OECD

OECD 統計決策樹工具是一個引導式統計分析系統,基於選擇並應用正確統計檢定的決策框架,用於分析試驗資料。使用者無需手動應對複雜的統計理論,工具會自動遵循 OECD 決策路徑——在每個階段評估資料類型、常態性、變異數齊性和組數——並相應地應用合適的檢定。

最後審閱

核心要點

OECD 統計決策樹工具是一個引導式統計分析系統,基於選擇並應用正確統計檢定的決策框架,用於分析試驗資料。

本頁內容
  1. 什麼是 OECD?
  2. 何時使用 OECD?
  3. 步驟 1——資料類型評估
  4. 步驟 2——常態性檢查(連續型資料)
  5. 步驟 3——參數路徑
  6. 步驟 4——非參數路徑
  7. 正確使用 OECD 的指南
  8. 替代方法:何時不宜使用 OECD
  9. OECD 範例
  10. 如何進行 OECD

什麼是 OECD?

OECD 統計決策樹工具是一個引導式統計分析系統,基於選擇並應用正確統計檢定的決策框架,用於分析試驗資料。使用者無需手動應對複雜的統計理論,工具會自動遵循 OECD 決策路徑——在每個階段評估資料類型、常態性、變異數齊性和組數——並相應地應用合適的檢定。

該工具旨在確保統計結論在科學上有效、完全可重現,並符合國際公認的指南。這在毒理學、環境科學、藥物研究和監管申報研究中尤為關鍵,因為在這些領域,統計檢定的選擇必須有文件記錄、有依據,並經得起稽核。

簡單定義:一種智慧的自動化工具,逐步遵循 OECD 統計決策流程圖——評估您的資料類型、分配和分組結構——自動選擇並應用正確的統計檢定,使您始終獲得有效且站得住腳的結果。

何時使用 OECD?

  • 當需要一次性執行完整的統計比較流程,而不是邊做邊逐個檢定地決定時,使用 OECD 流程圖方法。無需在每次檢定後停下來考慮下一步,只需預先輸入資料特徵——資料類型、常態性結果、變異數結果——整個決策樹便會一次性得出結論。
  • 它主要是一個 比較框架 ——專門用於在比較各組之間(2 組或 3 組以上)或各組與對照組時,確定應採用哪種統計檢定。無需在每一步逐個檢定地決定,而是預先輸入資料特徵。主要用於 製藥領域。

該工具按嚴格的邏輯順序遵循 OECD 流程圖。每一步都會產生一個決定,該決定決定接下來走路徑的哪個分支。瞭解這一流程,有助於解讀工具的輸出,並理解為什麼針對您的特定資料選擇了某種統計檢定。

步驟 1——資料類型評估

第一個決策點判斷資料是連續型還是離散型/定量反應型。這一區分決定了後續的整個路徑。

資料類型

說明與範例

連續型資料

可在某一範圍內取任意值的量測數值,例如體重、酶活性、器官重量、濃度或血液學參數。對於連續型資料,工具接著進行常態性檢查。

離散型或定量反應型資料

計數、百分比、比率、等級或分類結果,例如受影響動物的數量、病變發生率、有無反應或嚴重程度評分。工具直接進入非參數或分類檢定的選擇。

步驟 2——常態性檢查(連續型資料)

對於連續型資料,工具使用所選的常態性檢定,檢查資料是否服從常態(鐘形曲線)分配。其結果決定接下來走哪條統計路徑。

如果未拒絕常態性(p ≥ α)——資料為常態:

→ 工具沿參數路徑繼續。

→ 參數檢定具有更高的檢定力,在常態性得到確認時應始終使用。

如果拒絕常態性(p < α)——資料為非常態:

→ 嘗試進行資料轉換(對數、平方根等)。

→ 對轉換後的資料重新檢查常態性。

→ 如果轉換後的資料為常態 → 對轉換後的資料應用參數檢定。

→ 如果轉換後的資料仍為非常態 → 工具轉入非參數路徑。

步驟 3——參數路徑

一旦確認資料為常態(或已成功轉換為常態),工具便根據所比較的組數確定合適的參數檢定。

比較 2 組

工具使用 F 檢定檢查變異數齊性,以判斷兩組的變異數在統計上是否相等。

變異數齊性結果

所應用的統計檢定

變異數相等(F 檢定不顯著)

應用 Student t 檢定。這是假定兩組變異數相等的標準雙樣本 t 檢定。

變異數不等(F 檢定顯著)

應用 Satterthwaite 法(Welch t 檢定)。該變體不假定變異數相等,並相應調整自由度。

比較 3 組或更多組

工具使用 Bartlett 檢定、Levene 檢定或 Brown-Forsythe 檢定檢查變異數齊性。

變異數齊性結果

所應用的統計檢定

變異數相等(不顯著)

應用變異數分析(ANOVA)。→ 如果 ANOVA 顯著:進行 Dunnett 檢定,將每個處理組與對照組逐一進行兩兩比較。→ 如果 ANOVA 不顯著:無需進一步檢定。停止。

