一 、计量资料的统计分析
计量资料，又称量反应资料，是对每个观察对象测量某项指标的数值大小所得的资料，如动物的体重、血压、心率、尿量、平滑肌收缩幅度，等等；其内涵的信息比计数资料丰富，是药效统计分析中最常用的资料类型。
1、总则
(1)一般用ｔ检验或方差分析法检验。
(2)应写出各组均值、标准差及例数。
(3)不用标准误，必要时可用95％可信限。
统计处理之前注意点：
(1)有无应舍数据：数据在X±3 SD之外者可考虑舍弃。
(2)有无方差不齐：可用方差齐性检验，如两组的标准差相差一倍以上时，不必检验即可判断为方差不齐。
(3)有无明显偏态：可用正态性D检验，如均数两侧例数之差大于2×√ｎ时，不必检验即可判断为明显偏态。
(4)有无不定值：有<10>30等不定值的资料时， 不宜用均数作ｔ检验，可改用中位数表达，作Mann-Whitney秩和检验，等级和检验， 或序值法检验。
(5)有无时序关系：有用药前及用药后(包括各时间)的资料，应以各组用药前后的变化值或变化率进行两组ｔ检验，不宜用用药后实测值进行检验。
2、方法的选择
2.1同批资料：
有明显偏态， 或有不定值-----秩和检验， 序值法
注意事项：有配对关系的用药前后比较， 只有在确知对照组用药前后实测值无明显变化时， 采用配对ｔ检验才有意义。一般仍然采用两组用药前后的变化值或变化率作组间ｔ检验。
2.2多批资料
一般仍然采用方差分析和ｔ值法， 必要时可采用析因ｔ检验。
二、计数资料的统计分析
计数资料， 又称质反应资料；这种资料中每个观察对象要先按类别、性质进行划分(如阳性、阴性，痊愈、未愈等)，然后清点各区中观察对象的例数而获得数据资料。由于阳性率是对这类资料进行统计分析的最常用指标，也可称为“阳性率资料”。
1、总则
(1)一般用X2检验或ｕ检验。
(2)应写出各组例数、阳性例数及阳性率。
(3)药效统计中样本均不很大，以用X2(2×2)法为好。
统计处理之前注意点：
(1)样本是否太小：如两组总例数少于40且其中有数据小于5，或数据中有0或1时，应改用精确概率法。
(2)有无配对关系：当每一对象接受两种处理(两个疗程或左右两侧用药)，应改用配对X2检验。
(3)有无等级关系：有等级关系的资料(如痊愈、显效、有效、无效，＋＋＋、＋＋、＋、－等)，应采用等级序值法，或Ridit法检验。
2、方法的选择
2.1两率对比：
无配对关系——样本较大------ X2 (2×2)法
样本较小------精确概率法
有配对关系----------------配对X2法
2.2多率对比：
无等级关系——多率综合对比--- X2 (R×C)法
组间两两对比---- X2 (2×2)法
有等级关系--------Ridit法， 等级序值法
注意事项：
(1)两率多组资料，应在组间两两对比。
(2)两率多院资料，应分别算出各医院的有效率， 再用合适方法计算总有效率，采用加权合并√X2法较为严谨。
三、药效和剂量依赖关系(相关性)的统计分析
通常用剂量的对数值与药效强度做量效关系分析。如剂量选择适当，数据近似直线关系，可用各实测数据进行直线回归分析，写出回归方程式、回归系数及其显著性检验。
1、直线回归及其特点
如果两个变量x，y有相关关系，且相关系数的显著性测验有显著性，则可以根据实验数据的各(x，y)值，归纳出由一个变量x的值推算另一个量y的估计值之函数关系，找出经验公式．这就是回归分析。若相关是直线相关，且要找的经验公式是直线方程。则称为直线回归分析。它是应用最广的一种，呈直线关系或能直线化的函数规律的资料都可进行直线回归分析。
把实验资料描成散点图时，各点并不恰在一直线上，要选择一条最合适的直线作为这种函数关系的代表．就要符合回归方程算出的理论ye值与各实际y值越接近，则直线越合适的原则。于是规定：Σ(y-ye)2为最小的直线为回归直线，也就是实验y值与理论ye值差值的平方和为最小(或各点与直线的纵距离的平方和为最小)是决定回归线的条件，这种方法称为最小二乘方或“最小二乘法”。其直线方程称直线回归方程，简称回归方程。
2、回归方程与回归系数
直线回归方程的通式是ye＝a十bx，其中ye是由x推算的估计值(理论值)，故标为ye，a是回归线在y轴上的截距，b为回归系数(由x推算y的回归系数)，即回归线的斜率，反映y随x变化的变化率。
3、回归与相关的关系
回归反映两变量间的依存关系，相关反映两变量间的互依关系，两者都是分析两变量间数量关系的统计方法，其实际的因果关系要靠专业知识判断，不要对实际毫无关联的事物进行回归或相关分析。
相关系数r与回归系数b的正负号一致，正值说明正比，负值说明反比，而且b或r与0的差异有否显著性的t测验是等值的，即tr＝tb。因tr易算，故可用t r代替tb进行显著性测验，而且对任一个样本的b或r都应进行显著性测验，以说明x与y间有无直线关系。
4、等级相关分析
如果两个变量均为随机变量，但不服从正态分布，特别是其中有率或构成比等相对数的变量，或本来就是等级变量，要研究其相关性，可用等级相关分析(Spearman法)，简介如下。
先将两变量从小到大分别排序，得出它们的序值。如果其中有相等的值，其序值都取其平均值。比如排序为3、4的两个X值相等，它们的序值均为3。5。然后计算每对变量的序值之差，依次记为d1、d2、d3、……，dn。按以下公式求等级相关系数rs。
rs = 1 - 6Σd2 / N(N2-1)
等级相关系数rs在等级相关分析中的意义与相关分析中的相关系数r一样，可反映两变量间是否存在相关性。
四、两药药效的等效性分析
要证明两药的药效相近， 绝不能仅以P > 0。05为依据， 必须作双向单侧ｔ检验。下面介绍一种简便、适用的“等效界值法”：
Ｌ＝Ｄ×Ｍｓ－Ｔ×Ｓｅ
ｆ＝ｎ1＋ｎ2－2
说明：
(1)式中D为等效性检验标准，通常生化指标取5％，生理指标取10％，药动学指标取20％。
(2)Ｍｓ为标准药物组的均数，Ｔ是自由度ｆ下的单侧ｔ值，Ｓｅ是两组的共同标准误。
(3)先按计算公式算出等效界值L，然后计算两组均数之差。如果均数差小于L，表示等效性合格。
