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