统计学原理第四章统计分析笔记（统计分析过程的常见七宗罪）

随着统计教育的普及，对于科研工作者来说，统计分析看起来慢慢变得不再是问题了，统计描述、t检验、方差分析，乃至多重比较、卡方检验貌似都可以通过SPSS统计软件分析快速形成。但统计分析有一些问题还是容易犯错，有些是原则性的问题、有些则是小细节问题，我列举基本统计研究的几个问题，称之为七宗罪。

1、项目与论文研究设计，没有考虑样本量的计算

之所以把这个问题摆在第一位，是因为这个问题基本上十之八九就没有很好考虑，无论是一个项目的申报书、还是一个毕业论文的开题、一篇论文分析，均没有考虑好样本量的多少？经常采用30、40、60例这样齐整的样本量，怎么来得？自己想想的。更不要说动物试验了！其实动物试验也需要估算样本量，不能因为动物不值钱，动物也有伦理的！

比如有下文，没有样本量计算方法，怎么设定60例呢？为什么就是60例呢？即便60例足够，也不严谨！

2、所有定量数据，统计描述都用均数±标准差

你见过什么时候中文的学术论文，定量数据采用中位数和四分位数描述了？太少太少了！大家都喜欢用均数±标准差。但你没有考虑，均数能否代表着这一堆数据吗？你没有发现有些时候标准差远远大于均数？有时候数据有好一些异常值？固定思维模式要改改了，很多时候中位数和四分位数间距反而能够更好体现数据的特征。

一般情况下，判断数据是不是正态分布的简易方法是，当指标只能取正值或只能取负值时，“标准差接近或大于均值时数据不是正态分布成立”。

一旦出现现象，就不能用均数±标准差了，否则论文发表会被审稿人发现。

比如下文，用均数±标准差，显然不合适。

3、所有定量数据的比较，都采用t检验

早些年这一现象非常普遍，现在随着统计思维的普及，很多人知道了偏态数据差异性比较时候采用非参数秩和检验来代替。但总的来说，基本上采用t检验来进行两组定量数据的差异性比较仍然是固定思维？如果没有你数据分析之前没有考虑数据正态性的问题，没有考虑两组数据方差是否相似，那么就容易犯错。再次强调：严重偏态分布的数据用秩和！秩和！秩和！

4、无论什么样的分类数据的比较，一直都是卡方检验

卡方检验是用来毕竟不同组数据之间率或者构成比有无统计学差异。没有错，率的比较是采用卡方。但有没有考虑过你的卡方条件是否符合呢？当样本量较小，或者某一行或者一列数据太少的时候，卡方检验不好使用，应该是用Fisher！

这里说一下，建议以后少用卡方，多用Fisher，因为Fisher才是最准确的！哪一种场景下都没有错！

比如：下列表格，属于样本量较少的情况，应该用FIsher确切概率法

又比如：试验组和对照组的癌症特征比较，也应该用Fisher确切概率法

这里强力建议： 多分类数据差异性比较，Fisher确切概率法才是首选，不要过于依赖卡方检验

5、方差分析多重比较，用t检验

这宗罪早些年很多，如今已经被死死遏制在较低的犯罪水平，凡事讲到方差分析都要提到，两两比较不要用t检验！你现在还犯错？那不应该呀！两两比较要采用类似于LSD, Bonfferoni、tukey、SNK的方法，推荐使用Bonfferoni方法，相对保守的一种方法。

6、P值小于0.05，被认为有显著性差异，P值小于0.01，被认为有极其显著性差异

P<0.05英文名字是statistical significance 没有错，但是由于显著性差异给人带来误导（感觉组别与组被之间的差异很大），现在医学研究不再强调显著性差异，P<0.01更不能说差异极其显著。无论 P<0.05还是P<0.01，只能说，差异具有统计学意义或者具有统计学差异。

比如下文，其统计文字描述是不妥当的

又例如，当比较甲、乙两种药物的疗效时（假定甲药优于乙药），若得到“P<0.001”，则认为甲药极显著地优于乙药；若得到“P<0.01”，则认为甲药非常显著地优于乙药；若得到“P<0.05”，则认为甲药显著地优于乙药。

7、没有遵循随机化、对照、重复原则评价处理因素的作用

无论是t检验、卡方、秩和、方差分析的分析结果，其结论是否可靠均需要严谨的设计。只有在随机化设计、合理均衡对照、一定样本量的基础上，通过假设检验的方法得到的结果，才能够被认为是处理因素发挥作用。而随意分组、自身前后配对研究、甚至空白对照，都没法证明处理因素的作用。观察性研究比如调查研究，差异性的统计分析方法更说明不了什么问题，只能说组与组有差别！

例如：

这是一项回顾性队列研究，所有180病例为医院手足口病的住院患者。按患者是否应用中药治疗分为常规治疗组(对照组)与中药治疗组(治疗组)。比较中、西医治疗的效果。结果方面，两组患者的有效情况采用卡方检验，差异有统计学意义（P<0.01），该论文认为中医药治疗效果较好。显然这样的结论不妥当，不够严谨。

好了，基本统计方法，你犯了几宗罪？