1、第一章 绪论 刘启玲 (Tel: 38185219; E-mail: ; Office: 公卫系流行病与统计学教研室）,人卫规划教材卫生统计学主编：方积乾,统计学(statistics) 概念：统计学是处理数据中变异性的科学与艺术，内容包括数据的收集 (collection)、分析(analysis)、解释（interpretation)和 表达（presentation），目的是求得可靠 的结果。以往教材中概念：是研究数据的收集、整理、分析和推断的一门科学。,第一节 概述,根据研究领域和研究对象的不同，统计学又分为：数理统计、经济统计、生物统计、卫生统计、医学统计医学统计学（medical
2、statistics）：用统计学的原理和方法研究医学中的问题。卫生统计学（health statistics）：与医学统计学基本相同，但更侧重于社会、人群的卫生问题。,1. 采用统计学方法，发现不确定现象背后隐藏的规律。 变异（variation）是个体间存在的差异，是绝对的，是社会和生物医学中的普遍现象。 变异使得实验或观察的结果具有不确定性，如每个人的身高、体重、血压等各有不同。,为什么要学习统计学？,最大值=6.18, 最小值=3.29, 极差=2.89,2. 用统计学思维方式考虑有关医学研究中的问题 “阳性”结果是否是虚假联系？某感冒药治疗1周后，治愈率为90%，能否说该感冒药十分有效
3、？ “阴性”结果是否是样本含量不足？ 有人曾对发表在Lancet, N Engl J Med，JAMA等著名医学杂志上的71篇阴性结果的论文作过分析，发现其中有62篇 （ 93%）可能是由于样本含量不足造成的假阴性。,3. 保证你的研究论文能通过统计学审查 据国外6080年代对不同医学杂志发表论文的调查，有统计错误的论文的百分比最高达72%，最低也有20%。 国内1984年对中华医学杂志、中华内科杂 志、中华外科杂志、中华妇产科杂志、 中华儿科杂志595篇论文的调查结果，相对数误 用为11.2%，抽样方法误用15.9%，统计图表误用 11.7%。 某研究者1996年对4586篇论文统计（中华医
4、学会系列杂志仅占6.9%），数据分析方法误用达55.7%。,4. 获得循证医学证据的主要手段“良好愿望的医学”（well-meaning medicine）转入“以证据为基础的医学” （evidence-based medicine，EBM）需要有统计学方法的支持。全世界的医学期刊每年大约刊登600万学术论文，但能作为可靠“证据”的论文并不多。,工作生活中常见的统计学问题：,如何判断药物的疗效？(假设检验) 明天是否下雨？体育彩票能否中奖？(概率论) 子女为什么象父母，其强度有多大？(相关与回归) 美国的民意测验是如何进行的？(设计,抽样) 中国的市场调查的可信性有多大？(现场调查),卫生统计
5、学的学习：1.为什么大家认为统计学难学？ 特点：抽象，复杂，枯燥 2.难，为什么还要学习？ 实用 3.怎样学习卫生统计学？ 多练习，难易，抓住关键点和精髓,第二节 医学统计资料的来源与分类,一、原始统计数据的来源： 常规保存数据 医院信息系统（HIS）、统计报表等 2. 现场调查记录 3. 实验记录 4. 其他,二、统计数据的分类:只有认识了数据的特点，才 能正确地选用统计分析方法,基本概念：变量及变量值 研究者对每个观察单位的某项特征进行观察 和测量，这种特征称为变量，变量的测得值 值叫变量值（也叫观察值），全部变量值 的集合也称为资料。,按变量值的性质可将资料分为：定性资料（qualita
6、tive） 定量资料 (quantitative)等级资料（ranked）,定义：将全体观测单位按照某种性质或特征 分组，然后再分别清点各组观察单位的个数。 特点：没有度量衡单位多为间断性资料（通过枚举或记数得来） 可分为二项与多项定性资料,1. 定性资料（分类资料、分类变量）,2.定量资料（计量资料、数值变量）,定义：通过度量衡的方法，测量每一个观察单位的某项研究指标的量的大小，得到的一系列数据资料。例如：体重与身高特点：表现为数值大小有度量衡单位多为连续性资料(通过测量得到),定义： 介于计量资料和计数资料之间的一种资料，通过半定量方法测量得到。 特点： 每一个观察单位没有确切值各组之间有
