- 博客(185)
- 收藏
- 关注
RSS订阅原创 竞争风险模型（Fine-Gray）：比Cox更精准的生存分析
想象一下，你在做一个肺癌的预后研究。病人随访了5年，你信心满满地跑了个Cox回归，觉得稳了。然后你发现一个问题：有23个病人死亡了，但其中有8个是死于心梗、脑梗、车祸——压根不是肺癌！这时候你的Cox模型告诉你"肺癌的死亡风险是HR=2.3"，但这个数字其实是在骗你。因为那8个人已经被Cox模型当作"censoring"（删失）处理了——也就是说，模型假装他们还活着。这科学吗？当然不科学。这就是要解决的问题。
2026-09-04 15:37:56
24
原创 从吃这个药有用吗到循证医学：医学决策是怎么一步步变靠谱的
进了医院，医生跟你说"你这个病，我们推荐用这种疗法"。你问"为什么？"医生说"因为指南这么写的"。你心里犯嘀咕：这指南是谁写的？可靠吗？凭啥说我这种情况就要用这个？今天把这件事的前世今生讲清楚，保证你以后听到"循证医学"不再觉得是句废话。
2026-09-04 15:37:21
12
原创 如何用R语言快速给你的问卷数据做探索性因子分析（EFA）？
确定能提取几个因子 → 旋转让结构清晰 → 解读每个因子的含义。KMO + Bartlett 检验判断数据适不适合 → 碎石图 + Kaiser 准则确定因子数量 → Varimax 正交旋转 → 载荷矩阵解读 + 删题 → 因子命名 + 报告。
2026-09-04 15:36:37
36
原创 方差分析被试间/被试内/混合设计到底怎么分？看这篇就够了
在说设计之前，先搞清楚「被试」是什么意思。被试，就是你研究里参与实验的人（或动物、用户……）。你可以理解为「实验对象」。比如你想研究「喝咖啡对注意力有没有影响」，你招募了 30 个人做实验。这 30 个人，就是 30 个被试。现在关键问题来了——这 30 个人，每个人只参与一种条件？还是同一个人参与了多种条件？这就是被试间 vs 被试内的分界线。被试间：不同人跑不同的条件 → 看组间差异被试内：同一个人跑所有条件 → 看条件变化混合设计：两种都有 → 同时看组间差异和条件变化，还能看交互效应。
2026-09-04 15:35:56
12
原创 卡方检验看着简单，但你的列联表可能根本不满足应用条件
卡方检验看着简单，但四个假设一个都不能忘：分类变量、期望频数≥5、样本量够大、观测独立。违反前两条用 Fisher 精确检验替代；有序分类变量不要当无序变量处理；配对数据用 McNemar 检验；样本量太大时结合 Cramer's V 判断实际意义。
2026-09-04 15:35:07
14
原创 量表问卷是怎么被设计出来的？心理学研究的测量工具全解析
你有没有过这种经历——做完一套心理问卷，看到分数结果一脸懵："这东西到底怎么算出来的？""为什么是这几十道题？""凭啥说我焦虑程度6.8分？今天把这事给你讲明白，保证你看完之后看任何问卷都带着"内行看门道"的眼神。
2026-09-04 15:33:43
10
原创 R语言Meta分析：手把手教你合并多项临床研究结果
Meta分析不是简单的"把数据填进去跑一下"就完事了。系统性地检索和筛选文献（PRISMA流程）评估每项研究的偏倚风险（ROB工具）合理处理异质性（随机效应、亚组分析）检验和敏感性分析（Egger检验、逐一剔除）谨慎解读结果（证据质量分级，GRADE系统）但只要掌握了R语言的这套工具链，完成一个规范、严谨、美观的Meta分析，其实并不难。"Meta分析的本质，是在不确定性中寻找最可靠的答案。而R语言，就是你寻找这个答案路上最可靠的伙伴。下一期我们会继续深入，讲讲如何用R语言做网络Meta分析。
2026-09-04 15:33:23
14
原创 还在用卡方检验处理临床数据？手把手教你「分层卡方」让混杂变量无处遁形
