配每对中的两个受试对象到不同的处理组,或者比较受试者实验前后的变量值改变情况,甚至比较同一标本接受两种不同测定方法的检查结果的差别;29．析因设计factorial design实验：凡同时配置两个或两个以上处理因素,这些因素的各水平又具有完全组合的实验,统称为析因设计factorial design实验;30.方差分析analysis of variance ANOVA的基本思想：是把全部观察值的总变异按设计和需要分解成两个或多个组成部分,再进行分析;31 . LSD-t检验：即最小显着性差异t检验,适用于一对或几对在专业上有特殊意义的样本均数间的比较;32. SNKstudent-Newman-Keuls法：又称q检验,是根据q值的抽样分布作出统计推论,适用于多个样本均数两两之间的全面比较;33．Dunnett-t检验：适用于g-1个实验组与一个对照组均数差别的多重比较;34. 二项分布binorminal distribution：是指每次试验有且仅有两个可能结果如“阳性或“阴性“之一的n次独立重复试验中,每次试验的发生”阳性“概率“π保持不变,出现”阳性“数x=0,1,2,3…,n的一种概率分布;35.率的抽样误差standard error of rate:由于个体差异的存在,在抽样研究中表现出来的样本率与总体率或样本率的之间的差异称为率的抽样误差;分布：是一种离散型分布,二项分布的一种极限情况,用于描述单位时间、空间、面积等小概率事件发生次数的概率分布37. 2χ分布：是一种以2χ分布为基础的连续型分布,可用于检验资料的实际频数和按检验假设计算的理论频数是否相符等问题,以2χ值为检验统计量的计数资料的假设检验方法;标准正态分布：对任意一个服从正态分布U,的随机变量,可经Z 变换后的Z 值仍然服从正态分布,且其总体均数为0、总体标准差为1;我们称此正态分布为标准正态分布,用N0,1表示;statistics ：非参数检验,针对某些资料的总体分布难以用某种函数式来表达,或者资料的总体分布函数式是未知的,只知道总体分布是连续型的或离散型的,用于解决这类问题需要一种不依赖总体分布的具体形式的统计分析方法;由于该方法不受总体参数的限制,故称为非参数检验,或称为不拘分布的统计分析方法,又称为无分布形式假定的统计分析方法;39.参数检验parametric text ：通常要求样本来自总体分布型是已知的如正态分布,在这种假设的基础上,对总体参数如总体均数进行估计和检验,称为参数检验;两样本秩和检验的基本思想：如果Ho 成立,则两样本来自分布相同的总体,两样本的平均秩次T 1/n1与T2/n2应相等或接近,含量n1的样本的秩和T1应在n1N+1/2的左右变化;若T 值偏离此值太远,H0成立的可能性就很小;若偏离出给定值所确定的范围时,则P<,拒绝H0;的M 检验的基本思想：在H0成立的条件下,各区组内观察值取秩次为1,2,…,k 的概率相等,则各处理组的秩和应接近R 平均=nk+1/2,而M 值反映了实际获得的k 个处理组的秩和与偏离的程度;M 值越大,越有理由怀疑各处理组的总体分布不同;随着b 和k 的增大,M 值近似服从自由度为k-1的2χ分布;42.直线相关：是分析服从正态分布的两个随机变量x 与y 有无线性相关关系的一种统计分析方法;43.相关系数：是描述两个变量间线性相关关系的密切程度与方向的统计指标;44.直线回归linear regression ：建立一个描述应变量依自变量变化而变化的直线方程,并要求各点与该直线纵向距离的平方和为最小;直线回归是回归分析中最基本、最简单的一种,故又称简单回归;45. 回归系数regression coefficient ：即回归直线的斜率slope,表示自变量x 每改变一个单位时,应变量y 平均变化b 个单位;46.可信区间：按预先给定的概率确定的包含未知总体参数的可能范围;该范围称为总体参数的可信区间confidence interval,CI;它的确切含义是：可信区间包含总体参数的可能性是1- α ,而不是总体参数落在该范围的可能性为1-α ;47.四分位数间距inter-quartile range, IQR：是由第三上四分位数减去第一下四分位数所得,常常与中位数一起使用,用来描述偏态分布资料的分布特征,较极差稳定;48.标准正态分布：均数为0,标准差为1的正态分布被称为标准正态分布standard normal distribution,通常记为N0, 12;49.偏回归系数：多元线性回归中的偏回归系数表示在其他自变量固定不变的情况下,自变量Xj每改变一个单位时,单独引起应变量Y的平均改变量;50.系统抽样systematic sampling：又称机械抽样和等矩抽样,现将总体的观察单位按照某一顺序分成n个部分,再从第一部分随机抽取第k号观察单位,依次用相等的间隔,从每一部分抽取一个观察单位组成样本;51.分层抽样stratified sampling:又称分类抽样,先按影响观察值变异较大的某种特征将总体分为若干层,再将从每层内随机抽取一定数量的观察单位组成的样本;r称为决定系数coefficient of determination,表示由x与y的直线关系导致的y的变异SS回在总变异SS总中所占的比重,即回归效果的好坏,rr越接近1,即回归的效果越好;53.抽样调查sampling survey：是从总体中随机抽取一部飞的研究对像组成样本,对样本进行调查,然后根据样本信息来推断总体特征;54.典型调查typical survey：典型调查又称案例调查,是有目的的选着典型的人和单位进行调查;55.变异系数coefficient of variation用于观察指标单位不同或均数相差较大时两组资料变异程度的比较;用CV 表示;analysis：残差分析,旨在通过残差深入了解数据与模型之间的关系,评价实际资料是否符合回归模型假设,识别异常点等;57.