关于医学SCI论文统计方法的选择，应注意哪些问题？
一、两组或多组计量数据的比较
1.两组数据：1)大样本数据或服从正态分布的小样本数据若方差齐性，则作成组t检验；若方差不齐，则作t’检验或用成组的Wilcoxon秩和检验。2)小样本偏态分布数据，则用成组的Wilcoxon秩和检验2. 多组数据：1)若大样本数据或服从正态分布，并且方差齐性，则作完全随机的方差分析。如果方差分析的统计检验为有统计学意义，则进一步选择合适的方法(如：LSD检验，Bonferroni检验等)进行两两比较。2)如果小样本的偏态分布数据或方差不齐，则作Kruskal Wallis的统计检验。如果Kruskal Wallis的统计检验为有统计学意义，则进一步选择合适的方法(如：用成组的Wilcoxon秩和检验，但用Bonferroni方法校正P值等)进行两两比较。
二、分类数据的统计分析
1.单样本数据与总体比较1)二分类数据：小样本时：用二项分布进行确切概率法检验；大样本时：用U检验。2)多分类数据：用Pearson c2检验(又称拟合优度检验)。2. 四格表数据1)n>40并且所以理论数大于5，则用Pearson c2。2)n>40并且所以理论数大于1并且至少存在一个理论数<5，则用校正 c2或用Fisher’s 确切概率法检验。3)n￡40或存在理论数<1，则用Fisher’s 检验。3. 2×C表数据的统计分析1)列变量为效应指标，并且为有序多分类变量，行变量为分组变量，则行评分的CMH c2或成组的Wilcoxon秩和检验。2)列变量为效应指标并且为二分类，列变量为有序多分类变量，则用趋势c2检验。3)行变量和列变量均为无序分类变量。n>40并且理论数小于5的格子数<行列表中格子总数的25%，则用Pearson c2；n￡40或理论数小于5的格子数>行列表中格子总数的25%，则用Fisher’s 确切概率法检验。4. R×C表数据的统计分析1)列变量为效应指标，并且为有序多分类变量，行变量为分组变量，则CMH c2或Kruskal Wallis的秩和检验。2)列变量为效应指标，并且为无序多分类变量，行变量为有序多分类变量，作none zero correlation analysis的CMH c2。3)列变量和行变量均为有序多分类变量，可以作Spearman相关分析。4)列变量和行变量均为无序多分类变量n>40并且理论数小于5的格子数<行列表中格子总数的25%，则用Pearson c2；n￡40或理论数小于5的格子数>行列表中格子总数的25%，则用Fisher’s 确切概率法检验。
三、两组或多组计量数据的比较
1.两组数据：1)大样本数据或配对差值服从正态分布的小样本数据，作配对t检验2)小样本并且差值呈偏态分布数据，则用Wilcoxon的符号配对秩检验2.多组数据：1)若大样本数据或残差服从正态分布，并且方差齐性，则作随机区组的方差分析。如果方差分析的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法(如：LSD检验，Bonferroni检验等)进行两两比较。2)如果小样本时，差值呈偏态分布数据或方差不齐，则作Fredman的统计检验。如果Fredman的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法(如：用Wilcoxon的符号配对秩检验，但用Bonferroni方法校正P值等)进行两两比较。四、回归分析1.直线回归：如果回归分析中的残差服从正态分布(大样本时无需正态性)，残差与自变量无趋势变化，则直线回归(单个自变量的线性回归，称为简单回归)，否则应作适当的变换，使其满足上述条件。2.多重线性回归：应变量(Y)为连续型变量(即计量数据)，自变量(X1，X2，…，Xp)可以为连续型变量、有序分类变量或二分类变量。如果回归分析中的残差服从正态分布(大样本时无需正态性)，残差与自变量无趋势变化，可以作多重线性回归。
1)观察性研究：可以用逐步线性回归寻找(拟)主要的影响因素2)实验性研究：在保持主要研究因素变量(干预变量)外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用3.二分类的Logistic回归：应变量为二分类变量，自变量(X1，X2，…，Xp)可以为连续型变量、有序分类变量或二分类变量。1)非配对的情况：用非条件Logistic回归观察性研究：可以用逐步线性回归寻找(拟)主要的影响因素；实验性研究：在保持主要研究因素变量(干预变量)外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用2)配对的情况：用条件Logistic回归观察性研究：可以用逐步线性回归寻找(拟)主要的影响因素；实验性研究：在保持主要研究因素变量(干预变量)外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用。
