1.连续性资料

1.1两组独立样本比较

1.1.1资料符合正态分布，且两组方差齐性，直接采用t检验。

1.1.2资料不符合正态分布

（1）可进行数据转换，如对数转换等，使之服从正态分布，然后对转换后的数据采用t检验；
（2）采用非参数检验,如Wilcoxon检验。

1.1.3资料方差不齐

（1）采用Satterthwate的t’检验；
（2）采用非参数检验,如Wilcoxon检验。

1.2两组配对样本的比较

1.2.1两组差值服从正态分布，采用配对t检验。

1.2.2两组差值不服从正态分布，采用wilcoxon的符号配对秩和检验。

1.3多组完全随机样本比较

1.3.1资料符合正态分布，且各组方差齐性，直接采用完全随机的方差分析。如果检验结果为有统计学意义，则进一步作两两比较，两两比较的方法有LSD检验，Bonferroni法，tukey法，Scheffe法，SNK法等。

1.3.2资料不符合正态分布，或各组方差不齐，则采用非参数检验的Kruscal－Wallis法。如果检验结果为有统计学意义，则进一步作两两比较，一般采用Bonferroni法校正P值，然后用成组的Wilcoxon检验。

1.4多组随机区组样本比较

1.4.1资料符合正态分布，且各组方差齐性，直接采用随机区组的方差分析。如果检验结果为有统计学意义，则进一步作两两比较，两两比较的方法有LSD检验，Bonferroni法，tukey法，Scheffe法，SNK法等。

1.4.2资料不符合正态分布，或各组方差不齐，则采用非参数检验的Fridman检验法。如果检验结果为有统计学意义，则进一步作两两比较，一般采用Bonferroni法校正P值，然后用符号配对的Wilcoxon检验。

需要注意的问题：

（1）一般来说，如果是大样本，比如各组例数大于50，可以不作正态性检验，直接采用t检验或方差分析。因为统计学上有中心极限定理，假定大样本是服从正态分布的。

（2） 当进行多组比较时，最容易犯的错误是仅比较其中的两组，而不顾其他组，这样作容易增大犯假阳性错误的概率。正确的做法应该是，先作总的各组间的比较，如果总的来说差别有统计学意义，然后才能作其中任意两组的比较，这些两两比较有特定的统计方法，如上面提到的LSD检验，Bonferroni法，tukey法，Scheffe法，SNK法等。绝不能对其中的两组直接采用t检验，这样即使得出结果也未必正确。

（3） 关于常用的设计方法：多组资料尽管最终分析都是采用方差分析，但不同设计会有差别。常用的设计如完全随即设计，随机区组设计，析因设计，裂区设计，嵌套设计等。

2．分类资料

2.1四格表资料

2.1.1例数大于40，且所有理论数大于5，则用普通的Pearson检验。

2.1.2例数大于40，所有理论数大于1，且至少一个理论数小于5，则用校正的检验或Fisher’s确切概率法检验。

2.1.3例数小于40，或有理论数小于2，则用Fisher’s确切概率法检验。

2.2 2×C表或R×2表资料的统计分析

2.2.1列变量＆行变量均为无序分类变量，则

（1）例数大于40，且理论数小于5的格子数目<总格子数目的25％，则用普通的Pearson检验。

（2）例数小于40，或理论数小于5的格子数目>总格子数目的25％，则用Fisher’s确切概率法检验。

2.2.2列变量为效应指标，且为有序多分类变量，行变量为分组变量，用普通的Pearson检验只说明组间构成比不同，如要说明疗效，则可用行平均分差检验或成组的Wilcoxon秩和检验。

2.2.3列变量为效应指标，且为二分类变量，行变量为有序多分类变量，则可采用普通的Pearson检验比较各组之间有无差别，如果总的来说有差别，还可进一步作两两比较，以说明是否任意两组之间的差别都有统计学意义。

2.3 R×C表资料的统计分析

2.2.1列变量＆行变量均为无序分类变量，则

（1）例数大于40，且理论数小于5的格子数目<总格子数目的25％，则用普通的Pearson检验。

（2）例数小于40，或理论数小于5的格子数目>总格子数目的25％，则用Fisher’s确切概率法检验。

（3）如果要作相关性分析，可采用Pearson相关系数。

2.2.2列变量为效应指标，且为有序多分类变量，行变量为分组变量，用普通的Pearson检验只说明组间构成比不同，如要说明疗效或强弱程度的不同，则可用行平均分差检验或成组的Wilcoxon秩和检验或Ridit分析。

2.2.3列变量为效应指标，且为无序多分类变量，行变量为有序多分类变量，则可采用普通的Pearson检验比较各组之间有无差别，如果有差别，还可进一步作两两比较，以说明是否任意两组之间的差别都有统计学意义。

2.2.4列变量＆行变量均为有序多分类变量

（1）如要做组间差别分析，则可用行平均分差检验或成组的Wilcoxon秩和检验或Ridit分析。如果总的来说有差别，还可进一步作两两比较，以说明是否任意两组之间的差别都有统计学意义。

（2）如果要做两变量之间的相关性，可采用Spearson相关分析。

2.4 配对分类资料的统计分析

2.4.1四格表配对资料

（1）b＋c>40，则用McNemar配对检验。

（2）b＋c<40，则用校正的配对检验。

2.4.1 C×C资料

（1）配对比较：用McNemar配对检验。

（2）一致性检验，用Kappa检验。