【震惊】研究表明，包含CNS期刊在内，50%的柱形图存在统计分析错误！

一、国自然类：

1 2023历年国自然标书全文

3 国自然项目答辩PPT

5 标书写作模板

7 GraphPad 9安装包

2 2018-24年国自然清单

4 基金插图素材（可编辑）

6 近10年国自然标书全文

1 160套SCI实验操作视频

3 Meta分析范文+教程

5 泛癌分析万能代码

7 130套SCI实验视频

9 单细胞数据挖掘课

11 统计分析万能模板

2 100个SCI实验Protocol

4 miRNA预测靶基因代码

6 动物实验操作视频汇总

8 GEO/TCGA数据挖掘课

10 SCI写作万能模板

1 PPT科研绘图素材合集

3 Adobe illustrator绘图素材

5 动物实验矢量图素材

7 PS修各种SCI实验图视频

9 资源共享群

2 PPT科研绘图插件VIP版

4 各种实验仪器矢量图素材

6 细胞实验矢量图素材

8 AI科研绘图视频课

10 相亲交友微信群

根据最近的一项研究，许多科学期刊中的柱形图统计分析存在错误。尤其是在顶级期刊（如CNS期刊，即《Cell》、《Nature》和《Science》）中，这一现象尤为突出。研究指出，在审查了超过700篇在这些期刊上发表的文章之后，发现大约有50%的柱形图存在统计分析错误。这些错误包括但不限于以下几种：

• 数据展示不当：一些柱形图没有正确显示数据分布或变异性。例如，未包含误差条或未明确说明误差条代表的内容（如标准误差、标准差或95%置信区间）。

• 统计显著性标记错误：许多柱形图未正确标记统计显著性，或者显著性标记与统计分析结果不一致。

• 误用统计检验：在一些情况下，作者选择了不适当的统计检验方法。例如，使用t检验来分析非正态分布数据或小样本数据，而这些数据更适合使用非参数检验。

• 不适当的数据转化：一些研究对数据进行了不恰当的转化（如对数转化），导致结果难以解释或误导。

今天小编就用一套非配对两组连续变量的比较数据（如下图，对照组和实验组中WNT4基因的表达量）教会大家用GraphPad做数据【两独立样本均数比较】，涵盖正态检验、t检验、方差分析，非参数检验。一次性学会！

一、首先是统计方法选择：

对于此类数据的分析，首先应看在试验设计上是否进行了配对，之后再看数据是否呈正态分布，方差是否齐。再选择合适的统计学方法，其思路如下：

那么可以用于两组资料比较的软件很多，比如SPSS，SAS和Stata等功能强大的专业统计软件。但笔者更倾向于用GraphPad Prism，因为该软件操作简单，结果更容易解读。在国际杂志上发表论文时，很多作者也在文中说明自己的所用的统计学软件为GraphPad Prism，审稿人也都习以为常，都是值得认可的。下面开始操作。

下载安装软件，之前我们给大家分享过，点击下载安装GraphPad9。随后打开软件，输入数据（打开GraphPad Prism软件后，软件会让操作者选择数据的输入类型，此时注意选择“Column”这个选项。下图所示：）：

之后分别输入两组变量的值。如下图所示，实验组共7个样本；对照组也是7个样本。也可以在表头上对数据进行标识，分别为Experiments和Controls（我这里标识为对照组和实验组）。如果此处不进行标识，默认的组名是Dataset A和Dataset B。

接着就是统计分析。在进行统计分析之前，我给大家讲讲中心极限定理。中心极限定理（Central Limit Theorem）是统计学中最重要的结论之一。在这里，我并不想给出中心极限定理专业的定义，只需要了解它告诉我们：来自某总体的一个样本，无论该总体服从什么分布，只要样本容量足够大，其样本均值都近似服从正态分布，如下图。请注意这里的说法：“样本均值“近似正态，而不是样本本身服从正态（不是说你抽了30个样品组成的样本数据就正态）。这里又有一个大家疑惑的地方，样本容量足够大，多大才是足够大？这个问题的答案和总体分布的形状相关，如果样本本是来自近似对称分布的总体，那么当样本量取相当小（如样本量取5）的值的时候，正态逼近的结果也会非常好。然后，如果总体的分布严重倾斜，则样本量必须取相当大的值。根据检验，对于大多数总体来说，样本容量取30或者更大，就足以得到令人满意的正态逼近结果。