最小二乘原则least squares method:所有的数据点到回归直线的纵线距离的平方和最小;58.拟合优度检验：是判断样本实际频数分布与拟合的理论频数分布是否符合,或者说判断此样本是否来自某种分布;59.回归直线的置信带confidence band:以相应的X为横坐标,Y为纵坐标,将置信区间的上下线分别连接起来形成的两条弧形线的区域,称为回归直线的置信带;60.标准化残差standardized residual:将每个残差值减去所有残差值的均数,再除以所有残差值的标准差,便得标准化残差;·61.随机化：是采用随机的方式,使每个受试对象都有同等的机会被抽取或分配到试验组或对照组;62.双盲double blind:指受试对象和研究者均不知道受试对象在哪一组,称为双盲;63.定群寿命表cohort life table：亦称队列寿命表,它是对某特定人群中的每一个人,从进入该特定人群直到最后一个人死亡记录的实际死亡过程;由于人的生命周期很长,如果用现时寿命表方法研究人群的生命或死亡过程．不仅随访人数要很多,而且随访时间要上百年;1.算术均数arithmetic mean描述一组数据在数量上的平均水平;总体均数用μ表示,样本均数用X 表示;2.几何均数geometric mean用以描述对数正态分布或数据呈倍数变化资料的水平;记为G;3.中位数medianMd将一组观察值由小到大排列,n 为奇数时取位次居中的变量值；为偶数时,取位次居中的两个变量的平均值;反映一批观察值在位次上的平均水平;4.极差range亦称全距,即最大值与最小值之差,用于资料的粗略分析,其计算简便但稳定性较差;5.方差variance：方差表示一组数据的平均离散情况,由离均差的平方和除以样本个数得到;6.标准差standard deviation是方差的正平方根,使用的量纲与原量纲相同,适用于近似正态分布的资料,大样本、小样本均可,最为常用;7.构成比proportion又称构成指标,说明某一事物内部各组成部分所占的比重或分布;。
统计学依据数据的计量尺度
统计学依据数据的计量尺度将数据划分为三类：定距型数据（Scale）、定序型数据（Ordinal）、定类型数据（Nominal）。
定距型数据通常是指诸如身高、体重、血压等的连续型数据，也包括诸如人数、商品件数等离散型数据；定序型数据具有内在固有大小或高低顺序，但它又不同于定距型数据，一般可以数值或字符表示。
如职称变量可以有低级、中级、高级三个取值，可以分别用1、2、3等表示，年龄段变量可以有老、中、青三个取值，分别用A B C表示等。
这里，无论是数值型的1、2 、3 还是字符型的A B C ，都是有大小或高低顺序的，但数据之间却是不等距的。
因为，低级和中级职称之间的差距与中级和高级职称之间的差距是不相等的；定类型数据是指没有内在固有大小或高低顺序，一般以数值或字符表示的分类数据。
如性别变量中的男、女取值，可以分别用1、 2表示，民族变量中的各个民族，可以用‘汉’‘回’‘满’等字符表示等。
这里，无论是数值型的1、 2 还是字符型的‘汉’‘回’‘满’，都不存在内部固有的大小或高低顺序，而只是一种名义上的指代。
我觉得教育年限应该设置成定距型数据（Scale）吧。
因为，教育年限应该是一个连续的变量，它不存在内在的大小或高低顺序问题。
将可变的数量标志抽象化就称其为变量，其取值称为变量值或标志值。
变量分为确定性变量和随机变量。
确定性变量是指受必然性因素的作用，各变量值呈现出上升或下降惟一方向性变动的变量；随机变量是指受偶然性因素的作用，变量值呈现出随机的混沌状态变动的变量。
根据变量的取值是否连续划分，有连续型变量和离散型变量。
连续型变量是指在一个取值区间内可取无穷多个值。
连续型变量值要用测量或计算的方法取得；离散型变量是指在一个取值区间内变量仅可取有限个可列值。
离散型变量值只能用计数的方法取得。
离散变量是指其数值只能用自然数或整数单位计算的则为离散变量.例如,企业个数,职工人数,设备台数等,只能按计量单位数计数,这种变量的数值一般用计数方法取得.反之,在一定区间内可以任意取值的变量叫连续变量,其数值是连续不断的,相邻两个数值可作无限分割,即可取无限个数值.例如,生产零件的规格尺寸,人体测量的身高,体重,胸围等为连续变量,其数值只能用测量或计量的方法取得.如果变量可以在某个区间内取任一实数，即变量的取值可以是连续的，这随机变量就称为连续型随机变量，1）无偏性。
四变量的编号
四变量的编号1. 什么是四变量？四变量是指在统计学中常用的一类数据类型，包括分类变量、顺序变量、间隔变量和比率变量。
它们有着不同的特征和度量尺度，对于数据分析和统计推断具有重要意义。
2. 分类变量分类变量是指将个体或事物按照某种特征进行分类的数据类型。
它们通常是离散的，没有固定的数值大小关系。
例如，性别（男、女）、地区（东部、西部、南部、北部）等都属于分类变量。
在统计分析中，可以使用频数或百分比来描述分类变量的分布情况。
此外，还可以通过绘制条形图或饼图等图表来展示不同类别之间的差异。
3. 顺序变量顺序变量是指具有固定顺序关系但没有固定间隔大小的数据类型。
它们通常用于描述个体或事物在某种属性上的相对大小关系。
例如，教育程度（小学、初中、高中、大学）就是一个典型的顺序变量。
在统计分析中，可以使用频数或百分比来描述顺序变量各个级别之间的分布情况。
此外，还可以使用条形图或堆叠条形图等图表来展示不同级别之间的排序关系。
4. 间隔变量间隔变量是指具有固定间隔大小但没有绝对零点的数据类型。
它们通常用于描述个体或事物在某种属性上的大小关系和差异程度。
