Editverse StatPicker

Welke statistische toets moet ik gebruiken?

Een gratis, interactieve testselector voor medisch en biomedisch onderzoek. Beantwoord een paar vragen over uw onderzoeksopzet en -uitkomst en ontvang de juiste statistische test – inclusief de aannames om te controleren, de veelvoorkomende valkuilen om te vermijden en een directe link naar een gratis rekenmachine. Samengesteld door biostatistici van Editverse en gevalideerd met R 4.3.3.

18+ tests gedektAannames en valkuilenR 4.3.3 gevalideerdGratis · geen registratie nodig
Interactieve selector

Vind je toets in 3-4 vragen.

Begin met je analysedoel. Je kunt op elk moment teruggaan of opnieuw beginnen.

Regelsgebaseerde richtlijnen · geen vervanging voor statistische toetsingHeeft u een statisticus nodig? →

Hoe kies je de juiste statistische test?

Het kiezen van de juiste statistische toets is geen kwestie van smaak, maar wordt bepaald door drie factoren: het type uitkomst dat u meet, het aantal groepen of metingen dat u vergelijkt, en of uw waarnemingen onafhankelijk of gepaard zijn . Als u deze drie factoren correct invult, volgt de juiste toets vrijwel altijd vanzelf. De interactieve selectietool hierboven begeleidt u bij deze beslissingen; in dit gedeelte wordt de logica erachter uitgelegd, zodat u uw keuze kunt onderbouwen aan een beoordelaar.

Stap 1 — Bepaal het type uitkomstvariabele (afhankelijke variabele)

Alles begint hier. Een continue uitkomst (bloeddruk, HbA1c, een score) vraagt ​​om op gemiddelden gebaseerde toetsen zoals de t-toets of ANOVA. Een categorische uitkomst (genezen/niet genezen, respons/geen respons) vraagt ​​om op proporties gebaseerde toetsen zoals de chi-kwadraattoets, de exacte toets van Fisher of logistische regressie. Een ordinale uitkomst (een pijnschaal, een stadium) vraagt ​​meestal om niet-parametrische methoden. Een uitkomst die de tijd tot een gebeurtenis weergeeft (overleving, tijd tot terugval) vereist overlevingsanalyse, omdat er rekening moet worden gehouden met gecensureerde waarnemingen, wat bij een eenvoudige vergelijking van gemiddelden niet mogelijk is.

Stap 2 — Tel je groepen en controleer of de koppelingen kloppen.

Vergelijkt u één groep met een bekende waarde , twee groepen , of drie of meer ? En zijn de waarnemingen onafhankelijk (verschillende proefpersonen in elke groep) of gepaard (dezelfde proefpersonen tweemaal gemeten, of gematcht)? Het onderscheid tussen gepaarde en gematchte gegevens wordt het vaakst over het hoofd gezien. Het meten van dezelfde patiënten vóór en na een behandeling levert gepaarde gegevens op; het analyseren ervan alsof de twee sets metingen afkomstig zijn van onafhankelijke groepen, negeert juist de informatie die het onderzoeksontwerp zo krachtig maakt en is een in de literatuur erkende fout.

Stap 3 — Controleer de aannames (parametrisch versus niet-parametrisch)

Parametrische toetsen (t-toets, ANOVA, Pearson-correlatie) gaan ervan uit dat de uitkomstvariabele bij benadering normaal verdeeld is en, voor groepsvergelijkingen, dat de varianties vergelijkbaar zijn. Wanneer aan deze aannames wordt voldaan – of de steekproef groot genoeg is om de centrale limietstelling toe te passen – zijn parametrische toetsen krachtiger. Wanneer de gegevens scheef verdeeld zijn, ordinaal zijn of de steekproef klein is, kunt u overschakelen naar het niet-parametrische equivalent: de Mann-Whitney-toets in plaats van de onafhankelijke t-toets, de Wilcoxon-toets in plaats van de gepaarde t-toets, de Kruskal-Wallis-toets in plaats van ANOVA en de Spearman-correlatie in plaats van de Pearson-correlatie.

Stap 4 — Vergelijk met de toets en controleer vervolgens met een rekenmachine.

Zodra het type uitkomst, de groepsstructuur en de aannames vaststaan, wordt de test bepaald. Gebruik de onderstaande vergelijkingstabel als snel naslagwerk, open de gratis matching calculator en bevestig uw resultaat aan de hand van de weergegeven R-code. Voer voor de studieplanning altijd een steekproefomvang- en poweranalyse uit voordat u gegevens verzamelt.

Visuele handleiding: Het 3-filtersysteem in actie

Elke dia komt rechtstreeks overeen met een stap in de interactieve selector hierboven — van framework tot test.

