最新版本：V17.1.2

发布日期：2026.09.02

医学统计助手，是专为医学统计而设计的专业统计分析软件，简单易用。功能涵盖基础统计、卡方检验、t检验、z检验、比例检验、秩和检验、Cochran Q检验、游程检验、一致性检验、方差齐性检验、方差分析、回归分析、相关分析、诊断试验评价、生存分析、Meta分析、聚类分析、判别分析、主成分分析、因子分析、问卷分析、随机数生成、批量分析和统计图等二十一大类实用功能。

一、软件特点
     界面简洁直观，输入数据、选择方法、点击计算，三步完成分析，无需编程基础，没有大型统计软件的复杂操作。
     体积小，速度快，无广告，无插件，无后门，本地运行，激活后断网可用，不收集、不上传任何用户分析数据，隐私无忧。
     多变量一键计算，大幅提高工作效率。分析结果格式规范，可直接复制到 Word，满足期刊发表要求。

三、主要功能

一、描述与基础统计

二、假设检验

#	分类	子功能
1	卡方检验	四格表、行×列表、配对资料、多分类配对资料、Fisher 精确检验、卡方 P 值
2	t 检验	独立样本（汇总/原始）、配对样本、单样本（汇总/原始）、t 检验 P 值
3	Z 检验	独立样本（汇总/原始）、配对样本、单样本（汇总/原始）、Z 检验 P 值
4	比例检验	独立样本（汇总/原始）、配对样本、单样本（汇总/原始）
5	秩和检验	配对、单样本、独立、等级资料、Kruskal-Wallis H、Friedman M
6	科克伦检验	二分类 Cochran Q
7	游程检验	二分类游程、数值变量游程
8	一致性检验	Kappa、Kendall 协调系数、ICC 组内相关系数
9	方差齐性检验	F、Levene、Brown-Forsythe、Bartlett、Fligner-Killeen

三、方差 / 回归 / 相关

#	分类	子功能
1	方差分析	完全随机设计、简易计算、随机区组、重复测量、多因素、协方差(ANCOVA)
2	回归分析	线性、逐步、二分类 Logistic、有序 Logistic、泊松、负二项
3	相关分析	Pearson 直线相关、Spearman 秩相关、Kendall 秩相关、偏相关

四、临床与高级统计

#	分类	子功能
1	生存分析	Kaplan-Meier、寿命表法、生存率比较、Cox 回归
2	ROC 曲线	ROC 曲线分析、多变量 AUC 比较、AUC 样本量估算
3	Meta 分析 (10 种效应量)	连续型变量(MD/SMD)、相关系数 r/z、OR、RR、RD、HR、AUC、单组比例、通用逆方差
4	聚类分析	样本聚类、变量聚类、K 均值聚类
5	判别分析	线性判别(LDA)、二次判别(QDA)
6	主成分分析	PCA
7	因子分析	主成分法、主轴因子法
8	问卷分析	题型设置、数据概览、综合分析、交叉分析、量表综合分析

五、统计图表（25 种图形）

条形图、折线图、箱线图、小提琴图、山脊图、饼图、环形图、散点图、热力图、棒棒糖图、蜂群图、带状图、马赛克图、直方图、Q-Q 图、P-P 图、ECDF 图、哑铃图、面积图、雷达图、凹凸图、瀑布图、矩形树图、坡度图、意大利面图。

阅读更多

一、软件介绍

医学统计助手是一款专为医学科研、公共卫生及临床研究打造的统计分析软件。以经典医学统计学理论为基石，计算结果经主流软件交叉验证，确保分析规范、结果可靠。

【专业全面】涵盖描述统计、假设检验、回归分析、生存分析等二十余类方法。支持t检验、卡方检验、秩和检验等假设检验；提供单因素、多因素、重复测量等方差分析；集成线性回归、Logistic回归、泊松回归等建模工具；包含Pearson、Spearman、Kendall等多种相关分析；支持Kaplan-Meier法、Cox回归等生存分析；具备聚类、判别、主成分、因子等多变量分析功能。

【问卷专属】独创问卷分析模块，支持单选、多选、数值、量表、排序等题型设置，实现数据概览、综合统计、交叉分析、分层汇总及信效度检验，一站式完成问卷数据处理。

【可视呈现】内置条形图、折线图、箱线图、小提琴图、饼图、散点图、热力图、正态分布图等统计图表，支持编辑美化，助力成果展示。

【便捷安全】界面简洁直观，输入数据、选择方法、点击计算，三步完成分析，无需编程基础。本地运行，断网可用，不收集、不上传任何用户数据，隐私无忧。

【持续服务】激活用户可免费升级至高版本，持续新增统计方法与功能优化。

阅读更多

      卡方检验应用于两个率或两个构成比比较；多个率或多个构成比比较以及分类资料的相关分析等。 分类为独立样本卡方检验和配对样本卡方检验，独立样本卡方检验包括四格表卡方检验和行乘列卡方检验， 配对样本卡方检验分为四格表形式的配对资料卡方检验和R×R列联表卡方检验。
一、四格表卡方检验
四格表卡方检验是卡方检验中最常使用的方法。四格表即2×2列联表，表内有ａ、ｂ、ｃ、ｄ４个基本数据，其余数据均由此４个数据推算出来的，故称为四格表资料。如下表。

