统计学不仅是一门科学，也是一个辅助各个学科开展研究的工具，我们在进行统计分析的时候必须要注意以下几个问题。
第一，从基础开始，从概念起步，充分理解统计方法的内涵与意义。当前，很多学科常常会采用统计学的方法去增强研究的科学性，但也造成了很多研究者在不充分理解某一统计方法的情况下的错用误用，不仅影响了结果的科学性，也误导了其他的读者。我们在进行统计学学习的时候，必须要从基础学起，充分理解统计学的真正内涵。例如，很多读者都知道在进行统计分析时要报告一个p值，然而很多人却不能真正理解P值的意义与内涵。同样，很多研究者在做研究时也都知道对两组样本进行比较时要采用假设检验，但却不理解为什么要做？有时也会误用T检验和卡方检验，这些都是基础不扎实不牢靠的体现。因此，在对研究对象进行统计分析时，必须要对自己将采取的方法进行充分的了解。
第二，在进行统计分析前要对自己的研究有着明确的设计，同时要注意自己选用方法的适用条件与前提。任何统计学方法，都有着一定的假设与前提。因此在开展研究之前，我们必须要明确研究设计，也要仔细地考量即将采用的方法是否符合既有的一些前提与假设。例如，回归分析是要求在正态分布和等方差的前提下进行分析的，但是如果在进行回归分析时，未对数据进行概率分布的正态性检验或检验其是否满足等方差条件，通常会使结果有较大的偏倚。另外，科学是要求结果具有“可重复性”的，某种方法某种结果不仅在一篇论文中有相同的结果，有可能在其他的研究中也会出现同样的结果。因此，在进行统计分析时，尤其在论文撰写时，需要把自己的统计方法进行充分的阐释，以便其他研究人员能够检验结果的准确性。(www.xing528.com)
第三，不要过度追求p值小于0.05，而忽视了研究对象的本身。同时也不要过度强调方法的复杂性而忽略了研究设计本身。过分强调统计学方法往往容易忽视被研究对象的本身。p＜0.05仅仅是一个统计学上的指标，但结果必须要满足被研究对象事实的合理性。Fisher强调，研究者应该根据广泛的专业知识对显著性水平进行解释。统计学方法的进步，是为了能够最大限度地克服从样本推广到总体，或者是统计方法本身误差带来的偏倚。然而，无论统计方法如何复杂都无法与研究设计上的精确相媲美。以医学为例，从20世纪50年代到70年代，随机临床试验成为了医学研究的金标准，因为随机临床试验对于因果推断具有强有力的说服作用。在随机临床试验的背景下，简单的假设检验就可以满足分析的需要。然而，对于其他的研究设计，在无法达到随机临床试验在因果推断的有力支持下，就需要在统计方法上对因果推断的说服力进行优化。所以，我们在进行统计分析时要尽量采用精确设计的研究，而不是一开始就追求统计方法的复杂性。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
