发布时间：
中位数和四分位数是用来描述分布未知或不满足正态分布的数据的集中趋势和离散趋势的，对于这种数据除了进行统计描述外，也可以进行统计推断。
只是采用什么方法需要根据数据分布特征来决定。通过绘制频数分布图、pp图或进行正态性检验可以分析数据的分布特征。如果数据分布满足正态性，就可以通过t检验（两组比较）或方差分析（多组比较）进行比较，如果数据不满足正态性，就可以采用秩和检验的方法进行比较。
当然，也可以将原始数据通过变量变换后，再采用t检验和方差分析的方法进行比较。以上的分析可以借助stata、spss、sas等统计软件实现。具体方法在医学统计论坛版上有许多的讨论，也可以去看看统计学教材。
应用
不论Q1，Q2，Q3的变异量数数值为何，均视为一个分界点，以此将总数分成四个相等部份，可以通过Q1，Q3比较，分析其数据变量的趋势。
四分位数在统计学中的箱线图绘制方面应用也很广泛。所谓箱线图就是 由一组数据5 个特征绘制的一个箱子和两条线段的图形，这种直观的箱线图不仅能反映出一组数据的分布特征，而且还可以进行多组数据的分析比较。这五个特征值，即数据的最大值、最小值、中位数和两个四分位数。即:
中位数又称中值，统计学中的专有名词，是按顺序排列的一组数据中居于中间位置的数，代表一个样本、种群或概率分布中的一个数值，其可将数值集合划分为相等的上下两部分。
对于有限的数集，可以通过把所有观察值高低排序后找出正中间的一个作为中位数。如果观察值有偶数个，通常取最中间的两个数值的平均数作为中位数。
中位数是按顺序排列的一组数据中居于中间位置的数，即在这组数据中，有一半的数据比这组数据大，有一半的数据比这组数据小。
扩展资料：
统计学名词：
医学统计学：用统计学的原理和方法研究生物医学问题的一门学科。
变量（variable）：观察单位的某项特征如身高，体重，薪资，物价。
变量值（value of variable）：变量的观察结果（测量值）。
总体（population）：是根据研究目的确定的同质的观察单位的全体，确切的说是同质的所有的观察单位某种变量值的集合。
样本（sample）从总体中随机抽取部分由代表性的观察单位，其测量值的集合称为样本。
随机抽样（random sample）：按随机化原则从总体中抽取部分观察单位的过程。
同质（homogeneity）：是针对被研究指标来讲，其影响因素相同。简单地理解就是指对研究指标影响大约可以控制的主要因素应尽可能相同。
参考资料：百度百科-中位数
中位数又称中值，统计学中的专有名词，是按顺序排列的一组数据中居于中间位置的数，代表一个样本、种群或概率分布中的一个数值，其可将数值集合划分为相等的上下两部分。
对于有限的数集，可以通过把所有观察值高低排序后找出正中间的一个作为中位数。如果观察值有偶数个，通常取最中间的两个数值的平均数作为中位数。
中位数是按顺序排列的一组数据中居于中间位置的数，即在这组数据中，有一半的数据比这组数据大，有一半的数据比这组数据小。
扩展资料：
统计学名词：
医学统计学：用统计学的原理和方法研究生物医学问题的一门学科。
变量（variable）：观察单位的某项特征如身高，体重，薪资，物价。
变量值（value of variable）：变量的观察结果（测量值）。
总体（population）：是根据研究目的确定的同质的观察单位的全体，确切的说是同质的所有的观察单位某种变量值的集合。
样本（sample）从总体中随机抽取部分由代表性的观察单位，其测量值的集合称为样本。
随机抽样（random sample）：按随机化原则从总体中抽取部分观察单位的过程。
同质（homogeneity）：是针对被研究指标来讲，其影响因素相同。简单地理解就是指对研究指标影响大约可以控制的主要因素应尽可能相同。
参考资料：百度百科-中位数
中位数（Medians）统计学名词，是指将统计总体当中的各个变量值按大小顺序排列起来，形成一个数列，处于变量数列中间位置的变量值就称为中位数，用Me表示。
