醫學數據分析方法

醫學論文離不開臨牀數據，對臨牀數據進行分析是醫學論文寫作的重要一步。只有正確地進行數據分析，才能得出科學結論，醫學論文才具有科研價值。那麼，醫學工作者該如何正確進行數據分析呢？

　　1、聚類分析

聚類分析指將物理或抽象對象的集合分組成爲由類似的對象組成的多個類的分析過程。聚類是將數據分類到不同的類或者簇這樣的一個過程，所以同一個簇中的對象有很大的相似性，而不同簇間的對象有很大的相異性。聚類分析是一種探索性的分析，在分類的過程中，人們不必事先給出一個分類的標準，聚類分析能夠從樣本數據出發，自動進行分類。聚類分析所使用方法的不同，常常會得到不同的結論。不同研究者對於同一組數據進行聚類分析，所得到的聚類數未必一致。

　　2、因子分析

因子分析是指研究從變量羣中提取共性因子的統計技術。因子分析就是從大量的數據中尋找內在的聯繫，減少決策的困難。因子分析的方法約有10多種，如重心法、影像分析法，最大似然解、最小平方法、阿爾發抽因法、拉奧典型抽因法等等。這些方法本質上大都屬近似方法，是以相關係數矩陣爲基礎的，所不同的是相關係數矩陣對角線上的值，採用不同的共同性□2估值。在社會學研究中，因子分析常採用以主成分分析爲基礎的反覆法。

　　3、相關分析

相關分析，相關分析是研究現象之間是否存在某種依存關係，並對具體有依存關係的現象探討其相關方向以及相關程度。相關關係是一種非確定性的關係，例如，以X和Y分別記一個人的身高和體重，或分別記每公頃施肥量與每公頃小麥產量，則X與Y顯然有關係，而又沒有確切到可由其中的一個去精確地決定另一個的程度，這就是相關關係。

　　4、對應分析

對應分析也稱關聯分析、R-Q型因子分析，通過分析由定性變量構成的交互彙總表來揭示變量間的聯繫。可以揭示同一變量的.各個類別之間的差異，以及不同變量各個類別之間的對應關係。對應分析的基本思想是將一個聯列表的行和列中各元素的比例結構以點的形式在較低維的空間中表示出來。

　　5、迴歸分析

研究一個隨機變量Y對另一個(X)或一組(X1，X2，，Xk)變量的相依關係的統計分析方法。迴歸分析(regression analysis)是確定兩種或兩種以上變數間相互依賴的定量關係的一種統計分析方法。運用十分廣泛，迴歸分析按照涉及的自變量的多少，可分爲一元迴歸分析和多元迴歸分析;按照自變量和因變量之間的關係類型，可分爲線性迴歸分析和非線性迴歸分析。

　　6、方差分析

又稱“變異數分析”或“F檢驗”，是er發明的，用於兩個及兩個以上樣本均數差別的顯著性檢驗。由於各種因素的影響，研究所得的數據呈現波動狀。造成波動的原因可分成兩類，一是不可控的隨機因素，另一是研究中施加的對結果形成影響的可控因素。方差分析是從觀測變量的方差入手，研究諸多控制變量中哪些變量是對觀測變量有顯著影響的變量。