正确运用统计检验是确保医学论文科学性的关键。为帮助正在进行医学科研的朋友快速掌握核心工具，本文总结了#最常用的十大统计方法，并以通俗易懂的方式阐释其核心思想与应用场景，旨在为您的研究提供一份实用的快速参考指南。立即详读全文吧！
F检验就是一种比大小的统计方法，它主要用来比较 两个“方差”是不是有明显差别，或者说 多个组别之间的差异是不是大到不能只用“运气”解释。F检验会从“波动大小”来判断：各组之间的差异，是不是真的比组内的随机波动大得多。想象一下你在学校里，老师想知道三个不同班级的数学水平差不差：班级内部：同一个班同学之间的差距（有的高，有的低），这个差距就是 组内方差。班级之间：班与班之间的平均成绩差距，就是 组间方差。●拿来做一个比例（组间方差 ÷ 组内方差 = F值）。如果这个比例（F值）很大：说明班与班之间的差距，远大于班里学生自己之间的差距，那就能说“不同班级确实水平不同”。如果这个比例不大：说明班级之间的差异也就跟班级内部差不多，没法证明哪个班真的更好，可能就是随机波动。
蛋糕师傅之间差异（组间方差）：不同人做的蛋糕平均味道差别大不大？同一个师傅每次做的差异（组内方差）：同一个人多次做出来的波动大不大？👉 如果不同人做的差异远大于同一个人自己做的不稳定性，那就说明“不同人手艺确实有差别”（F检验显著）。👉 如果不同人做的差异跟他们自己随便发挥的波动差不多，那就说明其实大家水平差不多（F检验不显著）。
“组与组之间的差异，究竟是真实的差别，还是只是随机波动？”我给你整理一下 医学论文里常见需要用到 F 检验的场景，用大白话解释：比较三种降压药对血压的效果 → 组1（药A）、组2（药B）、组3（安慰剂）。比较不同BMI分组（正常、超重、肥胖）患者的平均血糖水平。F检验是ANOVA的核心：先看“总体差异”是不是显著，再决定要不要做两两比较。●场景：在做多元线性回归时，你不仅关心某个自变量是不是显著，还要问：用年龄、性别、BMI预测血压，F检验可以检验“这些变量加在一起，能不能显著解释血压的差异”。●场景：在做 t 检验 或 ANOVA 前，你需要先确认不同组的方差是不是差不多。比较糖尿病组 vs 非糖尿病组的血脂水平，先要确认两组的波动（方差）是不是相似。t检验和ANOVA对“方差齐性”有要求，F检验就是常用的检测工具。临床试验中，比较低剂量、中剂量、高剂量三组患者的疗效指标（比如血压下降幅度），先用 F 检验看看组间有没有总体差异。●场景：研究中有不同的“来源”或“中心”，要看这些来源带来的差异是否显著。多中心临床试验中，用 F 检验看不同医院之间患者差异大不大。遗传流行病学里，用 F 检验比较基因型之间的表型差异。在医学论文里，只要涉及“比较多个组的均值差异”或者“检验模型整体显著性”，大概率会用到 F 检验。👉 可以理解为：t检验是“小范围对比”，而F检验是“大范围总检”。
糖尿病患者 vs 非糖尿病患者 → 比较平均血糖水平。t检验：像医生比较两个病房的平均血压，看是不是不同。F检验：像医生比较整个医院多个病房的平均血压，先看总体差异存不存在。如果有三组及以上 → 先用 F检验（ANOVA），再做事后t检验/校正。比如：治疗组 vs 对照组，治愈/未治愈的人数分布是否有显著差别。
治疗组 vs 对照组 → 治愈率（治愈 / 未治愈）。不同BMI分组（正常/超重/肥胖） → 高血压发生率是否不同。不同血型（A/B/AB/O） → 某种疾病的分布差异。3. 适合度检验（Goodness-of-fit）●全称：Analysis of Variance。如果组间差异显著大于组内差异 → 认为不同组均值不一样。例：高血压患者分为 3 组（药物A / 药物B / 安慰剂），比较治疗后平均收缩压 → 用单因素方差分析（One-way ANOVA）。例：同一批病人术前、术后1周、术后1月的平均血糖比较 → 重复测量 ANOVA。例：研究药物类型（A/B/C） + 性别（男/女）对血压的影响 → 双因素方差分析（Two-way ANOVA）。ANOVA → 能比多组，但前提是正态 + 方差齐。Kruskal-Wallis → 多组，非正态时用。ANOVA：比“三家餐厅的平均评分”，看看是否至少有一家不一样。Kruskal-Wallis：比“三家餐厅顾客的排名差异”，不看平均分，看整体分布。是“多组均值比较”的首选，但必须保证正态分布 + 方差齐性。如果条件不满足，就要用 Kruskal-Wallis 代替。