场景案例 · 2026-06-24

公共卫生营养调查数据怎么用 AI 做统计分析？膳食摄入与 BMI 分组比较 + 多元回归全流程

营养流行病学调查数据处理难题全解：从膳食摄入量的分组描述统计、Kruskal-Wallis 非参数检验、事后多重比较到多元线性回归，ChatSRS 三引擎一句话完成，全程 APA 7th 格式输出，可直接用于公共卫生、营养学、预防医学论文。

营养流行病学调查是公共卫生研究的重要数据来源，但从膳食频率问卷（FFQ）或 24 小时膳食回顾转成可分析的格式，再做 BMI 分组比较、混杂变量控制、多元回归建模……每一步都是坑。这篇文章把公共卫生营养调查最典型的统计链条一次串通，用 chatsrs.com 三引擎（SPSS + R + Stata）演示全流程，给出可直接抄进论文的 APA 7th 结果句式。

营养调查数据分析为什么比普通问卷更复杂

公共卫生营养研究的数据有几个让人头疼的特点：

偏态分布严重：能量摄入、膳食纤维摄入量常呈右偏，不能直接用均值比较，需要先做正态性检验或对数变换
BMI 分组涉及切割点：WHO 标准（18.5 / 24.9 / 30）还是中国标准（18.5 / 24 / 28），分组后各组样本量可能严重不均衡
混杂变量多：年龄、性别、城乡、受教育程度、体力活动水平……进多元回归之前要做共线性诊断
多重检验膨胀：同时比较多种营养素摄入在不同 BMI 组间的差异，不做 Bonferroni 或 Tukey 校正直接被审稿人打回
结果报告格式：中文期刊常要求"以 M（P25, P75）表示"，英文期刊要求"M ± SD or median (IQR)"，两套格式要兼顾

chatsrs.com 的三引擎对这些场景都有直接支持：SPSS 引擎处理描述统计和基础检验，R 引擎跑混合效应和多元回归，Stata 引擎处理复杂调查加权（svyset/svy）。一次上传数据，三引擎结果自动对照校验。

典型数据结构

以一个标准的横断面营养调查为例：

ID    年龄  性别  城乡  学历    体力活动  能量(kcal)  蛋白质(g)  脂肪(g)  碳水(g)  膳食纤维(g)  身高(cm)  体重(kg)  BMI
001   35    女    城市  本科    低        1820        68.4       62.1     245.3    18.2         162       58.4     22.2
002   42    男    农村  高中    高        2340        82.7       78.6     312.1    22.6         174       89.2     29.5
003   28    女    城市  研究生  中        1650        62.1       55.8     218.7    21.4         165       54.1     19.9
...   ...   ...   ...   ...     ...       ...         ...        ...      ...      ...          ...       ...      ...

分析目标：

按 BMI 分三组（偏低/正常/超重肥胖），比较各组主要营养素摄入量
多元线性回归：以 BMI 为因变量，营养素摄入量 + 人口学变量为预测变量

全流程分析演示

第一步：变量处理与 BMI 分组

打开 chatsrs.com，上传数据后输入：

"请按中国标准将 BMI 分为三组：偏低（<18.5）、正常（18.5-23.9）、超重肥胖（>=24），生成分组变量 bmi_group；同时对能量、蛋白质、脂肪、碳水化合物、膳食纤维做 Shapiro-Wilk 正态性检验，对非正态变量标注建议用中位数（P25, P75）报告。"

ChatSRS 输出：

BMI 分组结果
偏低（BMI < 18.5）：n = 48，占 11.0%
正常（18.5 <= BMI < 24）：n = 276，占 63.3%
超重肥胖（BMI >= 24）：n = 112，占 25.7%

Shapiro-Wilk 正态性检验（n = 436）
能量摄入：W = 0.963，p = .003  → 非正态，建议报告 Median (P25, P75)
蛋白质：  W = 0.971，p = .016  → 非正态，建议报告 Median (P25, P75)
脂肪：    W = 0.958，p < .001  → 非正态，建议报告 Median (P25, P75)
碳水化合物：W = 0.974，p = .028 → 非正态，建议报告 Median (P25, P75)
膳食纤维：W = 0.986，p = .182  → 正态，可用 M ± SD

