2 2
用途 推断总体均数是否与已知数值相等？ 同一整体接受不同处理，或每个样品分成两份接受不同处理，推断两种处理后，两组均数是否相等？ 两组样本随机分为两组，处理不同，推断均值是否相等？（方差相等 t，方差不等 t’） 推断两组样本的方差是否齐同，即精度是否相同？（F 检验） 用于两组以上的均数比较（前提：正态分布，方差相等） 方差不等时使用 Bartlett X 检验或 F 检验，对正态性要求苛刻 不依赖资料分布类型的方差齐性检验，比 Bartlett X 检验更稳妥 用于两个变量之间的相关方向和密切程度的分析，要求两个变量都是定量变量，且呈正太分布 用于连续变量，尤其适用于分类变量 用于反映分类变量相关性的指标，适用于两个分类变量均为有序分类的情况 推断两组样本的概率分布是否相同？（频数应＞1，且＜5 的格子数应＜1/5，） 当理论数＜1 或 n＜40 或 P 值接近检验水准时使用（不属于 X 检验范畴，仅作为补充） 又称趋势卡方检验，分析的变量是有序的 又称分层卡方检验，用于两个率或两个构成比比较，多个率或多个构成比比较，以及分类资料的相关分析等 用于分类变量的危险因素筛选/混杂因素校正/判别预测等 用于配对资料的差值是否来自中位数为 0 的总体，也可用于一组或两组独立样本，或两组有序变量样本 用于完全随机设计多样本比较 与 Wilcoxon 秩和检验相比，是将数据按序号大小排序，而不是正负号，前者比较相同受试的组间，后者是比较不同受试的组内
பைடு நூலகம்
统计方法分类及用途
数据分类 统计分类 统计名称 一组样本资料的 t 检验 t 检验 配对设计资料的 t 检验 两组独立样本资料的 t 检验 两组独立样本的方差齐性检验 ANOVA 检验 方差分析 Bartlett X 检验 Levene 检验 Pearson 相关 Spearman 相关 Kendall 相关 Pearson 相关分析 Spearman 相关分析 Kendall 相关分析
2 2 2
连续变量
X 检验 X2 检验
分类变量 Logistic 回归 Fisher 确切概率法 Cochran-Armitage 检验 Mantel-Haenszel 卡方检验 Logistic 回归分析 Wilcoxon 符号秩和检验 秩和检验 Kruskal-Wallis 秩和检验 mann-whitney u 检验