如何正确运用t检验——t检验的基本概念与前提条件

本文旨在全面介绍t检验的基本概念与前提条件(涉及实验设计和t分布两个方面)。t分布和t检验的适用场合包括:①估计符合某些条件时定量指标的参考值范围;②直线回归分析中个体因变量Y值的容许区间计算;③估计定量指标总体均数的置信区间;④线性相关与回归分析(包括多重线性回归分析)中某些参数的假设检验;⑤定量资料均值的假设检验,此时,严格地说,t检验仅适用于以下三种实验设计类型,即单组设计、配对设计和成组设计。在实际运用中,应正确辨析定量资料所取自的实验设计类型并检查资料的参数检验条件;若属于其他情形(参见前述提及的多种场合),一般都应有相应的统计学理论为依据(即可以证明问题中涉及的统计量服从t分布),否则,就可能属于滥用或误用。     

合理进行多重线性回归分析——结合倾向性评分分析

本文目的是介绍如何结合倾向性评分分析,合理地进行多重线性回归分析的方法。第一,介绍了与倾向性评分分析有关的3个基本概念。第二,介绍了倾向性评分分析的核心内容,即3种匹配方法。第三,通过一个流行病学的调查实例,介绍了如何用SAS软件进行分析的全过程,内容如下：①针对原始数据集,检验协变量在处理组与对照组之间的差异是否具有统计学意义;②针对原始数据集,直接进行多重线性回归分析;③采用倾向性评分分析产生匹配后的数据集;④针对匹配后的数据集,检验协变量在处理组与对照组之间的差异是否具有统计学意义;⑤针对匹配后的数据集,合理进行多重线性回归分析。     

如何正确运用t检验——两算术均值比较一般差异性t检验及SAS实现

本文目的是介绍算术均数以及单组设计、配对设计和成组设计一元定量资料t检验的基本原理及SAS实现。首先对算术均数的概念、适用条件和计算公式进行介绍;其次,介绍不同设计类型t检验的基本原理,结合SAS实例进行分析,并对相关结果进行解释;最后,讨论不同设计类型t检验应用的注意事项。     

基于经典统计思想实现多重线性回归分析

本文目的是介绍基于经典统计思想实现多重线性回归分析的方法。首先,概述基于经典统计思想、贝叶斯统计思想和机器学习统计思想建立多重线性回归模型的基本思路;然后以实际问题为例,全面呈现了多重线性回归分析所需要完成的主要任务;最后,总结多重线性回归分析的适用场合及注意事项。结果表明:产生派生变量、进行自变量筛选和共线性诊断、进行异常点诊断等内容是进行多重线性回归分析的主要任务。在多因素试验或观察性研究中,只要结果变量为计量变量,比较常用且有效的做法是进行多重线性回归分析,应尽可能少用单因素差异性分析。     

多重线性回归分析的核心内容与关键技术概述

目的本文目的是概述多重线性回归分析的核心内容与关键技术。其核心内容有以下四点:第一,构建多重线性回归模型的方法和求解参数的方法;第二,进行回归诊断的意义和方法;第三,筛选自变量的意义和方法;第四,评价模型拟合效果的方法。其关键技术是如何基于经典统计思想、贝叶斯统计思想和机器学习统计思想实现多重线性回归分析。     

如何正确运用t检验——两算术均值比较优效性t检验及SAS实现

本文主要介绍临床试验中优效性检验的概念、假设检验、界值设定和样本量的估计以及成组设计一元定量资料优效性t检验的SAS实现。通过实例展示SAS在优效性t检验中的应用,分别基于两种数据结构(原始定量数据和样本含量、均值、标准差数据)进行操作,对结果进行解释并作出结论。     

