统计方法
用怎样的规则回答问题？
Welch t 检验 · Logistic 回归
生存分析 · 混合模型
生存分析 · 混合模型
CLINICAL RESEARCH / STATISTICS / AI
选对统计方法，
从问对问题开始。
不必先成为程序员。先说清研究问题、数据结构和你想估计的量，再让工具与 AI 帮你把分析做得可理解、可核查。
中文图文 · 离线使用 · 无需注册
LEARNING NOTE / 001模拟教学数据
研究问题 → 设计 → 方法 → 复现KEEP IT CHECKABLE
01 统计方法 ≠ 软件 ≠ 编程语言
02 P 值之外，看效应与不确定性
03 AI 给建议，证据与验证把关
THE STARTING POINT
先分清三个层次。
“我用 R”说明了工具。
“估计两组均值差”才开始说明分析。
统计软件
在哪里整理、计算与保存？
jamovi · SPSS · SAS
图形界面或程序工作流
图形界面或程序工作流
编程语言
如何把分析步骤写清楚？
R · Python · C++
R 也是统计计算环境
R 也是统计计算环境
先补齐一句话：在什么人群和研究设计下，以谁为分析单位，比较或预测什么结局，希望估计什么量？
METHOD NAVIGATOR
把研究描述变成
可讨论的候选方案。
这是透明的规则向导，未接入 AI。
它列出讨论起点，不验证数据或假设。
先看一个情境
02 / 开始讨论
方法名称，是推理的结果。
填好左侧设计，或选择一个教学情境。这里会显示候选方法、适用条件、缺口与来源。
复杂设计、缺失未明或信息不足时，向导会提示继续补充或请统计专业人员参与。
研究卡片与草案文本
如果浏览器没有保存下载文件，可选中下面的文本复制保存。修改输入后，这份旧草案会失效。
复制给你使用的 AI
不会自动发送。先补充模板里的未知项，并检查隐私与所在机构的要求。
THINK BEFORE TESTING
方法地图，先看结构。
相同的结局类型，
不同的观测关系，需要不同方法。
| 问题与结构 | 候选方法 | 先核对 |
|---|---|---|
| 两独立组，连续结局 | Welch t 检验 / 适当的稳健或秩方案 | 目标量、独立性、分布、极端值 |
| 同一人两次连续测量 | 配对 t / 合适的配对秩方法 | 一一配对、差值分布、目标量 |
| 独立二分类 | 卡方 / Fisher；调整时讨论回归 | 分母、期望频数、抽样设计 |
| 同一人两次二分类 | McNemar / 合适的精确形式 | 不一致对、逐对记录 |
| 事件时间与删失 | KM 描述 / log-rank / Cox 等 | 随访、删失、比例风险、竞争风险 |
| 反复测量 / 多中心 | 混合模型 / GEE 等 | 相关结构、模型含义、缺失 |
“不正态，就换非参数。”
先看目标量、设计、图形和异常值。秩方法也有条件，未必回答均值差的问题。
“不显著，就是没有差异。”
看效应估计与 CI 的精度。等效与非劣效需要预定界值和专门设计。
“数据有 100 行，n 就是 100。”
同一患者的多次记录有关联。先数独立研究对象，再理解重复信息。
CHOOSE YOUR WORKSPACE
零编程可以开始。
工具按任务来选。
本页是教学建议，未做易用性试验。
团队支持，通常比软件排名更重要。
ENTRY POINT
jamovi / SPSS
用图形界面，先把统计概念学明白。
对完全没有编程基础的人
可以先读入教学数据、画图、做指定的分析并保存设置。jamovi 桌面版免费开源；如果所在机构已有 SPSS 许可，也可以使用。
仍需理解研究设计、变量与假设。菜单点击不能代替方法判断。
查看 jamovi 官方介绍 ↗不按代码行数排名。R、Python、SAS、C++ 都能完成统计计算；默认参数、依赖、复现与团队验证，才是比较同一分析时的重点。
HUMAN + AI / CHECKABLE BY DESIGN
可以让 AI 指导你。
让它先问，再建议。
流畅的回答不是正确性的证据。
用设计、来源与可复核代码约束它。
给设计与变量字典
人群、结局、目标量、分析单位、组别、时间点与样本量。先使用去标识化的设计描述。
让它补缺口、比候选
要求解释条件、效应量、局限和诊断，并给出可打开核查的来源。