例如，温度（摄氏度）就是一个典型的间隔变量。
在统计分析中，可以使用均值、标准差、中位数等统计指标来描述间隔变量的集中趋势和离散程度。
此外，还可以使用直方图、箱线图等图表来展示数据的分布情况和异常值。
5. 比率变量比率变量是指具有固定间隔大小和绝对零点的数据类型。
它们通常用于描述个体或事物在某种属性上的比例关系和相对大小。
例如，身高（厘米）就是一个典型的比率变量。
在统计分析中，可以使用百分比、比例等统计指标来描述比率变量的特征和差异程度。
此外，还可以使用饼图、柱状图等图表来展示不同类别之间的比例关系。
6. 四变量的编号规则在进行数据分析和统计推断时，正确识别和编号四变量是非常重要的。
通常采用以下编号规则：•分类变量：用字母C或F表示，例如C1、C2等。
•顺序变量：用字母O表示，例如O1、O2等。
名义变量名词解释
名义变量名词解释名义变量名词是统计学中重要的概念，它是描述数据集某一特征的定量记录。
它主要有三种类型：分类变量、序数变量和连续变量。
分类变量（二值变量）是把一系列取值离散地分隔成几类，其取值只有两个，通常是“是”“否”或“0”“1”。
它可以用来表示一个特定的分类，比如性别、民族等。
序数变量（有序变量）是把一系列取值排序成一组有顺序的变量，其取值是一个有意义的连续的整数，比如学历级别由高到低可以排列为：博士、硕士、本科、大专、高中、初中、小学。
连续变量（无序变量）是一系列取值可以在一定范围内任意取值的变量，没有固定的最大值或最小值，比如身高，可以是150cm-180cm 之间的任意值。
名义变量名词可以用来衡量不同群体之间的差异。
它是一种自然而又高效的方式，使用它可以使研究结果更加客观、准确，也有助于客观比较不同变量之间的关系。
比如，一个人的身高和体重可以用名义变量名词来衡量，他们组成了一对有序对照变量，在不同群体之间可以做出有意义的比较，比如男子身高普遍高于女子或者身材丰满的人体重会比较重，这些都可以用名义变量名词来检验，得出合理的结论。
名义变量名词有一些特殊性，它们容易受到环境，时间和地点的影响，所以在研究时要注意把握这点。
比如，由于地域的不同，不同民族的穿着习惯可能会有差异，在测量变量时要用一套统一的标准，以避免由于地域差异而影响到研究结果。
名义变量名词作为研究的基础，它可以为科学研究提供可见化的信息，使得研究结果更加可靠，甚至可以将一类研究的结果进行系统性的比较。
因此，正确理解和使用名义变量名词是研究中必不可少的一个步骤。
总之，名义变量名词是统计学中重要的概念，广泛应用于社会科学等多个领域，它可以提供可见化的描述，有助于更加客观地比较和分析不同变量之间的关系。
正确理解和使用名义变量名词可以帮助我们更准确地完成研究任务。
变量分组的种类及应用条件
变量分组的种类及应用条件以变量分组的种类及应用条件为标题，本文将介绍变量分组的不同种类以及它们的应用条件。
一、分类变量分组分类变量是指具有有限个可能取值的变量，它可以被分为名义变量和有序变量两种类型。
1. 名义变量分组名义变量是指具有无序属性的分类变量，比如性别、颜色等。
名义变量分组的应用条件是变量取值之间相互独立，且没有内在的顺序关系。
常见的名义变量分组方法有：（1）One-Hot编码：将每个变量的取值分别编码成一个二进制变量，用于建立机器学习模型。
（2）频数分组：根据变量取值的频数，将变量分为多个组别。
适用于对变量取值频数的分布进行分析。
（3）聚类分组：根据变量取值之间的相似性，将变量分为多个组别。
适用于对变量之间的关系进行探索。
2. 有序变量分组有序变量是指分类变量中具有内在顺序关系的变量，比如教育程度、药物剂量等。
有序变量分组的应用条件是变量取值之间存在明确的顺序关系。
常见的有序变量分组方法有：（1）等距分组：将变量的取值范围等分成若干个组别。
适用于变量取值范围较大且分布均匀的情况。
（2）等频分组：根据变量取值的频数，将变量分为多个组别，每个组别包含相同数量的样本。
适用于变量取值分布不均匀的情况。
（3）自定义分组：根据专业知识或实际需求，将变量分为多个组别。
适用于对变量取值范围的特定需求。
二、连续变量分组连续变量是指具有无限个可能取值的变量，它可以被分为等距变量和非等距变量两种类型。
1. 等距变量分组等距变量是指变量取值之间存在固定的间隔，比如身高、体重等。
等距变量分组的应用条件是变量取值之间的间隔是固定的。
常见的等距变量分组方法有：（1）等宽分组：将变量的取值范围等分成若干个组别。
适用于变量取值范围较大且分布均匀的情况。
（2）标准分组：根据变量取值的标准差，将变量分为多个组别。
适用于对变量取值的离散程度进行分析。
（3）分位数分组：根据变量取值的分位数，将变量分为多个组别。
适用于对变量取值的分布进行分析。
等级资料常用检验方法
结论：按α=0.05的检验水平，三组间差异有统计学意义。
注意：
计算结果中显示的χ2值并不是χ2检 验，只是Kruskal-Wallis Test的检验统计 量H，此时近似χ2分布，所以按χ2分布 的近似值来确定概率，它的自由度υ = 组数-1。
双向有序资料行列表——Kendall等级相
关法和Spearman等级相关分析法
疗效 .275 .000 240 1.000 . 240 .320 .000 240 1.000 . 240
病情 Kendall's tau_b 疗效
病情 Spearman's rho 疗效
表5检验结果：
病情 Correlation Coefficient Sig. (2-tailed) N Correlation Coefficient Sig. (2-tailed) N Correlation Coefficient Sig. (2-tailed) N Correlation Coefficient Sig. (2-tailed) N 1.000 . 240 .039 .480 240 1.000 . 240 .046 .482 240
