大家好,今天小编来为大家解答以下的问题，关于揭秘医学统计领域常见的“看似合理”误区，你了解多少？，这个很多人还不知道，现在让我们一起来看看吧！

(1)分类数据也称为计数数据

在早期版本中，存在此声明。直到今天，许多医学论文中仍然提到这一点。然而，分类数据和计数数据不是一回事。

事实上，它们之间的区别很容易。分类数据类似于性别、职业、血型等名义类型，它们的值没有实际意义，只是标识符。例如，男性和女性分别用1和2来标识。这里你永远不能说2大于1。换句话说，在分类数据中，值的大小并不重要，它只是一个符号。可以用1和2来标识，也可以用5和98来标识。但实际分析时，没必要弄得这么复杂，所以越简单越好。识别为1和2。

什么是计数数据？顾名思义，可以算数。典型的包括咳嗽次数、疼痛次数、转移部位数量等，它们的数值具有实际意义。例如，疼痛的次数可能是1、2、3等，这里我们可以说2大于1、4大于3等，因为3次大于2次，没有什么说。这里的数字大小就起作用了。

从统计学的角度来看，分类数据通常服从二项分布或多项分布，而计数数据通常服从泊松分布或负二项分布。

还有很多文章提到统计方法中“用卡方检验来比较计数资料”。我个人认为，严格来说，应该是“用卡方检验来比较分类数据”。

目前国内教材还没有严格区分这两个概念。我也查了很多文献资料，很少有人把这个问题解释清楚。中国没有，国外也很少。不过，在国外的一些论坛上，可以看出大家对于这两类信息的态度肯定是不一样的。分析方法也不同。维基百科（英文）分别定义了分类数据和计数数据，不是同一件事。如果您有兴趣，可以搜索一下。

(2)研究分析分类数据和层次数据之间的关系应采用秩和检验。

这句话欺骗了很多人，让人认为如果其中一个二维列联表包含层次数据，就必须使用秩和检验。但事实又是怎样呢？我们举个例子：

例1：比较两种仪器的功效是否有差异。功效是分层数据，分组是二进制数据。

例2：比较三个年龄段的满意度是否存在差异。年龄组是分层数据，满意或不满意是二元数据。

在这两个例子中，都是二进制数据和层次数据。他们需要使用秩和检验吗？不。

关键问题在哪里？一定要区分：分组变量和分析变量。分析变量即结果，可以视为因变量；分组变量，即组，可以被视为自变量。

仅当分析变量是分层数据时才使用秩和检验。分组变量是否分层无关紧要，不影响方法的选择。请记住：只需查看分析变量。

例1中，分析变量（结果）为疗效，作为分层数据，因此需要采用秩和检验进行比较。例2中，分析变量（结果）是二元数据，不是层次数据，因此不需要进行秩和检验，可以使用卡方检验。至于例2中的年龄，是分层数据，不影响卡方检验的使用。当然，分组变量是层次数据，还可以进一步做趋势检验。

(3) 如果样本量大于30，则数据服从正态分布。

在讨论这个问题之前，我们先来看一下下面的图表。这是1650人的数据分布。它看起来像正态分布吗？

显然，这不能称之为正常。所以问题就很明确了。关键是为什么人们会这么想？

其实主要原因是：所谓“30个以上服从正态分布”是指从任意分布中抽样。如果每次采样的样本数大于30，则统计每个样本的A量（如均值），其分布接近正态。这就是“中心极限定理”的意思，但并不意味着如果一个样本的数据大于30，数据就会服从正态分布。不要感到困惑。中心极限定理不是指原始数据，而是指抽样分布。详细解释可以参考之前的文章。

(4) 比率比较可采用卡方检验。

这又是一个典型的误解。关键在于“比率”的定义。一般意义上的比率是指二元类别（如阳性与阴性、发病与未发病、有效与无效等）中的阳性率、发病率、有效率等。可以使用卡方检验来比较此类数据。

然而，还有另一种比率无法使用卡方检验进行比较。例如变化率，假设有一个实验组和一个对照组，每组受试者在第一周测量血糖水平，在第二周再次测量血糖水平，并计算第二周的变化率相对于第一周的周。比率通常计算为“（第二周- 第一周）/第一“周”，你得到的也是“比率”。但是，这个比率确实是一个真正的连续数据，并且具有连续数据的所有特征。此时时间上，如果要比较两组的变化率是否有差异，那么就必须按连续数据的方法，如t检验、秩和检验等。

有些人可能有点困惑，但其实很容易区分。发病率、感染率等典型的“比率”只能根据一群人来计算一个比率。例如，如果100人中有40人被感染，那么这100人的感染率为40%。作为连续数据的速率，每个人都有一个速率值。例如，第一人称有变化率（如2.3%），第二人称也有变化率（如-0.6%）。

我以前看过这样的文章。它显然是关于变化率的，但它使用了卡方检验。我一直很好奇，你是怎么把这么多费率放进软件里的？您不认为不能将这些变量放入软件中吗？

（5）秩和检验的效率远低于t检验（或方差分析等），应作为最后的手段使用。

有些人将秩和测试视为“士兵和不祥的工具”，除非绝对必要，否则不应使用。这也是很多人的偏见。我见过很多医务人员。当他们看到数据不服从正态分布时，立刻感觉整个天空都变暗了。我有时会说可以用秩和检验，但他们的回答是，这不是说明秩和检验不好吗？说实话，我一直不知道这些谣言从何而来。来源在哪里？似乎它一直都在那里。是因为教材的编排吗？放得这么低，很多人理所当然地认为它是参数测试的备胎？还是因为其他原因？

秩和检验的效率并不像很多人想象的那么低。事实上，统计学家从很早以前到现在，已经做了很多模拟验证。即使数据符合正态分布，秩和检验的效果并不比t检验、方差分析等参数检验好。仿真结果表明，这种情况下，秩和检验的效率约为参数检验的95%。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。

事实上，在医学领域（典型的例子就是医学论文），存在很多典型的低级错误，而且大部分都可以通过清晰的解释来纠正。也许是因为我个人待过医院而不是大学，每天接触大量的实际数据和案例，所以更容易关心这些基本错误，因为它们是最容易纠正的。对于临床医生来说，一下子学会广义加性模型有点困难，但如果想弄清楚分组变量和分析变量，还是可以做到的。

所以这几年我基本上都是在各种场合不遗余力地宣传这些基本理念。虽然我不知道效果如何，但只要能帮助一些人，能让一些人摆脱一些错误的观点和观念，就足够了。也许有人觉得谈论这个有点低调，但统计学毕竟是一门应用学科。如果医学统计学离开医学，纯粹研究高层次的理论，我想这并不是医学统计学的初衷。毕竟医学统计是为了解决医学问题。

而且我发现了一个问题：统计学老师大多在大学，而医院里的统计学家很少（虽然很多医院都有临床流行病学科室，但大多主攻流行病学）。所以，作为医院的统计员，你当然要做数据挖掘，但也要做基础统计的推广。毕竟这样做的人实在是太少了。