📌 要点一：什么时候想起分层卡方？发现混杂因素在两组间分布不均时。不要直接用普通卡方，先问自己——有没有混杂变量？📌 要点二：看哪个核心指标？OR_MH（调整后的比值比）+ 95% CI + Breslow-Day p值。三者缺一不可。📌 要点三：p值显著不等于因果！分层卡方只能控制已知的混杂变量，无法控制未测量的混杂。因果推断还需要更多方法（如PSM、工具变量等）。好了，这篇就到这里。分层卡方是临床研究里性价比最高的统计方法之一，搞懂了，受用无穷。有问题评论区见，下期想看什么统计方法，留言告诉我。
2026-09-04 15:32:58
14
原创 问卷数据严重偏态怎么办？——从“数据清洗“到“统计方法选择“的全流程避坑
问卷数据偏态这个问题，太常见了，千万别硬来。先检验、再判断、最后选方法——这个顺序不能乱。数据偏态不是你的错，但处理不好就是你的问题了。希望大家都顺顺利利毕业、发文章，少踩坑，多出成果。
2026-09-04 15:32:32
14
原创 巧用限制性立方样条回归玩转剂量-反应关系
好了，说了这么多，来个总结：RCS（限制性立方样条回归）是你探索剂量-反应关系非线性的一把利器。审稿人问"为什么线性"，你不用慌，拿RCS检验结果出来就行。建模：用lrm()或glm()rcs()拟合检验：用anova()看非线性P值画图：用Predict()ggplot2呈现结果。
2026-09-04 15:31:34
18
原创 临床研究设计不再抓瞎：RCT与观察性研究怎么选
RCT，全称，中文叫随机对照试验。我主动把研究对象「人为分组」，通过随机分配的方式，让实验组和对照组在基线特征上尽量相似，唯一不同的就是干预措施。然后我观察结局。说人话：就好比你把一群人随机抽签分成两组，一组吃新药，一组吃安慰剂（或者传统药），然后看哪组效果好。观察性研究，就是我不主动干预，我只是观察。医生在临床上看到两组患者：一组用了新药，一组用了传统药——这种就叫做观察性研究，因为分组不是研究者随机产生的，而是自然发生的。队列研究（Cohort Study）
2026-09-03 16:53:57
16
原创 工具变量IV选得好，内生性问题自然少
假设你在研究"教育年限对工资的影响"，最简单的回归模型长这样：其中：= 工资= 教育年限= 我们最关心的参数——多读一年书能多挣多少钱如果你用OLS（普通最小二乘法）来估计 ，你得到的结果在什么条件下是一致的（即样本量越大越接近真实值）？也就是说，自变量 必须跟误差项 不相关。在我们这个例子里，这意味着"教育年限"不能跟任何影响工资但没放进模型的因素相关。
2026-09-03 16:53:14
14
原创 从临床试验设计到结果：RCT的统计框架全梳理
RCT统计框架全景图1. 试验类型决定α设定：优效/非劣用单侧α=0.025，等效用双侧α=0.052. 样本量计算参数要有文献/专家依据，不能拍脑袋3. 主要分析用ITT，敏感性分析用PP，两者都要报告4. 主要终点中途不能改，改了就是大雷5. SAP要在试验开始前写好，不是数据分析完了再补。
2026-09-03 16:52:30
13
原创 你的回归结论可能是错的：为什么相关不等于因果是个危险陷阱
说个我亲眼见过的事。我一个朋友，前阵子发了篇论文回来，兴冲冲跟我说：叔，我的回归分析做完了，显著！控制了好几个变量，结论是跑步越多的人，收入越高！我说：你控制了什么变量？他说：年龄、性别、教育程度、工作年限。我说：你控制了"城市"吗？他愣了一下。我接着问：你控制了"是否经常出差"吗？跑步多的，可能本来就更注意健康，而且愿意跑步的人，往往生活在更注重健康的环境里，收入高可能是因为这个，而不是跑步本身。他当场石化。
2026-09-03 16:51:53
14
原创 从K-means到BERTopic：我用文本数据跑主题模型，发现导师之前都讲错了
我有个研究生朋友，去年写论文要做文本分析，用LDA跑了一遍，出来的topics他看了半天——"政治、金融、医学，三个完全不搭的词全揉在一个topic里"。简单理解就是：模型读过海量的句子，它知道"Apple"在"iPhone"语境里是科技公司，在"juice"语境里是水果。你可以理解为：让机器替你读书、替你读论文、替你读评论，然后告诉你"这堆文本里说了啥"，本质是把一堆乱七八糟的文字，自动归类成几个"话题"，告诉你每个话题里最关键的词是什么、每个文档主要在讲什么。说了这么多理论，来点实操的。