生存资料回归模型分析——生存资料参数回归模型分析SAS实现

本文目的是介绍生存资料参数回归模型的SAS实现,包括创建SAS数据集、依据图示法选择模型、拟合参数模型和似然比检验。利用SAS中的LIFEREG过程绘制生存函数关于生存时间的关系图,拟合对应的参数分布回归模型,通过拟合优度检验选择最优的参数回归模型,最后对相关结果进行解释。     

双样本t检验和配对检验的异同性

概述:临床研究中经常遇到比较实验组和对照组之间的结果.双样本t检验(又称为独立样本t检验)和配对t检验可能是运用于比较两个样本之间均值的最广泛的统计方法.然而,这两种方法的运用会产生混淆,从而导致使用不当.本文中,我们讨论了这两种t检验之间的异同性,并运用三个范例来阐述双样本t检验和配对t检验的计算过程.     

如何正确运用t检验——两几何均值比较一般差异性t检验及SAS实现

本文目的是介绍几何均数以及两组近似对数正态分布数据几何均数的一般差异性t检验及SAS实现。首先对几何均数的概念、适用条件和计算公式进行介绍;并且将几何均数与统计学中常用的算术均数的特点进行比较;其次,呈现两组药物浓度数据,该数据近似服从对数正态分布,符合几何均数的适用条件,使用SAS的TTEST过程对两组几何均数的一般差异性进行t检验,并对相关结果进行解释和比较;最后,讨论几何均数使用时的注意事项。     

主成分分析应用(Ⅰ)——主成分回归分析

本文目的是介绍主成分回归分析的概念、作用以及用软件实现计算的方法。先对自变量进行主成分分析,然后将主成分变量视为新的自变量,再进行多重线性回归分析。通过不引入和引入派生变量以及采取不同的策略筛选自变量,可以获得多个合格的多重线性回归模型。在回归模型自由度接近相等时,基于残差方差最小、复相关系数最大为评价指标,从众多回归模型中优中选优。得出的经验为:应慎用主成分回归分析。     

临床研究中统计学方法的规范应用与典型案例解析

临床研究中,统计学方法的准确应用关系到研究结果的可靠性和科学性.本文以典型案例解析方式,对临床研究中统计描述、统计推断、数据处理、结果解释的规范应用要点、常见误用进行总结分析,重点介绍了t检验与方差分析的误用、χ2检验与配对χ2检验的误用、回归分析中哑变量的设置、重复测量数据的分析方法与注意事项、随机缺失数据的填补方法...     

等级回归:离群数据的另一种回归方法(英文)

线性回归模型被广泛应用于精神卫生和卫生服务相关研究。然而,经典线性回归分析是假设该数据为正态分布的,但是很多研究所获得的数据并不符合这种假设。解决该问题的方法之一是采用不要求数据为正态分布的半参数模型。但是,半参数模型对离散数据相当敏感,因此在处理包含离散值的数据时产生的估计值是不可靠的。在这种情况下,一些研究者在删减这些极端值后再进行分析,但是,删减数据的事先法则(ad-hoc rules)是基于主观标准的,所以不同的调整方法就会产生不同的结果。等级回归为处理包括离散值的非正态分布数据提供了更为客观的方法。本文采用虚拟和实际数据来阐述这个非常有用的处理离散值的回归方法,并与采用经典回归模型和半参数回归模型所得出的结果进行比较。     

生存资料回归模型分析——生存资料参数回归模型分析基础

本文目的是介绍生存资料参数回归模型有关的基础知识。首先,介绍了构建三个常见的生存资料参数回归模型的基本原理,包括指数分布回归模型、Weibull分布回归模型和Log-logistic分布回归模型;其次,介绍了基于图示法判断生存时间服从何种概率分布的方法;最后,介绍了基于最大似然估计法求解参数回归模型中的参数和两个参数回归模型拟合优度的比较。得到如下结论:①当资料中的生存时间服从特定概率分布时,应选用相应的参数回归模型;②图示法可用于粗略判断生存时间服从何种概率分布;③似然比检验可用于包含不同参数数目的两个参数回归模型之间拟合优度的比较。     

