下载文档原格式
论文中的SPSS独立样本t检验与Mann-Whitney秩和检验因为有正态分布这个条件，所以使用t检验有时候会因为数据非正态从而采用非参数秩和检验方法，或在一个研究中，同时使用t检验和秩和检验。
===回顾性分析AIS患者108例，将患者分为预后良好组(79例)和预后不良组(29例)，采集患者的基本资料，于入院24h内采集静脉血，测定RDW及其他血液学指标。
并记录入院时NIHSS评分及mRS评分，于患者发病后3个月时采用mRS量表对患者进行预后评分。
研究目的：探讨红细胞分布宽度(ＲDW)对急性缺血性卒中(AIS)患者静脉溶栓预后的预测作用。
核心方法：采用多因素 Logistic回归分析方程分析危险因素，及受试者工作特征曲线(ＲOC) 分析ＲDW 对患者溶栓结局的预测作用。
t检验：基线分析时采用t检验。
===统计学分析：采用SPSS 22.0统计软件包。
计数资料用例数(%)表示，两组符合正态分布的计量资料用(均值±标准差)表示，组间比较采用两独立样本t检验，偏态分布的计量资料用中位数和四分位距M(P25,P75)]表示，组间比较采用秩和检验。
应用多因素Logistic回归方程分析危险因素及受试者工作特征曲线(ROC)分析RDW对rt-PA溶栓治疗AIS患者预后的预测价值。
以P<0.05为差异有统计学意义。
这段文字是描述论文中数据分析方法的，这里注意，满足正态则t检验，非正态则秩和检验。
===上面这个三线表是常见的格式，适用于t检验，卡方检验，方差分析等检验方法统计分析结果的呈现和报告。
上面这段文字是对基线特征分析的结果描述，特点是言简意赅。
===上文主要分享t检验，后面的logistic回归、roc曲线分析，大家可以自行阅读原论文。
论文原文引用信息：梁安心,&汤颖.(2023).红细胞分布宽度对急性缺血性卒中患者静脉溶栓预后的预测作用.中国脑血管病杂志,15(2),5.==全文完==。
谈谈t检验和Wilcoxon秩和检验t检验和wilcoxon秩和检验是用于检验两独立样本定量资料的常用方法。
t检验是参数方法，需要资料满足正态性和方差齐性的假设，而Wilcoxon秩和检验是非参数方法。
我一直感觉，参数方法比非参数方法检验效能更高。
其实，我忘掉了一个前提，这个结论只有在资料符合t检验假设的情况下才成立。
当资料不符合正态性和方差齐性时，t检验的。
R里面，做t检验和wilcoxon秩和检验的函数分别是：t.test, wilcox.test其中t.test的帮助文件中举了这样一个有趣的例子：t.test(1:10,y=c(7:20))Welch Two Sample t-test data: 1:10 and c(7:20)t = -5.4349, df = 21.982, p-value = 1.855e-05alternative hypothesis: true difference in means is not equal to 0t.test(1:10,y=c(7:20,200))Welch Two Sample t-test data: 1:10 and c(7:20, 200)t = -1.6329, df = 14.165, p-value = 0.1245alternative hypothesis: true difference in means is not equal to 0首先注意到自由度不为整数，事实上，t.test默认的是用Welch modification来修正t统计量和自由度的计算，《卫生统计学》（赵耐青，陈峰主编）P97 中也有介绍。
那么我们来看这两个检验：第二个检验中y仅仅比第一个中的y多了一个200，这样y的均数肯定是增加了，感觉和x的差异也更大了，但是检验反而不显著了。
因为增加的200大大地增大了方差，从而t大大缩小了。
同样的例子，我们用wilcox.test:> wilcox.test(1:10,y=c(7:20,200))Wilcoxon rank sum test with continuity correction data: 1:10 and c(7:20, 200) W = 8, p-value = 0.0002229 alternative hypothesis: true location shift is not equal to 0alternative hypothesis: true difference in means is not equal to 0可以看出检验结果显著。
医学统计学之秩和检验什么是秩和检验？秩和检验（Wilcoxon rank-sum test），又称为Mann-Whitney U检验，是非参数假设检验的一种常用方法，用于比较两个独立样本的位置差异。
这个方法基于样本的秩次，而不依赖于数据的具体分布。
秩和检验的适用场景秩和检验通常用于以下情况：1.样本数据不满足正态分布假设；2.无法满足方差齐性假设；3.样本容量较小。
秩和检验是一种非常灵活的方法，适用于大部分类型的数据分布，甚至可以包括极端的离群值。
秩和检验的原理秩和检验的原理是将两个样本的观察值合并后，按照大小重新排列，并赋予秩次。
然后利用秩次之和来比较两个样本的位置差异。
1.对于两个独立样本，将两组数据合并为一个整体的样本。