變異數不等(顯著)

工具直接轉入不假定變異數齊性的相應檢定。

步驟 4——非參數路徑

當資料無法常態化,或資料由計數、百分比或等級構成時,工具遵循非參數路徑。

資料情形

所應用的檢定

結果 / 後續步驟

計數 / 百分比 / 等級資料,≥ 3 組

Kruskal-Wallis 檢定

如果顯著 → Dunn 檢定(事後檢定)。如果不顯著 → 停止。

計數 / 百分比 / 等級資料,2 組

Mann-Whitney U 檢定

直接比較兩個獨立組。

分類資料或指數資料

卡方

檢定的選擇取決於具體的資料結構和研究設計。

正確使用 OECD 的指南

  • 確保資料錄入正確且一致—— 輸入階段的資料錄入錯誤 會傳遞到決策樹的每一個後續決策,並可能導致應用錯誤的檢定。
  • 謹慎選擇反應欄——如果選擇多個反應,每一欄都必須代表一個 完整、獨立的組資料集。如果選擇單一反應,應確保因子欄正確且完整地標示每個觀測值所屬的組。
  • 保持 Anderson-Darling 和 Shapiro-Wilk 兩種常態性檢定均處於啟用狀態(預設設定)。兩個獨立的檢定得出相同的常態性結論,可增強所選路徑在科學上的說服力。

替代方法:何時不宜使用 OECD

  • 如果您的研究 不要求符合 OECD 指南 且沒有監管背景,請直接使用最合適的具體統計檢定——OECD 決策樹框架會增加結構化的額外工作量,對於純探索性或學術性分析可能並無必要。
  • 如果您的研究需要 迴歸、相關分析或劑量-反應建模,而不是簡單的組間比較,請使用相應的迴歸或建模工具——OECD 工具專門用於組平均值比較,而不是配適連續型變數之間的關係。
  • 如果有 配對觀測  ——例如來自同一受試物件的前後量測——請使用 配對 t 檢定或 Wilcoxon 符號秩檢定。此處實現的 OECD 決策樹假定各組相互獨立。
  • 如果資料本質上是 時間序列或縱向資料,即量測值隨多個連續時間點變化,請使用 重複量測變異數分析、混合效應模型或時間序列分析
  • 如果主要分析目標是 等價性檢定或非劣效性評估 而不是檢測差異,請使用專門的等價性檢定方法,而不是 OECD 決策樹的標準優效性框架。

OECD 範例

一名化學工程師想比較四種油漆配方的硬度。每種油漆配方取六個樣品塗在一塊金屬上,然後固化。隨後量測每個樣品的硬度。步驟如下:

  1. 收集所需資料。
OECD — figure 1

2. 現在,在 Zometric Statistical Software 中分析資料,網址為 https://statsai.zometric.com/。

3. 要找到 OECD,請選擇 Statistical module> OECD>OECD。

4. 在工具中輸入資料及其他輸入項,如下所示:

OECD — figure 2

5. 使用上述工具後,得到如下輸出:

OECD — figure 3OECD — figure 4OECD — figure 5OECD — figure 6OECD — figure 7OECD — figure 8OECD — figure 9OECD — figure 10OECD — figure 11

如何進行 OECD

操作步驟如下:

  1. 登入 Zometric Statistical Software,網址為 https://statsai.zometric.com/
  2. 在首頁選擇 Statistical Tool> OECD>OECD。
  3. 接下來,手動更新資料,或從 Excel 表格中完整複製(Ctrl+C)資料並貼上(Ctrl+V);也可以使用 Load Example 選項載入範例資料。
  4. 接下來,填寫所需選項。
  5. 最後,點選頁面底部的 calculate,即可得到所需結果。

OECD 的工具介面分為兩部分。

OECD — figure 12

左側為資料窗格(Data Pane)。在 Data Pane 中,每一列構成一個子群組。可以手動輸入資料,也可以從 Excel 表格中完整複製(Ctrl+C)資料並貼上(Ctrl+V)到此處。

Load example: 將載入範例資料。

Load File: 用於直接載入 Excel 資料。

右側提供以下選項:

  • Response: 選擇包含要分析的結果量測值的一欄或多欄——例如體重、酶活性、腫瘤發生率、血液學數值,或研究中各組記錄的任何其他終點。使用 Ctrl 或 Command + 點選可同時選擇多個反應欄。

所選反應欄的數量直接決定 Factor 選項是否為必填:

