本书共分11章。采用中英文对照的方式，主要介绍了SPSS的基本操作、基本概念和口腔医学研究中常用的统计分析方法。基本内容有SPSS简介，描述性研究，t检验，方差分析，相关和回归分析，非参数检验，多元回归和Logistic回归分析。另外对统计分析图的生成和编辑进行了详细的介绍，为研究生科研过程中数据整理分析和统计，为投稿和撰写科学论文打下了基础。本书适合口腔医学硕士研究生和博士研究生使用。
口腔医学统计方法与数据分析实务 本书旨在为口腔医学研究者、临床医生及相关专业学生提供一套全面、实用的统计分析指导。内容涵盖口腔医学领域常见的研究设计、数据收集、统计推断以及结果解读等关键环节，重点在于如何选择恰当的统计方法处理实际的口腔医学研究数据，并对其进行深入的分析和阐释。 第一部分：口腔医学研究中的统计学基础 本部分将从基础概念入手，为读者建立坚实的统计学认知框架。 绪论：口腔医学研究的统计学意义 阐述统计学在现代口腔医学研究中的核心作用，包括科学决策、证据转化、质量改进等。 介绍统计学如何帮助我们理解口腔疾病的发生发展规律、评估治疗效果、预测预后以及优化公共卫生策略。 强调严谨的统计学方法是提升口腔医学研究可信度和科学性的基石。 研究设计与抽样 研究设计的类型与原则： 详细介绍不同类型的口腔医学研究设计，如横断面研究、病例对照研究、队列研究、随机对照试验（RCT）等。 分析各类设计的优缺点及其适用场景，指导读者如何根据研究目的选择最合适的设计。 强调研究设计的核心要素：目的明确、变量界定清晰、控制偏倚、确保有效性。 抽样方法与样本量估算： 讲解随机抽样（简单随机、系统、分层、整群）和非随机抽样（方便、判断、配额、滚雪球）的基本原理及操作。 阐述抽样误差的概念及其对研究结果的影响。 介绍样本量估算在口腔医学研究中的重要性，以及影响样本量估算的关键因素（如统计功效、显著性水平、效应量、变异性等），并提供常用的估算方法和公式（无具体软件操作）。 数据的收集与管理 变量类型与测量尺度： 区分定性变量（分类变量）和定量变量（数值变量），并进一步细分（如定类、定序、定距、定比）。 介绍不同测量尺度下的数据特征及其统计处理的差异。 数据收集工具与方法： 探讨问卷设计、访谈、观察、临床检查、影像学测量、实验室检测等在口腔医学中的应用。 强调数据收集的标准化、准确性和可靠性，以及如何避免信息偏倚。 数据录入、清洗与整理： 指导读者如何进行规范的数据录入，避免录入错误。 讲解数据清洗的常用步骤，包括识别异常值、处理缺失值、统一数据格式等。 介绍数据整理的基本原则，为后续统计分析奠定基础。 第二部分：描述性统计分析 本部分将专注于如何用统计学的方法来概括和描述口腔医学研究中的样本数据特征。 集中趋势与离散趋势的度量 集中趋势指标： 详细介绍均数、中位数、众数等，并讨论它们在不同数据分布下的适用性。 离散趋势指标： 讲解标准差、方差、极差、四分位距（IQR）等，用以描述数据的分散程度。 结合图表展示： 强调结合直方图、箱线图等图形工具来直观展示数据的集中和离散特征。 频数分布与概率 频数表的构建： 如何制作单变量和双变量的频数分布表。 相对频数与百分比： 解释其意义，以及在描述样本构成时的应用。 概率的基本概念： 介绍概率在统计推断中的作用，例如理解偶然性。 图示化数据展示 常用图表类型： 定性数据图表： 条形图、饼图、堆积条形图等，用于展示分类变量的构成比例。 定量数据图表： 直方图、箱线图、散点图、折线图等，用于展示数值变量的分布、趋势和关系。 图表的选择与解读： 指导读者根据数据类型和研究目的选择最恰当的图表，并学会准确解读图表所传达的信息。 图形规范与美观： 强调图表的清晰性、准确性和专业性，避免误导。 第三部分：统计推断与假设检验 本部分是统计分析的核心，将深入探讨如何从样本数据推断总体特征，以及如何对研究假设进行检验。 抽样分布与参数估计 抽样分布的概念： 讲解样本统计量（如样本均数）的抽样分布，特别是中心极限定理的应用。 点估计与区间估计： 介绍如何使用样本统计量估计总体参数（点估计），以及如何构建置信区间（区间估计）来表达估计的不确定性。 置信区间的解释： 强调置信区间的实际意义，以及如何根据置信区间来评估参数的可能范围。 假设检验的基本原理 原假设（H0）与备择假设（H1）： 明确研究假设与统计假设的对应关系。 检验统计量与P值： 讲解如何计算检验统计量，以及P值的定义、含义和判断标准。 第一类错误（α）与第二类错误（β）： 解释两种错误的可能性及其影响，以及如何权衡。 假设检验的步骤： 详细列出进行假设检验的规范流程。 常见假设检验方法的应用 均数检验： 单样本t检验： 检验单个样本均数是否与已知总体均数有显著差异。 