最近有很多小伙伴在后台咨询”单因素和多因素分析“相关的问题，医咖会陆续发过不少相关的文章，为此，小咖对曾发过的教程做一下合集，方便大家收藏查看。

当自变量之间的关系较为复杂，对于变量的取舍不易把握时，我们还可以利用逐步回归的方法进行变量筛选，以解决自变量多重共线性的问题。逐步回归法从共线性的自变量中筛选出对因变量影响较为显著的若干个变量，把对因变量贡献不大的自变量排除在模型之外。

学了这么多连续变量的统计分析，那么对于计数资料可咋整。小伙伴会问了：如果我想看不同患者人群的术后复发率有没有差异，怎么办？这时候就需要欢迎我们的统计小助手——卡方检验闪亮登场啦！ 卡方检验可是一位重量级选手，凡是涉及到计数资料分布的比较都需

研究者已知一个自变量（受教育程度）对因变量（幸福指数）的影响，想判断另一个自变量（性别）对这一相关关系是否存在作用。针对这种情况，我们可以使用两因素方差分析，但需要先满足6项假设。

分层分析是一种常用的控制混杂因素的方法，它是将数据资料按照某个需要控制的混杂因素进行分层，然后再估计暴露/处理因素与研究结局之间的关联性。

分层卡方检验，也称为Cochran-Mantel-Haenszel检验（CMH检验），它主要用于分层分析中，也就是在研究暴露/处理因素和结局事件关联性的基础上，考虑了分层因素的混杂作用。