中位数是指将数据按大小顺序排列起来，形成一个数列，居于数列中间位置的那个数据。中位数用Me表示。
中位数的算法：—般通常求中位数的算法：—般通常求中位数时，首先将数据从小到大排序，然后计算中位数的序号，如果总数个数是奇数，中间的那位数就是中位数。
如果总数个数是偶数，中位数就是中间那两个数的平均数值。首先将数据从小到大排序，然后计算中位数的序号，如果总数个数是奇数，中间的那位数就是中位数：如果总数个数是偶数，中位数就是中间那两个数的平均数值。
计算有限个数的数据的中位数的方法是：把所有的同类数据按照大小的顺序排列。如果数据的个数是奇数，则中间那个数据就是这群数据的中位数；如果数据的个数是偶数，则中间那2个数据的算术平均值就是这群数据的中位数。
平均数、众数和中位数的区别联系及优缺点：
区别联系：
平均数是通过计算得到的，因此它会因每一个数据的变化而变化。
中位数是通过排序得到的，它不受最大、最小两个极端数值的影响。部分数据的变动对中位数没有影响，当一组数据中的个别数据变动较大时，常用它来描述这组数据的集中趋势。
众数也是数据的一种代表数，反映了一组数据的集中程度。日常生活中诸如“最佳”、“最受欢迎”、“最满意”等，都与众数有关系，它反映了一种最普遍的倾向。
优缺点：
平均数：需要全组所有数据来计算；易受数据中极端数值的影响。中位数：仅需把数据按顺序排列后即可确定；不易受数据中极端数值的影响。众数：通过计数得到；不易受数据中极端数值的影响。
中位数（Medians）统计学名词[1]，是指将数据按大小顺序排列起来，形成一个数列，居于数列中间位置的那个数据。中位数用Me表示。当变量值的项数N为奇数时，处于中间位置的变量值即为中位数；当N为偶数时，中位数则为处于中间位置的2个变量值的平均数。（注意：中位数和众数不同，众数不一定在中间）从中位数的定义可知，所研究的数据中有一半小于中位数，一半大于中位数。中位数的作用与算术平均数相近，也是作为所研究数据的代表值。在一个等差数列或一个正态分布数列中，中位数就等于算术平均数。
中位数，又称中点数，中值。中位数是按顺序排列的一组数据中居于中间位置的数，即在这组数据中，有一半的数据比他大，有一半的数据比他小，这里用m来表示中位数。（注意：中位数和众数不同，众数指最多的数，众数有时不止一个，而中位数只能有一个。）
中位数特点
1、中位数是以它在所有标志值中所处的位置确定的全体单位标志值的代表值，不受分布数列的极大或极小值影响，从而在一定程度上提高了中位数对分布数列的代表性。
2、有些离散型变量的单项式数列，当次数分布偏态时，中位数的代表性会受到影响。
3、趋于一组有序数据的中间位置
扩展资料
中位数与其他数区别联系
1、平均数是通过计算得到的，因此它会因每一个数据的变化而变化。
2、中位数是通过排序得到的，它不受最大、最小两个极端数值的影响。部分数据的变动对中位数没有影响，当一组数据中的个别数据变动较大时，常用它来描述这组数据的集中趋势。
3、众数也是数据的一种代表数，反映了一组数据的集中程度．日常生活中诸如“最佳”、“最受欢迎”、“最满意”等，都与众数有关系，它反映了一种最普遍的倾向。
使用中位数的优缺点：
平均数：需要全组所有数据来计算；易受数据中极端数值的影响。中位数：仅需把数据按顺序排列后即可确定；不易受数据中极端数值的影响。众数：通过计数得到；不易受数据中极端数值的影响。
参考资料来源：百度百科-中位数
一组数，按从小到大（或从大到小）的顺序排列后，中间的一个数或中间两个数的平均数叫做这组数的中位数
平均数：x上面一小横。
中位数用M表示，众数用M表示，在分组的情况下，分别用中位数和众数的计算公式，因此经常用到M、M这两个符号.学生往往把这两个符号混在一起，谁表示谁分不清。M是英语M（平均数、中项）的缩写，M是M（最多数、最大量）的缩写，这样一联想就不会分不清了。
相关介绍：
众数是样本观测值在频数分布表中频数最多的那一组的组中值，主要应用于大面积普查研究之中。众数是在一组数据中,出现次数最多的数据，是一组数据中的原数据，而不是相应的次数。
