摘要：在统计计算中，常见的错误主要包括以下几点： 1. 忽视样本量计算：在项目设计或论文开题时，样本量的计算经常被忽略。许多人习惯性地使用如30、40、60等样本量，而没有给出充分的理由。即使...
在统计计算中，常见的错误主要包括以下几点：
1. 忽视样本量计算：在项目设计或论文开题时，样本量的计算经常被忽略。许多人习惯性地使用如30、40、60等样本量，而没有给出充分的理由。即使是动物实验，也需要估算样本量，因为涉及问题。
2. 统计描述过于简化：在描述定量数据时，许多人倾向于仅使用平均数±标准差。这并不总是合适的。例如，当标准差远大于平均数，或数据中存在异常值时，中位数和四分位数间距可能更能反映数据的特征。
3. 定量数据比较的误解：许多人在比较两组定量数据时，习惯性地使用t检验。但对于严重偏态分布的数据，应使用非参数秩和检验。在进行任何统计分析之前，都应先检查数据的正态性。
4. 滥用平均值：平均值的信息量有限，不能反映数据的分布形态和波动，且容易被极端值拉偏。不能仅依赖平均值来描述数据，还应结合其他指标如中位数、极差、标准差等一起分析。
5. 直接拿样本统计量代替总体参数：样本统计量只是总体参数的一个估计，直接拿样本统计量代替总体参数可能会得出错误的结论。
6. 没有区分统计显著性和实际意义：即使统计上存在显著差异，也不一定具有实际意义。在执行假设检验时，应指定有意义的差异大小，以避免浪费时间和成本。
7. 错误解释置信区间：当比较总体均值时，不能仅通过查看置信区间是否重叠来进行判定。即使两个总体的置信区间重叠，总体之间的差异也可能仍然是显著的。
8. 假定相关等于因果：相关并不意味着因果。即使两个变量之间存在线性相关，也不能直接得出一个变量的变化会引起另一个变量变化的结论。
统计计算中还可能存在对指标含义和口径不理解、计算或录入错误、单位内部存在数据壁垒等问题，以及没有考虑数据的实际情况而过于依赖固定的统计分析方法等错误。
