医学研究，特别是随机对照试验，置信区间非常重要。但它中文论文文献中被长期忽视，因而我今天特地来科普下。 统计分析结果中，P值很重要。人人都爱P值！但光光这个“屁用”的值是不够的。我一直在说，统计分析报告，要效应值、P值、置信区间三者皆具。
-chxh.jpg)
答案是显而易见的，错了！ 还是有很多人在问我这个问题，为什么错了？ 首先是显著性一词，英文的说法是significant，或者significance，所以翻译成中文，很多人翻译成显著性，但是英文还有个词要联系起来，statistical，也就是如果你要翻译应该是具有显著性统计学差异。 但这种说法
今日本公众号头条报道了一个关于电子屏幕与自闭症的关系！ 里面介绍一个方法，Jonckheere-Terpstra方法。可能绝大多数人都没有听说过，这里做个简单介绍。 最近，一项基于日本大型出生队列的研究研究发现，在男孩中1岁时接触较长时间的电子屏幕与3岁时诊断出患自闭症谱系障碍显著相关。
关于置信区间，之前我有长篇文章探讨过。 我来科普下：什么是置信区间? 为什么置信区间非常重要?【修改版】 现在我来讲讲，如何计算置信区间？什么时候需要计算置信
一直一直一直都在争议，当正态性检验，P值小于0.05，能否t检验问题，我已经写了类似的5篇文章。 有兴趣的话可以看一看！
学统计学的都知道，多组均数的比较，可以考虑方差分析，方差分析以后要进行两两比较，。而两两比较不能直接采用两样本t检验，需要采用特别的手段控制一类错误（假阳性率）。 用什么方法呢？一般的医学统计学的教材会是三种方法，q检验（SNK法）、LSD检验，bonfferoni检验。SPSS软件包括了很多两两比
昨天看到一篇文章，陈列了卡方检验的分析结果。 两张表，分析结果存在一定错误，你能够发现吗？
回归分析，无论是线性回归，还是logistic回归，都和线性方程有密切的关系，通过线性方程探讨自变X对因变量Y的作用。 线性回归方程 logistic回归方程
我们统计学分析有个小概率事件的说法，当某一现象发生概率非常小的时候，统计学上可以认为一次抽样活动中，不会发生。 但也会犯错误，小概率事件虽然发生的可能性比较小，但也有会发生，这种我们称之为一类错误。 但是，统计学仍然需要根据概率把事件又分为二，小概率事件，非小概率事件，概率界值一般是0.05。 一类
作为医学统计学老师，我参加了不少毕业论文的开题评审。很多学生往往要对问卷开展信效度分析。对于这一点，很多流统大咖表示不认同，他们基本认为只有量表才要做信效度分析，一般问卷是不需要做信效度的！ 这话没错错，但不严谨。问是不需要做信效度，这里的信效度特有所指。 首先，解释下信效度 信度指的是问卷或者量
Zstats交流群
联系助教
请输入助教告诉您的积分券
如果不填写积分券，将直接使用当前余额支付
请稍候，正在为您生成支付订单
请使用扫描二维码完成支付
二维码获取失败
支付二维码获取失败，请点击重新获取
请稍候，正在为您完成支付
正在使用积分券兑换，然后完成支付 正在使用当前余额完成支付
您的订单已支付完成，页面将在 秒后自动关闭
支付过程中出现错误，请重新选择支付方式
