本课程系统讲解医学统计学核心概念与SPSS操作,涵盖从数据描述到回归分析、生存分析等关键方法。学习本课程能使您掌握处理和分析医学数据的必备技能,理解统计结果的实际意义,从而显著提升科研数据分析能力与论文水平,为临床研究和学术工作奠定坚实基石。
AI, Data Science & Business Certificates from Google, IBM & Microsoft
Power BI Fundamentals - Create visualizations and dashboards from scratch
Overview
Google, IBM & Meta Certificates — All 10,000+ Courses at 40% Off
One annual plan covers every course and certificate on Coursera. 40% off for a limited time.
Get Full Access
Syllabus
- 第一章 绪论及spss入门
- 1.1 医学统计学基本概念
- 1.2 SPSS入门
- 第二章 计量资料的统计描述及SPSS实现
- 2.1 频数分布
- 2.2 集中趋势的描述
- 2.3 离散趋势的描述
- 2.4 计量资料的统计描述SPSS软件操作
- 第三章 定性变量的统计描述及SPSS的实现
- 3.1 三类相对数
- 3.2 率的直接标准化
- 第四章 正态分布、t分布、区间估计
- 4.1 正态分布
- 4.2 医学参考值范围
- 4.3 均数的抽样误差与标准误
- 4.4 t分布
- 4.5 总体均数的估计
- 第五章 t检验及SPSS的实现
- 5.1 假设检验的思想
- 5.2 单样本t检验
- 5.3 配对样本t检验
- 5.4 独立样本t检验
- 第六章 多个样本均数比较的方差分析及SPSS的实现
- 6.1 方差分析的基本思想及应用条件
- 6.2 完全随机设计资料的方差分析
- 6.3 随机区组设计资料的方差分析
- 6.4 多个样本均数间的多重比较
- 6.5 方差分析SPSS软件操作
- 第七章 卡方检验及SPSS的实现
- 7.1 独立四格表卡方检验
- 7.2 配对四格表卡方检验
- 7.3 R*C列表卡方检验
- 第八章 秩和检验及SPSS的实现
- 8.1 Wilcoxon符号秩和检验
- 8.2 两组独立样本比较的Wilcoxon秩和检验
- 8.3 完全随机设计多个独立样本比较的Kruskal-Wallis检验
- 8.4 随机区组设计多个样本比较的Fredman F检验
- 第九章 两变量的关联性分析及SPSS的实现
- 9.1 Pearson相关
- 9.2 Spearman秩相关
- 9.3 分类变量的关联分析
- 9.4 SPSS实现
- 第十章 简单线性回归及SPSS的实现
- 10.1 简单线性回归概述
- 10.2 简单线性回归方程的求法
- 10.3 简单线性回归统计推断
- 10.4 简单线性回归分析注意事项
- 10.5 简单线性回归SPSS软件操作
- 第十一章 多重线性回归及SPSS的实现
- 11.1 多元线性回归
- 11.2 多元线性回归方程的假设检验及其评价
- 11.3 自变量筛选方法
- 11.4 多元线性回归的应用及其注意事项
- 11.5 多元线性回归SPSS软件操作
- 第十二章 logistic回归及SPSS的实现
- 12.1 OR值及其流行病学意义
- 12.2 logistic回归模型及参数解释
- 12.3 logistic校正模型
- 12.4 logistic交互作用模型
- 第十三章 生存分析、Cox回归及SPSS的实现
- 13.1 生存分析基本概念
- 13.2 生存率及生存曲线
- 13.3 log-rank检验
- 13.4 Cox回归
- 第十四章 统计方法选择与统计结果报告规范
- 14.1 原始数据的记录与统计方法的选择
- 14.2 医学论文统计表达的一般要求
- 期末考试
Taught by
Guilin Medical University