高分SCI都在用 P for trend，不会算，就out了

P for trend在高分SCI中经常出现，但国内外统计教材鲜有提及。对于想发SCI的小伙伴，会算P for trend成为了一个加分项。

如《美国流行病学杂志》上的一篇论文，研究的是女性子宫内膜癌与卵巢癌的影响因素，文章中给出了不同BMI、饮酒、运动量等行为与癌症发生的p for trend值。如图所示。

1

P for trend是什么呢?

P for trend直接翻译过来为趋势性分析p值，表示自变量x是否与目标变量y存在线性关系。

要求自变量（x）为等级变量，如果是数值变量需要转为等级变量，如年龄转化成以10岁为距的年龄组。

2

趋势性分析

根据目标变量的不同，分为两类：分类变量趋势性分析和数值变量趋势性分析。

分类变量趋势性分析：目标变量（y）为分类变量，如研究某大学不同年级学生吸烟比例，不同年级是x变量，吸烟比例是y变量，统计方法采用趋势卡方，具体操作与普通卡方检验步骤相同。下图中“线性关联”即为趋势卡方检验的结果，此例中，卡方值为4.297，P值为0.038，提示存在线性关联。上面第三个表格中的“线性关联”即为趋势卡方检验的结果

数值变量趋势性分析：目标变量（y）为数值变量，如研究不同年龄段血压水平，不同年龄段是x变量，血压水平是y变量，统计方法采用趋势方差，具体操作与单因素方差分析步骤相同，但需要在对比模块中，勾选多项式，选择线性。

3

知识拓展

以上展示的是不需要校正混杂因素的情况。

如果要校正混杂因素，需要使用多因素回归分析，如Logistic回归、Cox回归和多重线性回归。步骤也不复杂，做回归分析时，自变量直接选入模型进行分析，不设置哑变量，得到的p值即为p for trend。