7、性质上的差别或程度上的不 同。 示例： 检查尿蛋白，观察单位是每一份尿标本，按结果等级不同可分为、 、等。,3. 等级资料（有序变量）,1、定性数据（qualitative data） （二项与多项）分类数据(categorical data)计数数据（enumeration (counting) data） 2、定量数据（quantitative data） 计量数据（measurement data）区间数据（interval data） 数值数据（numerical data） 3、等级资料（ranked data）有序资料（ordinal data）,定性与定量数据的别名,三类数据间的
8、关系,例：一组2040岁成年人的血压（变量）,以12kPa为界分为正常与异常两组，统计每组例数,8 低血压8 正常血压 12 轻度高血压15 中度高血压17 重度高血压,定量数据,等级数据,定性数据,三类数据的编码与计算(1),例：一组2040岁成年人的血压,以12kPa为界分为正常（0）与异常（1）两组，统计每组例数,8 低血压 4 18 正常血压 10 2 12 轻度高血压 13 315 中度高血压 16 4 17 重度高血压 18 5,定量数据,等级数据,定性数据,三类数据的编码与计算(2),1.定量数据:允许计算均数、标准差等（可采用t、F检验等，可当做有序或定性数据处理） 2.定性数
9、据:编码是任意的，不能对编码执行均数标准差等计算，但可计算率或比（可采用卡方检验等）调查14名男子的婚姻状况,3. 有序数据：允许基于顺序的计算，如计算中位数、百分位数（可当做定性数据处理）,第三节 统计学中常用的几个基本概念,1、总体与样本 2、抽样方法 3、同质与变异 4、误差 5、频率与概率 6、参数与统计量,1.总体与样本（population & sample ）,总体：根据研究目的确定的同质的、所有观察单位的某 种变量值的集合。例：2009级陕西中医学院本科女生身高；2007年陕西中医学院大学生的身高；全国女大学生的身高（高血压病人； 肥胖病人）,分类：有限总体：理论上说，观察单位
10、的数量是 可知的、有限的。无限总体：没有时间和地点的限制，观察单位总数量是不可知的。 目标总体 研究总体,鉴于总体的巨大或不可知性,能否研究其中的一部分？,不可能或没有必要对全体中的每一个对象进行研究,样本(sample),概念：从总体中随机抽取的、具有代表性的部分研究对象，其实测值的集合。如何从总体中得到有代表性的一部分？ 得到多少合适呢？,2.随机抽样 random sampling,为了保证样本的可靠性和代表性，需要采用随机的方法抽取样本（在总体中每个个体具有相同的机会被抽到样本中）。,Target population（目标总体）Population sampled（抽样总体） Sam
11、ple（样本）能不能成功的达到从样本推断总体的目的，关键是抽样方法，样本的代表性和推断的技术，这些是统计学的核心内容。,概率（随机）抽样,等概率抽样,非等概率抽样,简单随机抽样,系统抽样,分层抽样,整群抽样,抽样方法：,3. 同质与变异,同质与变异: 研究对象具有的相同的状况或属性等共性称同质或同质性；对于同质的各观察单位，其某变量值之间的差异，称为变异。同质事物个体间的差异来源于一些未加控 制或无法控制的甚至不明原因的因素。,例如：研究某新药治疗胃溃疡的效果，所有研究对象都必须是确诊为胃溃疡的病人且病情相似，在这种同质的基础上观察治疗效果，有的人治愈，有的人未愈，这种差异就是变异。从本质上说
12、,统计学就是研究变异的科学,4. 误 差,定义： 统计上所说的误差泛指测量值与真值之差，样 本指标与总体指标之差。主要有以下二种：系统误差 随机误差,系统误差： 指数据搜集和测量过程 中由于仪器不准确、标 准不规范等原因，造成 观察结果呈倾向性的偏 大或偏小，这种误差称 为系统误差。 特点：具有累加性,随机误差： 由于一些非人为的偶然因素使得结果或大或小，是 不确定、不可预知的。特点：随测量次数增加而减小。 （随机测量误差,抽样误差）。,在消除了系统误差的前提下，由于非人为的偶然 因素，对于同一样本多次测定结果不完全一样， 结果有时偏大有时偏小，没有倾向性，这种误差 叫随机测量误差。特点：没有
