test_selection_guide

# 统计检验选择指南 本指南提供了一个决策树，用于根据研究问题、数据类型和研究设计选择合适的统计检验。 ## 检验选择决策树 ### 1. 比较组别 #### 两个独立组 - **连续结果，正态分布**：独立样本 t 检验 - **连续结果，非正态分布**：曼-惠特尼 U 检验（Wilcoxon 秩和检验） - **二元结果**：卡方检验或费舍尔精确检验（若期望计数 < 5） - **定序结果**：曼-惠特尼 U 检验 #### 两个配对/相关组 - **连续结果，正态分布**：配对 t 检验 - **连续结果，非正态分布**：Wilcoxon 符号秩检验 - **二元结果**：McNemar 检验 - **定序结果**：Wilcoxon 符号秩检验 #### 三个或更多独立组 - **连续结果，正态分布，方差齐性**：单因素方差分析 (One-way ANOVA) - **连续结果，正态分布，方差不齐**：Welch 方差分析 - **连续结果，非正态分布**：Kruskal-Wallis H 检验 - **二元/分类结果**：卡方检验 - **定序结果**：Kruskal-Wallis H 检验 #### 三个或更多配对/相关组 - **连续结果，正态分布**：重复测量方差分析 - **连续结果，非正态分布**：Friedman 检验 - **二元结果**：Cochran's Q 检验 #### 多因素（析因设计） - **连续结果**：双因素方差分析（或更高阶方差分析） - **含协变量**：协方差分析 (ANCOVA) - **混合被试内和被试间因素**：混合方差分析 ### 2. 变量间的关系 #### 两个连续变量 - **线性关系，双变量正态**：皮尔逊相关系数 - **单调关系或非正态**：斯皮尔曼等级相关 - **基于秩的数据**：斯皮尔曼或肯德尔 tau 系数 #### 一个连续结果，一个或多个预测变量 - **单个连续预测变量**：简单线性回归 - **多个连续/分类预测变量**：多元线性回归 - **分类预测变量**：方差分析/协方差分析框架 - **非线性关系**：多项式回归或广义加性模型 (GAM) #### 二元结果 - **单个预测变量**：逻辑回归 - **多个预测变量**：多元逻辑回归 - **稀有事件**：精确逻辑回归或 Firth 方法 #### 计数结果 - **泊松分布**：泊松回归 - **过度离散计数**：负二项回归 - **零膨胀**：零膨胀泊松/负二项回归