我学的书是武松老师的《SPSS实战与统计思维》。
推荐这本书和这个老师，讲的真的是实战，而不是枯燥、难懂的纯统计理论。此外这个老师还创建了一个公众号：精鼎统计，不定期会举办培训班（没去过，不在长沙）
统计核心概念
1、总体与样本，对应的参数与统计量，对应概率与频率
2、误差、同质与变异
3、变量、因素与水平
这些核心概念一定要弄清楚的是变量，统计中有三种类型的变量：
计量资料（连续变量）> 计数资料（无序资料） > 等级变量（有序资料）
对于计量资料 需要再菜单
分析--描述统计--探索--对数据进行正态性检验（K-S检验（D检验）、S-W检验（W检验））
生物医学，样本数大于50则选择D检验，在8-50之间选择W检验
前者可以转变成后者。
拿到一组数据应该先进行多角度检验：
数据类型：连续变量是否符合正态分布，如果不符合是左偏还是右偏，还是峰度系数不好，是尖角还是平阔，然后在做个箱式图看看，有无异常值，特大特小值。一般符合正态分布的样本，标准差在均值1/3以内
常见统计设计
1、成组设计
2、配比设计
3、析因设计
4、重复测量设计
设计需要注意到，统计学中存在2K效应，及2组和K组（K≥3）采用的统计学方法是不同的
析因设计为 （因子^因子） 个组，所以通常只选择 2 *2 ,可以解释两种因素及两种因素间交互共三种情况
统计思想
抽样→总体推断→证伪→小概率→误差控制
统计方法
基于不同的变量类型、不同的分组，不同的目的，选择统计方法
确定的统计方法
t检验
单样本、独立样本、配对样本t检验，针对的是连续资料，对数据分布是有要求的，正态分布/独立、正态、方差齐/独立、差值正态
正态（近似）分布资料，一般用均值±标准差描述，非正态使用四分位间距描述
方差分析
简称F检验，比较组间变异和组内变异，组间变异（往往是干预措施）如果远大于组内变异，则有理由说明干预措施在起作用
单因素方差分析（单变量）/随机区组方差分析（双变量）/析因设计方差分析（≥3变量）
方差分析的条件：独立、正态、方差齐
总体有差异之后还需组间两两比较，一般采用LSD法
随机区组方差分析，不分析交互作用
析因设计：单独效应、主效应与交互效应
需要注意的是如果两种干预措施走势相同则说明为正交互、如果走势相反这说明是反交互，如果平行，则不存在交互作用
重复测量方差分析：（b如同一对象不同时间点），条件：正态、方差齐、协方差具有球形性特征
其他临床还会用到的交叉设计方差分析，没学哈
卡方检验
t 检验和F 检验是针对2、K组的连续资料的。
卡方检验是分类资料的检验，也需要记住存在2K效应
记住一点：卡方 = （真实值 - 理想值）^2/理想值
就是真实值与理想值之间的预期（比如王思聪定个小目标先赚它一个亿就比我先赚它1000块要现实）
四格表卡方：
注意一点的是：1）N（样本数）≥40 且T（理想值）≥ 5 选择pearson卡方
2）N（样本数）≥40 且 1 ≤ T ≤ 5 连续校正卡方检验
3）n（样本数）≤ 40 或 T ≤ 1 ，Fisher 精确概率法
4）N（样本数）≥40 且T（理想值）≥ 5 似然比卡方与pearson卡方一致
配对四格表卡方检验， a b c d ，因为a与d一致，所以只要b 与c 有差别。计算公式为
卡方 =（b-c）^2/(b+c) 叫McNemar 检验
此外还有 RC 表单向有序、双向有序（属性相同、不同）的卡方检验（这个瞄过，到用时再依葫芦画瓢），检验方法不同
RC 表：1）皮尔孙卡方，T>=1，且1<=T<5的格子数不超过1/5
2)如不满足条件1）则增大样本量或者结合专业删除或合并某些亚类或者使用Fisher精确检验。
非参数检验
非参数检验，就是把数据排列，得到秩，比较组间秩均值的差别。
非参数检验的精度不如参数检验，但如果非参检验都有统计学意义则参数检验一定有统计学意义，如果非参数检验无统计学意义不能推导出参数检验无统计学意义
非参和参数检验为充分非必要条件
符合参数检验的，都可以用非参数检验做
M-W-U 检验效力最强
以上就是简单回顾了基本的统计比一比的方法。
统计建模
相关
数据间可以存着相关性，如果两个变量的相关性很强，可以通过一个变量去预测另一个变量。样本的相关系数一般用 r 表示
完全正（负）相关：r = 1（-1）
正（负）相关：0<| r| <1
不相关：r=0
曲线相关：不能进行线性相关分析
对于不同类型的变量，相关系数计算不同。常用的有：
1、pearson 简单相关系数：对定距连续变量的数据进行统计计算，正态分布数据
2、spearman 等级相关系数：用于度量定序变量间的线性相关关系，总体分布不明也可选，优先适用于等级资料
3、Kendall r 相关系数：用非参数检验方法来度量定序变量间的线性相关关系。计算基于数据的秩。（目前没看过）
此外还有偏相关：就是剔除干扰因素后的相关性，又叫净相关
