主要观点总结
文章介绍了如何研究两个变量X和Y的相关性，并采用了相应的统计办法。文章详细解释了两种变量类型：计数资料和计量资料，并给出了具体实例。此外，文章还介绍了单因素分析和多因素分析的概念及回归模型，包括线性回归、逻辑回归及Cox回归。文章还提到了针对没有基础、没有实验条件、没有病例数据的研究者如何进行研究，包括使用回顾性研究、公开免费数据库如孟德尔随机化、NHANES数据库和MIMIC数据库等方法。另外，文章也介绍了Meta分析的优点。最后，文章宣传了丁香科研会员的优惠活动，包括课程、工具、答疑服务等。
关键观点总结
关键观点1: 统计办法的选择取决于X、Y的变量类型。
变量类型分为计数资料和计量资料，这两大变量类型的选择对于后续的数据描述和统计分析至关重要。
关键观点2: 计数资料和计量资料可以相互转变。
转变的方法包括根据文献找界值、常规的经验和等分法。
关键观点3: 单因素分析和多因素分析是两种不同的分析方法。
单因素分析是对单个因素和因变量的关系进行分析，而多因素分析则将单因素分析结果中满足一定条件的变量纳入多因素分析中，进行更深入的回归分析。
关键观点4: 公开免费数据库如孟德尔随机化、NHANES数据库和MIMIC数据库是研究的宝贵资源。
这些数据库为没有基础、没有实验条件、没有病例数据的研究者提供了宝贵的数据资源。
关键观点5: 丁香科研会员提供多种服务和课程。
包括课程持续迭代升级、爆款课程加入、AI科研工具赠送、答疑服务以及实战训练等。
文章预览
考一考： 研究 X、Y 的相关性，采用什么样的统计办法？ 👩🏻🎓 有人说：笑死🤣，不说 X、Y 的变量类型，谁知道怎么选啊？ ❗️ 没错， X、Y 的 变量类型决定统计方法的选择！ ◆ 两大变量类型，必须搞懂！ 1. 计数资料（ Qualitative variable ） 又称 分类变量 、 定性变量 ，如： 性别、种族、血型、是否患病等。 2. 计量资料 （ Quantitative variable ） 又称连续型变量、定量变量， 如：身高、体重、浓度、血压、血脂水平等。 下面来看一个具体的实例👇 在这里， 性别、疗效是定性观察的结果，属于计数数据，也就是分类变量 ；而 年龄、心率、收缩压、舒张压是定量观察的结果，属于计量数据，即连续型变量 。 ⚠️但是，计量资料和计数资料可以相互转变，有 3 种方法： → 根据文献找界值 → 常规的经验 → 等分位法 ◆ 确定了变量，数据
………………………………
