文章写作中的统计学关键（Statistical key points in writing）

基本的指导方针（big picture）

统计学设计和分析必须

• 清楚阐述你的假设，以及检验你所提出的假设的主要策略和方法；
• 你的试验设计具有足够的power去验证或者推翻你的假设

关于统计学模型的应用

• 将你的研究目标分解为一个个的小目标，且每个目标精确对应清晰的、能够被验证的假设；
• 具有清晰的outcome，明确列出其他所有需要的variable及其数据类型（例如连续、分类、有序等）；
• 清楚阐述你所使用的模型，以及该模型需要满足的假设；
• 论证你的变量/结果等是否能满足模型所需要的假设（例如正态性、方差齐性、独立性等等）；
• 如果不满足，需要用哪些模型去校正，例如t检验的要求是数据必需满足正态性（至少是对称性），如果不能满足，需要用t检验的非参数方法如Wilcoxon Mann-Whitney rank sum test作为替代；而对于不能满足独立性的数据，可以用GEE、Mixed model等去替代；等等

常见的统计学分析中出现的问题

• 研究的试验设计包含了相关（correlated）、纵向（longitudinal）以及分层（multilevel）数据，但分析方法未能体现；
• 分析中未能针对出项的缺失数据（missing data）进行处理，尤其是当数据的缺失并非MCAR（missing completely at ranom）或MAR（missing at random）
• 忽略了样本不同权重设置的问题；
• 分析过程使用的统计学方法与最初的统计学效力（statistical power）的计算不匹配
• 忽视了与你的研究领域密切相关的统计学问题（例如，实验中出现的测量误差（meansurement error），问卷调查中的针对敏感问题的回答的有偏性（bias））；
• 忽略了多重假设检验的校正；
• 假设模型中包含了交互项（interaction term），但分析和计算power时却未能考虑在内；
• 采用了大批没有明确理由纳入的协变量（covariates）；
• 没有考虑研究的可重复性的问题（reproducibility）；
• 随意调整统计分析方法、变量和假设；
• 随意将连续数据离散化处理，离散性数据更离散或者合并分类数据等都必需有明确阐述的理由；

如何计算power

• power的计算必须基于所使用的分析模型的基础上；
• 必需考虑是否存在相关（correlated）、协变量的校正（covariates-adjusted）以及样本权重的调整（weighted）
• power的计算通常是近似的（approximate）；
• 某些特殊的情况（如特殊数据结构）需要用simulation进行模拟计算
• 如果考虑到你的数据中包含的缺失数据，我们可以把需要的样本量提高到原有的110-120%比较合适
• 如果存在混杂因素（confounders），我们在考虑效应的时候，需要根据已有的研究估计混杂因素对效应的解释的百分比。比如，计算的可能OR为1.50，但其中25%的效应是由混杂因素引起的，这样我们必须将OR值调整为1.375（1.0 + (1.5-1)*(1-0.25)）；
• 所有的近似计算必须往更保守的方向去计算；