医学统计中流传的“似乎正确”的错误，你听说过几个？
2019-08-08 小白学统计 小白学统计
这个题目听起来似乎有点别扭，什么意思呢？就是说，有些话在医学统计中流传了很多年，不少医学生甚至有的流行病学、卫生统计学的老师或学生也这么说，但实际上，却偏偏是错误的说法。本文主要列举几个：1、分类资料又称计数资料在比较早的版本中，这种说法存在。现在的很多医学论文中，依然都这么说。然而分类资料与计数资料并不是一回事。其实他们的区别很容易，分类资料（categorical data）是类似于像性别
这个题目听起来似乎有点别扭，什么意思呢？就是说，有些话在医学统计中流传了很多年，不少医学生甚至有的流行病学、卫生统计学的老师或学生也这么说，但实际上，却偏偏是错误的说法。本文主要列举几个：
1、分类资料又称计数资料
在比较早的版本中，这种说法存在。现在的很多医学论文中，依然都这么说。然而分类资料与计数资料并不是一回事。
其实他们的区别很容易，分类资料（categorical data）是类似于像性别、职业、血型等名义型，它们的值都是无实际意义的，只是个标识而已。例如性别的男和女分别用1和2标识，这里你绝不能说2大于1。也就是说，在分类资料中，数值无所谓大小，只是个标志，你可以用1和2标识，也可以用5和98标识，只不过实际分析中没必要搞得那么复杂，所以都尽量简单地用1和2标识。
什么是计数资料（count data），顾名思义是可以清点计数的。比较典型的如咳嗽次数、疼痛次数、转移部位的个数等等。它们的值是有实际意义的，比如疼痛次数可能是1、2、3等，这里就可以说2大于1，4大于3等，因为3次就是大于2次，没什么可说的。这里的数值大小是起作用的。
如果从统计学角度来说，分类资料通常服从二项分布或多项分布，而计数资料通常服从Poisson分布或负二项分布。
现在还有不少文章在统计学方法中都提到“计数资料的比较采用卡方检验”，个人认为，严谨来说，应该是“分类资料的比较采用卡方检验”。
目前国内教材尚未严格区分这两个概念。我也查了很多文献和资料，很少有人清楚地阐述过这个问题，国内没有，国外也很少，但有的国外论坛中能看出大家对这两种资料的态度，肯定不是一回事，分析方法也不一样。维基百科（英文）对categorical data和count data是分别定义的，不是一回事。大家感兴趣的可以搜一下看看。
2、分类资料和等级资料的关系研究分析应该用秩和检验
这句话欺骗了很多人，让人觉得，凡是二维列联表中有一个是等级资料的，一定要用秩和检验。然而真相如何呢？我们举例说明一下：
这两个例子中，都是一个二分类资料，一个等级资料，那他们都要用秩和检验吗？非也。
关键的问题在哪儿呢？一定要区分：分组变量和分析变量。分析变量也就是结局可以看做因变量；分组变量也就是组别，可以看做自变量。
只有分析变量是等级资料的时候，才用秩和检验。分组变量是不是等级，无关紧要，不影响方法选择。记住：只看分析变量就行了。
例1中，分析变量（结局）是疗效，作为等级资料，所以比较的时候需要采用秩和检验。例2中，分析变量（结局）是二分类资料，不是等级资料，所以不用秩和检验，用卡方检验即可。至于例2中的年龄是等级资料，并不影响卡方检验的使用。当然，分组变量是等级资料，你可以进一步做趋势检验。
3、样本量大于30数据就服从正态分布了
再说这个问题之前，我们先看一下下面这个图形，这是1650人的数据分布，大家看一下像是正态分布吗？
很明显，这怎么也称不上正态。所以问题是很明确的，关键是为什么大家会这么认为？
其实主要原因是：所谓的“30例以上服从正态分布”这种说法，是指从任意的一个分布中进行抽样，如果每一次抽样样本的例数都大于30，那么，每个样本的统计量（如均数）其分布接近正态。这也就是“中心极限定理”说的意思，但它不是说，一次抽样样本的数据大于30，这份数据就服从正态分布。千万不要搞混了，中心极限定理不是说原始数据的，而是说的抽样分布。具体解释可参见前文。
4、凡是率的比较都可以用卡方检验
这又是一个被误解的典型错误说法，关键在于对“率”的定义。普通意义上的率，是指像二分类（如阳性和阴性、发病和不发病、有效和无效等）中的阳性率、发病率、有效率等。这类资料用卡方检验比较无可厚非。
然而还有一种率不能用卡方检验比较。比如变化率，假定有试验组和对照组，每组的观察对象都在第一个周测量了血糖值，第二周又测了一次，计算第二周相对第一周的变化率，这种率的计算方式通常是“（第二周-第一周）/第一周”，得到的也是“率”，然而这种率确是一个实实在在的连续资料，具有连续资料的一切特征，这时候如果你要比较两组的变化率有无差异，那就要按连续资料的方法，如t检验、秩和检验等。
有的人可能会有点糊涂，其实很好区分。典型的发病率、感染率等的“率”，是基于一群人只能计算出一个率，比如100人中感染40人，那100人的感染率就是40%。而作为连续资料的率，每个人都有一个率的值，比如，第一个人有一个变化率（如2.3%），第二个人也有一个变化率（如-0.6%）。
以前我曾见过这样的文章，明明是变化率，但却写的是用卡方检验，我一直很好奇，这么多的率，你是怎么放到软件里的？不觉得软件里没法放这些变量吗？
5、秩和检验效率远不如t检验（或方差分析等）
有的人把秩和检验看做“兵者，不祥之器”，不到万不得已不用。这也是不少人的一种偏见。我见过不少医学工作者，一看到数据不服从正态分布，立刻感觉整个天空都阴暗了。
我有时会说，可以用秩和检验，然而他们的回答是，不是说秩和检验不好吗？说实话，我一直不知道这些流言到底从何而来，源头到底在哪儿？似乎它就一直就存在了。是因为教材编排的原因吗？把它排在后面以至于不少人想当然就认为它是参数检验的备胎？还是其它原因？
秩和检验的效率并不是像很多人想象的那样低。事实上，从很久以前到现在的统计学家都做过不少模拟验证，即使数据符合正态分布，秩和检验的效果也不比t检验、方差分析等这些参数检验查，模拟的结果提示，这种情况下，秩和检验的效率大约是参数检验的95%。而一旦数据偏离正态分布，秩和检验的效率将远远优于参数检验。
暂时先想到了这几个问题，如果后面还有想到的，再另文撰写。希望本文能都对各位朋友有一定的启发和帮助。
小提示：本篇资讯需要登录阅读，点击跳转登录
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#医学统计#
35
写得好
66