联系方式

公众号

意见反馈

归档

2025 年 03 月

统计学最常见的统计学检验就是两组数据之间的差异性方法。比如两组均数、两组率、两组偏态分布数据的比较等。 常见的方法有t检验、卡方检验、z检验、LogRank检验。 其实这些方法,计算公式都挺复杂的。比如比较两组均数的t检验,公式可见下方所列,难以理解,比较复杂。
最近教学中讨论到一个话题,偏态数据能不能开展t检验的事情,他们说“我们学校老师都说,根据中心极限定理,大样本数据的样本均数将服从正态分布,所以开展t检验是没有问题”。 我今天来解释解释,大样本非常明显的偏态数据能不能进行t检验和方差分析。 先来说说,中心极限理论。。。。它的意思是无论原始数据如何分布
虽然临床试验项目项目难实施,但临床、中医、护理很多人还是发起了IIT项目,即研究者发起的临床项目。 我也参加了很多的评审,发现结局指标的设置真的是要给大问题,要么主次不分,要么形式不定,要么时间定义不不清晰。 我认为结局指标的
现在对医学研究缺失数据填补的问题,很多人都有了一定的思考,有缺失,还是要填补,无论是临床试验、调查研究,无论是前瞻性还是回顾性。 但我们都知道缺失数据填补不能随便填,一个变量,过高比例的缺失,填回去也没有价值。
流行病学调查中,许多指标比如量表总得分、个体生理、生化指标等呈现偏态分布。面对这种情况,我们如何处理呢?一组数据,特别是正态性检验P值小于0.05的资料,能否使用t检验或者F检验一直有着争议。 这个话题真的很传统、又很重要、往往大家又搞不清。尤其是大样本偏态数据,能否做t检验?因为大样本资料基本上通
我们开展统计分析,包括线性回归、logistic回归、Cox回归时,习惯“先单后多”,也就是先开展单因素分析,再开展多因素分析。 一般情况下,单因素分析统计学意义(P值小于0.05)者,会被纳入进来开展多因素回归。 但是,先单后多,最令人沮丧的,莫过于单因素P<0.05,而多因素大多数没有统计学意义
现在流行的做法就是倾向得分匹配(PSM)。 但是,倾向得分匹配也会碰到问题,其中主要的问题是,两组数据差别太大,相似的个体很难凑,凑不上匹配数据。 这样子会删除一大堆匹配不
网络上、甚至一些统计学教材中认为,大样本资料可以无视正态性问题。他们认为 “根据中心极限定理,无论样本来自何种分布,只要样本量足够大(一般认为样本量大于50或者100以上)
我们先了解一下非随机对照研究的概念。 √非随机对照试验(Non-randomized Controlled Trial, n-RCT),是指未按随机化原则将研究对象分组,患者可以自主选择选择干预组药物还是对照组药物。 在这种情
√什么是轨迹模型? 简单来说,轨迹模型分组无非将多次测量的变量或多个变量进行聚类,将其整理成一个变量,比如多次测量的暴露因素聚类成一个暴露因素。 那么这个暴露因素可以分为:持续上升,先上升后下降,持续下降这么几组。

收银台

订单信息

应付金额 积分

模块介绍

请加我们助教二维码或加入Zstats使用群
Zstats交流群

Zstats交流群

助教二维码

联系助教

选择支付方式

请输入助教告诉您的积分券

如果不填写积分券,将直接使用当前余额支付

正在创建订单...

请稍候,正在为您生成支付订单

支付二维码

请使用扫描二维码完成支付

等待支付中...

二维码获取失败

支付二维码获取失败,请点击重新获取

正在处理余额支付...

请稍候,正在为您完成支付

正在处理充值并支付...

正在使用积分券兑换,然后完成支付 正在使用当前余额完成支付

支付成功!

您的订单已支付完成,页面将在 秒后自动关闭

支付失败

支付过程中出现错误,请重新选择支付方式

平台说明