1、因素和原因的差别：

因素：决定事物发展的原因、条件；构成事物的要素、成分。从这个定义上看，因素包括原因、条件、事件本身的特点等。

2、历史分析中的各种原因

1、 历史背景=（国内+国际）（经济+政治+文化+……）

⑴经济背景=生产力+生产关系+经济结构+经济格局+……

⑵政治背景=政局+制度+体制+政策+阶级+民族+外交+军事+……

⑶文化背景=思想、宗教+科技+教育+……

如：鸦片战争背景：（一）国内：1、经济：自然经济+资本主义萌芽+土地集中。2、政治：①腐败：官场+军队+财政②阶级矛盾。3、思想：愚昧自大。（二）国际：1、经济：工业革命→市场原料。2、政治：资本主义扩张。

2、 历史条件：与背景分析基本相同，更侧重于有利因素

如十月革命的历史条件：（一）国内：①经济：资本主义发展到垄断，相对落后、生活贫困②政治：沙皇专制、无产阶级壮大、革命政党成熟、力量对比变化等③思想：列宁主义指导。（二）国际：帝国主义忙于一战等。

3、 原因广度：原因=主观（内因）+客观（外因）

⑴主观原因：事件发起、参与者内在经济、政治、思想诸方面因素 ⑵客观原因：自然、社会环境、外在各方面经济、政治、思想因素等

原因广度与背景分析方法基本相同，背景侧重于静态分析，原因更侧重于动态分析。如美国独立战争的原因广度分析：（一）内因：①经济：资本主义经济发展、统一的市场等②政治：美利坚民族形成、资产阶级、种植园主阶级形成等③文化：统一的文化、民族意识觉醒等。（二）外因：①英国的经济掠夺和政治压迫②启蒙思想的影响等。

4、 原因深度：原因：→直接→主要→根本

⑴直接原因：最直接引发事件的偶然性因素（导火线、借口等）

⑵主要原因：包括引发事件的主观、客观各方面重要因素

⑶根本原因：历史趋势（生产力发展、时代要求）+主观需要等

 

第二篇：统计分析方法总结

1.连续性资料

1.1 两组独立样本比较

1.1.1 资料符合正态分布,且两组方差齐性,直接采用t检验。

1.1.2 资料不符合正态分布，（1）可进行数据转换,如对数转换等,使之服从正态分布,然后对转换后的数据采用t检验；（2）采用非参数检验,如Wilcoxon检验。

1.1.3 资料方差不齐，（1）采用Satterthwate 的t检验；（2）采用非参数检验,如Wilcoxon检验。

1.2 两组配对样本的比较

1.2.1 两组差值服从正态分布，采用配对t检验。

1.2.2 两组差值不服从正态分布，采用Wilcoxon的符号配对秩和检验。

1.3 多组完全随机样本比较

1.3.1资料符合正态分布，且各组方差齐性，直接采用完全随机的方差分析。如果检验结果为有统计学意义，则进一步作两两比较，两两比较的方法有LSD检验，Bonferroni法，Tukey法，Scheffe法，SNK法等。

1.3.2资料不符合正态分布，或各组方差不齐，则采用非参数检验的Kruscal-Wallis法。如果检验结果为有统计学意义，则进一步作两两比较，一般采用Bonferroni法校正P值，然后用成组的Wilcoxon检验。

1.4 多组随机区组样本比较

1.4.1资料符合正态分布，且各组方差齐性，直接采用随机区组的方差分析。如果检验结果为有统计学意义，则进一步作两两比较，两两比较的方法有LSD检验，Bonferroni法，Tukey法，Scheffe法，SNK法等。

1.4.2资料不符合正态分布，或各组方差不齐，则采用非参数检验的Fridman检验法。如果检验结果为有统计学意义，则进一步作两两比较，一般采用Bonferroni法校正P值，然后用符号配对的Wilcoxon检验。

需要注意的问题：

（1） 一般来说，如果是大样本，比如各组例数大于50，可以不作正态性检验，直接采用t检验或方差分析。因为统计学上有中心极限定理，假定大样本是服从正态分布的。

（2） 当进行多组比较时，最容易犯的错误是仅比较其中的两组，而不顾其他组，这样作容易增大犯假阳性错误的概率。正确的做法应该是，先作总的各组

间的比较，如果总的来说差别有统计学意义，然后才能作其中任意两组的比较，这些两两比较有特定的统计方法，如上面提到的LSD检验，Bonferroni法，Tukey法，Scheffe法，SNK法等。**绝不能对其中的两组直接采用t检验，这样即使得出结果也未必正确**

（3） 关于常用的设计方法：多组资料尽管最终分析都是采用方差分析，但不同设计会有差别。常用的设计如完全随即设计，随机区组设计，析因设计，裂区设计，嵌套设计等。

2．分类资料

2.1 四格表资料

2.1.1 例数大于40，且所有理论数大于5，则用普通的Pearson 检验。

2.1.2 例数大于40，所有理论数大于1，且至少一个理论数小于5，则用校正的 检验或Fisher’s确切概率法检验。

2.1.3 例数小于40，或有理论数小于2，则用Fisher’s确切概率法检验。

2.2 2×C表或R×2表资料的统计分析

2.2.1 列变量＆行变量均为无序分类变量，则（1）例数大于40，且理论数小于5的格子数目<总格子数目的25％，则用普通的Pearson 检验。（2）例数小于40，或理论数小于5的格子数目>总格子数目的25％，则用Fisher’s确切概率法检验。

2.2.2列变量为效应指标，且为有序多分类变量，行变量为分组变量，用普通的Pearson 检验只说明组间构成比不同，如要说明疗效，则可用行平均分差检验或成组的Wilcoxon秩和检验。

2.2.3 列变量为效应指标，且为二分类变量，行变量为有序多分类变量，则可采用普通的Pearson 检验比较各组之间有无差别，如果总的来说有差别，还可进一步作两两比较，以说明是否任意两组之间的差别都有统计学意义。

2.3 R×C表资料的统计分析

2.2.1 列变量＆行变量均为无序分类变量，则（1）例数大于40，且理论数小于5的格子数目<总格子数目的25％，则用普通的Pearson 检验。（2）例数小于40，或理论数小于5的格子数目>总格子数目的25％，则用Fisher’s确切概率法检验。（3）如果要作相关性分析，可采用Pearson相关系数。

2.2.2列变量为效应指标，且为有序多分类变量，行变量为分组变量，用普通的Pearson 检验只说明组间构成比不同，如要说明疗效或强弱程度的不同，则可

用行平均分差检验或成组的Wilcoxon秩和检验或Ridit分析。

2.2.3 列变量为效应指标，且为无序多分类变量，行变量为有序多分类变量，则可采用普通的Pearson 检验比较各组之间有无差别，如果有差别，还可进一步作两两比较，以说明是否任意两组之间的差别都有统计学意义。

2.2.4 列变量＆行变量均为有序多分类变量，（1）如要做组间差别分析，则可用行平均分差检验或成组的Wilcoxon秩和检验或Ridit分析。如果总的来说有差别，还可进一步作两两比较，以说明是否任意两组之间的差别都有统计学意义。

（2）如果要做两变量之间的相关性，可采用Spearson相关分析。

2.4 配对分类资料的统计分析

2.4.1 四格表配对资料，（1）b＋c>40，则用McNemar配对 检验。（2）b＋c<40，则用校正的配对 检验。

2.4.1 C×C资料，（1）配对比较：用McNemar配对 检验。（2）一致性检验，用Kappa检验。