1 直方图正态曲线 2 P-P图、Q-Q图 3 KS检验(样本量>=2000)、SW检验(样本量<2000):P>0.05时表示服从正态性
俩个变量平等, 俩个变量均为连续数值型变量之间的相关性分析——peason相关分析(正态)系数r,P<0.05才进行分析,r>0.7强正相关 等级变量的相关性分析——spearman相关性分析
研究变量之间的因果关系, 1 因变量只能有一个,必须是连续数值型变量, 2 自变量可以有多个,可以是连续也可以是分类变量,如有分类型,要进行虚拟线性回归
1、适用于分类型变量的统计学方法 2、检验分类型变量下各个类别的构成比的差异的统计学方法 3、被检验的分类变量一定是无序分类变量;分组变量可以是有序分组也可以是无序分组 案例:考察三个年龄组的感染率(感染,未感染)是否存在显著差异
1 检验变量是否服从正态分布 2 独立样本T检验 3 结果呈现 Graphpad绘制:
比较同一样本前后两个均值的差异;或者比较同一批样本俩个状态下的均值的差异。 要求两列变量服从正态分布 1 检验正态性 2
独立样本T检验:比较俩组均值的差异 单因素方差分析:比较三组或三组以上均值的差异 只要是比较均值差异的统计方法,都要求数据服从正态分布 1 检验正态性 2 3 事后比较 邦弗伦尼,事先按0.05标准化了
有一组不符合正态分布,使用非参数检验,另一种是等级数据也使用非参数检验 如果是等级变量: 配对样本非参数检验
线性回归:因变量为连续型变量,自变量类型不限 二元Logistic回归:因变量为二分类变量,自变量类型不限 如果自变量很接近,不能够以一为单位波动,可以乘以一个数使其差值增大。
因为是分类变量: 第二个:连续变量 先用单因素分析排除无影响的变量,然后用多因素分析 注:有疑问的请私聊