前面我们聊了t检验 / F检验 / 卡方检验，它们大多要求数据满足一定的假设（比如正态分布、方差齐性）。那如果数据不满足正态分布或者样本量太小怎么办？👉 就要用到非参数检验，其中最常见的就是 Mann-Whitney U 检验。●它不要求数据服从正态分布，也不太怕极端值（outliers）。例子：ICU患者的住院天数（往往右偏，不符合正态）。检验：治疗组 vs 对照组 → 住院天数差异 → Mann-Whitney U 检验。例子：疼痛评分（VAS评分 0–10，本质是等级数据）。检验：手术方式 A vs B → 疼痛评分差异 → Mann-Whitney U 检验。例子：罕见病研究，两组患者样本量 < 30，且分布明显偏态。Mann-Whitney U检验：比“两个班同学身高谁更高的次数”，相当于把大家排队，看哪个班的人整体更高。数据非正态/等级数据 → Mann-Whitney U 检验Kolmogorov-Smirnov 检验（K-S 检验）Kolmogorov-Smirnov 检验（K-S 检验）在医学论文里主要是用来检验分布 的，而不是直接比较均值。你可以把它想象成：我有一堆数据（比如某药物组病人的血压值），我怀疑它是不是“符合正态分布”。K-S 检验就像一把“模板尺”，把数据的累计分布和理想的正态分布模板一比，看差距大不大。在决定用 t检验还是 Mann-Whitney U检验前，常常要先跑 K-S 检验。例如：“数据经 K-S 检验符合正态分布，故采用独立样本 t检验”。比如比较两组人群的血糖值整体分布形状是否一样（不仅仅是均值）。如果你关心的是“整体分布差异” 而不是“均值差异”，就可以用 K-S 检验。Mann-Whitney U检验：看“中位数/排名”差不差。S 检验：更挑剔，检查“整个血压分布曲线”是不是长得一样。我们前面说过 Mann-Whitney U检验是t检验的非参数替代（两独立样本），那么 Wilcoxon 符号秩检验就是配对 t 检验的非参数替代。又叫 Wilcoxon signed-rank test。用来比较两组配对数据 / 成对样本的分布差异（常看中位数）。●配对t检验 → 看两次测量的均值差是否为 0（前后比较，正态数据）。●Wilcoxon 符号秩检验 → 看两次测量的秩次差是否对称分布（前后比较，非正态数据）。例：患者服药前后 → 血压下降值 → 数据不正态 → 用 Wilcoxon 符号秩检验。例：同一个病人 → 左眼 vs 右眼 → 视力差异。例：10 个病人术前术后疼痛评分（VAS），明显偏态。配对 t 检验配对样本，均值差正态分布病人术前 vs 术后 → 血压均值差Wilcoxon 符号秩检验配对样本，中位数差非正态/等级数据病人术前 vs 术后 → 疼痛评分配对 t检验：比“同一个学生，考试前后分数均值差多少”。Wilcoxon 符号秩检验：比“同一个学生，考试前后排位差异”，不在乎具体分数，只看名次变化方向和大小。两独立组 → t 检验（正态） vs Mann-Whitney U（非正态）两配对组 → 配对 t 检验（正态） vs Wilcoxon 符号秩（非正态）Kruskal-Wallis 检验，它就是单因素方差分析（One-way ANOVA）的非参数替代，主要用来处理多组比较。●适用于：3组及以上的独立样本，数据不满足正态或为等级数据。●原理：把所有样本合在一起排秩次，看各组的秩和是否有显著差异。单因素方差分析（ANOVA）：正态 + 方差齐 → 比较 3 组及以上均值。Kruskal-Wallis 检验：非正态 / 等级数据 → 比较 3 组及以上中位数（分布差异）。例：研究高血压患者3种降压药（A/B/C） → 收缩压差异 → 数据非正态 → Kruskal-Wallis 检验。例：罕见病患者，分3个治疗组，样本数小且分布偏态。Kruskal-Wallis：比“3个班同学整体排名差不多吗”，不看均值，只看整体分布。两组数据 → t检验（正态） / Mann-Whitney U（非正态）配对数据 → 配对t（正态） / Wilcoxon（非正态）三组及以上 → ANOVA（正态） / Kruskal-Wallis（非正态）Fisher 精确检验（Fisher’s Exact Test）Fisher 精确检验（Fisher’s Exact Test），它是卡方检验的“升级/替代”方法，特别适合样本量很小的情况。用来分析两个分类变量之间是否相关，尤其是 2×2 列联表（比如“治疗有效 vs 无效” × “用药 vs 对照”）。