统计学方法的正确使用问题（一）

1.忽略统计学方法使用的前提条件 随着统计软件的广泛应用，有些医学生获得数据后直接选择软件中常见的几种统计学方法进行分析，完全不考虑本研究的数据是否满足该方法的使用条件。例如，医学研究中经常要进行两组或多组间均数的比较，有些医学生直接就采用t检验或方差分析进行统计。实际上，t检验和方差分析都是参数检验，需要满足前提条件：正态性和方差齐性。正态性是指各组资料要服从正态分布（或近似正态分布）；方差齐性指各组资料取自的总体方差相等。目前常用的统计软件都可以对资料的正态性和方差齐性进行验证，但是很多学生都忽略了这一步，因而可能出现统计学问题。只有按照各种统计学方法自身的适用条件来合理使用，统计方法才能成为发现数据内在统计规律的有力工具。

2.忽略研究设计，盲目套用统计方法 （1）误用t检验处理单因素多水平资料：t检验和方差分析是医学论文中最常用的、也通常被认为是最简单的统计学方法，然而实际应用中的正确率却低于10%［2］。除了上述的说明不清楚和忽略使用条件的问题外，忽略研究设计也常常是导致t检验和方差分析使用错误的原因。对于呈正态分布的单因素多水平定量资料，两组间的比较可用t检验；两组以上资料的比较则需选用方差分析。有些医学生简单地使用t检验来处理多组间的比较。这样做的问题是由于多次采用t检验，增加了假阳性错误的概率；同时失去了原来多组设计的意义，不能给出概括性的结论，因此结论不可靠。正确的方法是当满足方差分析的前提条件时应采用单因素多水平定量资料的方差分析；当检验结果为各组总体均数间不完全相等时，再进一步进行组间均数的两两比较。如果当任何两个均数之间都要比较，可采用SNK法，而如果要分别将各试验组与同一个对照组比较，可采用Dunnett法。当资料不满足方差分析的前提条件时，需对资料进行数据正态化处理或采用秩和检验。

（2）误用单因素方差分析处理重复测量的资料：医学研究中常需要对同一受试对象的某项指标在不同时点进行重复测量，此类资料即为重复测量的资料，例如研究对象服用某种药物后多个时间点的血压值。由于同一个体不同次测量的结果往往存在相关性，这时用单因素多水平方差分析来比较不同时点的测量结果是不恰当的，因为单因素方差分析要求各比较组间是独立的。如果仅将两个时间点上的数据放在一起进行配对t检验则割裂了原来多组比较的整体设计。正确方法的方法是先判断重复测量数据之间是否存在相关性（如SPSS的球形检验），如不存在相关性，则采用单因素方差分析即可；如存在相关性，则需进行重复测量数据的方差分析［3］。

（3）误用χ2检验处理有序的列联表资料：对于定性资料，很多医学生都会直接应用χ2检验来处理。实际上，因研究设计的不同，定性资料的列联表又分为双向无序的列联表、单向有序的列联表和双向有序的列联表等不同类型。对于双向无序的列联表，可采用χ2检验进行分析。但需注意的是在列联表的χ2检验中，若P＜0.05，只能得出总的结论。如需进行两两比较时，因为重复多次的检验将使第一类错误扩大，因此需重新设定检验水准，通常采用α′=α/N，其中N为所需检验的次数［4］。此外，医学研究中还经常将某种定性的测量指标分成若干个有序的等级，如疾病的不同严重程度和预后的不同水平等，然后分类计数各组研究对象的具体状态。这种资料属于有序的（等级的）列联表资料，看似可以用χ2检验处理，但χ2检验只能比较各组的构成，而与顺序或等级无关，因而此类资料应采用与分组顺序有关的检验方法，如秩和检验和Ridit分析等［5］。

（4）将非同质的研究对象合并进行相关分析：临床研究中经常采用病例-对照研究的设计，如糖尿病患者和正常对照，有时还需按患者的不同特征分为多组，如血糖正常、空腹血糖受损、糖耐量减低和糖尿病四种情况。为了突出总样本量，有些医学生把所有研究对象合计在一起进行分析。事实上，由于各组研究对象在生物学特征上可能有明显差异，这种合并分析需特别谨慎。尤其是进行相关分析时，指标之间的关系在不同组之间可能完全不同，即研究对象不同质，因此不应合并在一起进行相关分析。