亚组分析：它是什么+如何避免错误

已发表: 2022-05-25

进行亚组分析的第一步是定义要包含在研究中的组。您的目标是确定这些群体中的任何一个群体是否比其他群体具有更高的患特定疾病的风险。例如，如果您正在研究乳腺癌，您可能想知道曾经接受过手术的女性是否比未接受过手术的女性面临更高的风险。

一旦您决定了您的子组将是什么，就该从每个组中收集数据了。您需要从目标人群中收集信息。这可以通过民意调查、调查或为在项目期间被诊断出患有这种疾病的人收集医疗记录来完成。

一旦您从健康人和患有研究中的疾病或病症的人那里收集了数据，就该进行统计分析了！统计分析的目的有两个：首先，我们需要确保我们的样本量没有任何错误；其次，我们需要看看我们的样本之间是否存在差异（即不同特征的人群之间是否存在差异）。

什么是亚组分析？

亚组分析是一个允许您深入了解特定变量如何影响二级数据分析结果的过程。受访者根据种族、民族、年龄、教育或性别等人口统计特征进行分组。其他变量可以是政党认同、健康状况或对某些情况的态度。

研究人员可能会分析子组之间变量均值或分布的差异，以识别差异或其他差异。

例如，假设您进行了一项关于人们对使用动物进行科学研究的态度的调查，并且您对男性和女性对此主题的看法是否存在任何差异感兴趣。

您可以通过将样本分为男性和女性受访者并检查他们的答案以查看他们之间是否存在任何差异来执行子组分析。

在亚组分析（例如，干预或治疗）中，我们试图确定某个因素在特定人群中或特定参数上的结果。

在大型项目中对同一数据执行多项测试可能会导致误报。一些研究人员可能会忽略大量繁琐或重复的结果，而偏向于他们倾向于偏向的子集结果。

在使用机器学习算法时尤其如此，机器学习算法通常用于生成大量可能对用户无用的重复结果。这些算法运行所需的时间可能会很长，应该将其计入运行实验的成本中。

这是一个问题，因为它可以引导研究人员走上一条道路，而无需考虑其数据集中可能存在的其他可能性或会产生更好结果的替代方法。

当您使用子组分析数据时，您会将其分解为更小的组，以查看它们之间是否存在任何差异。

如果您想了解性别如何影响某个结果，您可以将研究样本分成男性和女性，然后比较他们的反应。但是每组应该有多少人呢？您需要进行多少次比较？

子组可能导致错误的主要原因有两个。样本量可能太小，可以进行太多比较。当您将研究样本分解为许多子组时，您最终可能会因为参与者太少而无法发现差异或确保差异不仅仅是偶然的问题。

亚组分析的主要优点是它允许研究人员更详细地检验他们的假设。例如，他们可能会发现某些亚群的反应比其他亚群更好，或者男性和女性之间存在差异。

亚组分析是医学研究中常用的技术。它可以被认为是标准研究中使用的方法的扩展，其中检查不同的组以查看他们对治疗的反应是否不同。但是，由于以下几个原因，这种技术可能会出现问题：

一些研究没有预先定义他们的亚组或说明将检查多少个亚组。如果研究人员不这样做，其他人就很难理解他们为什么选择某些组以及他们试图在每次分析中展示什么。一个好的研究人员还应该报告他或她分析的所有亚组，而不仅仅是那些产生有趣发现的亚组。
在分析亚组时，研究人员可能会发现一些具有统计学意义但在临床上不重要的东西（也就是说，一些并不重要的东西）。例如，假设我们正在研究阿司匹林在治疗头痛方面是否比对乙酰氨基酚更有效；我们发现服用阿司匹林的人中有 80% 没有任何缓解。

亚组分析在重要研究中的重要作用怎么强调都不为过。因此，任何报告中都必须包含以下要素：

亚组分析是研究项目的重要组成部分。您会在市场上找到许多不同的产品。它们都旨在使您的研究工作受益，但您必须知道如何有效地利用它们。

在 QuestionPro，我们有一个配额控制逻辑，您可以将其用于子组分析。我们可以提供和分发带有自定义变量的调查 URL 以区分子组。您还可以通过创建基于子组的逻辑，在同一个调查中创建子组特定的问题。

例如，假设您要分析 50 位男性和 50 位女性受访者。您可以将性别添加为选择一个问题，然后为男性和女性添加配额控制逻辑。基于性别问题的回答，我们可以为男性或女性特定的问题创建逻辑。

这样，作为回应，您可以轻松地将男性和女性受访者与他们的回答进行分组，并根据配额控制限制，确保您获得准确数量的受访者。

了解如何使用QuestionPro 的最佳功能来支持您的市场研究需求

作者：丹妮尔·菲格罗亚、维拉特·哈索达