那我这里每组只有7个样本，需要做一下每组数据的正态检验。

二、数据的正态性检验：

我这里每组7个样本，需要做一下每组数据的正态检验。首先点击Analyze，然后选择XY Analysis下面的Column statistics。如图所示：

OK之后出现下界面：

如上图。GraphPad Prism提供了三种检验数据是否呈正态分布的方法：D’Agootino-Pearson法，Kolmogorov-Smirnov法和Shapiro-Wilk法。针对同一种数据，三种方法的计算结果大同小异。虽然GraphPad Prism不推荐用Kolmogorov-Smirnov法，但根据笔者经验，在国际上发表论文时，多采用Kolmogorov-Smirnov法的结果，可能是因为当样本量太小时，Shapiro-Wilk法和D’Agootino-Pearson法无法给出检验结果。当然，也可以三种方法都选择，综合判断数据是否呈正态分布。

选择好统计方法之后点击OK，就可以得到正态检验的结果，如下图所示。需要特别说明的是：在正态检验中，一般认为P大于0.10才表述数据呈正态分布（注意：是“大于”，不是“小于”！是0.10，不是“0.05”！！！！）。在本案例中，两组数据的P值均为大于0.1，因此可以认为两组数据均呈正态分布。

那到这一步，我们知道我们的数据是非配对的，正态的。

三、两组统计分析

如上，我们已经确定是符合正态分布了。那我们就可以进行统计分析了。首先点击菜单栏中的Analyze，会出现如下图所示的界面。注意左侧一定要选中”t tests (and nonparametric tests)”，也就是两组之间的分析，我们选择t检验或者非参数检验，随后我们再细选分析方法。

接着我们要选择是否配对（Paired和Unpaired），并决定选择参数检验还是非参数检验。所谓参数检验就是指配对t检验或独立样本t检验，而非参数检验则是指Mann-Whitney U检验（如果配对，就是配对Wilcoxon检验）。如果选择参数检验（默认两组数据均呈正态分布），软件会让操作者选择方差是否齐。

如果你点击方差齐，软件会选择t检验，如果不齐，软件推荐Welch法。需要说明的一点是，如果两组数据均呈正态分布，但方差不齐，此时应采用校正t检验，目前有三种主要的校正t检验法：Cochran & Cox法、Satterthwait法和Welch法。GraphPad Prism仅支持Welch法（这些方法不懂的可以自行百度）。

那本文数据符合正态分布，因此应该选择两样本T检验（方差齐）或者近似t检验（方差不齐），如下先点击方差齐的两样本T检验：

除了Experimental Design以外，还可以对Optional选项里面的内容进行修改。如下图所示。一般建议选择“Discreptive statistics for each data set”（展示各组数据的均数、中位数、标准差、秩和等）选项。在P value一段，系统默认为双尾检验（双尾检验不懂的也可以百度，大概双尾检验就是两组比较的差异有没有统计学意义，不管谁高谁低。而单尾检验会考虑谁高谁低的问题），一般建议不要更改。

点击OK后出现结果，结果一般分为两个部分，一是差异是否具有统计学意义；二是F检验结果，告诉你方差到底齐不齐：

F test to compare variances，即方差是否齐。一般认为，P值大于0.10才可以认为两组数据方差相同（注意：是“大于”，不是“小于”！是“0.10”，不是“0.05”！！！！）

从上图结果可知，我们的结果很好，方差确实是齐的，分析没有错。接着我就可以作图导出：

值得注意的是，如果此时我们分析的结果提示方差不齐，你又要返回去选方差不齐，如下：

如果两组数据不呈正态分布，则应该选用非参数检验。非参数的两个选项分别是Mann-Whitney U检验和Kolmogorov-Smirnov检验。一般选择Mann-Whitney U检验。

点击OK后出现结果：结果一般分为两个部分，一是差异是否具有统计学意义；二是差异有多大。我们这里是选择了Mann-Whitney U检验，则可得到如下图所示的结果：

那么，其实要是我们的样本比较大，不知道数据是否符合正态分布，我们可以按照书本上说的25个数据以上就可以近似的看成正态分布的。

所以，大家千万不要弄错了，做科研之前还是系统性的学习一下，到处百度反而心累。所以，科研部今天给大家免费发送：

"医学统计学从入门到精通课【原价6799元】"

免费领取方式：

长按下方二维码关注公众号

对话框输入关键词：67免费

都是医学科研常见的实例实操，如收集正常和癌症的临床样本，如癌旁样本怎么统计分析等。课程如下：

都是原理+理论+实操，如logistic回归：

"医学统计学从入门到精通课【原价6799元】"

免费领取方式：

长按下方二维码关注公众号

对话框输入关键词：67免费