2026-09-03 16:50:58
205
原创 样本量估算全攻略：R语言pwr包实操演示
R语言里做样本量估算最常用的包是`pwr`包，基本覆盖了所有常见统计检验的样本量和功效分析。安装方法：# 安装并加载pwr包 install.packages("pwr") library(pwr)函数用途两组独立样本t检验两组样本量不等的t检验多组方差分析相关系数卡方检验比例检验（单样本）两比例比较样本量估算不是玄学，是有公式可循的科学。用R语言的pwr包，小样本t检验、大样本方差分析、相关系数、卡方检验、比例比较，基本都能搞定。效应量估准，样本量算准。
2026-09-03 16:50:23
43
原创 巢式病例对照研究设计及其统计分析方法
先说清楚概念。巢式病例对照，字面意思就是"嵌套在队列里面的病例对照"。它的操作方式是：从一个已经建立好的大型队列（比如社区人群队列、医院电子病历队列、医保数据库队列）出发，在随访期内识别所有新发的目标病例，然后从同一个队列中，按一定匹配原则选取非病例作为对照组。说人话就是：你不是先找病人和对照，而是先有一群人，跟踪随访，然后从中"冒"出来的病例才是你的病例，对照是从同一队列里"土生土长"的。图1：巢式病例对照研究设计流程图。
2026-09-03 16:49:51
22
原创 李克ert量表（Likert）到底该用几级？5级还是7级？
5级和7级差别没有那么大，样本量够大时结果趋于一致级数越多，数据越接近正态分布，但作答负担越重4级一般不推荐，缺少真正的中立项选题时考虑受众：专业研究者用7级，普通用户用5级最重要的是：设计时想清楚你要测什么，而不是纠结于"几级更好"
2026-09-03 16:49:16
40
原创 机器学习vs统计学习：一文说清区别，别再傻傻分不清
统计学习：从少量样本推断总体规律，关心因果机制和统计显著性，模型简单、可解释性强。机器学习：从大量数据自动学习规律，关心预测准确率和泛化能力，模型复杂、可解释性弱。两者不是对立的，是互补的。统计是地基，ML是上层建筑。
2026-09-03 16:48:34
404
原创 R语言ggplot2画图丑？是你没掌握这5个核心语法，被导师夸论文图表好看其实不难
ggplot2的语法体系我给你们捋完了。但我想多说一句：语法只是工具，画出来的图好不好看，取决于你知不知道什么是"好看"。我见过很多人，代码写得挑不出毛病，图做出来就是丑。为什么？因为不知道什么叫好的数据可视化。第一，一张图只讲一件事。别贪多，你想展示的关系越多，图越乱。超过三个维度，用facet分开。第二，配色别太花哨。学术图表配色尽量简洁，两个色系以内最佳。viridis和Color Brewer够你用了。第三，坐标轴标签要清晰。单位要说清楚，数字格式要统一，别让读者猜。第四，图例要精简。
2026-09-03 16:47:22
108
原创 合成控制法：没有对照组也能做因果推断，DID失效时的终极武器
今天聊一个当DID失效时的终极武器——。传统的DID需要找到一个"干净"的对照组，但现实研究中很多时候政策只影响了一个州、一个省、一个学校，而其他地区/单位都没受影响——根本找不到对照组。。今天把这个方法讲透，附完整实操代码。
2026-06-10 16:37:58
116
原创 双重差分DID你真的用对了吗？——交错DID平行趋势检验顶刊方法
交错DID是指不同个体在不同时间受到政策冲击，这是政策评估中最常见的情况。•各省在不同年份实施环保政策•各州在不同年份通过最低工资法•各学校在不同年份引入新教学方法。
2026-06-10 16:37:40
86
原创 缺失值填0还是删掉？90%的医学论文都踩过这个坑
缺失值处理没有金标准，只有最适合你数据的处理方法。但有三条底线：不能用均值填补、不能假装没有缺失值、不能不报告缺失值处理方法。这三条踩了，审稿人一问就穿帮。
2026-06-10 16:36:56
38
原创 统计结果这样写，审稿人再也挑不出毛病：APA格式实战模板
