• 連續(xù)型變量
  血壓升高、住院天數(shù)、術(shù)中出血量
• 臨床醫(yī)學(xué)研究
  干預(yù)性研究、觀察性研究、診斷準(zhǔn)確性試驗
  基于前瞻性（回顧性）資料的研究
  系統(tǒng)評價與Meta分析
  基于開放數(shù)據(jù)庫的研究

臨床研究分類

分類法則

隨機(jī)對照試驗

隊列研究

由因及果，一般只是確定一個原因。而由果及因，可以推出好幾個原因。
橫斷面研究：（因和果同時暴露）門診肥胖的女性同時伴有關(guān)節(jié)炎，到底是肥胖引起的關(guān)節(jié)炎，還是關(guān)節(jié)炎引起的肥胖呢？

雙門設(shè)計

單門設(shè)計

在醫(yī)學(xué)統(tǒng)計學(xué)中要學(xué)會三種隨機(jī)抽樣：簡單隨機(jī)化、區(qū)組隨機(jī)化、分層隨機(jī)化。
簡單隨機(jī)化：R中的sample()函數(shù)

卡方檢驗

• 假設(shè)檢驗
  第一步：假定二者無區(qū)別，制訂小概率事件的概率標(biāo)準(zhǔn)，a=0.05（5%）
  第二步：計算p值
  第三步：根據(jù)p值下結(jié)論

• t檢驗：針對小樣本
  當(dāng)n為無限大時，t分布即是正態(tài)分布。

1. 單樣本t檢驗
   目的：檢驗一個變量的總體均值和某個檢測值之間是否存在顯著差異
   例如：⑴檢驗?zāi)硨I(yè)畢業(yè)生平均收入是否符合該校畢業(yè)生的平均收入標(biāo)準(zhǔn)
   ⑵檢驗一批產(chǎn)品的平均質(zhì)量是否符合國家規(guī)定的質(zhì)量標(biāo)準(zhǔn)

案例：已知某試卷全國考生考試平均分?jǐn)?shù)為85分，某學(xué)校隨機(jī)抽取15人參加考試，得平均分?jǐn)?shù)，問，該學(xué)校全體學(xué)生考試得分能否達(dá)到全國平均水平？

自由度df=樣本容量-1

t檢驗

樣本

score <- c(78,82,83,79,81,77,84,75,86,82,80,78,79,82,81)
sample <- data.frame(score)
View(sample)
#原假設(shè)H0：μ=85  備選假設(shè)H0:μ!=85
t.test(sample,alternative='two.side',mu=85)

檢驗結(jié)果

說明不支持原假設(shè)，該學(xué)校全體學(xué)生考試得分并未達(dá)到全國平均水平。

2. 兩獨(dú)立樣本t檢驗

• 目的：用兩個來自不同總體的獨(dú)立樣本，來推斷這兩個總體的均值是否存在顯著差異。
• 例如：⑴比較男女畢業(yè)生的平均收入是否存在顯著差異
  ⑵比較男女的平均身高是否存在顯著差異
• 案例：某校為測評2教師（教師A，教師B）教學(xué)水平，將50名學(xué)生隨機(jī)分為2組，經(jīng)過一段時間教學(xué)后，進(jìn)行同一份試卷考試，各自得分匯總后，試判斷兩教師教學(xué)水平有無差異？
  先建表格：

faculty <- rep(1,25)
score <- c(83,75,78,81,80,80,83,80,79,78,80,76,80,77,72,82,76,87,81,85,65,81,80,93,70)
df1 <- data.frame(faculty,score)
faculty <- rep(2,25)
score <- c(77,91,67,98,94,90,79,90,89,81,71,74,76,91,76,95,97,80,74,99,73,100,75,73,91)
df2 <- data.frame(faculty,score)
newdata <- rbind(df1,df2)
#注意：在按行合并的時候，要保證兩個表格的行名一致

df1

df2

t.test(score~faculty,newdata,var.equal=TRUE)

這里的var.equal=TRUE是假設(shè)方差齊性，即兩樣本方差相等

兩獨(dú)立樣本t檢驗

t.test(df1$score,df2$score,var.equal=TRUE)

3. 配對樣本t檢驗
   目的：檢驗一個對象在某個時間點(diǎn)前后的均值是否存在顯著差異
   例如：⑴一組病人在治療前后的健康狀況
   ⑵一群銷售人員在接受銷售培訓(xùn)前后的業(yè)績情況
   案例：一群考生在接受加強(qiáng)復(fù)習(xí)培訓(xùn)后的成績與之前是否有差異
   先建立數(shù)據(jù)

score.before <- c(78,81,70,79,77,78,85,82,88,80,80,81,76,81,87,76,79,79,87,80,78,87)
score.after <- c(87,87,81,87,88,80,86,85,85,89,70,81,80,97,95,77,90,90,86,90,79,78)
data <- data.frame(score.before,score.after)
View(data)

data

t.test(data$score.before,data$score.after,paired=TRUE)

配對樣本t檢驗

實際上相當(dāng)于兩者相減與0作比較，判斷有無差異。結(jié)果表示培訓(xùn)后成績要優(yōu)秀一些。
相當(dāng)于：

t.test(data$score.after-data$score.before,mu=0)

review：
Q1：t檢驗?zāi)芙鉀Q什么樣的問題？
⑴檢驗事物的某一變量是否符合某項標(biāo)準(zhǔn)
⑵檢驗兩個獨(dú)立的事物之間是否有顯著差異
⑶檢驗一個對象在某個時間點(diǎn)前后是否有顯著差異
Q2：t檢驗使用的前提條件是什么？
總體標(biāo)準(zhǔn)差σ未知，小樣本（容量n<30），總體服從正態(tài)分布
即：

• 獨(dú)立
• 正態(tài)
• 方差齊性