2、卡方检验
分析结果：
Asymp. Sig. Value Pearson Chi-Square Likelihood Ratio Linear-by-Linear 5.046 Association N of Valid Cases 118 1 .025 5.244 5.346 df (2-sided) 2 2 .073 .069
例3 某病病情与疗效的关系
表 4 某病病情与疗效的关系（1） 疗效 恶化 无效 有效 病 极重 30 20 10 重 20 30 10 情 中 20 10 30 轻 10 20 30
统计学中categorical
统计学中categorical
在统计学中，categorical（分类型）变量指的是不连续的变量，通常是基于一组可能的值进行分类。
它们通常是基于文本或符号表示，而不是数字。
例如，性别、种族、地区、教育程度、职业等都是分类型变量的例子。
分类型变量可分为有序和无序变量。
有序变量是指具有顺序或层次结构的变量，例如教育程度（小学、初中、高中、大学）和官阶（上校、中校、下校）。
而无序变量是指没有明显层次结构的变量，例如
性别和地域。
在统计分析中，分类型变量通常使用频数表或透视表进行描述和分析。
频数表显示各个分类的数量，而透视表则将数据按照分类变量的交叉情况进行分组并计算总和、平均值等统计量。
常用的分类型变量分析方法包括卡方检验、t检验、方差分析等。
在使用这些方法时，需要将分类型变量转换为数值型变量，以便进行计算和比较。
总之，分类型变量在统计学中具有重要的作用，它们提供了有关人口统计学、社会科学和医学研究等领域的重要信息。
因此，熟练掌握分类型变量的描述和分析方法对于从事统计学研究和数据分析的
人士来说至关重要。
- 1 -。
2020年山东省华医网补修补考课程项目题库及答案
2020年山东省华医网补修补考课程项目题库及答案本文档包含以下项目课程内容较多下载后使用Ctrl+F定位查找题目医学信息检索与文献管理软件应用医院感染控制策略辐射对呼吸系统的损伤与防护突发公共卫生事件的应对与管理传染病的传播与防控合理饮食，远离慢病临床常见疾病的运动处方人群健康研究的统计学方法突发公共卫生事件与应急法律法规医护人员心理健康与维护人群健康研究的统计学方法人群健康研究的统计学方法（一）1、各类别间没有程度上的差别，为（D ）· A、统计量· B、数值变量· C、有序分类变量· D、无序分类变量2、身高（cm）为（ B ）· A、统计量· B、数值变量· C、有序分类变量· D、无序分类变量3、从同一总体中抽样，得到某变量值的统计量和总体参数之间有差别，被称为（C ）· A、变量· B、统计量· C、抽样误差· D、概率4、“性别分男女两类”属于（ D）· A、类别资料· B、计量资料· C、等级资料· D、计数资料5、观察对象的特征或指标称为（A）· A、变量· B、统计量· C、抽样误差· D、概率人群健康研究的统计学方法（二）1、以下关于正态分布的特征描述错误的是（B ）· A、正态分布是以均数为中心左右对称· B、正态分布曲线在横轴上方均数出最低· C、正态分布有两个参数，即均数和标准差· D、正态分布的面积是有一定规律性的2、离散趋势的指标不包括（ D）· A、全距· B、四分位数间距· C、方差和标准差· D、几何平均数3、以下离散趋势的指标与离散程度的关系说法正确的是（B ）· A、全距越大说明资料的离散程度越小· B、Q值越大说明资料的离散程度越大· C、标准差越大说明资料的离散程度越小· D、变异系数越大说明资料的离散程度越大4、全距用（B ）表示· A、X· B、R· C、Q· D、S5、方差的单位是（B ）· A、观测值单位· B、观测值单位的平方· C、观测值单位的立方· D、观测值单位的三次方人群健康研究的统计学方法（三）1、以下关于标准误的意义描述正确的是（C ）· A、标准误大，均数抽样误差小· B、抽样误差小，表示样本均数与总体均数差异越大· C、衡量均属抽样误差的大小· D、抽样误差大，用样本均数估计总体均数越可靠2、以下关于均数的抽样误差和标准误的说法错误的是（ B）·A、实际研究中，常以样本标准差作为标准误的估计值来计算标准误· B、实际研究中标准误是已知的· C、n固定，均数的抽样误差与标准差成正比· D、标准误小，均数的抽样误差小3、样本均数与总体均数比较的t检验第一步为（ D）· A、确定概论，作出统计推断· B、确定P值，作出推断结论· C、选定检验方法，计算检验统计量· D、建立检验假设，确定检验水准4、标准误计算公式反应了（B ）· A、偏态分布资料的离散程度· B、样本均数之间的离散程度，均数抽样误差的大小· C、偏态分布资料的集中趋势· D、各观察值离均数的远近不同5、t分布反映（ B）的分布· A、总体均数· B、样本均数· C、总体指标· D、样本指标人群健康研究的统计学方法（四）1、（D ）在表的左侧，表明被研究事物的主要特征，相当于句子的主语· A、备注· B、标题· C、纵标目· D、横标目2、相对数常用指标不包括（D ）· A、率· B、构成比· C、相对比· D、绝对比3、以下关于率的抽样误差代表意义描述错误的是（B ）· A、率的抽样误差越小，说明率的标准误越小· B、率的抽样误差越小，用样本推论总体时，可信程度越低· C、率的抽样误差越小，用样本推论总体时，可信程度越高· D、率的抽样误差越大，说明率的标准误越大4、率表示（ A ）· A、某现象发生的频率或强度· B、事物内部各组成部分所占的比重或分布情况· C、两个有联系指标之比· D、某事物内部各组成部分出现的频率5、以下关于构成比的特点描述不正确的是（B ）· A、各组成部分构成比的总和为100%或1· B、其值在1-100之间变动·C、某一部分构成比发生变化时，其他部分的构成比也相应地发生变化· D、其值在0-1之间变动突发公共卫生事件与应急法律法规正确解读和理解我国现行各类突发公共卫事件规范（总论上）1、公共卫生事件的基本特征包括（D）？