医学统计学相关统计方法疑问讨论

xuying

有一些基础统计的问题，经常遇到却一直没有解决，希望大家能够提供一个很好的解答，谢谢，
1、重复测量资料通常可以解决的问题是：1、同一处理组的个体在接受处理后的效应随时间推移是否存在一定的趋势；2、不同处理组的总体效应是否存在差异；3、处理和时间是否存在交互作用，
但是有点疑问是：首先、重复测量资料解决的是不同时点观测之间是否存在趋势，并没有给出两两比较的结果，假定不同时点的观测值变化并非单调变化的，比如，第1-5次的观测的平均值分别为150、120、130、115、108，第三次的上升可能在生理或病理上有一定的意义，尤其是当处理是一个保护作用，第三次检测值上升可能会是一种类似负反馈的调节，如果确实在第三个时点存在上升，则提示需要在接收该处理后的第三个时点上做好预防，所以我觉得两两比较有时候应该是必要的，但是为什么重复测量资料的方差分析没有提供相关的结果，另外如果确实需要两两比较的话，知道具体应该怎么做？
方教授: 先做ANOVA, 得到两个误差, 利用其中之一做时间点之间的多重比较."

另外，如果我想比较两种处理的变化趋势是否一样应该怎么做？
方教授: 如果交互效应group×time具有统计学意义, 则可以认为两种处理的变化趋势不一样.
非常抱歉，该问题在向方教授请教的时候，事后才发现问题问得不严谨，因此又出现以下疑问：)
重复测量资料问题补充：①假设我想看两种处理，哪种处理所引起的效应随时间上升或下降得更快？也即是，假设我想比较两种药物，哪个药物在临床上起效更快？应该怎么处理？
方教授：方差分析，看有没有分组和时间的交互效应。若有，分别看两组的均数曲线。
②针对补充的问题，以前听说的是可以借用生存曲线的思路来比较类似“中位起效时间”的指标来判断，但不知道这种思路是不是可行？能不能达到我想比较两种药物，哪个药物在临床上起效更快的问题的目的？
方教授：若有交互效应，也可分别看两组均数曲线达到某个水平所需的时间。“中位起效时间”如何定义？我不清楚！
2、方差分析的时候经常会遇到正态性条件满足，但是方差齐性条件不满足的情况，这时候应该怎么处理？看到有的地方解释说可以采用一般线性模型，因为后者对方差齐性没有要求；但是自己在使用这种方差不齐的资料的时候，同时采用方差分析（当然应该是错的）和一般线性模型，发现结果一致，所以感觉自己好像在滥用一般线性模型，所以就想请教一下，首先针对这种方差不齐的资料应该怎样处理？另外，一般线性模型在使用的时候是否存在一些前提条件的限制？
方教授: 你说的“方差分析”是指哪一种设计资料的方差分析?除了”one way ANOVA”之外, 正态和方差齐性条件事先都难以考察, 因为数据往往不多. 通常事先不去检查, 而事后去做”残差分析”. 如果残差分析结果尚满意,可以认为前提条件是满足的,否则便要找原因甚至换方法. “方差分析”和一般线性模型并非万能.)

同样可以发现问题不严谨，问题简化如下：
①如果是one way ANOVA，如果满足正态性，但是方差不齐？应该怎么处理？
方教授：改用一般线性模型，加权最小二乘估计。
②如果one way ANOVA条件不满足，再采用one way ANOVA和采用一般线性模型，两者的结果是不是应该就不一样？
方教授：不一样。但视“条件不满足”的情况，若“条件不满足”不甚严重，也可能出入不大。
③一般线性模型是否存在使用前提条件？
方教授：正态、线性。

3、多组样本非参数检验之后的两两比较有没有比较好的方法能够通过软件实现的，因为在教材上看到的那些方法在统计软件中都好像不能直接实现，基本上是通过手算的，其原因不是很清楚，有地方说教材上那些非参检验之后的两两比较的方法在国际上没有很好的统一，所以出现了以上问题，不知道是不是这样，所以同样想询问一下，对这种非参检验后的两两比较都是怎么做的，有没有听说比较公认的、并能够通过软件，比如SPSS实现的方法？
方教授: 如果组数不多，最简单的、大家不会有异议的方法是经过Bonferroni 校正后做两两比较。

4、多个率的合计率的计算方法是分子之和除以分母之和，但是合计率的置信区间或类似的离散趋势的应该怎么计算？不是很清楚！
方教授：假定几个率独立地来自同一个二项分布，分子之和除以分母之和便是概率π的估计值p；大样本时，可以用近似正态估计置信区间, 用p代替π近似地计算标准误，就象用一个率估计置信区间的公式一样。
问题补充：其中一种做法就是将这多个率看成是一种连续性资料，然后按照连续性资料计算95%置信区间或四分位间距,不知道这种做法是不是合理，希望向老师询问一下？
方教授：你有多少个率？几十个？几百个？多的话可以当作一组关于“率”的样本资料？如果只有少数几个独立样本，你这样做显然是不行的。

[ 本帖整理自公卫人论坛 ]

dudu

多多讨论多度交流

linsy929

:victory:

chenzhou2008

好东西，谢谢分享！