一组数据中的众数不止一个，如数据2、3、-1、2、1、3中，2、3都出现了两次，它们都是这组数据中的众数。一般来说，一组数据中，出现次数最多的数就叫这组数据的众数。
一组数据按从小到大（或从大到小）的顺序依次排列，处在中间位置的一个数（或最中间两个数据的平均数，注意：和众数不同，中位数不一定在这组数据中）
Median 即中位数。四分位即Q1 IQR=Q3-Q1 统计学里有。。
试验组病程为中位数（Q1-Q3）天，这样
四分位数（Quartiles），四分位数是将样本分成四个相等部分的值。包括：第1四分位数（也称下四分位数，P25）、第2四分位数（即中位数，P50）与第3四分位数（也称上四分位数，P75）。利用四分位数，可以快速评估数据集的展开和集中趋势。
四分位数间距（Q）为P75与P25之差，同类资料比较，Q越大意味着数据间变异越大。Q可用于各种分布的资料，特别是服从偏斜分布的资料。
常把中位数和Q结合起来描述变量的平均水平和变异程度。与极差相比，Q较稳定，受两端极大或极小数据的影响小，但仍未考虑数据中每个观测值的离散程度。
中位数（Median），即P50，是指将原始观测值按大小排列后，位次居中的数值。理论上，大于和小于该值的个案数各占一半。
由于中位数不是利用全部观测值计算出来的，它只与位次居中的观测值大小有关，因此不受分布两端特大或特小值的影响。对于分布末端无确定值的资料，不能直接计算平均值和几何平均数时，亦可计算中位数。
扩展资料
运用：
1、求数列2,4,4,5,7,7,7,7,7,7,8,8,9,9,9,9的四分位数。
解：这组数已经按照从小到大的顺序排好了，那么首先求Q2这个数列一共有16个数，是偶数，Q2应该为第8和第9个数的平均值，故Q2 = （7 + 7）/ 2 = 7. 那么这个数列就被分成了下面两个部分。
2,4,4,5,7,7,7,7,7,7,8,8,9,9,9,9
Q1为数列1的中位数（Q1 =（5 + 7）/ 2 = 6.同理可以求出Q3 = 。
那么如果数列中数字的个数为奇数该怎么办呢？
2、求数列5,6,2,4,7,9,4的四分位数。
解：首先按照从大到小的顺序对其进行排练，新的顺序是：2,4,4,5,6,7,9。
求Q2。这组数一共有7个数，那么Q2为第四个数，即Q2 = 5。
2,4,4,5,6,7,9
Q1为数列1的中位数，即Q1 = 4。同理Q2 = 7。
参考资料来源：百度百科-中位数
参考资料来源：百度百科-四分位数
你的问题解决了吗？我也遇到同样的问题了，求告知，谢啦
秋风送爽，也给我们送来了刘岭教授的统计说说第五期。这一期的统计学方法之选择大家一定要认真学起来，说不定马上你就会用到了。编者语针对常用的基本统计学方法，一般而言说的就是t检验、单因素方差分析和卡方检验，这也是大家在写论文、阅读论文时经常遇到的统计学方法（几乎每篇文章都会涉及这一种或几种方法），那到底该采用何种统计学方法呢？今天我们就此来聊聊。一、拿到数据开始分析之前，一定要进行数据类型的划分（图1），因为不同数据类型资料，描述的方式不一样，统计学方法也不一样。图1 统计资料的类型举个例子（表1）：表1 某地2002年735例65岁以上老年人健康检查记录二、各种类型资料的统计分析（描述与统计推断）1.计量资料特点：每个观察单位的观察值之间有量的区别，有单位；描述形式：最常见采用“X±S”（一般文献中经常见到），用算数均数描述其平均水平，用标准差描述其离散程度。如果遇到数据“特别变态”（特别是标准差大于算数均数），就采用Md(P25,P75)（Md为中位数，P25和P75为四分位数）（表2）。正态分布检验请大家复习：医学科研课堂丨统计说说（三）：你所应该了解的正态、方差齐性检验表2 计量资料常用统计指标的特点及其应用场合统计推断方法：一般分为单因素和多因素两种。单因素分析方法分析要点：一是划清数据类型（计量资料）；二是明确试验设计类型（完全随机设计？几组样本？）；三是注意所用方法的应用条件；四是满足正态方差齐性时采用t检验（注意t检验有三种形式哦！）