第二步：分组描述统计 — BMI 三组营养素摄入量

"请按 bmi_group 分三组，对能量、蛋白质、脂肪、碳水化合物以中位数（P25, P75）报告，膳食纤维以均值 ± 标准差报告，生成 APA 格式三线表，并在表格底部注明各营养素的推荐参考值（中国膳食参考摄入量 DRI 2023）。"

ChatSRS 输出：

表 1  三组被试主要营养素摄入量比较

                          偏低组         正常组          超重肥胖组
                          (n = 48)       (n = 276)       (n = 112)
能量 (kcal/d)        1624(1410,1812) 1978(1742,2214) 2356(2082,2651)
蛋白质 (g/d)         58.2(51.3,67.4) 72.6(63.8,82.1) 84.3(74.2,96.7)
脂肪 (g/d)           52.4(44.6,61.8) 68.4(59.2,78.6) 87.6(76.3,101.2)
碳水化合物 (g/d)     214.8(187,248)  258.6(226,294)  298.4(261,338)
膳食纤维 (g/d, M±SD) 19.42 ± 5.18   20.84 ± 5.62    18.76 ± 6.34

注: 括号内为 P25~P75。DRI 参考值：能量 1800-2250 kcal/d（成年女性/男性），
膳食纤维 >= 25 g/d（中国 DRI 2023）。

第三步：Kruskal-Wallis 检验 + 事后多重比较

由于主要营养素摄入量非正态，用非参数检验替代单因素方差分析：

"对能量、蛋白质、脂肪、碳水化合物在三个 BMI 组间做 Kruskal-Wallis H 检验，H 值显著时做 Dunn 事后检验（Bonferroni 校正），在三线表中用字母标注显著性（a/b/ab），同时输出每个营养素对应的 epsilon 平方（epsilon^2）效应量。"

ChatSRS 输出（节选）：

能量摄入：H(2) = 87.43，p < .001，epsilon^2 = .201（大效应）
  Dunn 事后检验（Bonferroni）：偏低 vs 正常 p < .001；正常 vs 超重肥胖 p < .001；偏低 vs 超重肥胖 p < .001

蛋白质：H(2) = 64.28，p < .001，epsilon^2 = .147（大效应）
  Dunn：偏低 vs 正常 p < .001；正常 vs 超重肥胖 p = .003；偏低 vs 超重肥胖 p < .001

膳食纤维（正态）：单因素 ANOVA F(2, 433) = 2.14，p = .119 — 三组无显著差异

如果你的数据满足正态性，可以改用单因素方差分析 + Tukey HSD，详见：方差分析 ANOVA 完整教程

第四步：相关分析 — 营养素与 BMI 的线性关系

在进多元回归之前，先看各预测变量与 BMI 的双变量关系：

"对能量、蛋白质、脂肪、碳水化合物、膳食纤维与 BMI 做 Spearman 相关分析（因营养素非正态），同时对年龄、体力活动评分（数值型）与 BMI 做 Pearson 相关，输出相关矩阵，标注显著性（* p<.05, ** p<.01）。"

ChatSRS 自动区分 Pearson / Spearman，输出完整相关矩阵，标注显著性星号。

第五步：多元线性回归 — BMI 的营养素预测模型

这是公共卫生营养论文的核心分析。分三个模型层层递进，控制混杂变量：

"以 BMI 为因变量做三个嵌套线性回归模型：模型 1 仅纳入人口学变量（年龄、性别、城乡、受教育程度）；模型 2 在模型 1 基础上加入体力活动水平；模型 3 在模型 2 基础上加入能量摄入、蛋白质供能比、脂肪供能比、膳食纤维。报告每个模型的 R 方、调整 R 方、F 变化量（delta-F）及其 p 值；模型 3 报告各自变量的标准化回归系数 beta、t 值、p 值、95% CI 和 VIF；做 Durbin-Watson 自相关检验。"

ChatSRS 输出（模型 3 节选）：

表 2  BMI 多元线性回归结果（模型 3，n = 436）

变量               B      SE_B   beta    t        p        95% CI           VIF
(截距)            18.42   1.34   —      13.75    < .001   [15.79, 21.05]   —
年龄（岁）         0.06   0.02   .14    3.21     .001     [0.02, 0.10]     1.18
性别（男=1）       0.84   0.24   .16    3.48     .001     [0.37, 1.31]     1.22
城乡（城市=1）    -0.41   0.23   -.08  -1.78     .075     [-0.86, 0.04]    1.19
体力活动（高=1）  -0.92   0.26   -.17  -3.54     < .001   [-1.43, -0.41]   1.31
能量摄入（kcal）   0.003  0.001  .22    4.87     < .001   [0.002, 0.004]   2.14
蛋白质供能比（%） -0.08   0.06   -.06  -1.33     .184     [-0.20, 0.04]    2.38
脂肪供能比（%）    0.12   0.04   .18    3.12     .002     [0.04, 0.20]     2.67
膳食纤维（g）     -0.04   0.02   -.08  -2.11     .035     [-0.08, -0.003]  1.44

