相關性分析是研究現象之間是否存在某種依存關系，對具體有依存關系的現象探讨相關方向及相關程度。

皮爾森相關性分析：是一種參數方法，是測量線性相關變量之間關系程度的最廣泛使用的相關統計量。适用條件為所有變量都是連續型變量、觀察值匹配、數據在變量之間需要匹配對應、待檢驗的樣本分布接近滿足正态分布、無異常值、兩個變量之間是直線關系。

斯皮爾曼相關性分析：通常也叫斯皮爾曼秩相關系數。“秩”，可以理解成就是一種順序或者排序，那麼它就是根據原始數據的排序位置進行求解。它是一種非參數方法，對數據分布沒有要求，用于測量兩個變量之間的關聯程度。

肯德爾相關分析:是一個非參數檢驗，用于衡量兩個變量之間依賴的強度，對數據分布沒有要求，需要滿足的假定和斯皮爾曼秩相關系數相同。

适用性來說，肯德爾>斯皮爾曼>皮爾森，在考察兩兩變量間相關關系時，應了解兩變量的變量類型以及是否有正态性，然後決定使用哪個系數。比如，當X1和X2都是連續性數值變量，如果數據具有正态性，此時首選肯德爾相關系數，如果數據不服從正态分布，此時可選擇斯皮爾曼和肯德爾系數。

回歸分析（regression analysis)指的是确定兩種或兩種以上變量間相互依賴的定量關系的一種統計分析方法。回歸分析按照涉及的變量的多少，分為一元回歸和多元回歸分析；按照因變量的多少，可分為簡單回歸分析和多重回歸分析；按照自變量和因變量之間的關系類型，可分為線性回歸分析和非線性回歸分析。

聚類分析是根據在數據中發現的描述對象及其關系的信息，将數據對象分組。目的是，組内的對象相互之間是相似的（相關的），而不同組中的對象是不同的（不相關的）。組内相似性越大，組間差距越大，說明聚類效果越好。

我們在研究某些問題時，需要處理帶有很多變量的數據。變量和數據很多，但是可能存在噪音和冗餘，因為這些變量中有些是相關的，那麼就可以從相關的變量中選擇一個，或者将幾個變量綜合為一個變量，作為代表。用少數變量來代表所有的變量，用來解釋所要研究的問題，就能從化繁為簡，抓住關鍵，這也就是降維的思想。目前生物信息常用的三種方法為PCA、LDA和t-SNE。

生存分析是對生存資料的分析，是研究生存時間的分布規律，以及生存時間和相關因素之間關系的一種統計分析方法。

生存分析中我們不僅關心是否發生結局，還會關心結局發生的時間，是否發生結局及時間這兩個數據共同組成了生存分析的因變量(Y)。

對于結局，有兩種情況：發生和未發生。一般把發生結局事件标為1，未發生結局事件标為0；未發生結局事件的數據又稱為删失數據或截尾數據。

對于時間，當發生結局時，時間一列應是結局發生的時間，而未發生結局時，時間就是最後一次随訪成功的時間。

生存分析使用的方法：

Kaplan-Meier：根據生存時間分布，估計生存率以及中位生存時間，以生存曲線方式展示，從而分析生存特征，一般用Kaplan-Meier法，還有壽命法。

Log-rank：通過比較兩組或者多組之間的的生存曲線，一般是生存率及其标準誤差，從而研究之間的差異，一般用log rank檢驗。

Cox proportional hazards regression：用Cox風險比例模型來分析變量對生存的影響，可以兩個及兩個以上的因素，很常用。

所以一般做生存分析，可以用KM（Kaplan-Meier）方法估計生存率，做生存曲線，然後可以根據分組檢驗一下多組間生存曲線是否有顯著的差異，最後用Cox風險比例模型來研究下某個因素對生存的影響。

“紙上得來終覺淺”，大家還是要多加練習與應用~

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!