独立样本t检验： 比较两组独立样本均数是否存在显著差异，适用于比较不同治疗组、不同性别组等。 配对样本t检验： 比较同一组对象在不同时间点或不同条件下的均数差异，如治疗前后比较。 方差分析（ANOVA）： 单因素方差分析： 比较三个及以上独立样本均数是否存在显著差异。 多因素方差分析： 考察多个因素及其交互作用对因变量的影响。 多重比较： 解释在ANOVA后进行事后检验（如Tukey, Bonferroni）的必要性。 比例检验： Z检验（用于大样本）： 检验样本比例是否与已知总体比例有显著差异，或比较两组样本比例。 卡方检验（χ²检验）： 拟合优度检验： 检验样本比例是否与理论比例一致。 独立性检验： 检验两个分类变量之间是否存在关联。 一致性检验： 适用于多个样本的比例比较。 非参数检验（当数据不符合参数检验的假设时）： Mann-Whitney U检验： 对应独立样本t检验。 Wilcoxon符号秩检验： 对应配对样本t检验。 Kruskal-Wallis H检验： 对应单因素方差分析。 Friedman检验： 对应重复测量方差分析。 Spearman秩相关检验： 检验两个定序变量之间的相关性。 第四部分：相关与回归分析 本部分将探讨变量之间的关系，以及如何利用一个或多个变量预测另一个变量。 相关分析 相关系数的含义与解释： Pearson积矩相关系数： 适用于两个连续变量，度量线性相关强度和方向。 Spearman秩相关系数： 适用于定序变量或非线性关系，度量单调关系。 Kendall's tau相关系数： 另一种序数变量的相关系数。 散点图的绘制与解读： 通过散点图直观展示变量间的关系模式。 相关性与因果性的区别： 强调相关不等于因果，避免误读。 回归分析 一元线性回归： 回归方程的构建： 确定斜率和截距，建立因变量（Y）与自变量（X）之间的线性关系模型。 回归系数的解释： 理解斜率代表的意义。 决定系数（R²）： 评估模型对因变量变异的解释程度。 回归方程的统计显著性检验。 多元线性回归： 模型构建与变量选择： 纳入多个自变量，并讨论变量筛选的策略。 偏回归系数的解释： 控制其他变量影响后，每个自变量对因变量的独立影响。 模型的整体拟合度评估（Adjusted R²）。 多重共线性的识别与处理。 Logistic回归（适用于二分类因变量）： Odds与Odds Ratio（OR）： 解释OR的含义及其在风险评估中的应用。 模型构建与变量解释。 常用领域： 口腔疾病危险因素研究、诊断模型构建等。 其他回归模型介绍（可选）： 如泊松回归（计数数据）、生存分析（时间到事件数据）等，视乎口腔医学应用深度。 第五部分：高级统计主题与统计软件应用概述（不含软件操作细节） 本部分将对一些更高级的统计方法进行介绍，并提及如何在实际研究中应用统计软件。 生存分析简介 时间到事件数据的特点： 关注事件发生的时间，以及存在删失数据的情况。 Kaplan-Meier曲线： 展示生存概率随时间的变化。 Log-rank检验： 比较不同组的生存曲线是否存在差异。 Cox比例风险模型： 探索影响生存时间的预测因子。 在口腔疾病预后研究中的应用。 多变量统计方法概览 因子分析与主成分分析： 用于降维和识别潜在变量。 聚类分析： 用于将相似的个体或样本分组。 判别分析： 用于构建分类模型。 在口腔医学特征归类、患者分型等方面的潜在应用。 统计软件应用的角色 概述： 提及SPSS、R、SAS、Stata等常用统计软件在执行上述统计分析中的作用。 强调软件是工具，理解统计原理是核心： 软件仅是实现统计分析的手段，关键在于使用者对统计方法、模型假设以及结果解读的深刻理解。 数据输入、菜单式操作与语法命令的并行。 结果输出的理解与格式。 第六部分：口腔医学统计结果的解读与报告 本部分专注于如何正确地解读统计分析结果，并将研究发现清晰、准确地传达给同行和公众。 统计显著性与临床意义 区分P值和效应量： 强调统计学上的显著差异不一定具有临床上的重要性。 如何评估效应量： 如Cohen's d, Odds Ratio, Relative Risk等。 置信区间的临床解读。 研究结果的撰写与报告 统计分析部分的规范写法： 包括研究设计、统计方法、软件版本、P值设定等。 结果呈现的技巧： 如何通过表格和图表清晰地展示统计发现。 讨论部分如何结合统计结果进行深入分析和解释。 避免统计误用和过度解读。 常见统计陷阱与注意事项 多重比较问题。 选择性报告偏倚。 混杂因素的处理。 基线特征的均衡性。 本书结构严谨，逻辑清晰，旨在帮助口腔医学研究者系统地掌握统计分析方法，提升研究的科学性和可信度。通过理论讲解与实践思路的结合，使读者能够自信地应用于各自的研究工作中。