或单因素方差分析，不满足时采用秩和检验（图2）。图2 计量资料统计方法的正确选择提醒两点：① 如果样本数据不服从正态分布的话，那就只能用非参数检验（秩和检验），但其检验效能低于参数检验（t检验或方差分析）。所谓检验效能低就是本身有差异，却没有能力发现其差异。② 如果是两组以上样本的数据时，不能采用t检验（会导致假阳性错误概率增加），应该采用方差分析。若方差分析的P<，需再进一步两两比较，常用的方法为LSD法或SNK法（注意依旧不能采用t检验）。在上两讲内容中我们已经学过t检验（医学科研课堂丨统计说说（二）：你的t检验做对了吗？）和方差分析（医学科研课堂丨统计说说（四）：统计学方法之灵魂—方差分析）了，至于秩和检验，我们以后会逐步介绍滴。多因素分析一般采用回归分析，主要是线性回归分析，以后会给大家介绍此方法。2.计数资料特点：无序分类，同类别中各观察单位之间没有量的差别，但各类别间有质的不同，各类别互不相容。其中二分类一定是计数资料（例如性别只有男/女之分，是否继发某种疾病只有继发/未继发之分），而多分类满足分类在性质上没有程度等级上的差别，即为计数资料（例如婚姻状况包括未婚、已婚、离异、丧偶，就属于多分类，但各分类没有程度等级差别，因此为计数资料，尿糖定性检测结果包括-、+、++、+++、++++，属于具有程度等级差别的多分类资料，就不属于计数资料，属于等级资料了）。描述形式：最常见采用“例数（%）”（一般文献中经常见到），主要要分清构成比（结构相对数）和率（强度相对数）的差别（表3）。而且在应用时，分母（就是样本量啦）一般不宜过小，分母太小不足以反映数据的客观事实，也不稳定。表3 计数资料常用统计指标的特点及其应用场合比如说：1.某地肺癌患者中男性A例，女性B例，则当地肺癌患者的性别比为A/B就是“比”。2.某次研究共检出了致病菌3种，总株数为A+B+C，其中一种致病菌检出株数为A，那么A/（A+B+C）就是构成比，即该种致病菌占总致病菌的比重或分布。3.某研究对患者（总例数为B）进行治疗，结果治愈的患者例数为A，则A/B即为率（可以理解为治愈率）。统计推断方法：一般分为单因素和多因素两种。单因素分析方法分析要点：一是划清数据类型（计数资料）；二是明确试验设计类型（完全随机设计？几组样本？）；三是注意所用方法的应用条件；四是多样本率比较，若卡方检验的P<，需再进一步两两比较，并进行Bonferroni校正，以控制假阳性（图3）。图3 计数资料统计方法的正确选择提醒两点：① 构成比是以100作为基数，各构成部分所占的比重之和必须为100%，故某组成部分所占比重的增减必影响其它组成部分的比重；② 构成比和率在实际应用时容易混淆，主要区别在分母上，所以应正确选择分母。多因素分析一般采用回归分析，主要是Logistic回归分析，以后会给大家介绍此方法。3.等级资料特点：属于多分类资料，满足多分类在性质上有程度等级上的差别，各分类属性按一定顺序排列（有序），即为等级资料。描述形式：最常见采用“例数（%）”（一般文献中经常见到），这和计数资料的描述大体相同，主要区别在于多个分类排列时一定要按照顺序进行（从小到大或从弱到强）。统计推断方法：等级资料的统计分析方法在单因素分析中采用非参数检验（秩和检验），当然对于双向有序R×C资料，也就说分组变量和结局变量都是有序（等级）的情况，构成比的比较采用卡方检验，程度的比较采用秩和检验，趋势关联性的比较用秩相关（也称等级相关）。多因素分析中采用有序Logistic回归。注意：分类变量（计数资料和等级资料）在软件分析操作时，要适当数量化处理（赋值），赋值情况会直接影响统计分析结果的解释。最后用下面这张图来总结基本统计学方法的选择（图4）。图4 常用基本统计学方法的正确选择今天的内容就到这里，同学们多多复习，有什么问题和不懂的可以在下面留言，我们会请刘岭教授一一解答。好了，让我们期待下一期吧！撰稿：刘岭 约稿编辑：刘芹排版：毕丽 审核：王东专家简介刘岭：陆军军医大学卫生统计学教研室副教授，主要从事卫生统计学教学、科研工作。担任中华卫生信息学会第八届统计理论与方法专业委员会委员，重庆市预防医学卫生统计专业委员会副主任委员，并担任《第三军医大学学报》等多家杂志的编委、统计审稿专家。历史推荐医学科研课堂丨统计说说（四）：统计学方法之灵魂—方差分析 医学科研课堂丨统计说说（三）：你所应该了解的正态、方差齐性检验 医学科研课堂丨统计说说（二）：你的t检验做对了吗？ 医学科研课堂丨统计说说（一）：样本量估算是个什么东东？
