发帖
雷达卡
列联表是整理和表达计数数据经常采用的形式，其在医学科研活动中有着广泛的应用。然而，医刊汇编译在工作中发现，相对于计量资料的统计分析，很多作者对论文中计数资料的统计分析普遍重视得不够，论文中有关计数资料统计分析的内容往往存在较多的问题甚至错误，严重影响着论文的质量。我们针对医学科研论文中列联表资料统计分析的常见问题归纳如下：
一、对计数资料的统计分析不够重视。相对于计量资料的统计分析，很多作者对论文中计数资料的统计分析普遍不够重视。可能一方面认为计数资料较计量资料的证明性差一些，另一方面觉得计数资料的统计分析方法少、简单，没什么统计方法可以选择，因而对列联表资料的统计分析比较轻率，也就容易产生问题。实际上，针对计数资料有很多统计方法，可以根据具体情况进行合理的选择与应用。计数资料的统计分析与计量资料的统计分析一样，都关系到研究工作正确结论的得出，关系到论文的质量，应该给予同样的关注。
二、将卡方检验视为万能工具。不考虑列联表的属性和分析目的，将卡方检验视为分析列联表资料的万能工具，用卡方检验分析各种列联表资料。这类问题在论文中非常普遍，经常可以见到这样的情形：对含有有序变量的列联表资料进行卡方检验，当P<0.05时，即认为分类变量问有显著相关性。实际上，对列联表行卡方检验，只能说明分类变量间是否独立，而对于变量间是否具有相关关系，是否具有彼此伴随的趋势，应该通过有序列联表的相应统计方法来分析。对包括有序变量的列联表资料行卡方检验，损失了有序变量的信息，使所得结论不能深入揭示分类变量间的关系。
三、卡方检验使用条件认识不足。缺乏对卡方检验使用条件的明确认识，忽视对列联表中理论频数(T)的观察。卡方检验要求rxc表中T不宜太小，否则将导致分析的偏性。当实验所得数据结果中T太小时。可以对rxc表进行以下处理：一是增加样本例数以增大T；二是删去T太小的行或列；三是将T太小的行或列的实际频数与性质相近的邻行或列合并。需要说明的是，后两种方法损害了样本的随机性，可能损失部分信息，不同的合并方式有可能影响推断结论，故不宜作为常规方法。
四、卡方检验未作进一步分层分析。当多个样本率或构成比比较的卡方检验拒绝原假设，即认为各组间率或构成比总的来说差异有统计学意义时，未能进一步分析究竟各组间哪两组差异有统计学意义，而是将统计分析终止于这一笼统的结果，这样做法也是不妥当的。其实，可用卡方分割法，将原rxc表分割为若干个表，按最相近的原则，将率或构成比接近的样本分割出来，行卡方检验，差异无显著性时，将其合并为一个样本，再将其与另一个较相近的样本比较，如此进行直到结束。
五、Ridit分析未合理确定标准组。进行Ridit分析时，未能根据具体的实验设计合理确定标准组。确定标准组是Ridit分析的关键。常用的方法：一是以样本量最大的组作为标准组；二是当各组样本量接近时，将各组合并后作为标准组。其中后者更常用，较前者系统误差小。同时在论文中介绍统计方法时，应该说明确定标准组采用了哪种具体方法。
六、双向有序列联表作直线相关分析。对双向有序的列联表资料进行直线相关分析，这是一个错误的统计分析过程。根据对两个有序分类变量的赋值，对rxc表中两个变量进行直线相关分析，与等级相关分析和线性趋势检验不能等同，其结果只能说明两变量所赋值的相关性，而两变量的相关性还要通过等级相关和线性趋势检验结果来判定 。
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
