由于医学统计学的内容丰富且不断发展，对使用者提出了较高的要求。而医务工作者往往因各种原因，没有对统计学的统计原理和适用范围准确把握，从而在论文发表时常常出现误用统计学的现象。现将科研论文统计学方法应用中易犯的错误列举如下：

1.未交待统计学方法

  如“采用SPSS软件进行统计学处理，结果P<0.01，差别具有统计学意义”。

2.统计学方法交代不清

 最常见的错误是“计量资料采用方差分析”、“计数资料采用x2检验”、“经t检验P<0.01”等。方差分析有10多种，所对应的计量资料和实验设计不同，结果自然不同。正确的方法是要标明统计学方法、统计学软件名称、版本号、检验方法、检验水准以及检验的单双侧。

3.未考虑应用条件

统计学方法多、公式多，且各有适用条件，应根据实验设计和资料性质进行正确选择。

4. t检验被误用

t检验是最常用的统计学方法之一，是专门检验两个均数之间差异的（样本与总体、配对资料、样本与样本），但有许多误用的情况。在t检验中把配对设计的资料作成组比较的t检验是常见的失误之一，t检验误用于方差分析的现象也不少见。t检验不能用于三组或三组以上的组间比较，及时资料符合t检验的条件也是不行的。因为将原来的多组整体设计割裂失去了总变异和总剩余误差，损失了部分信息，降低了检验效率。

5.不当检验

 四格表资料，当1<T<5，n>40时，没有计算校正值；当T<1或n<40时，没有选用四格表确切概率法。行×列表资料，由于例数太少，没有采取适当的处理方法，直接计算数值，导致分析偏性。

6.多组间两两比较出错

 最常见的错误是，将三组或以上组拆开分别作两两比较。应先将所有组一起比较，差别有统计学意义后，再进行两两比较或多个处理和同一对照组比较。

7. 相关回归分析犯概念性错误

有作者将一组变量既作为自变量又作为因变量，r=1，认为有完全相关性，这说明对相关概念还不十分清楚。有作者在自变量和因变量都没有问题并且求得r=0.89的情况下，就认为两事物间有因果关系。r的实际意义只能提供两个变量是否相关的信息，却不提供相关是否有因果关系的信息。正确的方法是求得两个变量间数量关系的回归方程式，算出了r，在做结论之前应先作统计检验，若P>0.05，则此回归方程并无实际意义。

8.等级变量资料误用检验

等级资料（如治愈、显效、好转、无效），要比较疗效只能用非参数检验（秩和检验或Ridit分析），常见错误是采用检验。R×C行列表的检验只能区分两组构成比差异，四格表的检验忽视了等级信息。

9.参数检验和非参数检验混淆

 计数资料最常用的统计方法为x2检验或U检验，计量资料的统计数据经常用t检验或F检验，但也经常出现采纳数检验代替非参数检验进行处理。如微量元素（血铅、血锌、尿汞）等数据经常出现偏态分布。当数据呈现偏态分布时，小样本（n<50）不能用参数统计方法（t检验或F检验）而应该用非参数统计方法（参比差值法或秩和检验），或进行数据转换（倒数或对数）后用参数统计方法。

10.重复测量设计资料出错

如为了解造模前后大鼠体重间是否有差别，选用36只大鼠随机分为3组，每组12只，第1组为对照组，第2组为低剂量组，第3组为高剂量组，分别在给药前、给药后1、2至8周测量大鼠体重，误用t检验分析。宜用方差分析，并且还要对组内因素及组间因素分别进行检验，对各重复测量时间的变化趋势进行分析，观察检验结果有无统计学意义。

 

摘自《健康报》