：1大样本资料或配对差值服从正态分布的小样本资料，作配对t检验2小样本并且差值呈偏态分布资料，则用Wilcoxo
的符号配对秩检验
f2多组资料：1若大样本资料或残差服从正态分布，并且方差齐性，则作随机区组的方差分析。如果方差分析的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：LSD检验，Bo
ferro
i检验等）进行两两比较。2如果小样本时，差值呈偏态分布资料或方差不齐，则作Fredma
的统计检验。如果Fredma
的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：用Wilcoxo
的符号配对秩检验，但用Bo
ferro
i方法校正P值等）进行两两比较。五、分类资料的统计分析1四格表资料1bc40，则用McNemar配对c2检验或配对边际c2检验2bc￡40，则用二项分布确切概率法检验2C×C表资料：1配对比较：用McNemar配对c2检验或配对边际c2检验2一致性问题（Agreeme
t）：用Kap检验变量之间的关联性分析六、两个变量之间的关联性分析1两个变量均为连续型变量
f1小样本并且两个变量服从双正态分布，则用Pearso
相关系数做统计分析2大样本或两个变量不服从双正态分布，则用Spearma
相关系数进行统计分析2两个变量均为有序分类变量，可以用Spearma
相关系数进行统计分析3一个变量为有序分类变量，另一个变量为连续型变量，可以用Spearma
相关系数进行统计分析七、回归分析1直线回归：如果回归分析中的残差服从正态分布（大样本时无需正态性），残差与自变量无趋势变化，则直线回归（单个自变量的线性回归，称为简单回归），否则应作适当的变换，使其满足上述条件。2多重线性回归：应变量（Y）为连续型变量（即计量资料），自变量（X1，X2，…，Xp）可以为连续型变量、有序分类变量或二分类变量。如果回归分析中的残差服从正态分布（大样本时无需正态性），残差与自变量无趋势变化，可以作多重线性回归。1观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素2实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以
f校正这些混杂因素对结果的混杂作用3二分类的Logistic回归：应变量为二分类变量，自变量（X1，X2，…，Xp）可以为连续型变量、有序分类变量或二分类变量。1非配对的情况：用非条件Logistic回归1观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素2实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量r