怎樣學好醫學統計學（醫學統計怎么學）
作為一名“被迫”愛好科研的臨床醫生，寫論文是完成臨床工作后的第二大事。但這時，大多數人都會遇到一個難題，那就是：從實驗設計到收集數據和分析數據，都必須用到統計學方法。但是，學校教的那些蜻蜓點水的統計學早就還給了親愛的老師，要重新拿起書本自學，似乎也不太現實。。。
孩子學習對于所有的家長來，最關心就是孩子的學習，對吧？如何幫孩子提升學習成績呢？影響孩子學習成績的因素有哪些？左養右學教育賴頌強團隊13年的家庭教育服務經驗總結，影響孩子學習的主要因素有22條之多，家長你了解幾條呢？
最好呢，就是有那種略去高深莫測的統計學原理和計算公式（有軟件誰要這玩意），用具體鮮活的例子來幫助理解概念，并且直奔解決實際問題的方法。
當面對這么多的數據，該如何開展數據統計分析？選擇什么樣的方法？我們需要將變量資料與分析方法關聯、對應起來。流程如下：
先簡單的明確兩個基本概念：均數和標準差。舉個實際例子：平均收縮壓138±7 mm Hg。這里的“138”就是均數；“7”就是標準差。均數代表一組數據的平均值；標準差代表一組數據的離散程度；換句話說，標準差越大，一組數據越參差不齊。統計學上對一組數據都以“均數±標準差”表示。
均數±標準差的計算有一個極其復雜繁瑣的公式。我們也并不需要去記住這個公式。現在市面上五花八門的統計學軟件，都帶有計算“均數±標準差”的功能。我們只需要輸入一串原始數據，軟件就會自動計算出均數和標準差。我們只需要記住：標準差越小，代表這組數據越整齊；標準差越大，代表這組數據越參差不齊。
下面來談談一種最常用的統計學分析方法：t檢驗。先看一個實際例子，在臨床試驗中有A、B兩組。33位患者被隨機分配到A組（18位）和B組（15位）。研究結果發現，A組數據的均數±標準差為17.4 ± 5.23；B組數據的均數±標準差為25.3 ± 7.35（p=0.03）。
t檢驗就是檢驗數據之間究竟有沒有顯著性差異。而這種差異是通過數學公式推算出來的。但是，這種推算的準確性如何呢？準確性就用P值表示。我們經常看到P﹤0.05或者P﹤0.01什么的。它們究竟表示什么意思呢？P﹤0.05就是表示這種推斷的準確性﹥95%；P﹤0.01就是表示這種推斷的準確性﹥99%。一般采用0.05作為臨界值。P﹤0.05即認為兩組數據之間有顯著性差異；P＞0.05則認為兩組數據之間沒有顯著性差異。所以，t檢驗的終極目的就是計算P值。
那么，如何計算P值呢？讓我們回到上面那個例子，在上面那個例子中，我們一共有6個數據：A、B兩組的病例數，均數，標準差。根據這6個數據，就可以計算出P值。現在市面上的統計學軟件都可以自動計算出P值。我們要做的只是輸入這6個數據，剩下的就交給計算機來做好了。
SPSS中t檢驗的做法
正態分析
單組樣本t檢驗
配對樣本t檢驗
獨立樣本t檢驗
講到這可能很多同學還是沒明白，前陣子我們剛送過一本《白話統計》，反響強烈，但是還是有很多小伙伴沒有領到，希望我們再出一本統計學相關的書籍。于是乎，今天我給大家帶來了解螺旋最新活動《白話統計學》免費贈書活動。這次我們準備了充足貨源，足足1000本。
雖說都是統計學的書籍，但與《白話統計》的不同之處在于這本《白話統計學》更加系統嚴謹，雖說少了一些趣味性，但也不失為最好的統計學啟蒙讀本。
本書對統計學原理和術語進行了簡潔、清晰而準確的解釋，并通過大量實例講述統計技術的操作方法。
書中涵蓋了社會科學研究所使用的大部分統計原理和方法，諸如集中趨勢、變異程度、正態分布、z分數、標準誤等基本概檢驗，t檢驗、回歸分析、方差分析卡方檢驗、因子分析等較復雜的工具和方法。
全書內容體系精煉，語言通俗易懂，表述嚴謹準確；既不刻意回避數學公式，也具備良好的可讀性。
