当我们谈论统计时，我们在谈论些什么

数据统计分析一般遵循以下思路：

（1）先确定研究目的，根据研究目的选择方法 

不同研究目的采用的统计方法不同，常见的研究目的主要有三类：

一类是差异性研究，即比较组间均数，率等的差异，可用的方法有t检验，方差分析，卡方检验，非参数检验等。

二是相关性分析，即分析两个或者多个变量之间的关系，可用的方法有相关分析。

三是影响性分析，即分析某一结局发生的影响因素。可用的方法有线性回归，logistics回归，COX回归等。

（2） 明确数据类型，根据数据类型进一步确定方法

定量资料可用的方法有t检验，方差分析，非参数检验，线性相关，线性回归等。

分类资料可用的方法有卡方检验，对数线性模型，logistic回归等。

（3）选定统计方法后，利用统计软件具体实现统计分析过程

例如在SAS中，不同的统计方法对应不同的命令，只要选定方法，便可以通过对应的命令辅之以相应的选项实现统计结果的输出。

（4）得出统计学结论

一般统计软件都会输出很多结果，需要从中选择自己需要的部分，并做出统计学结论。但统计结论不同于专业结论，最终还需要结合实际做出合理的专业结论。

关于定量资料和定性资料

定量资料和定性资料的结果展示:

发表论文时，需要将统计描述的结果合理的展示在文章中，以便让读者对你的数据有大致的了解。不管是统计描述指标还是图表，其应用都有一定的条件限制。

对于定量资料：

如果符合正态分布或者略偏态分布，一般可采用“均数标准差”的形式，而如果数据严重偏离正态分布，均数和标准差已经反映不出原数据的趋势，最好采用“中位数（四分位数间距）“的格式来描述。

目前不少文章根本无视数据分布，一律采用'均数加减标准差'，似乎均数标准差能反映一切。有的文章中标准差远远大于均数，明显不符合正态分布，此时的均数和标准差已经不能给读者提供有效信息了。

对于分类资料：

分类资料的描述很简单，不用考虑分布的问题，仅是简单的列出频数和比列即可。但关于百分比的列法必须注意。

标准差与标准误：

标准差是针对原始数据而言，而标准误是针对原始数据基础上的统计量而言的。如果标准误比较大，提示可能抽样误差较大，也就是说样本的代表性较差，抽取的样本有偏。在后面的回归分析中，结果一般都会给出标准误，如果标准误大，最可能的原因就是样本不足，导致抽样误差太大。

文章来源：大话统计