De 3-filterselectietrechter: van uitkomsttype naar groepsstructuur naar aannames naar definitieve statistische toets
Het 3-filterkader dat elke statistische testkeuze bepaalt. © editverse.com
Filter 1 datatopologie: continue, categorische, ordinale, tijd-tot-gebeurtenis uitkomsttypen
Filter 1: het type resultaat is de eerste en belangrijkste beslissing. © editverse.com
Filter 2 koppelingsregel: onafhankelijke groepen (verschillende proefpersonen) versus gepaarde groepen (dezelfde proefpersonen, tweemaal gemeten)
Filter 2: het onderscheid tussen koppelingen is de meest gemiste stap bij het selecteren van tests. © editverse.com
Filter 3 centrale limietbalans: parametrische tests voor power bij normaal verdeelde data versus niet-parametrische tests voor veiligheid bij scheve data.
Filter 3: parametrische tests bieden meer power wanneer normaliteit geldt; niet-parametrische tests zijn de veiligere standaardoptie. © editverse.com
Diagnostische matrix 1 groepsvergelijkingen: t-test ANOVA voor normaal verdeelde gegevens, Mann-Whitney Wilcoxon Kruskal-Wallis voor niet-normaal verdeelde gegevens.
Matrix 1: de complete beslissingsboom voor groepsvergelijking. © editverse.com
Diagnostische matrix 2 categorisch binair: Chi-kwadraat Fisher Exact McNemar Odds Ratio Relatief risico
Matrix 2: vier categorische paden afgestemd op tabelgrootte en koppeling. © editverse.com
Diagnostische matrix 3: voorspelling van relaties: Pearson-Spearman-correlatie, lineaire of logistische regressie.
Matrix 3: correlatie versus regressie, afgestemd op het type uitkomst. © editverse.com
Diagnostische matrix 4 overeenkomst diagnose overleving: Kappa ICC Bland-Altman, sensitiviteit specificiteit ROC, Kaplan-Meier Log-Rank
Matrix 4: drie geavanceerde domeinen die specialistische tests vereisen. © editverse.com
Systeemfout, valkuil van meervoudige toetsing: meerdere t-toetsen leiden tot een overschatting van het aantal vals-positieve resultaten in vergelijking met ANOVA met Tukey post-hoc toets.
De valkuil van meervoudige toetsing: gebruik ANOVA en vervolgens Tukey, niet meerdere t-toetsen. © editverse.com
Systeemfout die de resultaten verkeerd interpreteert: correlatie is niet hetzelfde als overeenstemming, niet significant is niet hetzelfde als geen effect
Twee cruciale misdiagnoses: ICC/Bland-Altman voor overeenstemming, rapporteer altijd de effectgrootte. © editverse.com
Levenscyclus van de planning van een synthesestudie: steekproefgrootte, power, type uitkomst, 3-filter testselectie, R 4.3.3-validatie
Het gesloten-lusprotocol: plannen, typen, selecteren, valideren. © editverse.com

Tabel voor de selectie van statistische toetsen

Stem je studieopzet af op de juiste toets en open vervolgens de gratis calculator.

Doel / ontwerpResultaattypeGroepenAanbevolen testCalculator
Groepen vergelijken
Twee onafhankelijke groepen, normale gegevensDoorlopend2 (onafhankelijk)Onafhankelijke t-toetst-toets →
Twee onafhankelijke groepen, scheef/ordinaalContinu / ordinaal2 (onafhankelijk)Mann-Whitney UniversiteitMann-Whitney →
Voor/na, dezelfde proefpersonen, normaalDoorlopend2 (gepaard)Gepaarde t-testt-toets →
Voor/na, dezelfde proefpersonen, vertekendContinu / ordinaal2 (gepaard)Wilcoxon Signed-RankWilcoxon →
Drie of meer groepen, normaalDoorlopend3+ (onafhankelijk)Eénwegs ANOVA + TukeyANOVA →
Drie of meer groepen, niet-normaalContinu / ordinaal3+ (onafhankelijk)Kruskal-WallisIn de app →
Categorische uitkomsten
Vereniging, voldoende aantallencategorisch2+ (onafhankelijk)Chi-pleinChi-kwadraat →
Associatie, kleine/dunne tabelcategorisch2 (onafhankelijk)Fisher's ExactVissers →
Gekoppelde binaire gegevens (voor/na)binair2 (gepaard)McNemars testMcNemar →
Omvang van het risico (blootstelling → uitkomst)binair2 (onafhankelijk)Oddsratio / Relatief risicoOF / RR →
Relaties en voorspellingen
Verband tussen twee variabelenDoorlopend-Pearson/Spearman-correlatieCorrelatie →
Voorspel een continue uitkomstDoorlopend-Lineaire regressieRegressie →
Voorspel een binaire uitkomstbinair-Logistische regressieLogistiek →
Overeenkomst, diagnose en overleving
Beoordelaarsovereenkomst, categorieëncategorisch2 beoordelaarsCohens KappaKappa →
Betrouwbaarheid / methodevergelijkingDoorlopend2 beoordelaars/methodenICC / Bland-AltmanICC →
Diagnostische test versus referentiebinair-Gevoeligheid en specificiteitGevoeligheid/Specificatie →
Test de prestaties over verschillende drempelwaarden.Continu → binair-ROC-curve en AUCROC →
Tijd tot gebeurtenis met censuurTijd tot gebeurtenis1–2 groepenKaplan-Meier / Log-RankOverleven →
Studieplanning
Hoeveel deelnemers heb ik nodig?Elke-Analyse van steekproefomvang en powerSteekproefomvang →

Veelgemaakte fouten bij het selecteren van tests

Er wordt genegeerd dat de gegevens gepaard zijn.