Fisher精确检验直接计算所有可能的排列概率，结果完全精确，适合小样本。Fisher 精确检验是“小样本时，逐个数清楚所有可能情况”。例：罕见病临床试验，药物组 10 人，对照组 8 人 → 观察治愈/未治愈。数据太少，卡方检验不可靠 → 选 Fisher 精确检验。卡方检验：像是“大城市人口普查”，只要估算就足够准确。Fisher 精确检验：像是“小村子人口统计”，人数太少，必须一个个点名精确计算。Fisher 精确检验：小样本/稀有事件时，更精确可靠。它主要用来比较同一批对象在两种情况下的表现有没有差别。比如你做了一项调查，想看看某种治疗前后，人们的状态有没有显著变化。关注的是结果有没有从一种状态变到另一种（是/否、对/错、喜欢/不喜欢）。想象你有一群人去参加相亲活动。活动前，你问他们：“你愿意再见这个人吗？”（回答是“愿意”或“不愿意”）。- 最有意思的是那些 从“不愿意”变成“愿意” 或者 从“愿意”变成“不愿意” 的人。
McNemar 检验就是专门看这两种“反悔者”人数是不是差很多。如果差很多，就说明活动确实改变了大家的想法；如果差不多，那说明活动对整体态度没啥影响。- 只关心那些中途改手势的人，看看改的方向是不是有偏向。
统计上，就是看“正向变化的人数”和“反向变化的人数”差得大不大。McNemar 检验是用来检验‘前后变化’是否存在显著差异的方法，重点只看那些改变立场的人。我们关心的是同一批人，在「前」和「后」的两个状态，比如“同意/不同意”、“正确/错误”、“是/否”。表格就是这样：- B：前同意 → 后不同意 → 这是「改口」人群之一
- C：前不同意 → 后同意 → 这是「改口」人群之二
- 如果 B ≈ C → 说明改口的人是“扯平”的，不算什么显著变化。
- 如果 B 和 C 差很大 → 说明变化有方向性（比如很多人都从不同意变成同意），这就是显著差异。
假设：20 个人用了某个减肥APP，前后问他们“你觉得自己瘦了吗？”对比 B=8 和 C=10，差不算大，所以没有明显证据证明这个APP真让人整体变瘦。McNemar 检验 = 只看「改口人数的两个方向」。Cochran’s Q 检验其实可以看成是McNemar检验的“升级版”。
1. McNemar 检验 vs. Cochran's Q 检验- McNemar 检验：只能比较两种情况（比如治疗前 vs 治疗后）。
- Cochran’s Q 检验：可以比较三种及以上情况（比如治疗前，治疗后1个月，治疗后3个月）。
所以，你可以把 McNemar 当成“对比2个时间点的工具”，Cochran’s Q 就是“对比多个时间点或多个处理方式的工具”。假设有一群人连续参加了 三次相亲活动：活动1、活动2、活动3。每次你都问他们：“你愿意再见这个人吗？”（回答仍然是是/否）。- 如果你只比较「活动前 vs 活动后」，用 McNemar 就够了。
- 但现在有三个活动，你想知道：大家的态度整体有没有变化？是不是活动2或活动3真的不一样？
→ 这时 McNemar 就搞不定了，需要用 Cochran’s Q。假设有 10 个人，三个时间点（或三种处理方式），每人回答“是/否”。数据像这样：- 如果差不大 → 说明整体上没有证据表明时间点之间存在差异。
- Cochran’s Q：三组或以上配对二分类（前 vs 中 vs 后）。
- 同样是“配对”的，只不过 Cochran’s Q 能处理更多情况。
好啦，这十大统计方法就算掌握了一遍。是不是感觉心里有点底了？说白了，统计就是个工具，别把它想得太玄乎。核心在于：明确研究设计 → 看清数据类型 → 对号入座选择方法 → 合理解读结果。
如果你现在正卡在统计这关，或者被数据分析搞得焦头烂额，别自己硬扛。欢迎咨询「医嘉研临床研究1V1指导」！我们将从选题方向沟通、数据挖掘、数据清洗、数据分析、写作指导、专家评审、语言编辑、投稿指导为您提供全方位指导！
医嘉研专注于提供医学科研服务，不论您是需要发SCI还是国内核心，都可以联系我们！主要方向如下：经典meta，网状meta，预测模型meta等等，医护全领域各类meta分析！
Minic数据库挖掘、NHanes数据库、GBD数据库、Charls数据库、临床真实数据（已有数据或制定数据收集方案）
转录组、单细胞测序、蛋白组、基因组、代谢组、孟德尔随机化、网络药理学、分子对接、多组学+机器学习等各类生信分析指导服务！