· A、突发性· B、公共属性· C、危害的严重性· D、以上都是2、突发公共卫生事件包括（D）？· A、重大传染病疫情· B、群体性不明原因疾病· C、重大食物和职业中毒· D、以上都是3、突发公共卫生事件应急处理，要做好防范第一，必须有（D）？· A、监测报告系统· B、识别系统· C、预警系统· D、以上都是4、突发公共卫生事件应急处理，要贯彻好生命至上的原则，需要（D）？· A、更新观念· B、较强的医疗救治队伍和能力· C、药品及器械的储备· D、以上都是5、我国现行突发公共卫生事件规范的主旨包括（D）？· A、预防为主· B、生命至上· C、统一指挥· D、以上都是正确解读和理解我国现行各类突发公共卫事件规范（总论下）1、典型突发公共卫生事件案例揭示当前工作中尚存在的困惑有（D）？· A、临床诊断与CDC复核之间的关系· B、监督执法与调查处置之间的关系· C、法定与非法定传染病之间的关系· D、以上都是2、制定方针政策属于（A）的突发公共卫生事件处置职责？· A、卫生行政部门· B、各级各类医疗机构· C、疾控系统· D、卫生监督机构3、黑龙江省密山市群体癔病事件发生后，当地卫生领导部门如何反应？D· A、动员医疗卫生力量积极抢救治疗；·B、领导.专家向家长和群众通报.解释疾病的发生情况.可能病因和生病学生的医救情况；· C、向上级领导及时报告，请北京专家到现场救助。
统计学中变量的分类
统计学中变量的分类
统计学中，变量可以根据其性质和测量水平的不同进行分类。
常见的变量分类如下：
1. 名义变量：也称为分类变量或定性变量，表示不同群体或类别之间的差异。
它们的取值通常是一些名称或标签，例如性别（男、女）和民族（汉族、维吾尔族等）。
2. 顺序变量：也称为有序变量，表示变量的取值有一定的次序关系。
虽然取值是离散的，但有递增或递减的趋势。
例如，教育程度可以分为高中以下、本科、研究生等几个等级。
3. 数值变量：也称为连续变量或定量变量，表示变量的取值是有一定大小或量度的。
数值变量可以进一步分为以下两类：- 间隔变量：其取值包括了大小和顺序的含义，但没有绝对的零点。
例如，摄氏度就是一个间隔变量，0℃并不表示没有温度存在，只是一个参考点。
- 比率变量：其取值包括了大小、顺序和绝对的零点。
例如，身高、体重、年龄等都是比率变量。
这些变量分类的了解对于选择合适的统计方法和数据分析是至关重要的。
(完整版)医学统计学实习册第7版武汉大学答案
实习一1总体：根据研究目的所确定的同质观察单位的全体。
2样本：从总体中随机抽取的部分个体。
3参数：总体的统计指标或特征值。
4统计量：由样本所算出的统计指标或特征值。
5概率：在重复试验中，事件 A 的频率，随着试验次数的不断增加将愈来愈接近一个常数p，这个常数p就称为事件A出现的概率，记作P（A）或P。
6频率：在n次随机试验中，事件A发生了m次，则比值f=m/n=A发生的试验次数/试验的总次数称为 A 在n 次试验中出现的频率。
7变异：同质事物间的差别。
8指标：说明总体综合数量特征和数量关系的数字资料。
简答与思考题1什么叫医学统计学？医学统计学与统计学、卫生统计学、生物统计学有何联系与区别？医学统计学：是应用统计学原理和方法研究生物医学资料的搜索、整理、分析和推断的一门学科。
统计学：是研究数据的收集、整理、分析与推断的科学卫生统计学：是把统计理论、方法应用于居民健康状况研究、医疗卫生实践、卫生事业管理和医学科研的一门应用学科。
生物统计学：是一门探讨如何从不完整的信息中获取科学可靠的结论从而进一步进行生物学实验研究的设计、取样、分析、资料整理与推论的科学。
2医学统计资料主要来源于哪些方面？有何要求？医学统计资料主要有实验数据和现场调查资料、医疗卫生工作记录、报表和报告卡等。
实验数据是指在试验过程中活的数据；现场调查资料主要来源于大规模的流行病调查获取的资料；医疗卫生工作记录有门诊病历卡、住院病历卡、化验报告等；报表有卫生工作基本情况年报表、传染年（月、日）报表、疫情旬（年、月、日）报表等；报表卡有传染病发病报告卡、出生报告卡、死亡报告卡等等。
这些资料的收集过程中，必须进行治疗控制，包括它的统一性、确切性、可重复性。
这些原始数据的精度和偏差应用明确的范围。
3 当今医学研究的趋势和特点如何？医学统计方法主要有哪些？医学统计学在本世纪二十年代以后才逐渐形成为一门学科。
解放前，我国学者即致力于把统计方法应用到医学中去，但人力有限、范围较窄。
卫生统计学名词解释
4、截尾值：指在随访过程中，由于某种原因未能观察到病人的明确结局（即终止事件），所以不知道该病人的确切生存时间，它提供的生存时间的信息是不完全的。
5、生存函数：又称为累积生存率，简称生存率。表示具有协变量X的观察对象其生存时间T大于时间t的概率，常用S（t，X）=P（T>t，X）表示。
1、抽样误差：有个体变异产生的，抽样造成的样本统计量与总体参数之间的差异，称之。
2、标准误：将样本统计量的标准差称为标准误。
3、均数的标准误：样本均数的标准差也称为均数的标准误（SEM），它反映样本均数间的离散程度，也反映样本均数与相应总体均数间的差异，因而说明了均数抽样误差的大小。
4、u分布：若某一随机变量X服从总体均数为υ、总体标准差为σ的正态分布N（υ，σ2），则通过u变换（X-u／σ）可将一般正态分布转化为标准正态分布N（0,1 2），即u分布。
