非参数分析如何进行全基因组关联分析,如何在SPSS里实现多组间两两比较？ _生活知识

【非参数分析如何进行全基因组关联分析,如何在SPSS里实现多组间两两比较？】meta分析服从的十个原则：

1. 明确Meta分析的主题和类型

可以使用PICO原则来制定研究问题。要确认这一主题是否已有发表的Meta分析，以避免重复工作。

2. 遵循指南开展不同类型的Meta分析

有几个常用的指南，例如，QUORUM声明，MOOSE声明。，目前广泛使用的是PRISMA声明（系统评价和Meta分析优先报告条目）。

3. 确定纳排标准、定义关键变量

应该事先确定好纳入（如研究类型、出版语言等）和排除标准（如最小样本量等）。应该清楚定义出需要从每篇文章中提取的变量。

广泛的纳入标准会增加研究间的异质性，狭窄的纳入标准可能会难以找到研究，要取得均衡。

4. 在不同的数据库中系统检索、提取关键数据

可以在几个数据库中进行系统检索，通常情况下，在多个数据库中检索有助于尽可能找全已发表研究。

从原始文章中充分提取和记录关键数据是进行Meta分析的基础。对纳入研究的质量评估也是一个关键问题，这可以用于确定纳入标准、敏感性分析或研究的差异性加权。

5. 联系原始研究的作者询问缺失数据

原始研究的正文或者附录文件缺乏关键数据也是很常见的，因此需要联系作者获取缺失的数据。

6. 为你的研究问题选择最佳统计模型

通常情况下，Meta分析采用的是固定效应模型或随机效应模型。对于更复杂的数据，也有人提出了多元Meta分析的方法。其他统计操作涉及敏感性分析、Meta回归、亚组分析、异质性检验（如Q或I2）。

7. 使用规范软件进行统计

有几个常用的软件可以用于Meta分析，有的软件是有统计包。可以处理绝大部分Meta分析的任务，甚至是复杂的Meta分析。

8. 记录和研究报告须完整且透明

除了所使用的Meta分析策略的细节之外，检索、纳入标准、筛选出的摘要和纳入研究的数量等数据都很有用，对纳入研究进行的质量评估也很有用。

可以构建一个电子表格，记录筛选标准中的每个步骤，这将有助于构建流程图。描述不同步骤间进展的流程图非常有用，会提高Meta分析的质量。

如果将来需要对该Meta分析进行更新，这些记录也大有用处。此外，说明Meta分析存在的局限性也很重要。

9. 投稿时提供足够的数据

Meta分析的文章中，有一张关于原始研究完整信息的表格，非常有用，可以放在论文的正文中，也可以作为附录文件

10. 针对你的发现建议未来研究方向

讨论部分是Meta分析的重要组成部分，作者应该在目前已有文献和知识体系下对当前发现进行讨论。

Meta分析通常综合了多个原始研究的证据，这些研究需要数年和大量资金，作者可以推荐未来进行原始研究的重要建议。

文章插图
如何在SPSS里实现多组间两两比较（非参数分析）？
比较标准的答案：两独立样本的非参数检验（Wilcoxon　M-W U检验）+Bonferroni检验（Bonferroni correction）。
楼主碰到的是参见的多重检验校正问题multiple testing或者称为post hoc，不管是在方差分析、卡方检验还是非参数检验都会碰到。在方差分析中提供了诸如LSD-t、SNK-q检验之类方法，而在其它情况基本无公认方法（有方法，但不常用）。但有一种通用的校正方法叫Bonferroni检验，即根据检验次数将检验水准降低（一般书本放在卡方检验这章），当然这是一种过于保守的校正方法，试想，检验了k次，alpha就要除以k，得到这样的阳性结果确实不太容易；当然根据概率的计算，如果k次检验完全相互独立，检验水准确实应该除以k 。由于非参数检验两两比较主要采用Wilcoxon　M-W U检验，这时校正再加上Bonferroni即可。参数检验时因为LSD-t等检验的检验效率更高，所以一般不采用它；理论上其实也可以，这时用t检验+Bonferroni检验，只不过检验效率较低而已。非参转换成参数检验，不是不可以，只是如果是等级资料肯定转不过去，如果是参数不服从正态转成非参再转成参数，这么来回倒腾，再考虑LSD-t本身的检验效率，这时估计都还不如Bonferroni了。顺便说句，多重检验这块目前在生物统计学中还是研究热点，因为在生物统计中经常碰到像基因表达谱、全基因组关联分析等动辄上万次、上百万次的多重检验，不校正肯定不行，Bonferroni是标准做法但是太狠了，因此又应用了许多诸如FDR、bootstrap一类的方法。

非参数分析 如何进行全基因组关联分析,如何在SPSS里实现多组间两两比较？

非参数分析如何进行全基因组关联分析,如何在SPSS里实现多组间两两比较？