Het analyseren van herhaalde of gepaarde metingen alsof ze afkomstig zijn van onafhankelijke groepen is een van de meest voorkomende en ernstige fouten. Gepaarde onderzoeksopzetten vereisen gepaarde toetsen (gepaarde t-toets, Wilcoxon-rangtekentoets of McNemar-toets voor binaire gegevens); het negeren van de afhankelijkheid ondermijnt de efficiëntie van het onderzoeksontwerp en kan misleidende resultaten opleveren.

Meerdere t-toetsen uitvoeren in plaats van ANOVA.

Het vergelijken van drie of meer groepen met een reeks paarsgewijze t-toetsen verhoogt het aantal valse positieven binnen de gehele reeks. Gebruik daarom één enkele omnibustoets (ANOVA of Kruskal-Wallis) gevolgd door een gecorrigeerde post-hocvergelijking.

Het toepassen van een parametrische toets op scheve of ordinale gegevens

De t-test en ANOVA gaan uit van een benaderende normaliteit. Bij duidelijk scheve, ordinale of zeer kleine steekproeven is het raadzaam over te schakelen naar het niet-parametrische equivalent in plaats van een parametrische test te forceren.

Correlatie verwarren met overeenstemming

Een hoge Pearson-correlatie tussen twee meetmethoden betekent niet dat ze overeenkomen — twee methoden kunnen perfect gecorreleerd zijn, maar toch systematisch vertekend. Gebruik de intraclaskorrelatie of een Bland-Altman-analyse om de overeenstemming te beoordelen.

"Niet significant" behandelen als "geen effect".

Een niet-significant resultaat in een onderzoek met onvoldoende statistische power is geen bewijs dat er geen effect is. Rapporteer de effectgrootte en het betrouwbaarheidsinterval en plan vooraf een voldoende grote steekproefomvang.

Niet-gecorrigeerde meervoudige testen

Het testen van veel uitkomsten of het aanpassen van veel modellen zonder te corrigeren voor meervoudige toetsing leidt tot een overschatting van het aantal valse positieven en is een erkende bron van niet-reproduceerbare resultaten.

Veelgestelde Vragen / FAQ

Hoe weet ik of mijn gegevens "normaal" zijn?

Bekijk een histogram of QQ-plot en gebruik voor formele toetsing een normaliteitstoets (Shapiro-Wilk). Bij grote steekproeven maakt een lichte afwijking van de normaliteit weinig uit vanwege de centrale limietstelling; bij kleine steekproeven is het raadzaam om, indien twijfel, niet-parametrische toetsen te gebruiken.

Wat is het verschil tussen gepaarde en onafhankelijke data?

Onafhankelijke data zijn afkomstig van verschillende, niet-gerelateerde proefpersonen in elke groep. Gepaarde data zijn afkomstig van dezelfde proefpersonen die tweemaal zijn gemeten (voor/na) of van gematchte paren. Het gebruik van gepaarde data beïnvloedt de test die je gebruikt, dus identificeer dit voordat je de analyse uitvoert.

Parametrisch of niet-parametrisch: wat is beter?

Parametrische toetsen zijn krachtiger wanneer hun aannames kloppen. Niet-parametrische toetsen zijn veiliger voor scheve, ordinale of kleine steekproefgegevens. Stem de toets af op uw gegevens, niet andersom.

Moet ik de steekproefomvang berekenen voordat ik een test kies?

Ja. De test die u wilt gebruiken, bepaalt de berekening van de steekproefomvang , en beide moeten in uw protocol worden gespecificeerd vóór de gegevensverzameling — ethische commissies en beoordelaars verwachten dit.

Kan een statisticus mijn keuze controleren?

Ja. Onze biostatistici beoordelen onderzoeksopzetten, bevestigen de juiste test en voeren de volledige analyse uit met reproduceerbare R-output als onderdeel van een statistisch analysepakket.

Referenties en verder lezen

Peer-reviewed, in PubMed geïndexeerde bronnen over de selectie en rapportage van statistische toetsen.

Franc JM. Analyse van gepaarde gegevens. Prehosp Rampenmedicatie. 2025.PMID: 40213959 · Over de veelvoorkomende fout van het negeren van data-afhankelijkheden
Altman N, Krzywinski M. Inzicht in p-waarden en significantie. Lab Anim. 2024.PMID: 39315628 · Effectgrootte, selectiebias en meervoudige toetsing
Zakhary BL, Choi J. Regressieanalyse in klinisch onderzoek. J Trauma Acute Care Surg. 2025.PMID: 40454999 · Het kiezen van een regressiemodel op basis van het type uitkomst

Weet je nog steeds niet welke test het beste bij jouw gegevens past?

Onze biostatistici bevestigen de juiste test, controleren de aannames en voeren uw volledige analyse uit met reproduceerbare R-output.

Krijg deskundige statistische hulp