摘要：回归诊断在医学科研中的应用山西医学院（０３０００１）何大卫，余红梅线性回归分析是医学研究中数据处理的重要方法，广泛用于标准线制作，疫情预测预报、因素筛选、判别分析等。从大量应用实例中可以发现数据背离回归假设时所产上的种种不良后果，导致研究者得出错误的结论，从而越来越感到回归假设这一基本问题的重要性。为了考查假设模型的合理性和试验数据对建立在这个假设基础上的统计推断的影响大小逐渐发展起来的回归诊断（ｒｅｇｒｅｓｓｉｏｎｄｉａｇｎｏｓｔｉｃｓ）这一新的研究领域，已成为近代回归的重要方面，它从理论研究正步入实际应用阶段。本文旨在运用近代回归分析的方法研究医学资料中异常点的识别，特别是几种图示法，简单明了。文中所涉及到的诊断量与诊断用图，作者均设计有相应的统计程序，便于实际工作者采用。原理与方法一、诊断量１．学生化残差假定线性回归模型Ｙ＝ｘβ＋ε，其中Ｙ为（ｎ×ｌ）观测向量，ｘ为（ｎ×ｐ）列满秩矩阵，β为（ｐ×１）未知参数向量，ε为（ｎ×１）随机误差向量。普通残差定义为：ｒ＝Ｙ－Ｙ＝［Ｉ－ｘ（ｘ＇Ｘ）－１Ｘ＇］Ｙ＝（Ｉ－Ｈ）Ｙ式中Ｈ＝ｘ（ｘ＇Ｘ）－１ｘ＇，称为帽矩阵（ｈａｔｍａｔｒｉｘ）。

摘要：临床试验是评价一种新的治疗方法(包括:药物、设备、过程等)的标准.70年代以来,随着现代医学模式的转变及医学科研水平的提高,临床试验方法已成为医学统计学中十分活跃的研究领域,许多新的临床试验设计和资料统计分析方法应运而生.其中讨论最多且应用较广泛的是期中分析(InterimAnalysis).将期中分析作为临床试验的步骤之一,这一观点已得到普遍接受并在应用中显示出其重要性和特殊性.

摘要：目的　秩和检验是非参数检验中检验效率比较高 ,而且又是最常用的一种方法。当相同秩次较多时 ,必须利用校正公式。若能导出相应的简化公式则可以省去校正的繁琐 ,进而简化计算。方法　运用校正的思想将校正的内容融于简化公式。结果　简化公式与校正公式所得结论相同。结论　简化公式形式简单、易于理解 ,特别对非统计专业和对校正公式了解不深的人 。

摘要：目的探讨完全随机设计两样本率比较的Barnard确切非条件检验方法,并与Fisher确切概率法进行比较。方法非条件确切检验方法是通过使冗余参数在其参数空间内变动,以其确切P值的上确界为所求检验P值。结果根据实例分别算得两种方法的确切分布与P值,Barnard方法所得P值较Fisher方法更小。结论在小样本情形下,Barnard确切非条件检验法较Fisher确切条件检验法获得的检验P值更小,检验功效更高。

摘要：医学研究领域中，常见到重复测量(Repeated Measurements，RM)数据。重复测量因素各水平间往往存在自相关性，而常规统计分析方法需满足数据间的独立性。重复测量设计中的研究因素分为重复测量因素(within-subject factor，即“组内因素”)和处理因素(between-subject factor，即“组间因素”)，按所含重复测量因素的个数分为单因素重复测量(One-way Repeated Measurements)设计和多因素重复测量(Multi-way Repeated Measurements)设计〔1〕。单因素重复测量资料的分析方法目前国内已有报道，多采用一元裂区方差分析〔2，3〕。多因素重复测量分析方法类似于单因素重复测量，但由于增加了重复测量因素的个数，从而增加了分析的复杂性。本文以含两个重复测量因素和一个处理因素的资料为例说明多因素重复测量的一元裂区方差分析及其校正。

摘要：目的　给出计算两个和多个处理组重复测量设计所需样本含量的公式。方法　探讨两组及多组重复测量设计的样本含量估计。结果　利用单因素裂区分析模型建立了处理组数G≥ 2时样本含量的估计公式。结论　列出了影响样本含量的因素 ,并指出Bloch’s样本含量公式的低估现象。

摘要：正交试验设计[1]是一种高效、省时、节约样本含量的试验方法,传统上以算一算,比一比的直接法确定最优条件.但如果因素间存在交互作用时[2],在设计中交互作用的安排实际是很复杂的问题,当进行探索性试验时,因经验不足,哪些因素间存在交互作用,往往不好确定,若从模型的角度就可以简化正交设计,在设计阶段只安排各因素的主效应,不需要考虑安排因素间的交互作用,将交互作用在建立的模型中进行分析,并以模型为基础,用遗传算法进行最优工艺条件的选择.

摘要：目的　成组设计的多个样本比较与多个样本间两两比较的秩和检验 ,是非参数检验中用于检验多个样本比较与多个样本比较间两两比较的方法 ,而且又最常用的一种方法。当相同秩次较多时 ,必须利用校正公式。若能导出相应的简化公式则可以省去校正的繁琐 ,进而简化计算。方法　通过校正的思想将校正的内容溶于简化公式。结果　简化公式与校正公式所得结论相同。结论　简化公式形式简单、易于理解 ,特别对非统计专业和对校正公式理解不深的人而言 ,无疑是一种好方法。

摘要：目的　采用Ｎｅｗ ｔｏｎ－Ｒａｐｈｓｏｎ 法拟合对数线性模型时，如果列联表的维数太高（≥５），使得设计矩阵复杂，以及迭代精度等原因，出现病态的信息矩阵，而无法收敛，导致算法失败。本文从应用角度探讨了ＩＰＦ算法的有效性。方法　采用ＩＰＦ算法对一个五维表进行了分析。结果　ＩＰＦ算法能够很好地拟合高维表的模型，并得出了合理的结果。结论　ＩＰＦ算法简便、稳健，在Ｎｅｗ ｔｏｎ－Ｒａｐｈｓｏｎ 法失效时。

摘要：传统的临床试验在试验结束后进行统计学分析,以了解某种治疗措施的疗效.1975年,美国Greenberg首先提出在临床试验过程中对中间结果进行检验,即期中分析[1].经典的期中分析方法--成组序贯期中分析方法[2,3]在试验设计阶段要求的条件非常严格,所有结论都是建立在这些假定的基础上.在实际工作中,大量的临床实例及药物安全性评价过程并不一定满足这些条件,使用经典期中分析方法就会产生较大的误差,甚至出现错误的结论,因此,它的应用受到一定的限制.