点击显示 收起
1 资料类型
资料整理应先区别是计数资料还是计量资料、等级资料。
所谓计数资料，又称属性资料，资料中每一观察单位是以其性质为特点的。如血型、性格类型、头发颜色、民族、国籍等。对计数资料做整理，主要就是清点各种属性的个体数，有时可能还需要对属性本身作归类。
所谓计量资料，就是以数量为特征的资料，每一观察个体记以一个数值。如身高、红细胞数、肺活量等。计量数据可分为两类，一类是离散型或间断型数据，它们往往是一种计数，如每名儿童口腔中的龋齿数...，这种计数只能是0和正整数不会是负数，也没有小数点;另一类是连续型数据，理论上在任何两个数值之间都还有无穷多个数据，如体重...。
还有一类数据介于上述两者之间，通常称为等级资料，如疗效中的优、良、中、差，症状的重、中、轻、无，化验时的++++，+++，++，+，±，-等。
2 假设检验应注意的几个问题
应用假设检验的前提是正确的抽样研究设计，保证样本是从同一总体中随机抽取的，使组间具有均衡性、可比性;即除了对比的主要因素，如一组用药，一组不用药外，其他影响结果的有关因素（如病情轻重、年龄、性别等）都尽可能一致。
要根据研究的目的和资料的性质选用适当的检验方法。资料的性质不同，设计的类型不同，样本大小不同，所用检验假设的方法也不同。如两组计量资料的比较常用t检验，计数资料的比较常用χ 2 检验，配对计量资料与成组资料比较应选用不同的t检验;不能用大样本的u检验代替小样本的t检验等。
正确理解差别有无显著性的含义。习惯上，将“拒绝H 0 ，接受H 1 ”称为“差异显著”不应误解为“相差很大”。例如两样本均数比较，拒绝H 0 :μ 1 =μ 2 ，接受H 1 :μ 1 ≠μ 2 即所谓差异显著，不应误解为μ 1 与μ 2 相差很大。反之，不拒绝H 0 ，习惯上称为“差异不显著”，不应误解为相差不大，或一定相等。
结论是概率性的，不能绝对化。是否拒绝H 0 是根据P与α的关系判断的。当P≤α是拒绝H 0 ，接受H 1 ;当P>α时不拒绝H 0 。而α值是根据分析要求确定的。实际工作中，对同一问题要求α的大小往往有一定的灵活性。有时按α=0.05拒绝H 0 ，而按α=0.01则可能不拒绝H 0 。对于 同一检验水准，有时就现有样本不拒绝H 0 ，但增加样本含量后，由于减少了抽样误差，有可能拒绝H 0 。此外，拒绝H 0 要考虑到或许由于第一类错误所致;不拒绝H 0 也要考虑到或许由于第二类错误所致。为了在预定检验水准的基础上，充分利用资料提供的信息，报告结论是应写出P值的确切范围，如0.05<P<0.20。
3 单侧检验与双侧检验
必须事先根据业务知识预以确定，不能等到计算完t值以后再主观选定，如对双侧检验来说，0.05<P<0.1，在0.05水平上不能拒绝无效假设，结论是差别无统计意义;但对单侧检验来说，0.025<P<0.05，结论是在0.05水平上差别有统计意义。单侧检验比双侧检验更易得出差别有统计意义。对同一资料进行检验，有可能双侧检验无统计意义而单侧检验有统计意义。
4 第一类错误与第二错误
一为假阳性错误，统计上称为第一类错误，就是无效假设（H 0 :μ=μ 0 ）原本是正确的，但被拒绝接受，误判为有差别。
另一种错误与此相反，是假阴性错误，统计上称为第二类错误.就是无效假设（如H 0 :μ=μ 0 ）原本是不正确的（实际上是H A :μ=μ 1 ），但所算得的统计量t没有超过t 0.05 的水平从而接受了无效假设，错误地得出无差别的结论。
5 差别统计意义的正确理解
P值的正确理解:P<0.05或P=0.05时作出差别有统计意义的结论，对于这种结论应正确理解为:如果无效假设是正确的（即总体均数相同），那么从该总体中抽样所得到的样本，它们能计算得这样大和比它更大的|t|值的可能性小于或等于0.05。决不应把P≤0.05理解为两总体均数相同的可能性小于或等于0.05。
实际差别大小与统计意义的区别.差别有统计意义是说如果总体均数相同，抽到这样大或更大的|t|值可能性很小，因而拒绝此无效假设.但这并不是说两总体均数的差别很大。
反之，当样本很小时，即使样本均数差别较大也会得出较小的t值、较大的P值而作出差别无统计意义的结论。这时，可以说“没有理由认为两总体均数不相等”，但不能得出“两总体均数相等的”结论。
以上是笔者通过近几年的经验所作出的总结，在实际应用中还会遇到很多问题，还需要大家多研究，以上有不当之处望专家和同行们提出宝贵意见。
作者单位:276003山东省临沂市人民医院