组别	达标	未达标	合计
对照组	a	b	a+b
实验组	c	d	c+d
合计	a+c	b+d	n

1．基本公式

A表示实际频数，T表示理论频数。

计算过程：

 𝑇_𝑅𝐶 表示第R行第C列的理论(期望)频数，𝑛_𝑅 表示第R行合计， 𝑛_𝐶 表示第C列合计，n表示总合计。例如第一个单元格，为第1行第1列，实际频数a，理论频数，同理，，。

代入基本公式

自由度df=(行数-1)(列数-1)=(2-1)(2-1)=1

2．专用公式

N≥40 且最小理论频数T≥5

3．连续性矫正公式

N≥40 且最小理论频数1≤T＜5

4．n<40或最小理论频数T<1用Fisher精确检验，又叫确切概率检验

      在计算小样本的P值时，不能根据卡方检验公式计算，可以使用Fisher精确检验直接计算出P值，Fihser精确检验只适用于计算小样本计数资料。

阅读更多

卡方检验（Chi-Square Test）是一种用于检验观察数据与理论预期之间差异是否显著的统计方法。在医学研究中，卡方检验特别适用于分析分类数据，例如疾病的发病率、治疗效果以及不同因素之间的关系。

一、卡方检验的原理

卡方检验用于判断观察到的频数与预期频数之间的差异是否显著。其基本假设是：观察到的分布与预期分布无显著差异，即变量之间没有关联。卡方统计量的基本公式为：

自由度df=(行数-1)(列数-1)

二、四格表（2×2表）的结构

阅读更多

卡方检验（Chi-square test）是一种广泛用于分析分类数据之间关联性的统计检验方法。在医学领域，卡方检验经常用于分析不同治疗方法、疾病的发病情况与各种风险因素之间的关系。卡方检验分为多种类型，其中行乘列卡方检验是处理更复杂数据结构的有效方法。

一、行乘列卡方检验的特点

行乘列卡方检验是卡方检验的扩展形式，它主要用于分析两组以上变量之间的关系，适用于表格数据中行与列之间可能的相互作用。它的显著特点是能够处理更复杂的表格数据结构，而不仅仅局限于简单的2×2分类表。通过行乘列卡方检验，可以探讨不同类别之间的相互关系，并确定变量之间的依赖性。

二、行乘列格式卡方检验公式
1、卡方检验基本公式

2、行乘列卡方检验专用公式

行乘列卡方检验时，要求不能有20%以上的单元格理论频数小于5，或者不能有任意一个单元格理论频数小于1，否则容易出现偏差。

阅读更多

配对资料也可以分为定量资料和定性资料，在定量资料中，如果数据符合正态分布的话，一般使用配对t检验，如果不符合正态分布，一般使用Wilcoxon符号秩和检验。在定性资料中，又可以分为配对2×2四格表资料和RxR列联表资料，配对2×2四格表资料一般应用McNemar卡方检验，RxR列联表资料一般应用Bowker卡方检验。

配对四格表资料卡方检验（McNemar检验）用于评估两种治疗方法在治疗某种疾病上的效果差异。

一、计算公式

1．b+c≥40

2．b+c<40，连续矫正公式

阅读更多

配对设计R*R的列联表资料（R>2）使用Bowker检验，当R=2时，等同于McNemar检验。 对于配对设计两分类资料，经典的方法是使用四格表的配对检验，也称McNemar检验。而对于配对设计多分类资料，可以使用Bowkor检验。该检验由A.H.Bowkor在1948年提出。Bowker检验也称平方表检验或对称检验，是McNemar检验的一般化及扩展。

一、Bowkor检验计算公式

自由度df=k(k-1)/2，如果有对称的两个单元格之和为0，则在公式中排除，自由度也相应的要减少。

阅读更多

正态分布，又称高斯分布，是自然界和社会科学中最常见的概率分布之一。许多统计方法和理论都依赖于数据的正态性假设，因此检验数据是否符合正态分布具有重要的意义。正态性检验是统计学中非常重要的一种检验方法，它用于检测数据是否符合正态分布。矩法正态性检验是一种常用的正态性检验方法。
一、矩法正态性检验原理
矩法正态性检验是利用数学上的矩原理来检验偏度（Skewness）和峰度（Kurtosis）。偏度反映了分布的不对称程度和方向，用偏度系数衡量，样本偏度系数用g1表示，总体偏度系数用γ1表示。峰度反映了与正态曲线相比的冒尖程度和扁平程度，用峰度系数衡量，样本峰度系数用g2表示，总体峰度系数用γ2表示。理论上，总体偏度系数γ1=0为对称，γ1>0为正偏态，γ1<0为负偏态；总体峰度系数γ2=0为正态峰，γ2>0为尖峭峰，γ2<0为平阔峰。只有同时满足对称和正态峰两个条件时，才能认为资料服从正态分布。

偏度系数：描述数据分布不对称的方向及其程度，如图

阅读更多