4、四格表的费歇尔精确概率（Fisher’s exact probabilities in 2×2 table）检验：也称四格表概率的直接计算法，是一种直接计算概率的假设检验。它适用于四格表中有理论频数小于1或n小于40的情况，特别是用其它检验方法所得的概率接近检验水准时。
1、回归（regression）与相关（correlation）是研究两个或多个随机变量之间相互关系的一种重要的统计分析方法，应用较广。回归是研究随机变量之间的数量依存关系，相关是研究随机变量间相互联系的密切程度和方向。
9、析因设计（factorial design）实验：凡同时配置两个或两个以上处理因素，这些因素的各水平又具有完全组合的实验，统称为析因设计（factorial design）实验。
等级资料常用检验方法
b. 两 组 配 对 样 本 等 级 资 料 比 较 的 Wilcoxon秩和检验
c. 多组等级资料比较的 Kruskal-Wallis 秩 和检验
该方法对K (K>2)组独立样本进行K个 总体分布函数相同假设的检验，是在 Wilcoxon秩和检验基础上扩展的方法，称 为K-W检验。
例2 对54例牙病患者的64颗患牙的根端形态不同分 为3种，X线片显示喇叭口状为A型，管壁平行状为B 型，管壁由聚状为C型 比较不同根端形态患牙的疗效有否差别。
对于表5：
χ2=40.000，P=0.000
H=24.896 ，P=0.000
此时我们选用Kendall和Spearman等级相 关分析法分别计算相关系数t和rs。
计算公式：
2S t= 2 m 1 n m
n：总例数 m：最长对角线上的格子数 S：专用统计量
Kendall等级相关意义：当一个变量的等级为标准时， 另一个变量的等级与它不一致的情况（可分析两个以 及多个变量间的等级相关性）。
疗效 .275 .000 240 1.000 . 240 .320 .000 240 1.000 . 240
病情 Kendall's tau_b 疗效
病情 Spearman's rho 疗效
表5检验结果：
病情 Correlation Coefficient Sig. (2-tailed) N Correlation Coefficient Sig. (2-tailed) N Correlation Coefficient Sig. (2-tailed) N Correlation Coefficient Sig. (2-tailed) N 1.000 . 240 .039 .480 240 1.000 . 240 .046 .482 240
统计学重点名词解释
1、数据类型：分类数据：只能归于某一类别的非数字型数据，它是对事物进行匪类的结果，数据表现为类别，是用文字来表述。
（定性数据或品质数据）顺序数据：只能归于某一有序类别的非数字型数据。
有类别，但类别是有序的。
（定性数据或品质数据）数值型数据：按数字尺度测量的观察值，其结果表现为具体的数值。
现实中所处理的大多数都是数值型数据。
(定量数据或数量数据)2、截面数据：在相同或近似相同的时间点上收集的数据，这类数据通常是在不同的空间上获得的，用于描述现象在某一时刻的变化情况。
3、总体：是包含所研究的全部个体（数据）的集合，它通常由所研究的一些个体组成。
可分为有限总体和无限总体。
4、样本：从总体中抽取的一部分元素的集合，构成样本的元素的数目称为样本量。
5、参数（对应总体）是用来描述总体特征的概括性数字度量，是研究者想要了解总体的某种特征值。
6、统计量（对应样本）是用来描述样本特征的概括性数字度量。
是根据样本数据计算出来来的一个量，由于抽样时随机的，因此统计量是样本的函数。
7、调查方法：普查，抽样调查，统计报表8、抽样采集数据的方式分为概率抽样和非概率抽样。
9、概率抽样：简单随机抽样、分层抽样、整群抽样、系统抽样、多阶段抽样。
10、非概率抽样：方便抽样、判断抽样、自愿样本、滚雪球抽样、配额抽样。
11、搜集数据的基本方法：自填式、面访式、电话式12、数据的误差：抽样误差和非抽样误差抽样误差：是有抽样的随机性引起的样本结果与总体真值的误差。
非抽样误差：相对抽样误差而言的，初抽样误差之外的，由于其他原因引起的样本观察结果与总体真值之间的差异。
13、集中趋势：一组数据向某一中心值靠拢的程度，反映了一组数据中心点的位置所在表示。
众数主要用于14、众数（分类数据）：是一组数据中出现次数最多的变量值，用M测度分类数据的集中趋势，当然也适用于作为顺序数据以及数值型数据集中趋势的测度值。
众数是一个位置代表值，他不受数据中极端值的影响。
医学统计学考试重点
医学统计学考试重点简答 4-5个讨论分析1-2题计算 1-2题考试题型:名词解释10个选择20个填空题 20个绪论2选1总体:总体(population)指特定研究对象中所有观察单位的测量值。
可分为有限总体和无限总体。
总体中的所有单位都能够标识者为有限总体，反之为无限总体。
样本:从总体中随机抽取部分观察单位，其测量结果的集合称为样本(sample)。
样本应具有代表性。
所谓有代表性的样本，是指用随机抽样方法获得的样本。
3选1小概率事件:我们把概率很接近于0(即在大量重复试验中出现的频率非常低)的事件称为小概率事件 P值:结果的统计学意义是结果真实程度(能够代表总体)的一种估计方法。
p值是将观察结果认为有效即具有总体结果?0.05被认为是有统计学意义代表性的犯错概率。
一般小概率原理:一个事件如果发生的概率很小的话，那么可认为它在一次实验中是不会发生的，数学上称之小概率原理。
统计学中，一般认为等于或小于0.05或0.01的概率为小概率。
