醫學資料分析方法

醫學資料分析方法

醫學論文離不開臨床資料，對臨床資料進行分析是醫學論文寫作的重要一步。只有正確地進行資料分析，才能得出科學結論，醫學論文才具有科研價值。那麼，醫學工作者該如何正確進行資料分析呢？

1、聚類分析

聚類分析指將物理或抽象物件的集合分組成為由類似的物件組成的多個類的分析過程。聚類是將資料分類到不同的類或者簇這樣的一個過程，所以同一個簇中的物件有很大的相似性，而不同簇間的物件有很大的相異性。聚類分析是一種探索性的分析，在分類的過程中，人們不必事先給出一個分類的標準，聚類分析能夠從樣本資料出發，自動進行分類。聚類分析所使用方法的不同，常常會得到不同的結論。不同研究者對於同一組資料進行聚類分析，所得到的聚類數未必一致。

2、因子分析

因子分析是指研究從變數群中提取共性因子的統計技術。因子分析就是從大量的資料中尋找內在的聯絡，減少決策的困難。因子分析的方法約有10多種，如重心法、影像分析法，最大似然解、最小平方法、阿爾發抽因法、拉奧典型抽因法等等。這些方法本質上大都屬近似方法，是以相關係數矩陣為基礎的，所不同的是相關係數矩陣對角線上的值，採用不同的共同性□2估值。在社會學研究中，因子分析常採用以主成分分析為基礎的反覆法。

3、相關分析

相關分析，相關分析是研究現象之間是否存在某種依存關係，並對具體有依存關係的現象探討其相關方向以及相關程度。相關關係是一種非確定性的關係，例如，以X和Y分別記一個人的身高和體重，或分別記每公頃施肥量與每公頃小麥產量，則X與Y顯然有關係，而又沒有確切到可由其中的一個去精確地決定另一個的程度，這就是相關關係。

4、對應分析

對應分析也稱關聯分析、R-Q型因子分析，透過分析由定性變數構成的互動彙總表來揭示變數間的聯絡。可以揭示同一變數的各個類別之間的差異，以及不同變數各個類別之間的對應關係。對應分析的基本思想是將一個聯列表的行和列中各元素的比例結構以點的形式在較低維的空間中表示出來。

5、迴歸分析

研究一個隨機變數Y對另一個(X)或一組(X1，X2，，Xk)變數的'相依關係的統計分析方法。迴歸分析(regression analysis)是確定兩種或兩種以上變數間相互依賴的定量關係的一種統計分析方法。運用十分廣泛，迴歸分析按照涉及的自變數的多少，可分為一元迴歸分析和多元迴歸分析;按照自變數和因變數之間的關係型別，可分為線性迴歸分析和非線性迴歸分析。

6、方差分析

又稱“變異數分析”或“F檢驗”，是R.A.Fisher發明的，用於兩個及兩個以上樣本均數差別的顯著性檢驗。由於各種因素的影響，研究所得的資料呈現波動狀。造成波動的原因可分成兩類，一是不可控的隨機因素，另一是研究中施加的對結果形成影響的可控因素。方差分析是從觀測變數的方差入手，研究諸多控制變數中哪些變數是對觀測變數有顯著影響的變數。