作者：张俊峰

      医疗卫生人员在科研工作中，常常要应用统计学，但是在应用中常用错统计方法，本文介绍一些基本的应用事项，望能给大家一些帮助。

　　1 资料类型  
 
　　资料整理应先区别是计数资料还是计量资料、等级资料。
   
　　所谓计数资料，又称属性资料，资料中每一观察单位是以其性质为特点的。如血型、性格类型、头发颜色、民族、国籍等。对计数资料做整理，主要就是清点各种属性的个体数，有时可能还需要对属性本身作归类。
   
　　所谓计量资料，就是以数量为特征的资料，每一观察个体记以一个数值。如身高、红细胞数、肺活量等。计量数据可分为两类，一类是离散型或间断型数据，它们往往是一种计数，如每名儿童口腔中的龋齿数...，这种计数只能是0和正整数不会是负数，也没有小数点;另一类是连续型数据，理论上在任何两个数值之间都还有无穷多个数据，如体重...。
   
　　还有一类数据介于上述两者之间，通常称为等级资料，如疗效中的优、良、中、差，症状的重、中、轻、无，化验时的++++，+++，++，+，±，-等。

　　2 假设检验应注意的几个问题  
 
　　应用假设检验的前提是正确的抽样研究设计，保证样本是从同一总体中随机抽取的，使组间具有均衡性、可比性;即除了对比的主要因素，如一组用药，一组不用药外，其他影响结果的有关因素（如病情轻重、年龄、性别等）都尽可能一致。
   
　　要根据研究的目的和资料的性质选用适当的检验方法。资料的性质不同，设计的类型不同，样本大小不同，所用检验假设的方法也不同。如两组计量资料的比较常用t检验，计数资料的比较常用χ 2 检验，配对计量资料与成组资料比较应选用不同的t检验;不能用大样本的u检验代替小样本的t检验等。
   
　　正确理解差别有无显著性的含义。习惯上，将“拒绝H 0 ，接受H 1 ”称为“差异显著”不应误解为“相差很大”。例如两样本均数比较，拒绝H 0 :μ 1 =μ 2 ，接受H 1 :μ 1 ≠μ 2 即所谓差异显著，不应误解为μ 1 与μ 2 相差很大。反之，不拒绝H 0 ，习惯上称为“差异不显著”，不应误解为相差不大，或一定相等。
   
　　结论是概率性的，不能绝对化。是否拒绝H 0 是根据P与α的关系判断的。当P≤α是拒绝H 0 ，接受H 1 ;当P>α时不拒绝H 0 。而α值是根据分析要求确定的。实际工作中，对同一问题要求α的大小往往有一定的灵活性。有时按α=0.05拒绝H 0 ，而按α=0.01则可能不拒绝H 0 。对于 同一检验水准，有时就现有样本不拒绝H 0 ，但增加样本含量后，由于减少了抽样误差，有可能拒绝H 0 。此外，拒绝H 0 要考虑到或许由于第一类错误所致;不拒绝H 0 也要考虑到或许由于第二类错误所致。为了在预定检验水准的基础上，充分利用资料提供的信息，报告结论是应写出P值的确切范围，如0.05<P<0.20。