SCI文章中常用的统计检验

阅读期刊文献时，各种统计检验（T检验、wilcoxon秩和检验、方差分析…）方法让人眼花缭乱，分不清它们之间的区别；当处理自己数据时，又面临着不知道如何挑选合适的检验方法，学习操作那些复杂的生信软件等等挑战。

各类统计检验究竟有何差别，该如何选择？有没有快速便捷的工具可以实现数据的统计检验？我们为大家解答这两个问题。

对于一项研究成果数据上的评判，我们需要用一个明确、客观的指标加以说明，这就是统计检验的意义。统计检验是每个科研人必修的功课，从数据本身出发挑选适合的检验方法是第一步，就像是每个侠客闯荡江湖前都要挑选一件趁手的兵器，狼牙棒还是青锋剑这完全取决于自身条件。当前期刊文献中常规数据的主流统计检验方法分为两派：

1.以T检验、方差分析等为代表的参数检验派，讲究的是精确制敌的效果；

2.以秩和检验、卡方检验为代表的非参数检验派，走的是隔山打牛的路子。

所谓参数检验，顾名思义就是对数据总体的均值、方差等参数作出的假设检验，基于方差齐次、正态性等假设。而非参数检验则回避了数据总体分布的参数，对数据排名（秩次）等信息进行假设检验。

各类t检验简介

当前各类期刊对于实验的生物学重复都有一定的要求，因此适用于两样本比较的卡方检验出现频率逐渐减少，T检验常用于两组数据比较，成为当前期刊文章中出现频率最高的检验类型，T检验根据检验的数据类型又可以分为3种：

1）单样本T检验 ：较少被使用。检验单组样本的平均值是否等于目标值，如：某个班级学生的平均身高是否达到全国平均身高等。

2）独立样本T检验：最常被使用，检验两组独立样本的平均值之差是否等于目标值，如：疾病组与健康组的某项指标是否存在显著差异等。

3）配对T检验：偶尔被使用，检验相关或配对观测之差的平均值是否等于目标值，例如：检验一款减肥药效果，同一个人服药前后的体重数据就是配对的数值，检验若干个配对的体重数值是否存在显著差异。

独立样本T检验步骤

1）提出原假设，根据待检验的数据计算每组样本标准误差和均值；

2）根据样本数量n，标准误差s，以及各组均值计算统计量t值：

3）根据t值查表获取p值，做出统计学上的差异判断；

4）绘制相关图形（文章常见柱形图、箱线图等）。

参数检验-方差分析（ANOVA）

1.方差分析思想简介

方差分析常用于大于两组的多组数据的差异分析，方差分析假设了不同组样本数据的差异来自于两个方面因素：

1）组间差异（实验因素差异，即实验的处理导致组间产生的差异）

2）组内差异（测量误差或个体间的差异）

方差分析的核心思想就是分析不同来源的变异对于总变异的贡献大小，从而确定可控因素对研究结果的影响力大小。通常文章中分析单个控制变量对于观测值的影响，因此常用单因素方差分析进行多组差异检验。

2.单因素方差分析基本步骤

1）提出原假设，计算所有样本均值、各组均值以及误差平方和（获得组间方差和组内方差）；

2）计算统计量F（F＝组间方差/组内方差）；

3）计算概率P值，根据给定显著性水平做出决策；

4）进行多重比较检验，方差分析只能判断多组数据间是否存在差异，需要采用多重比较检验对各组变量均值进行逐对比较，获得两两分组间的差异信息，常用的多组比较事后检验方法有：LSD、HSD等。

非参数检验-秩和检验

1.秩和检验思想简介

各类参数检验往往对于数据的分布有一定要求，秩和检验不对数据分布做出假设，因此能适用于更复杂的数据分布情境中。当前常用的秩和检验有两类：

1）wilcoxon秩和检验：适用于两组数据比较；

2）KW秩和检验：适用于多组数据比较。

秩和检验的基本思想在于如果一组样本数值大小显著高于其他分组，那么将多组数据混合按数值大小排序后，属于该组数据的秩和（数据的排名之和）显著高于其他分组。

2.秩和检验的计算步骤

1）提出原假设；

2）两组/多组数据混合编秩（即数据混合后按数值从小到大进行编号，出现相同秩次则取均值），计算各组秩和；

3）根据分组样本数、各组秩和查询临界值表格，得出统计学结论；

4）三组以上数据比较（KW秩和检验时），配合使用Nemenyi等多重比较检验，获得两两分组间的差异结果。