让读者能判断你的结果靠不靠谱。APA格式就是这套判断标准的约定。你遵守了约定，审稿人就能快速判断；你不遵守，他就要花时间猜你想说什么。统计学报告和写论文一样——格式规范不是为了折磨你，是为了保护你。
2026-06-10 16:36:07
54
原创 重复测量方差分析完全搞懂——心理学干预研究的标配，审稿人最爱问的统计方法
重复测量ANOVA的核心是被试内设计——同一个被试在不同时间点或条件下被测量了多次。前测-后测-追踪测量设计（同一组被试在三个时间点测量）实验组vs对照组在多个时间点的重复测量被试内因素的不同条件（如高/中/低刺激强度）交叉设计被试内设计≠独立组设计！两者统计处理完全不同，别混为一谈。
2026-06-03 14:18:04
39
原创 一文搞懂中介效应检验：Bootstrap到底选多少？Sobel检验还有人在用吗？
先问你们一个问题：你现在手头有一批数据，想研究X是如何通过M影响Y的。你听说要做中介效应检验，但打开统计书一看——Sobel检验、Bootstrap置信区间、KHB法、贝叶斯方法……你脑子里瞬间宕机。别急，这个话题没有书里讲的那么复杂。
2026-06-03 14:17:47
55
原创 审稿人问“为什么用逐步法“，我哑口无言了整整三分钟
那是我第一次被审稿人问住。论文用的是逐步回归，挺好的方法，没啥问题哦，我以为稳了。结果外审回来，审稿人第二页写了一句话：我去找导师，导师说：「你自己想想怎么答。我在办公室坐了三个小时，把能用的话术全想了一遍，最后写出来的回复连我自己都不满意。后来我花了很长时间把这个问题搞清楚，才知道当年踩的坑有多深。今天把回归方法选择这件事彻底讲清楚，下次审稿人问你，你可以当场回答，不需要三分钟。PART 01逐步法为什么惹争议？
2026-06-03 14:17:28
28
原创 别再问我用什么统计方法了！一张表解决你的选择困难
我带的学生里，问「用什么方法」问得最多的，往往是连自己因变量类型都没搞清楚的人。统计方法不是由你的问题决定的，是你的因变量类型决定的。搞清楚因变量类型→看它在决策树里属于哪一类→选对应的方法。这是选方法最快、最准的路。下次有人问你「用什么统计方法」，你把这张决策树发给他，比你解释十分钟都清楚。
2026-06-03 14:17:05
29
原创 论文里写采用Lisrel做结构方程模型？老外看到这个就想拒稿
我审过的稿子里，用Lisrel的朋友通常有两个问题：一是报告格式不完整，二是模型设定缺乏理论依据。第一个问题好解决，第二个问题需要你真的懂自己在做什么。软件只是工具。你对工具的选择，某种程度上也在告诉审稿人你对领域的了解程度。
2026-06-03 14:16:42
23
原创 ROC曲线快速上手：AUC值怎么算、怎么画、怎么吹
ROC曲线，全称受试者工作特征曲线（Receiver Operating Characteristic Curve），是用来评估分类模型诊断能力的金标准工具。不断改变诊断截断值（cutoff）每个截断值对应一个灵敏度和特异度以灵敏度为纵轴、1-特异度为横轴，描点连成曲线为什么医学论文必用ROC？因为它同时考虑了灵敏度（检出真病人的能力）和特异度（排除真健康人的能力），不像单看准确率那样会被患病率带偏。
2026-06-03 14:15:52
32
原创 Cox回归生存分析：医学论文常客——医学生存分析必学，高分期刊常客
Cox回归是生存分析的核心方法，用于分析时间到事件的结局。既有时间信息，又有截断信息。很多人要么忽略截断只分析已完成事件的人，要么用普通线性回归忽略时间——这两种做法都是错的。•可以处理截断数据•同时估计多个变量的效应•提供HR（风险比）作为效应量，直观易解释•$h_0(t)$：基线风险函数（所有人共同的基准）•$e^{\beta X}$：协变量对风险的乘效应•HR = 1：无效应•HR > 1：风险增加（如HR=2 = 风险增加100%）
2026-06-03 14:15:34
32
原创 为什么样本量越大p值越小？从统计检验的底层逻辑讲清楚