资料的类型(3选1)(1)计量资料:对每个观察单位用定量的方法测定某项指标量的大小，所得的资料称为计量资料(measurement data)。
计量资料亦称定量资料、测量资料。
.其变量值是定量的，表 12现为数值大小，一般有度量衡单位。
如某一患者的身高(cm)、体重(kg)、红细胞计数(10/L)、脉搏(次/分)、血压(KPa)等。
(2)计数资料:将观察单位按某种属性或类别分组，所得的观察单位数称为计数资料 (count data)。
计数资料亦称定性资料或分类资料。
其观察值是定性的，表现为互不相容的类别或属性。
如调查某地某时的男、女性人口数;治疗一批患者，其治疗效果为有效、无效的人数;调查一批少数民族居民的A、B、AB、O 四种血型的人数等。
(3)等级资料:将观察单位按测量结果的某种属性的不同程度分组，所得各组的观察单位数，称为等级资料(ordinal data)。
等级资料又称有序变量。
等级资料常用检验方法
✓
K independent Samples ——
✓ Test variable List ：result ——
✓ Grouping variable ：group ——
✓ Define range：minimum：1；maximum：3—
—
✓ Continue —— ✓ Test Type ：Kruskal-Wallis H—— ✓OK
？等级资料的分析方法是否和 一般计数资料的检验方法相同呢？ 等级资料的分析应该选用什么方法？
实例1 考察硝苯地平治疗老年性支气管炎的疗效，治疗组 60人，用硝苯地平治疗，对照组58人，常规治疗，两组患 者的性别、年龄、病程无显著性差异，治疗结果见表1。
1、建பைடு நூலகம்数据库
➢ 在变量窗口“variable view”中设定变量
特点：观察结果具有等级差别。
等级资料划分的两种情况：
❖按性质划分：如药物疗效分为痊愈、显效、好转 、无效；麻醉效果分为Ⅰ、Ⅱ、Ⅲ、Ⅳ级等。 ❖按数量分组：数据两端不能确切测定的计量资料 。如抗体滴度分为>1:20,1:20,1:40,1:80,<1:80 ；年龄分为<10,10~, 20~,40~,≥60等。
3、结果
H =6.528，P =0.038
结论：按α=0.05的检验水平，三组间差异有统计学意义 。
注意：
计算结果中显示的χ2值并不是χ2检 验，只是Kruskal-Wallis Test的检验统计 量H，此时近似χ2分布，所以按χ2分布 的近似值来确定概率，它的自由度υ = 组数-1。
❖ 双向有序资料行列表——Kendall等级相 关法和Spearman等级相关分析法
等级资料正确的统计分析方法 ：
有序分类资料的统计分析
1有序分类资料的秩和检验医学统计学2009年2•医学上会用-、±、++、+++来表示临床体检或实验室检查的测量结果，用治愈、好转、有效、无效来表示某种药物的临床效果。
像这样一些“取值”中自然存在着次序的分类变量，称为有序分类变量或等级变量。
•对有序分类资料，若用R ×C 表资料的检验，将损失关于等级的信息，不合适的。
因为R ×C 表的检验只能推断构成比之间的差别。
•此时，可以采用秩和检验推断不同处理组之间的等级强度差别。
31、两独立样本有序资料一、分组变量为多分类有序资料，指标变量为二分类无序资料研究目的是比较分组变量不同水平下某指标变量的发生率，如：利用有序的检验指标判断患者是否患病，其实质是对该检验指标不同水平下患者患病率的比较；以及对不同年龄阶段某指标的阳性率的比较，都属于多个样本率比较的问题。
对于这样的资料，可以将分组变量视为无序的，采用前一章中介绍的检验进行多个样本率的比较。
2χ4二、分组变量为两分类无序资料，指标变量为多分类有序资料研究目的是比较分组变量两个不同水平下某指标变量的平均水平是否有差异，如：两种药物疗效（治愈、好转、有效、无效）之间的比较。
两种疗法疗效的取值均为有序分类资料。
对于这样的资料前面介绍的χ2检验已不再适用，因为它无法考虑分组变量（药物）不同水平下疗效取值的等级关系。
此时可以采用第七章中介绍的Wilcoxon 秩和检验。
5例39名吸烟工人和40名不吸烟工人的碳氧血红蛋白HbCO(%)含量见下表。
问吸烟工人的HbCO(%)含量是否高于不吸烟工人的HbCO(%)含量？秩 和含 量吸烟 工人 不吸烟 工人 合计 秩范围平均秩吸烟工人 不吸烟工人(1) (2) (3) (4) (5) (6) (7)=(2)(6) (8)=(3)(6)很低1 2 3 1～3 2 2 4 低8 23 31 4～3419 152 437 中 16 11 27 35～6148 768 528 偏高 10 4 14 62～75 68.5 685 274 4 0 4 76～79 77.5 310 0 高合 计 39(1n ) 40(2n ) 79──1917(1T ) 1243(2T )60H ：吸烟工人和不吸烟工人的HbCO 含量总体分布位置相同1H ：吸烟工人的HbCO 含量高于不吸烟工人的HbCO 含量0.05α=①先确定各等级的合计人数、秩范围和平均秩，见表的（4）栏、（5）栏和（6）栏，再计算两样本各等级的秩和，见（7）栏和（8）栏；②本例T =1917（n 1<n 2）；12311133．计算检验统计量H 。
- 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)。
✓ Grouping variable ︰group ──
✓ Define groups︰group1︰1 ； group2︰2 ，
──
✓ Test Type ︰Mann-Whitney ── ✓ OK
分析結果︰
Ranks
GROUP
RESULT
1 2 Total
Sum of N Mean Rank
Asymp. Sig. (2-tailed)
