精选统计教程合集，可以节省你不少时间。走过路过，不要错过！
1
两组间比较
对于数值变量，首先进行正态性检验，如果各组均满足正态性且两组间方差相等，采用均数±标准差进行统计描述，采用t检验进行组间比较；否则采用中位数（四分位数间距）进行统计描述，采用非参数检验（Mann-whitney检验）进行组间比较。对于分类变量，采用例数（百分比）的形式描述，组间比较采用χ2检验或精确概率法。
正态性检验可参考：
两独立样本t检验可参考：
两独立样本非参数检验（Mann-whitney检验）可参考：
t检验不能用，应该用非参数检验（Mann-Whitney U 检验）
中位数（四分位数间距）的计算可参考：
χ2检验和精确概率法可参考：
整理统计结果太麻烦，可参考
论文中临床资料整理太麻烦，其实完成table1只需不到10分钟
【修订版】对中文期刊友好的，临床基线资料table快速生成，不学就OUT了
数据探索可参考：
这张统计图，强烈推荐，包括了直方图、密度曲线、散点图、趋势线、相关系数及显著性
02
多组间比较
数值变量如果服从正态分布，采用均数±标准差进行统计描述，采用方差分析进行组间比较，如果组间差异有统计学意义，进一步采用LSD法（也可以是其它方法）进行两两比较。如果不服从正态分布，采用中位数（四分位数间距）进行统计描述，组间比较采用非参数检验（Kruskal-Wallis秩和检验），当组间总的有统计学差异，进一步采用Dunn法（也可以是其它方法）进行多重比较。
对于分类变量，采用例数（百分比）的形式描述，组间比较采用χ2检验或精确概率法，当组间总的有统计学差异，进一步采用χ2检验或精确概率法进行两两比较，两两比较的P值需采用Boferroni法进行校正。
单因素方差分析及两两比较：
Kruskal-Wallis秩和检验及两两比较：
卡方检验或精确概率法及两两比较：
03
Logistic回归
首先采用单因素logistic回归进行危险因素的初筛，将单因素分析中P<0.10的因素纳入多因素logistic回归，多因素分析以P<0.05认为有统计学意义。
Logistic回归：
单因素logistic回归，这么多自变量，重复点菜单，太浪费时间
04
诊断试验之ROC
金标准是二分类变量，诊断指标是数值变量，绘制ROC曲线，计算ROC曲线下面积，判断指标的诊断价值，并ROC曲线最靠近左上角的点作为cut-off值，探索最佳截断点。
如果涉及到联合诊断，则描述为：分析A法、B法及二者联合诊断结果与金标准的一致性，绘制ROC曲线，根据曲线下面积评估各种方法及联合诊断的诊断价值。
ROC曲线绘制：
ROC联合诊断：
ROC曲线两两比较：
05
诊断试验之Kappa
金标准是二分类变量，诊断指标也是二分类变量，计算新诊断方法的灵敏度、特异度等指标，并计算二者的Kappa一致性系数，并进行统计学检验，如果P<0.05，认为二者的一致性具有统计学意义，并且Kappa一致性系数越高，说明二者的一致性越高。
Kappa一致性检验：
06
科研效率提升
读文献太慢，写文章太难，建议参考：
刚写完的英文文章，有不少拼写和语法错误，建议参考：
浏览器用的好，可以大大提升科研效率，建议参考：
文献下载神器，可参考：
07
临床预测模型系列
【预测模型】Logistic回归模型验证：绘制ROC曲线，计算AUC及95%CI，以及不同模型的比较
【预测模型】单因素logistic回归，这么多自变量，重复点菜单，太浪费时间
【预测模型】Logistic回归模型校准图（Calibration plot）绘制
【预测模型】自助法（Bootstrap法）生成1000个C统计量（C index）并计算95%可信区间
【预测模型】构建COX回归模型，绘制ROC曲线，计算AUC及95%可信区间