（1）应用x²检验时未进行理论数的计算，盲目套用四格表的专用公式。四格表x²检验的专用公式用于两样本率的比较，其使用条件为当n≥40且所有格子的T≥5时，可用。但是当n≥40但有1≤T≤5时用校正公式；当n<40或T<1时用Fisher确切概率；或当P≈0.05时即介于0.04～0.05之间需要采用Fisher确切概率。审稿中作者对于x²检验的使用多采用四格表公式，而忽略了其使用条件。

（2）配对x²设计为四格表。本调查中涉及采用配对x²的文章其表述均错误，采用的均为基本的四格表格式，统计量也是x²值，而非配对x²值，说明作者对配对x²的概念及方法未理解，这样导致了结果的错误。

t检验是计量资料的假设检验中最简单、常用的一种检验方法，但在观察中发现，多数作者将t检验作为计量资料检验的 "万能钥匙" ，忽略了其适用条件和注意事项，常见的错误有：①未进行方差齐性检验。如完全随机设计的两样本计量资料，若为小样本(任一n≤60)均来自正态总体时，要根据两总体方差是否不同而采用不同的检验方法，如果方差齐则采用两样本t检验，方差不齐则要采用近似t检验。本次研究中作者多忽视了方差齐性的检验，而均采用两样本t检验；样本数较大时则应采用u检验。②忽略正态分布的表述及非正态分布的表述。用t检验进行假设检验时，要求总体服从正态性，在完全随机设计两总体均数比较时，要求两总体的方差相等，因此在作检验前，尤其当样本例数较少的时候，首先进行正态性检验和方差齐性检验。如在有些资料中标准差比均数还大，这样的资料是不服从正态分布的。本次调查稿件中多涉及住院时间的比较，多为偏态分布，而采用了两样本的t检验。应该采用中位数或四分位间距进行描述，进行（非参数统计方法）秩和检验。当资料不服从正态分布时需进行变量变换，只有满足了t检验的条件才可使用t检验。如果进行两均数比较时，首先要判断两个样本分别来自的总体是否均是正态总体，两个总体的方差是否齐性，对明显偏离正态性和方差齐性的资料，通常有两种处理方式：数据变换以改善其假定条件；改用非参数统计，如秩和检验。只有满足t检验使用条件才可使用t检验，对于t检验误用有2种情况：①用t检验代替方差分析。重复测量设计^[4]即观察接受不同处理的几组受试对象某些定量观测指标随时间推移的动态变化趋势，需要在不同时点上从同一个受试对象身上进行多次观测。本次调查中发现，有些文章将重复测量的资料按完全随机设计的方差分析，或重复进行两两比较的t检验，如某篇文章采用3种镇痛方法缓解癌症患者的疼痛，观察患者5个时相疼痛评分，每个时相做3次t检验，3种方法则要进行15次t检验，必然增大假阳性错误。同时用t检验代替方差分析还会损失部分信息，割裂了整体设计，得不出准确的结果，从而降低了结论的可靠性^[5]。因此，当设计类型为单因素多水平或多因素设计时，若仍用t检验分析资料，是不妥当的，应该采用重复测量设计的方差分析。多个样本均数间的比较，应该先进行方差分析，当P<0.05时，还应进一步进行多个样本均数间两两比较的假设检验。②误用t检验代替配对t检验。配对t检验适用于配对设计的计量资料，包括自身对照和配对对照研究。由于配对t检验最大程度地减少了个体变异对处理间变异的可能影响，用较少样本可得到较多的信息，提高了检验效能^[6]。将本来是配对的t检验采用两样本t检验，因为配对资料已经在设计时尽量减少了实验误差，这样无疑会增大了混杂因素，降低了实验的精准度和结果的可信度。

许多作者在应该选择检验或秩和检验的问题上存在疑惑，究竟采用哪种方法是要根据资料分类变量的性质和研究的目的而定。若R×C表的分组变量是有序的，指标变量是无序的，研究目的是多个构成比的比较，这种单向有序资料应该采用卡方检验；若R×C表的分组变量是无序的，指标变量是有序的，研究目的是多个等级资料的比较，此种有序资料应该采用秩和检验或Ridit分析^[3]。在护理论文中经常会涉及一些治疗效果（治愈、显效、有效、无效）、疼痛程度（轻度、中度、重度）和满意度（非常满意、基本满意、不满意）等方面的比较，此应为两样本等级资料的比较，但作者多数采用的为x²检验，这样造成统计量、P值错误。另外，多样本若效应有强弱的等级，如 "轻度、中度、重度" ，应采用秩和检验，因x²只反应构成比有无差异，不能比较效应的平均水平。

由于多因素回归分析（如linear/cox/logistic/ordi-nal 等）中，一些自变量可能是二分类或多分类变量，作者若不知道这些变量如何赋值、以哪一类为对照，则无法判断自变量对应变量的影响方向，从而影响分析结果的专业解释。另外在单因素回归分析和logistic回归分析中，α出=0.01，α入=0.05要在统计学处理方法中描述；直线回归分析时，回归方程应是^Y=a＋bX，而不是Y=X， ^Y表示样本回归值，Y代表应变量。本刊来稿中涉及多因素分析的文章相对于x²和t检验较少，但采用此方法的文章中多未交代自变量赋值，因此在进行这类分析前必须把可能的影响因素及其赋值说明列出。

本次观察中还存在一个常见的错误即文章未给出具体的统计量或P值不具体，只给出了P<0.05或P>0.05。具体的统计量值和P值是最终准确推断结论的重要依据，一个完整的统计学处理必须包括具体的统计量和P值。精确的P值告诉读者拒绝H_o，接受H₁时犯Ⅰ类错误的概率^[7]，因此在应用统计软件计算时应将具体的P值写出，不能只是笼统的写出P<0.05或P<0.01，但对于多重比较情形，由于其表达难度，可不必给出精确 P 值，而可以代之以在统计表中以备注符号形式表达出是否有统计学意义。