.030
同樣方法，對表2數據進行秩和檢驗，結果如 下︰
RESULT
GROUP 1 2
Total
N
Mean Rank
Sum of Ranks
60
61.57 3694.00
58
57.36 3327.00
118
μ=0.731，P>0.05 結論︰兩組療效差異沒有統計學意義。
治疗组 对照组 合计 秩次范围 平均秩次
无效
6
14
20
1-20 10.5
有效
19
20
39 21-59 40
显效
35
合计
60
24
59 60-118 89
58
118
計算兩組秩號並進行秩和檢驗
兩組的平均秩號分別為︰ 治療組︰R1= (6×10.5+19×40+35×89)/60 =65.6 對 照 組 ︰R2= （ 14×10.5+20×40+24×89 ） /58=53.1
們是以頻數格式錄入數據，即相同的觀測值 只錄入一次，另加一個頻數變量（count）用 于記錄該數值共出現的次數。因此我們使用 此過程:
2、卡方檢驗
分析結果︰
Pearson Chi-Square Likelihood Ratio Linear-by-Linear Association N of Valid Cases
Ranks
60
65.63 3938.00
58
53.16 3083.00
118
μ=-2.169，P<0.05
結論︰兩組療效差異有統計學意義，且治療 組效果好于對照組。
Test Statistics
RESULT
Mann-Whitney U
1372.000
Wilcoxon W
3083.000
Z
-2.169
无效 有效 显效 治疗组 60 6 19 35 对照组 58 14 20 24
百分比（%） 无效 有效 显效 10.00 31.67 58.33 24.14 34.48 41.38
1、建立數據庫
➢ 在變量窗口“variable view”中設定變量 ➢ 在數據窗口“data view”中錄入數據 ➢ 使用“Weight Cases”過程權重記錄 ➢ SPSS軟體默認一行就是一條記錄，而我
例如，假定兩組的顯效例數和有效例數互換，見表2。
ቤተ መጻሕፍቲ ባይዱ
表 2 治疗组与对照组疗效比较
例数 组别 例数
无效 有效 显效 治疗组 60 6 35 19 对照组 58 14 24 20
百分比（%） 无效 有效 显效 10.00 58.33 31.67 24.14 41.38 34.48
顯然，兩組反映的訊息是不同的，但由於兩組的架構百分比無變化 （僅僅是位置不同），不改變檢驗結果。（χ2=5.224，P>0.05）
經秩和檢驗，u=2.169，P<0.05，兩組療效差異有 統計學意義，因為治療組平均秩號大于對照組，所以治 療組療效好。
SPSS窗口操作過程︰
✓ Analyze ──
✓
Nonparametric Tests ──
✓
2 independent Samples ──
✓ Test variable List ︰result ──
Test Statistics
Mann-Whitney U Wilcoxon W Z
Asymp. Sig. (2-tailed)
RESULT 1616.000 3327.000
？等級資料的分析方法是否和 一般計數資料的檢驗方法相同呢？ 等級資料的分析應該選用什麼方法？
實例1 考察硝苯地平治療老年性支氣管炎的療效，治療組 60人，用硝苯地平治療，對照組58人，常規治療，兩組患 者的性別、年齡、病程無顯著性差異，治療結果見表1。
表 1 治疗组与对照组疗效比较
例数 组别 例数
❖ 單向有序行列表
在表的兩個方向上的分類中，一個 方向（橫向）無順序和等級概念，另 一個方向（縱向）是有順序的分類， 稱為單向有序行列表。
a. 兩組獨立樣本等級資料比較的MannWhitney秩和檢驗
以表1為例。將無效、有效、顯效三個療效等級數量化， 數值用平均秩號，然後比較各組平均秩號的大小。
Value
5.244 5.346
Asymp. Sig. df
(2-sided)
2
.073
2
.069
5.046
1
.025
118
結論︰
兩組療效的構成百分比差異無統 計學意義。
兩組的療效無差別。（×）
注意︰
一般的χ2檢驗不適用于有序分類 資料──“等級”、“程度”、“優 劣”的比較分析。因為檢驗只利用 了兩組構成比提供的訊息，損失了 有序指標包含的“等級”訊息。
特點︰觀察結果具有等級差別。
等級資料劃分的兩種情況︰
❖按性質劃分︰如藥物療效分為痊愈、顯效、好轉 、無效；麻醉效果分為Ⅰ、Ⅱ、Ⅲ、Ⅳ級等。 ❖按數量分組︰數據兩端不能確切測定的計量資料 。 如 抗 體 滴 度 分 為 >1:20,1:20,1:40,1:80,<1:80 ；年齡分為<10,10~, 20~,40~,≧60等。
等級資料常用 檢驗方法
等級資料定義︰
在醫學資料中，特別是臨床醫學資料中，常常 遇到一些定性指標，如臨床療效的評價、疾病的 臨床分期、症狀嚴重程度的臨床分級、中醫診斷 的一些臨床症狀等，對這些指標常採用分成若干 等級然後分類計數的辦法來解決它的量化問題， 這樣的資料我們在統計學上稱為有序變量 （ordered variable）或半定量資料，也稱為 等級資料（ranked data）。
等級資料正確的統計分析方 法︰
▪ 非參數統計的秩和檢驗 ▪ Kendall 、spearman等級相關 ▪ CMH卡方檢驗 ▪ Ridit分析 ▪ 線性趨勢卡方檢驗 ▪ 有序變量的Logistic回歸分析
一、非參秩和檢驗
由於非參數檢驗法不考慮數據的分佈 規律，檢驗不涉及總體參數，檢驗統計 量多是人們在總結經驗的基礎上創造出 來的，所以這類檢驗方法的特點是針對 性強。但是不同設計、不同目的所用的 非參數檢驗法是不同的。