護(hù)理的統(tǒng)計(jì)學(xué)方法
統(tǒng)計(jì)方法的內(nèi)容非常豐富,統(tǒng)計(jì)方法很多,但每種方法都有其適用條件。下面就是小編整理的護(hù)理的統(tǒng)計(jì)學(xué)方法,一起來(lái)看一下吧。
一、 兩組或多組計(jì)量資料的比較
1 兩組資料:
1.1大樣本資料或服從正態(tài)分布的小樣本資料
(1) 若方差齊性,則作 成組t檢驗(yàn)。
(2) 若方差不齊,則作 t’檢驗(yàn)或用成組的Wilcoxon秩和檢驗(yàn)。
1.2小樣本偏態(tài)分布資料,則用成組的Wilcoxon秩和檢驗(yàn)。
2 多組資料:
2.1若大樣本資料或服從正態(tài)分布,并且方差齊性,則作 完全隨機(jī)的方差分析。如果方差分析的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義,則進(jìn)一步作統(tǒng)計(jì)分析:選擇合適的方法(如:LSD檢驗(yàn),Bonferroni檢驗(yàn)等)進(jìn)行兩兩比較。
2.2如果小樣本的偏態(tài)分布資料或方差不齊,則作Kruskal Wallis的統(tǒng)計(jì)檢驗(yàn)。如果Kruskal Wallis的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義,則進(jìn)一步作統(tǒng)計(jì)分析:選擇合適的方法(如:用成組的Wilcoxon秩和檢驗(yàn),但用Bonferroni方法校正P值等)進(jìn)行兩兩比較。
二、 分類(lèi)資料的統(tǒng)計(jì)分析
1單樣本資料與總體比較
1.1二分類(lèi)資料:
(1)小樣本時(shí):用二項(xiàng)分布進(jìn)行確切概率法檢驗(yàn);
(2)大樣本時(shí):用U檢驗(yàn)。
1.2多分類(lèi)資料:用Pearson c2檢驗(yàn)(又稱(chēng)擬合優(yōu)度檢驗(yàn))。
2 四格表資料
2.1 n>40并且所以理論數(shù)大于5,則用Pearson c2。
2.2 n>40并且所以理論數(shù)大于1并且至少存在一個(gè)理論數(shù)<5,則用校正 c2或用Fisher’s 確切概率法檢驗(yàn)。
2.3 n£40或存在理論數(shù)<1,則用Fisher’s 檢驗(yàn)。
三、 兩個(gè)變量之間的關(guān)聯(lián)性分析
1 兩個(gè)變量均為連續(xù)型變量
1.1 小樣本并且兩個(gè)變量服從雙正態(tài)分布,則用Pearson相關(guān)系數(shù)做統(tǒng)計(jì)分析。
1.2 大樣本或兩個(gè)變量不服從雙正態(tài)分布,則用Spearman相關(guān)系數(shù)進(jìn)行統(tǒng)計(jì)分析。
2 兩個(gè)變量均為有序分類(lèi)變量,可以用Spearman相關(guān)系數(shù)進(jìn)行統(tǒng)計(jì)分析。
3 一個(gè)變量為有序分類(lèi)變量,另一個(gè)變量為連續(xù)型變量,可以用Spearman相關(guān)系數(shù)進(jìn)行統(tǒng)計(jì)分析。
四、 回歸分析
1 直線回歸:如果回歸分析中的殘差服從正態(tài)分布(大樣本時(shí)無(wú)需正態(tài)性),殘差與自變量無(wú)趨勢(shì)變化,則直線回歸(單個(gè)自變量的線性回歸,稱(chēng)為簡(jiǎn)單回歸),否則應(yīng)作適當(dāng)?shù)淖儞Q,使其滿足上述條件。
2 多重線性回歸:應(yīng)變量(Y)為連續(xù)型變量(即計(jì)量資料),自變量(X1,X2,…,Xp)可以為連續(xù)型變量、有序分類(lèi)變量或二分類(lèi)變量。如果回歸分析中的殘差服從正態(tài)分布(大樣本時(shí)無(wú)需正態(tài)性),殘差與自變量無(wú)趨勢(shì)變化,可以作多重線性回歸。
2.1觀察性研究:可以用逐步線性回歸尋找(擬)主要的影響因素
2.2實(shí)驗(yàn)性研究:在保持主要研究因素變量(干預(yù)變量)外,可以適當(dāng)?shù)匾胍恍┢渌赡艿?混雜因素變量,以校正這些混雜因素對(duì)結(jié)果的混雜作用
