1、两组连续型资料的分析思路

（1） 两组独立样本比较

资料符合正态分布,且两组方差齐性,直接采用t检验。

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。

资料符合正态分布单方差不齐，（1）采用Satterthwate 的t’检验；（2）采用非参数检验,如Wilcoxon检验。

（2） 两组配对样本的比较

两组差值服从正态分布，采用配对t检验。

两组差值不服从正态分布，采用wilcoxon的符号配对秩和检验。

以上是常用的资料分析的思路，但是实际中可能不止如此简单，比如实际中可能还需要看一下数据是否独立，如果不是独立的，还需要进一步考虑他们之间的相关性。    所谓独立性，其实理解也很简单。最常见的非独立数据就是同一观察对象不同时间点的数据。比如，一个人用药前后的观察值，由于是一个人的数据，很可能就会存在相关性，即非独立，比如，张三用药前的血压高，那用药后的血压可能也高，李四用药前的血压低，用药后可能也较低。而不同人的观察值，没有什么相关性，就是独立的，比如，张三的血压不会影响李四的血压。

2、多组连续资料的分析思路

（1）.多组完全随机样本比较

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。

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。

（2） 多组随机区组样本比较

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。

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Friedman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。