15、医学研究中的统计方法应用与分析

医学研究中的统计方法应用与分析

1. 双多元方差分析（Doubly multivariate ANOVA）

双多元方差分析适用于具有多个配对观测值和多个结果变量的研究。例如，在有两个或更多不同结果变量的研究中，结果值会在随访期间重复测量；或者在有两个或更多结果变量的研究中，结果值会在不同水平下测量，如不同的治疗剂量或不同的化合物。

多元方法可以防止第一类错误的膨胀，因为只进行一次测试，所以p值无需因多次测试而调整。同时，多元测试集可以同时考虑多个效应。

与单变量分析相比，多元分析具有一定优势。不同类型的方差分析适用情况如下：
| 分析类型 | 观测值情况 | 结果变量数量 |
| — | — | — |
| 单向方差分析（One way ANOVA） | 多个非配对观测值（即每个受试者仅观测一次） | 单个结果变量 |
| 重复测量方差分析（Repeated measures ANOVA） | 多个配对观测值（即每个受试者有多次观测） | 单个结果变量 |
| 多元方差分析（Multivariate ANOVA） | 多个非配对观测值 | 多个结果变量 |
| 双多元方差分析（Doubly multivariate ANOVA） | 多个配对观测值 | 多个结果变量 |

2. 概率单位模型（Probit Models）

2.1 一般目的

概率单位回归和逻辑回归一样，用于估计预测变量对“是/否”结果的影响。如果预测变量是多种药理治疗剂量，那么概率单位回归可能比逻辑回归更方便，因为结果将以响应率的形式报告，而不是优势比。两种方法的因变量对数优势（log odds，也称为lo