選擇

工具的行為

選擇了多個反應

每個所選欄代表一個獨立的組。工具直接用這些欄來定義分組——無需額外的 Factor 欄。各欄中的量測值直接相互比較。

選擇了單一反應

所有量測值堆疊在一欄中,必須另選一個 Factor 欄,以標示每個量測值所屬的組。沒有 Factor 欄,工具就無法確定哪些觀測值屬於哪個組。

⚠ 重要:當選擇單一反應時,Factor 欄位變為必填。在分析繼續之前,工具會提示您選擇 Factor 欄。

  • Factor: 選擇標示每個觀測值所屬組的欄。該欄包含分類標籤或編碼,表明資料的每一列屬於哪個試驗組——例如 Control、Low Dose、Mid Dose、High Dose,或 Group 1、Group 2、Group 3。因子欄告訴工具如何將單一反應欄拆分為多個組進行比較。如果未正確指定因子,所有量測值都會被視為屬於同一組,也就無法進行有意義的比較。只有恰好選擇一個反應欄時,此欄位才為必填。選擇多個反應欄時,每一欄代表一個組,無需 Factor。選擇多個反應時,該欄位將呈灰色或被忽略
  • Tests for Normality: 定義在決策樹的步驟 2 使用哪種或哪幾種統計檢定來評估反應資料是否服從常態分配。該檢定的結果決定整個分析遵循參數分析路徑還是非參數分析路徑。提供三種檢定:
    • Anderson-Darling : 一種檢定力較強的綜合性常態性檢定,特別強調分配的尾部——即極高值和極低值。這使其對尾部偏離常態性的情況尤為敏感,而在毒理學和環境資料中,尾部往往是實際上最重要的區域。Anderson-Darling 檢定推薦用於各種樣本數的通用場合,在預期尾部行為與常態分配不同時尤其有效。
    • Shapiro-Wilk: 被廣泛認為是小樣本(通常 n < 50)下檢定力最強、最可靠的常態性檢定,而這正是 OECD 指南研究中最常見的情形,其組大小通常為 5 至 20 只動物。Shapiro-Wilk 檢定是 OECD 統計指南中引用的主要常態性檢定,也是製藥和毒理學統計中的標準選擇。強烈建議在監管研究分析中始終保持啟用該檢定。
    • Ryan-Joiner: 一種基於相關性的常態性檢定,透過度量觀測資料與理論常態分位數之間的相關性,來評估資料與常態分配所預期模式的吻合程度。它在概念上與 Shapiro-Wilk 檢定類似,但採用不同的計算方法。在監管工作中較少需要,但當審評機構特別要求或偏好基於相關性的常態性評估時,可以啟用。
  • 當選擇了多種常態性檢定時,工具會執行所有勾選的檢定並報告所有結果。總體的常態性判定基於最保守的結果——只要任何一項所選檢定表明非常態(p < α),資料就被視為非常態,並遵循非參數路徑
    Confidence Level (Default: 95): 設定在整個決策樹中對每一項假設檢定一致使用的顯著性閾值——包括常態性檢定、變異數齊性檢定和最終的組間比較檢定。所輸入的值表示信賴度百分比,所有決策所用的相應 α 水準按 (100 − Confidence Level) ÷ 100 計算。
     
    信賴水準
    α 水準及適用場合
    95(預設)
    Alpha = 0.05。大多數科學研究和監管性 OECD 研究的標準信賴水準。得出假陽性結論的機率為 5%。這是 OECD 指南和各國監管機構最常要求的水準。
    99
    Alpha = 0.01。檢定更為保守——需要更強的證據才能宣佈結果顯著。可減少假陽性,但可能漏掉較小的真實效應。當假陽性的後果特別嚴重時使用。
    90
    Alpha = 0.10。檢定更為靈敏,可檢出更小的差異,但會增加假陽性結論的風險。僅適用於探索性研究或預試驗,此類研究中漏掉真實效應是更大的顧慮。

常見問題

什麼是 OECD 統計決策樹?

OECD 統計決策樹工具是一個引導式分析系統,可為試驗資料選擇並應用正確的統計檢定。它遵循 OECD 決策路徑,在每個階段評估資料類型、常態性、變異數齊性和組數,因此結論可重現且站得住腳。它用於毒理學、環境科學、藥物研究和監管申報。

OECD 決策樹對常態資料應用哪些檢定?

對於兩組,用 F 檢定檢查變異數:變異數相等時採用 Student t 檢定,變異數不等時採用 Satterthwaite 法(Welch t 檢定)。對於三組或更多組,用 Bartlett 檢定、Levene 檢定或 Brown-Forsythe 檢定檢查變異數;變異數相等時應用 ANOVA,若 ANOVA 顯著,則再進行與對照組比較的 Dunnett 檢定。

在 OECD 決策樹中,資料不服從常態分配時會怎樣?

如果拒絕常態性,會嘗試對數或平方根等轉換,並重新檢查常態性。如果轉換後的資料仍為非常態,則遵循非參數路徑:三組或更多組採用 Kruskal-Wallis 檢定及 Dunn 事後檢定,兩組採用 Mann-Whitney U 檢定,分類資料或指數資料採用卡方檢定。

何時不應使用 OECD 決策樹?

不要將其用於配對觀測(應使用配對 t 檢定或 Wilcoxon 符號秩檢定)、迴歸或劑量-反應建模、時間序列或縱向資料,或等價性和非劣效性檢定。在沒有 OECD 監管背景的情況下,直接使用最合適的具體檢定可能更簡單。