這個題目聽起來似乎有點彆扭，什麼意思呢？就是說，有些話在醫學統計中流傳了很多年，不少醫學生甚至有的流行病學、衛生統計學的老師或學生也這麼說，但實際上，卻偏偏是錯誤的說法。本文主要列舉幾個：
（1）分類資料又稱計數資料
在比較早的版本中，這種說法存在。現在的很多醫學論文中，依然都這麼說。然而分類資料與計數資料並不是一回事。
其實他們的區別很容易，分類資料（categorical data）是類似於像性別、職業、血型等名義型，它們的值都是無實際意義的，只是個標識而已。例如性別的男和女分別用1和2標識，這裡你絕不能說2大於1。也就是說，在分類資料中，數值無所謂大小，只是個標誌，你可以用1和2標識，也可以用5和98標識，只不過實際分析中沒必要搞得那麼複雜，所以都儘量簡單地用1和2標識。
什麼是計數資料（count data），顧名思義是可以清點計數的。比較典型的如咳嗽次數、疼痛次數、轉移部位的個數等等。它們的值是有實際意義的，比如疼痛次數可能是1、2、3等，這裡就可以說2大於1，4大於3等，因為3次就是大於2次，沒什麼可說的。這裡的數值大小是起作用的。
如果從統計學角度來說，分類資料通常服從二項分佈或多項分佈，而計數資料通常服從Poisson分佈或負二項分佈。
現在還有不少文章在統計學方法中都提到“計數資料的比較採用卡方檢驗”，個人認為，嚴謹來說，應該是“分類資料的比較採用卡方檢驗”。
目前國內教材尚未嚴格區分這兩個概念。我也查了很多文獻和資料，很少有人清楚地闡述過這個問題，國內沒有，國外也很少，但有的國外論壇中能看出大家對這兩種資料的態度，肯定不是一回事，分析方法也不一樣。維基百科（英文）對categorical data和count data是分別定義的，不是一回事。大家感興趣的可以搜一下看看。
（2）分類資料和等級資料的關係研究分析應該用秩和檢驗
這句話欺騙了很多人，讓人覺得，凡是二維列聯表中有一個是等級資料的，一定要用秩和檢驗。然而真相如何呢？我們舉例說明一下：
例1，比較兩種儀器的療效有無差異，療效是等級資料，組別是二分類資料。
例2，比較三個年齡組的滿意度有無差異，年齡組是等級資料，滿意與否是二分類資料。
這兩個例子中，都是一個二分類資料，一個等級資料，那他們都要用秩和檢驗嗎？非也。
關鍵的問題在哪兒呢？一定要區分：分組變量和分析變量。分析變量也就是結局可以看做因變量；分組變量也就是組別，可以看做自變量。
只有分析變量是等級資料的時候，才用秩和檢驗。分組變量是不是等級，無關緊要，不影響方法選擇。記住：只看分析變量就行了。
例1中，分析變量（結局）是療效，作為等級資料，所以比較的時候需要採用秩和檢驗。例2中，分析變量（結局）是二分類資料，不是等級資料，所以不用秩和檢驗，用卡方檢驗即可。至於例2中的年齡是等級資料，並不影響卡方檢驗的使用。當然，分組變量是等級資料，你可以進一步做趨勢檢驗。
（3）樣本量大於30數據就服從正態分佈了
再說這個問題之前，我們先看一下下面這個圖形，這是1650人的數據分佈，大家看一下像是正態分佈嗎？
很明顯，這怎麼也稱不上正態。所以問題是很明確的，關鍵是為什麼大家會這麼認為？
其實主要原因是：所謂的“30例以上服從正態分佈”這種說法，是指從任意的一個分佈中進行抽樣，如果每一次抽樣樣本的例數都大於30，那麼，每個樣本的統計量（如均數）其分佈接近正態。這也就是“中心極限定理”說的意思，但它不是說，一次抽樣樣本的數據大於30，這份數據就服從正態分佈。千萬不要搞混了，中心極限定理不是說原始數據的，而是說的抽樣分佈。具體解釋可參見前文。