线性回归
一元线性回归，y = β0 + β1x + e
自变量x对因变量y的影响
多元线性回归：这个需要自己用不同的变量反复尝试，建立一个符合本专业、本数据的模型（没有最优解）
建立回归模型的时候，自变量 x 之间不要出现高度相关，否则就不应该同时进入模型，不然会导致回归系数异常，莫名其妙增大或减少甚至出现负值。这里涉及到共线性的问题
共线性处理方法
1、基于专业进修变量删除
2、逐步回归
3、岭回归（Ridge regression.sps 宏程序）
4、主成分回归
回归系数反常的原因
回归方程建立后，可能发现回归系数从专业知识上解释不通，或整个方程显著，但每个变量没有显著性，或有些变量从专业上看很重要，却选不进方程
原因主要有：1）数据中有离群值或异常值 2）样本含量不够，或自变量数太多（记录数是变量数的20倍以上为宜） 3）自变量之间存在共线性
Logistic回归
二项Logistic回归分析：
建模策略：
1）先进行单因素Logistic回归分析，选择有意义的因素
2）对自变量进行相关性分析，看是否存在相关，必要时可以调整自变量的类型（比如看到文献中有把连续变量变成分类变量，采用四分位间距法）
3）选出在单因素分析时P值 ≤α 的变量、在专业上被认为具有重要意义的变量，用逐步回归分析法进行多因素筛选，建立多因素模型，P 删除> P 选入
4）若变量少、样本含量较大、缺失值不多，在建模时考虑纳入变量的交互作用。
一般情况下，模型中自变量的个数约为样本含量的 1/10 ，当存在哑变量时，自变量的个数相应减少
结局变量有3种或以上，则为多项Logistic回归
多项回归分析中SPSS默认数值大的为对照 具体分析方法参见书本
Logistic回归主要用途
1、发现风险因素
2、进行预测
3、进行判别
补充资料：
P for trend **
把原来的连续资料按一定的标准（比如四分位间距）分成无序资料，得到的总P值就是 P for trend，其内部可以再进行比较，观察内部的影响
PS
可以把95可信区间，做成森林图*--高分杂志喜欢这样做（看的清楚）
可以用STATA做，也可以用R语言做，记得Stata做的还比较简单，也可以调
聚类分析
有Q型聚类（样品进行分类）
R型聚类（变量进行分类）
聚类方法法
分层聚类：系统聚类，将相似度高的两类聚为一个新类，并不断重复。
一般是针对小样本。在基因芯片、转录组中一般按照分层聚类
快速聚类：快速聚类，K-均值聚类，以距离为标准进行聚类分析
计算速度快，不过需要事先指定聚成几类 ，一般针对大样本
两阶段聚类：首先以距离为依据构建聚类特征树节点，然后依据信息准侧确定最优分组个数对各节点进行分组
可针对既有连续型又有分类变量的数据，并对变量的重要性进行预测
生存分析
我认为更合适的名字应该叫随访分析
生存分析：是将事件的结果（终点事件）和出现这一结果所经历的时间结合起来分析的一种统计分析方法。
可以是任何事件
生存分析不同于其它多因素分析的主要区别点就是：生存分析考虑了每个观测出现某一结局的时间长短
生存时间：是指终点事件与起始事件之间的时间间隔
终点事件：是指研究者所关心的特定结局
起始事件：是指反映研究对象生存过程的起始特征事件
注意就是此类数据经常存在删失数据
扩展资料：per 1 sd
不符合正态分布，就进行标准化
分析--描述统计--描述 选择标准化 （通常是以0位均值，1为标准差，Z score）
可以自行查看z score确定
所以对于标准化后的数据，因为标准差为1，所以数据每增加一个单位，就是一个标准差，所以就是per 1 sd
诊断试验ROC分析
ROC曲线，常用于二分类判别效果的分析与评价。
变量类型：
1、因变量为二分类变量
2、自变量可以是连续型变量或有序分类变量
连续型资料常见于某些定量检验，有序分类资料多见于医学影像诊断和心理学评价
多指标联合诊断试验
本质是找到一个应用价值最优的界值
指标类型：
1）二分类：不用寻找界值，直接评价
2）等级资料，需要寻找最佳界值
3）连续资料，寻找最佳界值
通常先把这多个指标进行Logistic回归分析，得到一个预测概率，再用预测概率做ROC曲线，得到诊断界值。前面Logistic回归分析会得到一个回归方程，把数值代入方程即可得到Logitp值。
判断两种办法有无差异，可以查看他们的可信区间，如果有重叠，则说明两者差异无统计学意义
主成分分析、因子分析
本质上都是降维，浓缩信息，用最少的变量代表最大的信息
问卷信度与效度
需要验证问卷的信度（可信性）与效度（准确性），方便设计调查问卷，确定主体类型
最后又来一句打击自己的话语，觉得这三天也没闲着（除了周日下午带娃），但真的有多少留在了脑海里？
刷新了对统计的认识，对于简单原始数据，只要分局数据类型及分组选择统计方法就好了，统计的差异在于后期的统计建模，这个建模就是对以前认知的刷新。