一般常用的统计检验方法有：t 检验、卡方检验、方差分析和相关回归分析。统计检验方法的选择主要依据数据的类型(计量、计数) 、组数的多少(两组、多组) 、样本量的大小以及对比的方式(相互比较、配对比较) ,此外计量数据还要考虑分布形态和方差齐性等问题。
杜院士是博士毕业马上要上院士在学校当老师的医生。
最近他老人家给我种草了统计学，三言两语我被问的一愣一愣的，感觉自己以前学的统计学都被狗吃了。
我决定要弱弱地回击一下。嗯，先扳回三十城吧。
好，开始。
是统计学方法必须描述的3方面内容。
SPSS (statistics package for social science) 和 SAS (statistical analysis system ) 是全世界学术界公认且最常用的两大统计软件包。
检验水准即—— 表示组间实际无差别而统计结果判断为有差别，犯这类错误的概率。实际工作中常取 ，表示本次研究计算所得 值必须小于 ，才能认为组间差异有统计学意义。 因而对于检验水准的描述多简化为 " " 。
统计分析方法的准确描述是科技论文科学性的关键所在。统计学方法一般包括 和 (即： 假设检验 ) 两部分内容。
统计描述主要是根据资料类型及原始数据分布类型，选择正确的指标描述资料特征。
资料类型分为 定量资料 和 定性资料 。
定量资料 是指对每个观察对象测得的某个指标 能够用具体数值表示 ，如：年龄、身高、每张切片的阳性细胞百分率等;
定性资料 指对每个观察对象测得的某个指标 不能用具体数值表示 ，仅反映观察对象的某一特征，如: 阳性、阴性，ABO 血型，治愈、显效、好转、无效等。
定量资料如果符合正态分布， 统计描述指标 可用 均数及标准差 ，一般描述为 “数据以均数±标准差表示” ;
定量资料如果不符合正态分布，则 统计描述指标 选用 中位数和级差 (即: 最大值和最小值之差)。
区分资料是正态或偏态分布，可以通过SPSS、SAS 统计软件程序判断，也可以通过目测数据是否有"极端值"，即特别大或特别小的数据，进行判断。
定性资料的 统计描述 包括 率、构成比及相对比 。
率 表示单位时间内某现象或事物发生的概率，如发病率、死亡率等； 构成比 指事物内部某一部分的个体数与该事物各部分个体数的总和之比，表示各构成部分在全体中所占的比重或分布，不能说明某现象发生的频率或强度，如性别构成、疾病构成、死亡构成等。然而， 在实际应用中以构成比代替率很常见 。
科技论文中最常用的是 组间差异性检验 。假设检验方法很多，不同的科研设计类型及资料类型适用的检验方法有所不同。定量资料与定性资料常用的统计分析方法介绍如下。
定量资料的统计分析方法包括 参数法 和 非参数法 . 参数法——t检验、方差分析；非参数法——秩和检验。 选择的关键在于 资料分布类型 ，如果资料符合 正态分布且组间方差齐 (即各组标准差彼此接近) 则选用参数法，不符合则选用非参数法。 但在许多医学论文中经常忽略这两个条件，不考虑资料的分布直接采用t 检验或方差分析，由此得出的分析结果是不可信的，见例1。
例1: 为研究 、 肿瘤标志在喉癌患者手术前、后有无差异，分别检测了58 名患者前及术后 和 ，经配对 检验， 术前、后差异有统计学意义，结果见表1。
表1. 肿瘤标记物术前术后的检测*
与术前比较p值﹤
表中两指标 标准差 均相差达2 倍以上，提示 方差不齐 ，故 不宜采用t 检验 ，而适合采用 秩和检验 。 用于两组均数间的比较 ，包括两独立样本 检验、配对 检验和样本均数与总体均数比较的 检验； 用于两组或两组以上均数的比较 。然而,在许多医学论文中，对于3 组或3 组以上均数的两两比较，常 重复使用独立样本t 检验作比较 ，如例2。 这样会加大犯阳性错误的概率 ，即可能将无差别的两个总体均数判断为有差别。这点尤其需引起作者的注意，这也是医学科技论文中 滥用的重要表现之一。