模拟运行，核对结果
检查参数、方向、配对和缺失；用另一实现或已知结果复核。
人工确认，保留记录
由研究团队确认正式方案，保存提示词、代码、版本、诊断与修改记录。
A BETTER PROMPT
“我想估计两组的均值差。每位对象只测一次，分组设计与缺失情况如下……
请先问必须补充的信息，再比较候选方法、适用条件、效应量和诊断。引用请提供可核查链接，代码请先使用模拟数据。”
请勿要求“帮我得到显著结果”。
网页只生成提问文本，不会发送数据或调用模型。
用我的设计生成提问 ↑网页只生成提问文本，不会发送数据或调用模型。
AI 风险与人工监督依据：WHO 生成式 AI 指南说明。本流程是教学设计，未做 AI 决策准确性验证。
v2.3 离线 AI 测评框架与运行说明 →：10 个调试、8 个保留情境；固定输出只核查工程断言，18 条参考答案均待统计人员审阅，没有真实模型调用或 AI 正确率。
LEARN / RUN / EXPLAIN
从说清问题，
到解释一次复算。
三个层次 · 四个已有案例 · 八个判断练习
先做任务，再解释结果与未解决的问题。
01 / 理解把问题写成研究卡片
目标量与数据关系；缺信息时先停下来补充。
02 / 实操运行模拟数据
读分母、效应与诊断；保留运行记录。
03 / 对照限定复现公开论文
固定目标、记录来源；解释一致与差异。
课程组织参考 林協霆的 learn-r-with-ai（MIT）：借鉴任务、运行、解释的顺序，课程文字、练习与代码为本项目原创。反馈依据教学规则，未调用 AI，也没有真人学习效果证据；本轮功能检查记录见项目文档。
ONE DATASET / FOUR IMPLEMENTATIONS
用一个小例子，
把方法与工具连接起来。
两组各 12 个模拟观测。
双侧 Welch t 检验，方向为 A−B。
A−B 均值差—
95% 置信区间—
双侧 P 值—
独立模拟观测12 + 12
这是一份演示性估计。解释时要同时看差异、区间宽度与设计；P 值不说明临床意义。真实研究的样本量、基线调整和缺失处理需要预先设计。
看看 R 和 Python 的关键指令
R / 基础 stats
# A−B；双侧；不假设等方差
t.test(a, b,
var.equal = FALSE,
alternative = "two.sided",
conf.level = 0.95)Python / SciPy
# 明确覆盖等方差的默认参数
result = stats.ttest_ind(
a, b, equal_var=False,
alternative="two-sided",
nan_policy="raise")
result.confidence_interval(0.95)这两段是关键指令；完整数据读入、检查和输出脚本位于仓库 examples/。SAS 示例与 C++（需 Boost）也使用同一数据和方向。当前验证状态见案例状态表；仓库 VALIDATION.md 仅保留初版历史。
CHECK YOUR UNDERSTANDING
同一患者前后阳性/阴性，
可以直接当两个独立组吗？
应该保留配对信息。讨论 McNemar 等配对方案，核对逐对记录和不一致对；前后总阳性人数不够。
REPORTING LAB / V2.2
从一张基线表，
走到可核查的报告。
96 个独立模拟对象，A / B 各 48 个。
只做教学计算，不提供临床疗效证据。
01 变量字典02 Table 103 分布诊断04 效应与 CI05 人工复核
先知道分母，再读百分比。
基线表按每个变量的已知记录汇总。类别百分比排除该变量缺失；随访结局另行报告。默认不加基线 P 值，也不以基线显著性筛选协变量。
| 基线变量 / 汇总规则 | A 组（48） | B 组（48） |
|---|---|---|
| 启用 JavaScript 查看表格，或打开下方离线基线表。 | ||
SD：样本标准差；Q1 / Q3：25% / 75% 分位数，线性插值。F / M 是模拟分类标签。已知 n 与缺失 n 按变量计算。
结果来自保存的统一对象；打开页面不会重新计算。
分布与方差检查：提供线索，不自动换方法
先看独立性、目标量、原始分布与极端值。Shapiro P>0.05 不证明正态；Levene P>0.05 不证明方差相等。Welch 不要求等方差，仍有适用条件。偏态不自动等于“必须换秩检验”。
