统计方法选择与分析计划

更新：2026-10-13；状态：可用；验证范围：方法选择与分析计划核对；完整人工统计案例另页实际运行。

按照目标、观测类型和依赖结构选方法，预先规定比较、校正与验证方案。

先回答六个问题

研究单位是谁？目标是差异、关联、预测还是因果？响应是什么类型？样本独立、配对还是嵌套？哪些协变量需要建模？结论要推广到哪里？没有这些信息，单凭“我有两组数据”无法选唯一正确的检验。

初步选择表

问题与设计	常见入口	额外检查
独立连续数据均值差	t检验配对设计与Welch检验	重尾、离群、均值目标和效应区间
同一对象前后变化	配对t或适当配对方法	配对ID、差值、缺失与时间结构
排序关系或非参数位置问题	秩检验符号检验与非参数方法	方法检验的实际H0及并列
独立分类计数	列联表卡方与Fisher精确检验	分母、期望数、OR方向
多组/多因素连续结果	方差分析交互作用与对比	对比、编码、同方差或替代模型
协变量调整或二分类/计数	广义线性模型与逻辑回归	条件分布、链接、offset和分离
重复测量、家系、供体嵌套	线性模型与混合模型	协方差结构与可识别性
预测模型	数据泄漏与交叉验证	部署划分、调参和最终独立评价

这是起点，不是“数据类型→按钮”的自动规则。空间相关、删失数据、组成数据或复杂抽样应使用对应的方法体系。

分析前写下什么

明确主要结果与对比方向、独立单位、纳排规则、缺失处理、模型、协变量、检验家族、单双侧、区间与显著性规则。区分预先设定和探索性分析，避免不停换方法直到P变小。

组学分析还要注明预过滤、归一化、批次、基因/峰/蛋白的映射层级及背景集合。原始计数与绘图变换数据分开；发现阶段筛选与验证阶段冻结规则分开。

分析后的检查

查看效应、区间、残差、边界和敏感性。检验P值有效不等于结论可推广，模型拟合成功也不代表独立样本足够。记录所有计划内比较和偏离计划的原因，见组学验证的层级与证据。

依据：ASA关于统计显著性解释、Bioconductor设计矩阵教程。