统计方法很多，

有的简单，如统计描述、假设检验；

而有得复杂，如各种回归分析、聚类判别、主成分因子、支持向量机、随机森林等等。

那我们什么时候使用简单的方法，又什么时候使用复杂的方法呢？

我可不可以就用简单方法去解决我的问题呢？

当然，这得看你的研究目的，正所谓“目的定乾坤”，

然而，松哥从另一个角度，又发现了一个规律，各位看看妥否！

---

干预简单化，观察复杂化

从研究是否添加人为干预措施，我们可以将科学研究分为干预性研究和观察性研究。

干预性研究时，研究者对研究对象施加干预因素，目的是想知道，干预因素对受试对象的试验效应；

观察性研究则是，研究者只看不干预，目的是想知道研究群体的自然现象与进程。

干预性研究

干预性研究：因为要添加干预措施，因此在试验开始之初，就进行了比较完美的设计，如随机分组，随机抽样，严格纳入排除标准等，这些设计有效的消除了混杂因素的干扰，使研究对象的同质性更好，代表性更强。

而此后，进行统计分析所采用的统计分析方法就比较简单。

基本进行差异性分析的几种检验就可以了，如t检验、F检验、非参数或者卡方检验。

观察性研究

观察性研究：一般仅是对选择的研究对象进行观察，然后根据研究对象的某种属性特征进行分组，然后进行比较。

因为研究对象事先无均衡性的控制，因此按照某种属性特征分组后，各组的组间，在非研究因素上，很多的时候并不可比；

那么此时进行统计分析只能采用统计方法去校正和控制，这就得采用多因素统计分析的回归等方法。

---

松哥统计说

松哥上述所说为基本的规律，但不是必定一定哦，

如果干预性研究随机分组的效果，并没能达到均衡，也是可以采用复杂的多因素分析方法进行分析的。

统计似乎也像人生，怕吃苦苦一辈子，不怕吃苦苦一会子。

如果我们苦在前头，用心去设计我们的试验，后面统计分析将会简单点。

如果我们轻于设计，那么统计分析就得花大功夫用复杂的方法。

有人会说，用复杂的方法，显得高大上呀，好发文章呀，哎，那就是世人的偏见了！

---