3 二分類(lèi)的Logistic回歸:應(yīng)變量為二分類(lèi)變量,自變量(X1,X2,…,Xp)可以為連續(xù)型變量、有序分類(lèi)變量或二分類(lèi)變量。
3.1 非配對(duì)的情況:用非條件Logistic回歸
(1)觀察性研究:可以用逐步線性回歸尋找(擬)主要的影響因素。
(2)實(shí)驗(yàn)性研究:在保持主要研究因素變量(干預(yù)變量)外,可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量,以校正這些混雜因素對(duì)結(jié)果的混雜作用。
3.2配對(duì)的情況:用條件Logistic回歸
(1)觀察性研究:可以用逐步線性回歸尋找(擬)主要的影響因素。
(2)實(shí)驗(yàn)性研究:在保持主要研究因素變量(干預(yù)變量)外,可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量,以校正這些混雜因素對(duì)結(jié)果的混雜作用。
4 有序多分類(lèi)有序的Logistic回歸:應(yīng)變量為有序多分類(lèi)變量,自變量(X1,X2,…,Xp)可以為連續(xù)型變量、有序分類(lèi)變量或二分類(lèi)變量。
(1)觀察性研究:可以用逐步線性回歸尋找(擬)主要的影響因素。
(2)實(shí)驗(yàn)性研究:在保持主要研究因素變量(干預(yù)變量)外,可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量,以校正這些混雜因素對(duì)結(jié)果的混雜作用。
5 無(wú)序多分類(lèi)有序的Logistic回歸:應(yīng)變量為無(wú)序多分類(lèi)變量,自變量(X1,X2,…,Xp)可以為連續(xù)型變量、有序分類(lèi)變量或二分類(lèi)變量。
(1)觀察性研究:可以用逐步線性回歸尋找(擬)主要的影響因素。
(2)實(shí)驗(yàn)性研究:在保持主要研究因素變量(干預(yù)變量)外,可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量,以校正這些混雜因素對(duì)結(jié)果的混雜作用。
五、 生存分析資:要求資料記錄結(jié)局和結(jié)局發(fā)生的時(shí)間(如;死亡和死亡發(fā)生的時(shí)間)
1.用Kaplan-Meier方法估計(jì)生存曲線。
2.大樣本時(shí),可以壽命表方法估計(jì)。
3.單因素可以用Log-rank比較兩條或多條生存曲線。
4.多個(gè)因素時(shí),可以作多重的Cox回歸。
(1)觀察性研究:可以用逐步線性回歸尋找(擬)主要的影響因素。
(2)實(shí)驗(yàn)性研究:在保持主要研究因素變量(干預(yù)變量)外,可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量,以校正這些混雜因素對(duì)結(jié)果的混雜作用。
注:計(jì)量資料(連續(xù)變量)
例:年齡、血壓值、得分等
計(jì)數(shù)資料(無(wú)序分類(lèi)變量)
例:性別、職業(yè)、是/否
統(tǒng)計(jì)方法:卡方檢驗(yàn)。
等級(jí)資料(有序分類(lèi)變量)
例:學(xué)歷,職稱(chēng)、滿意度(不滿意、滿意、非常滿意)
統(tǒng)計(jì)方法:秩和檢驗(yàn)。
【護(hù)理的統(tǒng)計(jì)學(xué)方法】相關(guān)文章:
1.統(tǒng)計(jì)學(xué)教學(xué)方法的論文
2.統(tǒng)計(jì)學(xué)的研究對(duì)象和方法
3.統(tǒng)計(jì)學(xué)研究對(duì)象和方法
4.探討關(guān)于統(tǒng)計(jì)學(xué)的學(xué)習(xí)方法
6.關(guān)于試談《統(tǒng)計(jì)學(xué)》案例教學(xué)方法的論文
8.有關(guān)統(tǒng)計(jì)學(xué)教學(xué)內(nèi)容及實(shí)訓(xùn)方法的論文