保留的 v2.0 冻结分布图，本轮未重新绘制；分母说明从统一对象生成。
SIMULATED REPORT / CHECK EVERY NUMBER
看看方法、结果和图注如何对应。
文字来自已计算的模拟输出；真实研究需重新制定并审核方案。
接着学：从任务选择资源。
查看 12 个项目及使用边界 ↗报告依据：SAMPL；随机试验基线报告：CONSORT 2025。可选 gtsummary / ggstatsplot 示例与运行状态见项目文档。网页无需这些包即可离线使用。
PUBLISHED PAPER / PUBLIC DATA
用发表论文，逐项对照。
4 篇文献材料 · 2 篇限定复算
2026-10-09 · 公开数据，不是模拟病例
从 PubMed 确认论文，读完整文章，核查作者代码与公共数据，再对照实际数值。近视案例 72/72 个选定数字在原文算法与舍入范围内一致；当前软件默认 t 区间有 16/32 个端点与原文舍入值不同，另行保留。
01 / SELECTED TARGETS MATCH
近视与教育 · 2019
PLOS ONE · NHANES
线性与 Logistic：已复算选定模型、样本流程和描述。
02 / METHODS CASE · NOT RUN
出生体重与角膜 · 2017
PLOS ONE · NHANES
连续变量、单位换算、抽样设计；有数据可用性勘误。
03 / METHODS CASE · NOT RUN
暴露组与表型图谱 · 2026
Nature Medicine · NHANES
调查加权模型、多重比较、跨周期重复性与关联边界。
04 / LONGITUDINAL · DIFFERENCES RETAINED
medplot · 重复随访 · 2015
患者随机截距、分类时间、条件 OR。连续原函数失败与接口兼容复算分列；原文 / SI 冲突保留。
PubMed ↗ · 研究卡片与重跑 ↗ · 27 项对照 ↗EVIDENCE BY CASE / SIX SEPARATE CHECKS
这个案例，验证到了哪一步？
状态来源加载中；未加载时请保留待核查。
“限定已运行”和“一致”只适用于记录的代码与数字。窄屏可聚焦表格后用左右方向键查看六列；点击案例查看原始记录。
| 案例 | 材料核查 | 代码运行 | 数值对照 | 诊断核查 | 独立专家审阅 | 真人试用 |
|---|
REPEATED MEASURES / KEEP THE DISCREPANCIES
225 位患者，与 812 条记录。
纵向结果对象加载中。
日期质量检查还发现一条访视日期早于基线；保留原数据。原文模型使用分类时点，该结果不能认证实际日期正确。候选、许可与索引证据 ↗
这次发现并补上了向导的复杂抽样提醒：权重、分层、PSU 与 domain。文献案例经过人工编码，用于回归检查；不是独立盲测，也没有测量大模型回答正确率。
原三篇正文 PDF、18 个补充文件及一份勘误继续保留；v2.2 新增 medplot 正文与 19 个补充文件的本地归档。获取材料不等于重跑补充分析。两篇限定复算之外的论文、全部图表与完整管线尚未复现。
READ THE SOURCE
让每一步，有据可查。
基础来源核查：2026-10-08；统计运行记录：2026-10-09；收尾界面核查：2026-10-10
来源支持原理与工具角色，不构成软件排名。
01 / REPORTINGSAMPL 医学统计报告指南 ↗
方法、效应量、置信区间与复核信息。
02 / INTERPRETATIONASA 关于 P 值的声明 ↗不能只凭阈值判断意义与证据。
03 / METHODNIST 两样本 t 检验 ↗独立、配对及方差条件。
04 / IMPLEMENTATIONR t.test 官方手册 ↗配对、方差和返回的区间。
05 / REPRODUCTIONSciPy ttest_ind 官方文档 ↗显式参数与置信区间输出。
06 / AI GOVERNANCEWHO 生成式 AI 指南说明 ↗错误、不完整信息与自动化偏见。
更多模型来源、适用范围与软件入口位于仓库 docs/sources.md。引用仍需结合你的研究问题核对。