优度检验、差异性检验
与关联性分析之间辨析
小卫提醒：
在学习统计学的过程中，我们会遇到各种统计推断的过程， 根据不同的研究数据类型，少不了使用许多种不同的检验方法， 这些检验方法之间又有什么样的区别呢，今天就让我们来辩析一波吧！
优度检验
概念：
又称拟合优度检验， 是指通过构建检验统计量，分析现有的观测变量的分布形态，检查其分布能否与某一期望分布很好地吻合起来。
举例：
① 多元线性回归估计模型对观测值之间的拟合优度检验， 即是回归分析中用来检验样本数据点聚集在回归线周围的密集程度，用于评价回归方程对样本观测值的拟合程度。
② 卡方检验拟合优度，是一种非参数检验， 根据样本的频数分布检验其总体分布是否等于某些给定的理论分布(如正态分布，二项分布和泊松分布等)。
差异性检验
概念：
差异显著性检验是 用于比较两个或者多个样本的差异是否显著的统计分析方法。
举例：
不同性别（2分类变量）人群是否抽烟的差异情况；不同收入群体的身高是否有差异；不同性别群体的身高是否有差异。
表1 定量资料的差异性检验方法小结
表2 定性资料的差异性检验方法小结
关联性分析
概念：
关联分析 是研究现象间是否存在某种相关依存关系， 并具体对具有依存关系的现象进一步探讨其相关程度及相关方向， 是研究随机变量间相关关系的一种统计方法。 要确定相关关系的存在，相关关系的方向和形态以及相关关系的密切程度，主要可以通过绘制相关图表、计算协方差和相关系数来完成。
举例：
研究某年龄段儿童的身高与体重的关系、凝血时间与凝血酶浓度的关系、尿铅排出量与血铅含量的关系等。
表 不同相关/回归分析方法分类表
小卫点拨
如何辨别X变量(自变量)、Y 变量(因变量)?
自变量也称为预测变量或解释变量，因变量也称为应答变量或结局变量。 两者的区分在于，自变量可以影响因变量，因变量的值取决于对应自变量的值。也可以用因果关系来区分自变量和因变量，即自变量的变化导致了因变量的变化（但自变量和因变量之间并不一定真的存在因果关系）。
自变量是对因变量的描述，而因变量可以被自变量所解释。研究设计也可以帮助我们区分自变量和因变量。举例来说，我们计划开展一项研究分析不同剂量药物的治疗效果，治疗药物就是这个研究的自变量，治疗效果则是因变量。
比如我们想知道抗感染药物剂量（1.5 mg / d、4 mg /d或者 8 mg/d）与患者发热时长的关系，抗感染药物剂量就是自变量， 因为这个剂量的是由研究者干预产生的，且很可能是发热时长差异的原因； 而同时发热时长就是这项研究的因变量。
横断面调查并不区分自变量和因变量。 举例来说，研究者根据问卷调查研究对象的工作效率（1-5类：1代表非常高效、5代表非常低效）和锻炼情况（1-4类：1代表经常锻炼、4代表不锻炼）的关系。
在该研究中， 受调查者的工作效率和锻炼情况并不存在明确的因果关系， 因为效率高可能意味着受调查者有更多的锻炼时间，而反之经常锻炼可能也会提高工作效率。 因此，我们就不区分该研究的自变量和因变量。
优度检验、差异性检验与
关联性分析的区别与联系
表 优度检验、差异性检验与关联性分析之间区别
表 优度检验、差异性检验与关联性分析之间联系
以上总结属个人分析结果，如有不妥之处，欢迎各位同学们一起来指正呦~