基于贝叶斯统计思想实现多重线性回归分析

本文目的是介绍基于贝叶斯统计思想实现多重线性回归分析的方法。多重线性回归分析时,单纯基于贝叶斯理论导出的公式来估计回归模型中参数的做法并不常见。最常见的做法是基于马尔科夫链蒙特卡罗(MCMC)方法来实现多重回归分析,即把蒙特卡罗方法、贝叶斯统计思想和马尔科夫链等内容有机结合起来,共同完成多重回归分析。在资料基本满足经典统计思想建模的前提条件时,基于贝叶斯统计思想构建多重线性回归模型,其效果等价于基于经典统计思想构建的多重线性回归模型。     

如何正确运用χ~2检验——高维表资料统计分析方法概述

本文目的是介绍高维表资料的种类及其对应的统计分析方法。基于结果变量的资料类型,常见的高维表资料可分为以下三类,即结果变量为二值变量、多值名义变量和多值有序变量。高维表资料的统计分析方法主要有两大类,第一类为广义差异性分析,内容包括"加权χ~2检验""CMH χ~2检验"和"Meta分析";第二类为回归分析,内容包括"对数线性回归模型分析""Logistic回归模型分析""Probit回归模型分析"和"离散选择模型分析"。     

岭回归分析

本文目的是介绍岭回归分析的概念、作用以及用软件实现计算的方法。先介绍有关的基本概念,再介绍基本原理和实施步骤,最后,通过一个实例并基于SAS软件演示如何实施岭回归分析。结果表明:对于计量因变量,要想构建高质量的多重线性回归模型,较好的建模策略是基于派生变量建立初步模型,在此基础上,再进行岭回归分析。     

如何正确运用t检验——两算术均值比较等效性t检验及SAS实现

本文主要介绍临床试验中的等效性检验的概念、原理、作用以及成组设计一元定量资料等效性检验的SAS实现。基于原始的定量数据或者基于给定样本含量、均值、标准差两种数据结构,结合实例展示SAS在等效性检验中的应用,并对结果进行解释、做出结论。     

合理进行多重Logistic回归分析——结合ROC曲线分析

本文目的是介绍如何结合ROC曲线分析，合理地进行多重Logistic回归分析的方法。第一，介绍了与ROC曲线分析有关的两组基本概念，即常用诊断指标的统计描述和诊断资料的ROC曲线分析方法。第二，介绍了ROC曲线分析中的核心内容，即ROC曲线下面积的计算和多条ROC曲线下面积的比较。第三，通过一个诊断试验的实例，介绍了如何用SAS软件进行分析的全过程，内容如下：①仅采用多重Logistic回归分析；②基于多重Logistic回归分析，再结合ROC曲线分析。得到的结论是，对于诊断试验资料，将多重Logistic回归分析与ROC曲线分析结合起来，可以获得更丰富、更合理的统计分析结果。     

如何正确运用χ~2检验——人-时间资料率比分析与SAS实现

本文目的是介绍"分层人-时间资料"率比分析方法与SAS实现方法,具体内容包括以下四个方面:(1)分层人-时间资料中第i层率比的点估计和置信区间估计;(2)不同层间率比的齐性检验;(3)合并率比的点估计与置信区间估计;(4)分层人-时间资料中发病密度的线性趋势检验。通过两个实例,展示基于SAS软件实现前述四个分析内容的统计计算过程,包括提供SAS程序代码、对SAS输出结果进行解释,并给出统计结论和专业结论。     

如何正确运用t检验——两算术均值比较非劣效性t检验及SAS实现

本文主要介绍临床试验中非劣效性检验的概念、原理和作用以及成组设计一元定量资料非劣效性检验的SAS实现。通过实例展示SAS在非劣效性检验中的应用,分别基于原始的定量数据或者基于给定样本含量、均数、标准差两种数据结构下进行操作,对结果进行解释并作出结论。