此类资料正确的分析方法应是先进行方差分析，以确定这几组均数总体差异有无统计学意义；如果有统计学意义，则进一步采用 (任意组间两两比较) 或 (每个实验组与对照组比较) 以确定哪些组间差异有统计学意义。
例2: 为了解不同分化程度的下咽癌患者 表达阳性脉管的数目 表达阳性脉管差异，分别检测16 例高分化患者，15 例中分化者及13 例低分化者，作者采用独立样本 ，结果见表2。
表2 下咽癌组织中VEGFR- 3 表达阳性脉管与病理分级的关系
各组之间p 值﹥
定性资料整理与归纳后，主要分为3种类型，即 四格表资料 (只有2组，且结果变量为2分类变量，总络子数为4见表3)、 行×列表资料 (总格子数>4，见表4) 和 列联表资料 (又称双向有序资料，见表5)。 行×列表资料 又包括 单向有序资料 (即等级资料，2组或2组以上，结果变量为有序多分类变量，见表6)。不同资料类型采用的统计分析方法有所不同。
表3 四格表资料格式
表4 行×列表资料格式
表5 列联表资料格式
表6 单向有序资料格式
四格表资料χ2 检验医学论文中，四格表资料χ2 检验的应用很常见，但使用时应注意具体的应用条件。当总例数大于40，且每个格子的理论频数均不小于5 时，应用未校正的χ2 检验;如果总例数大于40,有一个格子的理论频数小于5 但大于1，采用校正的χ2 检验; 如果总例数小于40，或有一个格子的理论频数小于1，则采用Fisher 确切概率法。实际应用中，许多作者不考虑应用的前题条件，均使用未校正的χ2 检验，从而导致结果不可靠。行×列表资料χ2 检验行×列表资料χ2 检验主要用于多个率或构成比的比较。但此时要求所有格子中理论频数小于5 的格子数少于总格子数的1/5。如果大于1/5 ，则相邻格子应删除或合并后再计算。此时若需了解具体那些率之间差异有统计学意义，就需进行χ2 分割来确定。
单向有序资料此类资料如果是比较组间治疗效果差异有无统计学意义，则应采用秩和检验 。如果采用χ2 检验，仅表明各组的疗效构成差异有无统计学意义，因为此时只利用了每组构成比提供的信息，损失了有序指标提供的“等级”信息。这也是许多作者误用统计学方法的资料类型之一，需尤其注意。列联表资料χ2 检验此类资料特征为对同一组观察对象，分别观察其两种有序分类变量的表现，归纳成双向交叉排列的统计表，分析两个分类变量是否有相关联系的假设检验，采用行×列表χ2 检验。
如果需了解两变量有无相关性，或相关程度有多大，此时需作相关分析。 相关分析应报告相关系数及对该相关系数所作的假设检验P 值 。相关系数种类很多，选择时应根据指标类型来确定。如果是计量指标,则应选择 Pearson 相关系数 ; 如果是等级指标，则应选择 Spearman 相关系数 。
首先要明确“P 值< ”，习惯上称“显著”(significant) ，仅说明两组差异有统计学意义，并不能说明两组该指标相差很大，或在专业上有显著的(重要的)价值; 反之，P 值>，习惯上称“不显著”(non significant) ，不应误解为相差不大，或一定相等，仅说明从统计角度考虑这两组差异无统计学意义。为了不与一般意义上的“显著”、“不显著”相混淆，许多统计学家主张作结论时不用“是否显著”一词，而用“差异有无统计学意义”。
此外，根据统计结果得出专业结论不能太绝对化，因为统计结论均是概率性的，不是绝对的肯定或否定，本次研究统计结果是阴性，如果增加样本含量，组间差异可能就有统计学意义了。
综上所述，不同的统计分析方法均有其应用条件和适用范围，实际应用时，必须根据科研设计类型及变量类型选择恰当的统计分析方法，同时注意检查结果解释和专业结论是否同时满足专业和统计学要求。切忌将t 检验、χ2 检验视为分析资料的“万能工具”，盲目套用，导致文章的科学性降低。