如果你现在还在用p值来判断一个效应是不是「真实存在的」，或者你曾经疑惑过「为什么我换个更大的样本数据，p值就变小了」，那这篇文章一定要看到最后。⚠️ 因为真的很重要。这个问题搞不清楚，你对统计检验的理解就是有根本性偏差的。
2026-06-03 14:15:07
62
原创 最大似然估计到底在做什么？用一个扔硬币的例子讲明白
当时我那位非统计专业的朋友听完了扔硬币的例子，说了句让我印象很深的话：「这不是常识吗？哪有那么复杂？对，MLE的核心就是常识。只是我们把它包装了太多术语，或者现代统计教育搞得太装逼了，反而把简单的东西讲复杂了。统计学很多时候就是这样：你想明白背后的逻辑，就会发现没有哪个方法是真正难的。
2026-06-03 14:14:46
24
原创 审稿人说你的效应量不报告？看完这篇彻底搞懂Cohen‘s d/η²/β的正确用法
今天聊一个让无数科研人当场社死的场景：审稿人问「你的效应量呢？怎么没有报告效应量？我当年第一次被审稿人问这个问题的时候，整个人都懵了——什么效应量？p值不是已经够了吗？p<0.05不就说明显著了吗？后来我才明白，p值和效应量是完全不同的两个东西，审稿人问你要效应量，不是挑刺，是在确认你懂不懂统计。PART01。
2026-06-03 14:14:22
63
原创 导师问我数据不符合正态分布怎么办？我当场给他讲了3种补救方案
正态分布简单说就是一种数据的「标准形态」——大部分数据集中在中间，少部分往两边散开，像一个钟形曲线。统计学里几乎所有的参数检验（t检验、方差分析、回归）都要求数据近似正态分布。为什么？因为这些检验的原理就是假设数据服从正态分布，然后基于这个假设来算概率。如果数据严重偏态，你还用普通t检验或者方差分析，结果就会不准确。PART02。
2026-06-02 11:30:37
58
原创 贝叶斯定理到贝叶斯统计：为什么说它是理解世界的另一种方式
你可能觉得贝叶斯很难，但它的核心思想就这么几行字：不是这个世界在变，是我们对世界的认知在随着新证据更新。这句话，真好！贝叶斯定理告诉我们的不是「什么是真的」，而是「有了这些证据，我们应该相信什么」。这两者之间的区别，大概就是现代统计最深刻的洞见之一。
2026-06-02 11:30:09
381
原创 结构方程模型（SEM）做有调节的中介：模板化教程——顶刊标配
在说怎么做之前，先搞清楚概念。X通过M影响Y。比如心理弹性→压力知觉→抑郁。心理弹性降低了压力知觉，压力知觉又导致抑郁——这个间接路径就是中介效应。Z调节X对Y的影响。比如性别调节心理弹性和抑郁的关系——男性和女性中，这条直接路径的强度可能不同。简单说就是中介路径本身被调节。不是简单地说「Z调节X对Y的直接效应」，而是说「Z调节了中介路径a（比如心理弹性→压力知觉）和/或路径b（压力知觉→抑郁）的强度」。用人话来说：中介这个「桥」本身在不同人群里宽窄不一样。有调节的中介模型示意图PART02。
2026-06-02 11:29:17
52
原创 PSM进阶实战：1:N匹配、IPW加权与平衡性诊断
给每个个体赋一个权重，使得加权后的样本中，协变量分布与随机分配等效。权重怎么算？如果个体在处理组（T=1）：权重 = 1/PS如果个体在对照组（T=0）：权重 = 1/(1-PS)
2026-06-02 11:28:31
30
原创 倾向性评分匹配（PSM）入门：从原理到R语言实操
倾向性评分（Propensity Score，PS）的定义非常清晰：给定一组协变量X的条件下，一个个体被分配到处理组的条件概率。用人话来说：对于每个患者，根据ta的年龄、性别、基础病等特征（协变量X），计算出ta有多大的「可能性」被分配到处理组。这个可能性就是倾向性评分。如果两个患者，一个PS=0.8，一个PS=0.8，意味着即使他们实际上一个在处理组一个在对照组，但根据他们的特征来看，他们「本应该」被分配到同一组的概率是一样的。
2026-06-02 11:28:11
31
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人