如何选择合适的统计学方法

一般来说，使用哪种统计方法，取决于我们的应用场景、我们的研究目的是什么。

这里面一个麻烦的地方在于，不管你使用哪种统计方法，似乎都可以得出一个’结果’或一个p值，但这个结果有没有意义就两说了。

在我看来，确定我们要使用哪种方法的最关键的地方在于：

​ 我们是要比较两组数据差异，还是两个变量的相关？

同样一件事情你可以从不同角度来描述，听起来也会不一样，

例如，我们拿到两组数值，分别代表男性和女性的身高，那么我们可以把我们的假设或研究目的设置为：

• 男性和女性的平均身高是否有差异？

此时我们只需要单纯比较两组数据差异就行，可以使用T检验。

但是，这个问题我们同样可以描述为：

• 性别和身高是否有关，或者性别对身高是否有影响？

此时研究的目的就变成了两个变量的相关性了，那么就应该使用卡方检验（当然这时候我们的数据需要做一些转化，以符合卡方检验的要求）。

我们再举一个更实际的例子：

• 生存曲线中p值的计算

假如我们得到了两条生存曲线，一条代表未吃药的病人组；另一条代表吃药的病人组，我们想知道这两条生存曲线是否有差异。

乍一看似乎是数值型数据间的比较，可以使用T检验或F检验：

• 我们可以确定几个时间点，然后计算两个实验组在这几个时间点上的生存率，这样就得到了两组数值型的数据。

但问题在于，这个结果的含义应该怎么解释？

吃药的病人平均生存率比未吃药的高？只听说过三年生存率、五年生存率，平均生存率似乎没什么意义。

如果业务上解释不通或难解释，我们就要考虑其他的统计方法了，比如我们把研究目的换一种描述：

• 药物对病人的生存特征是否有影响？

此时比较的就是变量的相关性，变量一是‘是否吃药’；变量二是‘生存特征’。

如果使用卡方检验得到的p值在临界区域，那么我们就可以说是否吃药对生存特征是有显著影响的，同样可以说明吃药组和不吃药组是有显著差异的，相关性也包含差异性。