13、倾向性，多次测量计算平均值可以减 小甚至消除随机测量误差。,随机测量误差,由于抽样原因造成的样本指标与总体指标 之间的差别。（举例）特点：有抽样发生抽样误差就不可避免。 统计上可以计算并在一定范围内控制抽样误差。,抽样误差,（1）改进抽样方法，增加样本的代表性；样本量 n 相等的情况下：整群抽样单纯随机抽样系统抽样分层抽样 （2） 增加样本量n ； （3）选择变异程度较小的研究指标。,减少抽样误差的方法:,频率：样本的实际发生率称为频率。设在相同条件下，独立重复进行n次试验， 事件A出现m次，则事件A出现的频率 为f = m /n。概率：随机事件发生的可能性大小，用大写 的P 表示；取值0，1
14、。,5、频率与概率 （frequency and probability）,必然事件 P = 1 随机事件 0 P 1 不可能事件 P = 0 统计学上把P 0.05（5）或P 0.01（1） 称为小概率事件(习惯) ，认为不大可能发生。,Certain,Impossible,0.5,0,1,通常我们把经常遇到的事件分为三种类型:,频率与概率间的关系：1. 样本频率总是围绕概率上下波动；2. 样本含量n越大，波动幅度越小，频率越接近概率。,请问： 大家能成为同学这件事发生的概率 是大还是小？,6、 参数与统计量 （parameter and statistic）,参数：总体的统计指标，如总体均
15、数、总体标准差，分别用希腊字母记为、。固定的常数,推断inference,统计量：样本的统计指标，如样本均数、标准差，采用拉丁字母分别记为 。 参数附近波动的随机变量 。,一、研究设计 二、搜集资料 三、整理资料 四、分析资料 五、结果表达,第四节 统计工作的基本步骤,设计的内容包括资料的收集、整理和分析全过程的设想和安排。常有： 1.调查设计（survey design） 对研究对象不施加任何干预，通常建立随机抽样（random sampling）方案。 2.实验设计（experiment design） 对研究对象施加干预，如动物实验研究、临床试验，通常建立随机分组（random allo
16、cation）方案。,一、研究设计,实验设计的三个基本原则1. 随机化（randomization） 2. 对照（control） 3. 重复（replication）,Fisher 在他的著作中多次强调，统计学家与科学研究者的合作应该在实验设计阶段，而不是在需要数据处理的时候。“试验完成后再找统计学家，无异于请统计学家为试验进行“尸体解剖”。 统计学家或许只能告诉你试验失败的原因。”,二、收集资料（data collection）,收集资料要遵循完整、准确、及时三个原则。 卫生工作中统计资料主要来源于三个方面：1.统计报表：由国家统一设计，要求医疗卫生机构 定期逐级上报。如传染病防治法。2.
17、经常性工作记录：如经常性卫生监测记录等。3.专题调查和实验：我们常把前两个来源称经常性资料， 后者称为一时性资料。,三、整理资料（ sorting data ）,目的是将搜集到的原始资料系统化、条理 化，便于进一步计算与分析。编码，将数据输入计算机 纠错改错、补漏等,四、分析资料（data analysis） ,运用各种统计分析方法，结合专业知识，从经过整理的 资料中，计算出各种指标，进行统计描述和统计推断， 反映数据的综合特征，阐明事物的内在联系与规律。 1. 统计描述（descriptive statistics）：指用统计指标、统计表、统计图等方法对资料的数量特征及分布规律进行测定和描述。 2.统计推断（inferential statistics） ： 指如何抽样，以及如何由样本信息推断总体特征问题。 总体均数、总体率的可信区间及其假设检验 两个总体均数、总体率差值的可信区间及其假设检验 多个总体指标之间的假设检验。,五、结果表达,使用的统计学方法 使用的统计学软件（SAS、SPSS） 假设检验的统计量、P值等 结论,本章重点内容,数据的分类 统计学常用基本概念,THE END,谢谢！,