2.对于每个观察值，分别计算出在整体样本中的秩次。
3.计算两组样本的秩和，比较其大小。
4.根据秩和的大小以及样本容量，查表或计算检验统计量的p-value。
秩和检验的步骤秩和检验的具体步骤如下：1.将两个样本合并为一个整体样本，并标记属于哪个样本。
2.对整体样本中的观察值进行排序，得到秩次。
3.计算秩和，并比较两个样本的秩和大小。
4.根据秩和大小以及样本容量，查找临界值。
5.根据临界值判断是否拒绝原假设，或者计算统计量的p-value。
6.根据p-value判断是否拒绝原假设。
秩和检验的示例假设我们有两个医学治疗方法A和B，想要比较其对病人治疗效果的差异。
我们随机选择了两组病人，分别给予方法A和B进行治疗，然后观察他们的疗效。
以下是我们观察到的结果：组A：8, 10, 12, 10, 14 组B：9, 11, 14, 12, 13我们可以按照秩次将两组数据合并，并计算秩和：组A：8(1), 10(3), 12(4), 10(3), 14(5) 组B：9(2), 11(4), 14(5), 12(4), 13(2)组A的秩和为16，组B的秩和为17。
然后，我们根据秩和的大小以及样本容量，在秩和表中查找临界值。
秩和检验（ranksumtest）秩和检验（rank sum test）又称顺序和检验，它是一种非参数检验（nonparametric test）。
它不依赖于总体分布的具体形式，应用时可以不考虑被研究对象为何种分布以及分布是否以知，因而实用性较强 [1] 。
背景编辑在总体分布任意的情形下，检验配对的试验数据所在总体的分布位置有无显著差异，往往可以利用符号检验的方法实现。
但是符号检验只考虑差数的正负号，而不考虑差数的绝对值差异，会导致部分试验信息损失，结果较为粗略。
为了避免符号检验方法的这一缺陷，Wilcoxon提出了一种改进方法，称为Wilcoxon秩和检验（rank sum test）。
这种方法同时考虑了差异的方向和差异的大小，较之符号检验更为有效。
而对于成组的试验数据所在总体的分布位置有无差异，也可以采用类似的方法进行检验。
秩和检验是通过将所有观察值（或每对观察值差的绝对值）按照从小到大的次序排列，每一观察值（或每对观察值差的绝对值）按照次序编号，称为秩（或秩次）。
对两组观察值（配对设计下根据观察值差的正负分为两组）分别计算秩和进行检验。
除了比较各对数据差的符号外，这种方法还进一步比较了各对数据差值大小的秩次高低，因此其检验效率较符号检验为高 [2] 。
特点编辑多个样本两两比较的秩和检验同样的，多个样本组比较的秩和检验，如拒绝H0，只说明比较各组的总体分布位置不同或不全相同，应在此基础上进行两两比较，常用Nemenyi法。
秩和检验的优缺点秩和检验的优点是（1）不受总体分布限制，适用面广；（2）适用于等级资料及两端无确定值的资料；（3）易于理解，易于计算。
缺点是符合参数检验的资料，用秩和检验，则不能充分利用信息，检验功效低。
3.应用中的注意事项：（1）注意应用条件；（2）编秩时相同值要取平均秩次；（3）相同秩次较多时，统计量要校正。
秩和检验常用软件spss软件，只要输入数据，选择合适的参数，就可以很快得到结果。
秩和检验一、学习背景和方法简介1. 问题的提出：在实践中我们常常遇到以下一些资料，如需比较患者和正常人的血铁蛋白、血铅值、不同药物的溶解时间、实验鼠发癌后的生存日数、护理效果评分等，这类资料有如下特点：（1）资料的总体分布类型未知；或（2）资料分布类型已知，但不符合正态分布；或（3）某些变量可能无法精确测量。
对于此类资料，除了进行变量变换或t’检验外，可采用非参数统计方法。
2. 参数统计与非参数统计的区别：参数统计：即总体分布类型已知，用样本指标对总体参数进行推断或作假设检验的统计分析方法。
非参数统计：即不考虑总体分布类型是否已知，不比较总体参数，只比较总体分布的位置是否相同的统计方法。
下面我们将介绍非参数统计中一种常用的检验方法--秩和检验，其中“秩”又称等级、即按数据大小排定的次序号。
上述次序号的和称“秩和”，秩和检验就是用秩和作为统计量进行假设检验的方法。
二、不同设计和资料类型的秩和检验1. 配对比较的资料：对配对比较的资料应采用符合秩和检验（Sighed rank test），其基本思想是：若检验假设成立，则差值的总体分布应是对称的，故正负秩和相差不应悬殊。
检验的基本步骤为：（1）建立假设；H0：差值的总体中位数为0；H1：差值的总体中位数不为0；检验水准为0.05。
（2）算出各对值的代数差；（3）根据差值的绝对值大小编秩；（4）将秩次冠以正负号，计算正、负秩和；（5）用不为“0”的对子数n及T（任取T+或T-）查检验界值表得到P值作出判断。
应注意的是当n>25时，可用正态近似法计算u值进行u检验，当相同秩次较多时u值需进行校正。
2. 两样本成组比较：两样本成组资料的比较应用Wilcoxon秩和检验，其基本思想是：若检验假设成立，则两组的秩和不应相差太大。
其基本步骤是：（1）建立假设；H0：比较两组的总体分布相同；H1：比较两组的总体分布位置不同；检验水准为0.05。
（2）两组混合编秩；（3）求样本数最小组的秩和作为检验统计量T；（4）以样本含量较小组的个体数n1、两组样本含量之差n2-n1及T值查检验界值表；（5）根据P值作出统计结论。
