重复测量的数据，一定要使用重复测量分析方法？冒失了
当我们在研究中，遇到重复测量的数据，是否一定要使用重复测量的统计方法呢？答案当然是不一定。对于重复测量的数据，是否需要使用重复测量的统计方法，要根据研究实际和检验目的来确定，以两个降糖药（T vs C）的降糖试验为例：数据集中，FBG0W是2周导入期的初始（0天）空腹血糖水平，FBG2W是导入期末(14天)的空腹血糖水平，FBG4W、FBG6W、FBG10W、FBG14W分别是用药2周、4周、8周
还在用课本上的随机数字表进行随机化？是时候换一个不out的方法了
很多同学在论文中描述自己的随机化方法为：使用随机数字表法进行随机化；这一方法，如果真地去实施的话，其实还怪麻烦的嘞。其实利用SPSS软件中的随机数发生器，可轻松实现随机化，感兴趣的戳这：用SPSS进行简单随机化(随机分组)。如果觉得上述方法还不够简单，还有更easy的方法（仅需输入3个参数，一键生成随机数字表，可下载为word文件保存）：完全随机化（简单随机化）-在线随机化分组，这个随机化的程序，
相关分析和回归分析的区别？
网上很多文章，讲得过于复杂，甚至有些内容都是错的。这里简单概括下相关分析和回归分析的本质区别：相关分析的两个或多个变量之间，不需要因果关系（可以有也可以无，有的话也无需区分谁是“因”谁是“果”），而回归分析，需要事先确定变量当中谁是“因”谁是“果”，即需要确定的因果关系。另外（感兴趣的可以继续），对于两者的分析结果：相关分析，从变量间数量上共变的关系去阐述结果；而回归分析，是从自变量如何影响应变量
从检验效能角度说说统计推断下结论的方式
对于数据的正态性检验，方差齐性检验，还有重复测量方差分析中的球形性检验，如果P>0.05，则我们就认为满足正态性、方差齐性和球形性假定（也就是接受了H0），但是，为什么进行差异性检验，P>0.05时我们没有接受H0，即没有作出无差异的推断呢？统计推断就像是法官判案，对于正态性检验、方差齐性检验以及球形性检验，适用了“疑罪从无”的原则，也就是P>0.05时（证据不足）接受了原假设，
今天聊聊数据的分布
对任何数据的统计分析，都是从统计描述开始的。而数据的分布情况，是统计描述最基本最核心的内容。什么是数据的分布统计上的分布，与位置（location）和频数（frequency）有关；在一个坐标系中，数据在不同位置上往往具有不同的频数，数据的分布就是用来描述这个特征的。比如，男性和女性（某研究中定期进行锻炼的研究对象）的体重指数（计量资料）分布：体重指数（计量资料）分布再比如，在UCLA的演示数据集