你不能不知道的医学数据统计分析方法？(什么是统计分析,关键词优化)

医学实验数据量大，数据统计分析是很多作者头疼的地方。可以说，掌握一定的数据统计分析方法是很多论文作者迫切需要的。那么，医学数据统计分析有哪些方法呢？

1、描述性分析

描述性分析，对于连续型资料，只需了解数据的集中趋势（均数，中位数，众数等），离散趋势（极差，四分数间距，方差，标准差）及分布形态（峰度，偏度系数等等）；而定性资料，统计其频数，频率等。

2、差异性分析

差异性分析，即比较两组或多组均数（连续型资料）、率（定性资料）的差异性比较；比方说两种降压药对高血压的作用，若测量指标为SBP或DBP这样定量的数据资料，两组间的比较可以采取t检验（proc ttest），方差分析（proc anova或proc glm），前提条件为两组数据独立，且呈正态分布(正态性检验：proc univariate)及方差齐性（proc glm或proc anova），若不能满足正态分布的连续型资料则采用非参数/秩和检验；当为三组以上连续型资料差异性比较时，则使用方差分析，对于不满足正态分布的资料采用非参数检验方法。而当资料为定性无序资料使用卡方检验（proc freq）而资料为定性有序时则需采用秩和检验（proc npar1way）。

3、相关性分析

相关性分析，即分析两变量或多变量间的相关性。当为正态定量资料则选择线性相关分析的pearson相关系数（proc corr）,而非正态资料则采用spearman相关系数（proc corr）;而当为定性普通资料时可以使用列联系数判断两个变量间的相关关系（proc freq），配对定性资料kappa系数（proc freq）,多分类无序资料采用交互分析方法看交互项是否具有统计学意义而判断相关关系（proc catmod）

4、回归分析

回归分析，当因变量为定量正态分布资料选择线性回归（proc reg）；若资料为非正态，存在严重共线性可采用主成分分析（proc princomp）或因子分析(proc facter)或偏最小二乘回归（proc pls）,当存在异常点采用稳健回归分析（proc robstreg）;当因变量为二分类资料时采用logistic回归（proc logistic）；当因变量为多分类无序资料时采用多项logit模型（proc catmod）,而当因变量为有序多分类资料，采用累积logit模型（proc logistic）;当结局为生存资料时，比较生存曲线的差异（Pro从lifetest），而生存回归分析采用cox回归（proc phreg）;当资料为possion分布等，采用广义线性模型（proc genmode）。

总之，数据分析之前得明确分析资料是什么类型，分析的目的是什么，试验设计是什么，每种分析方法或选择的模型前提条件是什么，选择适当的分析方法和思路，根据结果合理调整分析思路。