研究者想分析不同group间的Index得分差异，可以采用单因素方差分析。单因素方差分析适用于2种类型的研究设计：1）判断3个及以上独立的组间均数是否存在差异（也可以是2组，此时等同于成组t检验）；2）判断前后变化的差值是否存在差异。使用单

处理缺失值最好的方式是什么？答案是：没有最好的方式。简单的缺失值处理方法：直接删除法、LOCF法、虚拟变量法、均值填补法、回归填补法。

当一组配对样本的数据中差值d服从正态分布时，我们可以选用配对样本t检验的方法进行统计检验，具体方法参见文章“配对样本的t检验”。但是，如果差值d不符合正态分布时，我们该如何处理呢？

对于比较配对设计的连续性变量间的差异，可以选用配对t检验或Wilcoxon 符号秩检验。配对t检验适用于两组差值近似服从正态分布的数据。当不满足该前提时，可选择的一种方案是使用Wilcoxon符号秩检验。

研究者想知道某工作岗位不同性别收入水平是否相同。由于一般情况下收入水平不服从正态分布（仅为模拟数据，实际使用时需要专业判断或结合正态性检验结果），因此可以使用Mann-Whitney U检验。

研究者想探索是否2个相关（配对）组别间的均数是否存在差异，可以使用配对样本t检验。使用配对样本t检验时，需要考虑4个假设

重复测量资料在医学研究中很常见，比如观察服用降压药物后，血压随时间的变化趋势（时间概念），同一肿瘤患者不同肿块的标志物差异（空间概念）等，其特点是同一研究对象的重复测量值之间是非独立的。