卫生统计学知识点总结(3)

9假设检验的注意事项：①根据研究目的、设计类型、变量类型及样本大小选择恰当的统计分析方法；②权 衡两类错误的危害以确定α的大小；③正确理解P值的意义：P值很小时“拒绝H0，接受H1”，不能把很 小的P值误解为总体参数间差异很大。拒绝H0只是说差异不为0，P值小只是说犯一类错误的机会远小于 α。P与α本质相同，都为概率，P是根据当前实验计算的概率，α是预先给定的概率，为检验水准，是定 义了的小概率上限。

实验设计

1根据研究者是否认为地设置处理因素，即是否给予干预措施，可将医学研究分为调查研究和实验研究两类。 ① 调查研究：又称观察性研究或非实验性研究，确切的说应是非随机化对比研究。它对研究对象不施加任 何干预措施，是在完全“自然状态”下对研究对象的特征进行观察、记录，并对观察结果进行描述和对比研究。

② 实验研究：又称干预性研究，是对研究对象人为给予干预措施的研究。

2实验设计的基本要素：受试对象、处理因素、实验效应。

① 受试对象：是处理因素作用的客体，根据受试对象不同，实验可以分为三类：动物实验、临床试验、现 场试验。

② 处理因素：是研究者根据研究目的而施加的特定的实验措施，又称为受试因素。

③ 实验效应：是处理因素作用下，受试对象的反应或结局，它通过观察指标来体现。

选择观察指标时，应当注意：a客观性：客观指标具有较好的真实性和可靠性；b精确性：包括准确度和精密度两层含义。准确度指观察值与真值的接近程度，主要受系统误差的影响。精密度指相同条件下对同一对象的同一指标进行重复观察时，观察值与其均数的接近程度，其差值受随机误差的影响。c灵敏性和特异性：指标的灵敏度反映其检出真阳性的能力，灵敏度高的指标能将处理因素的效应更好地显示出来；指标的特异度反映其鉴别真阴性的能力，特异度高的指标不易受混杂因素的干扰。

3实验设计的基本原则：对照、随机化和重复。 ⑴对照的形式：①安慰剂对照：目的：在于克服研究者、受试对象等由心理因素导致的偏倚。②空白对照：即对照组不接受任何处理，在动物实验和实验方法研究中最常见，常用于评价测量方法的准确度，评价实验是否处于正常状态等。③实验对照；④标准对照：用现有标准方法或常规方法作为对照；⑤自身对照：对照与实验在同一受试对象身上进行。

⑵a随机化体现在三方面：①随机抽样：总体中每一个体都有相同机会被抽到样本中来；②随机分配：每个受试对象被分配到各组的机会相等，保证大量难以控制的非处理因素在对比组间尽可能均衡，以提高组间的可比性；③实验顺序随机：每个受试对象先后接受处理的机会相等，它使实验顺序的影响也达到均衡。 b在实验设计中常通过随机数来实现随机化。获得随机数的常用方法有：随机数字表和计算机的伪随机数发生器。随机数字表常用于抽样研究及随机分组。

c常用的两种随机化分组的方法：完全随机化和分层随机化（配对随机化和区组随机化可看成是分层随机化的实际应用）。

⑶重复包括三种情形：①整个实验的重复；②用多个受试对象进行重复；③同一受试对象的重复观察。重复的主要作用：①估计变异的大小；②降低变异大小。

4常用的实验设计方案：

⑴完全随机设计（completely randomized design）：又称简单随机设计，是最为常见的一种考察单因素两水平或多水平效应的实验设计的方法，它是采用完全随机分组的方法将同质的受试对象分配到各处理组，观察其实验效应。

⑵配对设计（paired design）：是将受试对象按一定条件配成对子，再将每对中的两个受试对象随机分配到不同的处理组。据以配对的因素应为可能影响实验结果的主要混杂因素。配对设计主要有以下情形：①将两个条件相同或相近的受试对象配成对子，通过随机化，使对子内个体分别接受两种不同的处理；②同一受试对象的两个部分配成对子，分别速记地接受两种不同的处理；③自身前后配对，即同一受试对象，接受某种处理之前和接受该处理后视为配对。

⑶交叉设计（cross-over design）：是一种特殊的自身对照设计，它按事先设计好的实验次序，在各个时期对受试对象先后实施各种处理，以比较处理组间的差异。基本前提：个处理方式不能相互影响，即受试对象在接受第二种处理时，不能有前一种处理的剩余效应。优点：节约样本含量；能够控制个体差异和时间对处理因素的影响，故效率较高；在临床试验中，每个受试对象均接受了各种处理，均等的考虑了每个患者的利益。进行交叉设计应注意：尽可能采用盲法，以提高受试对象的依从性，避免偏倚；不宜用于具

有自愈倾向或病程较短的疾病研究。在慢性病观察过程中，应尽量保持条件的可比性。

⑷随机区组设计：又称单位设计、配伍组设计，实际上是配对设计的扩展。通常是将受试对象按性质相同或相近分为b个区组（或称单位组、配伍组），再将每个区组中的k个受试对象随机分配到k个处理组。设计应遵循“区组间差别越大越好，区组内差别越小越好”的原则。

⑸析因设计（factorial design）：a是将两个或多个处理因素的个水平进行组合，对各种可能的组合都进行实验，从而探讨个处理因素的主效应以及个处理因素间的交互效应，又称完全交叉分组实验设计。所谓交互作用是指两个或多个处理因素间的效应互不独立，当某一因素取不同水平时，另一个或多个因素的效应相应的发生变化。两因素间的交互作用为一阶交互作用，三因素间交互作用为二阶交互作用。

kkb当观察k个处理因素，每个因素均有m个水平时，共有m种组合，简记为m析因设计。

c可获得三方面的信息：各因素不同水平的效应；各因素间的交互作用；通过比较寻求最佳组合。 5样本含量的估算：

⑴确定样本含量的原则：在保证研究结论有一定可靠性的前提下，估算最少需要多少受试对象。 ⑵假设检验所需样本含量取决于四个要素：

① 第一类错误概率α的大小：α越小，所需样本量越大；②第二类错误概率β或检验功效（1-β）的大小： 第二类错误的概率越小，检验功效越大，所需样本含量越多；③容许误差δ：即两总体参数的的差值，δ越大，所需样本含量越小；④总体标准差σ和总体概率π：σ越大，所需样本含量越多；总体概率π越接近50％，变异性越大，所需样本含量越多。

方差分析

1基本思想：把全部观察值间的变异按设计和需要分解成两个或多个组成部分，然后将各部分的变异与随机误差进行比较，以判断各部分的变异是否具有统计学意义。

2应用条件：①各样本是相互独立的随机样本；②各样本来自正态总体；③各处理组总体方差相等，即方差齐性。

3任何设计方案的SS总和v总算法均相同，即在不考虑数据按任何方向分组的情况下，将所有数据看成一个整体计算，即SS总= X-X 2=（N-1）S，v总 =N-1。 2

几种设计方案中SS总和v总的分解：

设计方案 SS总的分解 v总

完全随机设计 SS总=SS组间+SS组内 v总=v组间+v组内

随机区组设计 SS总=SS处理+SS区组+SS误差 v总=v处理+v区组+v误差

析因设计 SS总= SS处理+ SS误差 v总=v处理+ v误差

=（SSA+SSB+SSAB）+SS误差 =（vA+vB+vAB）+ v误差

重复测量设计（两因素） SS …… 此处隐藏：2734字，全部文档内容请下载后查看。喜欢就下载吧 ……