|
一、对基线资料进行统计学分析。搜集资料应严密遵守随机抽样设计，保证样本从同质的总体中随机抽取，除了对比因素外，其他可能影响结果的因素应尽可能齐同或基本接近，以保证组间的齐同可比性。因此，应对样本的基线资料进行统计学分析，以证明组间的齐同可比性。 二、选择正确的统计检验方法。研究目的不同、设计方法不同、资料类型不同，选用的统计检验方法则不同。例如：2组计量资料的比较应采用t检验；而多组(不小于3组)计量资料的比较应采用方差分析(即F检验)，如果组间差异有统计学意义，想了解差异存在于哪两组之间，再进一步做q检验或LSD-f检验。许多作者对多组计量资料进行比较时采用两两组间t检验的方法是错误的。又如：等级资料的比较应采用Ridit分析或秩和检验或行平均得分差检验。许多作者对等级资料进行比较时采用卡方检验的方法是错误的。 三、假设检验的推断结论不能绝对化。假设检验的结论是一种概率性的推断，无论是拒绝Ho还是不拒绝Ho，都有可能发生错误(Ⅰ型错误和Ⅱ型错误)。因此，假设检验的推断结论不能绝对化。 四、P值的大小并不表示实际差别的大小。研究结论包括统计结论和专业结论两部分。统计结论只说明有无统计学意义，而不能说明专业上的差异大小。P值的大小不能说明实际效果的“显著”或“不显著”。统计结果的解释和表达，应说对比组间的差异有(或无)统计学意义，而不能说对比组之间有(或无)显著的差异。P≤0.01比P≤0.05更有理由拒绝Ho，并不表示P≤0.01时比尸≤O.05 时实际差异更大。只有将统计结论和专业知识有机地结合起来，才能得出恰如其分的研究结论。若统计结论与专业结论一致，则最终结论也一致；若统计结论与专业结论不一致，则最终结论需根据专业知识而定。判断被试因素的有效性时，要求在统计学上和专业上都有意义。 五、假设检验的结果表达。P值传统采用0.05和0.01这2个界值，现在提倡给出P的具体数值和检验统计量的具体数值(小数点后保留3位有效数字)，主要理由有：一是以前未推广统计软件之前，需要通过查表估计P值，现在使用统计软件会自动给出具体的P值和检验统计量的具体值(t值、F值等)；二是方便根据具体情况判断问题。例如P=0.051与P=0.049都是概率，不能简单地断定P=0.051无统计学意义而P=0.049有统计学意义；三是便于对同类研究结果进行综合分析。 六、统计学符号的使用。统计学符号的使用应按照“统计名词及符号”的规定，具体可参阅本刊投稿须知中的有关要求。 |
|
|