（4）凡是率的比較都可以用卡方檢驗
這又是一個被誤解的典型錯誤說法，關鍵在於對“率”的定義。普通意義上的率，是指像二分類（如陽性和陰性、發病和不發病、有效和無效等）中的陽性率、發病率、有效率等。這類資料用卡方檢驗比較無可厚非。
然而還有一種率不能用卡方檢驗比較。比如變化率，假定有試驗組和對照組，每組的觀察對象都在第一個周測量了血糖值，第二週又測了一次，計算第二週相對第一週的變化率，這種率的計算方式通常是“（第二週-第一週）/第一週”，得到的也是“率”，然而這種率確是一個實實在在的連續資料，具有連續資料的一切特徵，這時候如果你要比較兩組的變化率有無差異，那就要按連續資料的方法，如t檢驗、秩和檢驗等。
有的人可能會有點糊塗，其實很好區分。典型的發病率、感染率等的“率”，是基於一群人只能計算出一個率，比如100人中感染40人，那100人的感染率就是40%。而作為連續資料的率，每個人都有一個率的值，比如，第一個人有一個變化率（如2.3%），第二個人也有一個變化率（如-0.6%）。
以前我曾見過這樣的文章，明明是變化率，但卻寫的是用卡方檢驗，我一直很好奇，這麼多的率，你是怎麼放到軟件裡的？不覺得軟件裡沒法放這些變量嗎？
（5）秩和檢驗效率遠不如t檢驗（或方差分析等），不得已而用之
有的人把秩和檢驗看做“兵者，不祥之器”，不到萬不得已不用。這也是不少人的一種偏見。我見過不少醫學工作者，一看到數據不服從正態分佈，立刻感覺整個天空都陰暗了。我有時會說，可以用秩和檢驗，然而他們的回答是，不是說秩和檢驗不好嗎？說實話，我一直不知道這些流言到底從何而來，源頭到底在哪兒？似乎它就一直就存在了。是因為教材編排的原因嗎？把它排在後面以至於不少人想當然就認為它是參數檢驗的備胎？還是其它原因？
秩和檢驗的效率並不是像很多人想象的那樣低。事實上，從很久以前到現在的統計學家都做過不少模擬驗證，即使數據符合正態分佈，秩和檢驗的效果也不比t檢驗、方差分析等這些參數檢驗查，模擬的結果提示，這種情況下，秩和檢驗的效率大約是參數檢驗的95%。而一旦數據偏離正態分佈，秩和檢驗的效率將遠遠優於參數檢驗。
暫時先想到了這幾個問題，如果後面還有想到的，再令文撰寫。希望本文能都對各位朋友有一定的啟發和幫助。
其實在醫學領域中（典型代表就是醫學論文），存在不少典型的低級錯誤，絕大多數都是可以通過解釋清楚而修正的。也許是因為我個人一直在醫院而不是高校，每天都接觸大量的實際數據和案例，所以更容易關心這些基本錯誤，因為這是最容易改正的。對於臨床醫生而言，想一下子學會廣義可加模型有點難度，但是如果說弄清楚分組變量和分析變量，這還是可以做到的。
所以這幾年我基本上一直在各種場合不遺餘力地推廣這些基礎概念，雖然我也不知道效果如何，但只要能夠對一部分人有所幫助，讓一部分能夠摒除一些錯誤觀點和概念，那就足夠了。可能有的人會覺得講這些有點low，但統計學畢竟是應用學科，醫學統計學如果離開了醫學，純研究高大上的理論，我想這也不是醫學統計學的初衷，畢竟醫學統計學就是要解決醫學問題的。
而且我發現一個問題：大多數的統計學老師都在高校，醫院中的統計學家非常少（儘管不少醫院有臨床流行病學科，但大都以流行病學為主）。所以作為一名醫院中的統計學工作者，數據挖掘當然要做，但基礎統計學的推廣工作也一定要做，畢竟做的人真的太少了。
閱讀更多 科研小編 的文章
