What statistical analysis should I use?

选取统计分析方法的一般性原则。 下面的表格根据自变量的性质，因变量的个数，相应给出一般性的分析方法可供选择。

Below are general guidelines for choosing a statistical analysis. Usually data could be analyzed in multiple ways, each of which could yield legitimate answers. The table below covers a number of common analyses and helps you choose among them based on the number of dependent variables , the nature of your independent variables .

下表显示选择统计分析的一般指导。这只是一般指导不是硬性规定。以因变量为主线结合自变量种类和因变量种类进行划分。 避免因为因变量自变量区分不清带来的麻烦。

Choosing the Correct Statistical Test

Number of Dependent* Variables	Number of Independent** Variables	Type of Dependent Variable(s)	Type of Independent Variable(s)	Measure	Test(s)
1	0 (1 population)	continuous normal	not applicable (none)	mean	one-sample t-test
		continuous non-normal		median	one-sample median
		categorical		proportions	Chi Square goodness-of-fit, binomial test
	1 (2 independent populations)	normal	2 categories	mean	2 independent sample t-test
		non-normal		medians	Mann Whitney, Wilcoxon rank sum test
		categorical		proportions	Chi square test Fisher’s Exact test
	0 (1 population measured twice) or 1 (2 matched populations)	normal	not applicable/ categorical	means	paired t-test
		non-normal		medians	Wilcoxon signed ranks test
		categorical		proportions	McNemar, Chi-square test
	1 (3 or more populations)	normal	categorical	means	one-way ANOVA
		non-normal		medians	Kruskal Wallis
		categorical		proportions	Chi square test
	2 or more (e.g., 2-way ANOVA)	normal	categorical	means	Factorial ANOVA
		non-normal		medians	Friedman test
		categorical		proportions	log-linear, logistic regression
	0 (1 population measured 3 or more times)	normal	not applicable	means	Repeated measures ANOVA
	1	normal	continuous		correlation simple linear regression
		non-normal			non-parametric correlation
		categorical	categorical or continuous		logistic regression
			continuous		discriminant analysis
	2 or more	normal	continuous		multiple linear regression
		non-normal
		categorical			logistic regression
		normal	mixed categorical and continuous		Analysis of Covariance General Linear Models (regression)
		non-normal
		categorical			logistic regression
2	2 or more	normal	categorical		MANOVA
2 or more	2 or more	normal	continuous		multivariate multiple linear regression
2 sets of 2 or more	0	normal	not applicable		canonical correlation
2 or more	0	normal	not applicable		factor analysis

因变量数	自变量类别	因变量类别	方法
一个	没有自变量 （一个总体）	尺度和名义	单样本T检验
		次序或尺度	单样本中位数检验
		分类（两个类别）	二项检验
		分类	卡方优度拟合
	一个自变量两个水平 （独立分组）	尺度和名义	两独立样本T检验
		次序或尺度	Wilcoxon-Mann Whitney 检验
		分类	卡方检验
			Fisher精确检验
	一个自变量两个以上水平 （独立分组）	尺度和名义	单因素方差分析
		次序或尺度	Kruskal Wallis
		分类	卡方检验
	一个自变量两个水平 （独立/匹配分组）	尺度和名义	成对T检验
		次序或尺度	Wilcoxon符号秩检验
		分类	McNemar
	一个自变量两个以上水平 （独立/匹配分组）	尺度和名义	单因素重复测量方差分析
		次序或尺度	Friedman 检验
		分类	重复测量逻辑回归
	两个以上自变量 （独立分组）	尺度和名义	因子方差分析
		次序或尺度
		分类	因子逻辑回归
	一个尺度自变量	尺度和名义	相关分析
			简单线形回归
		次序或尺度	非参数相关分析
		分类	简单逻辑回归
	一个或多个尺度自变量或 一个或多个分类自变量	尺度和名义	多重回归
			方差分析
		分类	多重逻辑回归
			判别分析
两个以上	一个自变量两个以上水平 （独立分组）	尺度和名义	单因素多元方差分析
	两个或两个以上自变量	尺度和名义	多元多重线性回归
两个以上 的两个集	没有自变量	尺度和名义	典型相关分析
两个以上	没有自变量	尺度和名义	因子分析

http://www.ats.ucla.edu/stat/sas/whatstat/default.htm