模型拟合：R^2 = .312，Adjusted R^2 = .297，F(8, 427) = 24.18，p < .001
Delta-F（模型 3 vs 模型 2）：F(4, 427) = 18.64，p < .001
Durbin-Watson = 1.93（无自相关问题，参考值 1.5-2.5）
VIF 最大值 = 2.67（无严重共线性，阈值 < 10）

论文方法/结果写法（APA 7th，公共卫生营养报告句式）

这是最直接帮到你的部分，可抄进论文的 APA 7th 格式句式。

方法章节：数据分析策略

正态性检验采用 Shapiro-Wilk 检验。连续变量以均值 ± 标准差（M ± SD）或中位数（四分位距，P25, P75）描述；分类变量以频率（百分比）描述。三个 BMI 组间营养素摄入量的比较采用 Kruskal-Wallis H 检验，显著时进行 Dunn 事后多重比较（Bonferroni 法校正），效应量以 epsilon 平方（epsilon^2）报告。BMI 影响因素分析采用嵌套多元线性回归（Enter 法），共构建三个层次模型；各预测变量的贡献以标准化回归系数（beta）反映；共线性以方差膨胀因子（VIF）诊断（阈值 < 10）；自相关以 Durbin-Watson 统计量检验。统计分析使用 ChatSRS 完成（SPSS + R 双引擎交叉验证，显著性水平 alpha = .05）。

结果章节：分组比较（Kruskal-Wallis）

Kruskal-Wallis 检验显示，三个 BMI 组的能量摄入差异具有统计学意义，H(2) = 87.43，p < .001，epsilon^2 = .201，属于大效应。Dunn 事后检验（Bonferroni 校正）显示，各组两两间差异均显著（均 p < .001）：偏低组中位能量摄入为 1624（IQR: 1410–1812）kcal/d，正常组为 1978（1742–2214）kcal/d，超重肥胖组为 2356（2082–2651）kcal/d，三组间呈递增趋势。

结果章节：多元线性回归

嵌套多元线性回归分析显示，纳入所有预测变量的模型 3 具有显著的统计学意义，F(8, 427) = 24.18，p < .001，可解释 BMI 变异的 29.7%（Adjusted R^2 = .297）。在控制人口学变量和体力活动后，能量摄入（beta = .22，p < .001）和脂肪供能比（beta = .18，p = .002）是 BMI 的正向预测变量，膳食纤维摄入量（beta = -.08，p = .035）是 BMI 的负向预测变量。蛋白质供能比对 BMI 的预测效应未达显著水平（beta = -.06，p = .184）。VIF 最大值为 2.67，表明各预测变量之间无严重共线性问题。

上面三段可以直接进论文的 Methods 和 Results 章节，替换你自己的数值即可。ChatSRS 的"APA 报告"功能在分析完成后自动生成对应段落，无需手动转写。

三引擎在营养调查分析中的分工

chatsrs.com 底层的三个引擎在处理公共卫生营养数据时各有优势：

分析任务	推荐引擎	原因
基础描述统计、频数表	SPSS	输出格式最接近中文期刊习惯
Kruskal-Wallis + Dunn 事后检验	R (`dunn.test` 包)	事后检验方法最完整
嵌套回归、Delta-F 变化量	R / Stata	`lm()` 嵌套模型与 `lrtest` 最直接
复杂调查权重（svy）分析	Stata	`svyset` + `svy: regress` 是标准
APA 格式自动报告	三引擎统一输出	结果交叉验证后取一致数值

ChatSRS 默认同时跑三个引擎，如果三者数值出现差异（通常差异极小），会高亮标注并给出差异原因解释。

常见 FAQ

Q1: 营养素摄入量一般都是偏态的，一定要用非参数检验吗？

不一定。有两种合理策略：

策略 A（非参数）：直接用 Kruskal-Wallis + Dunn，以中位数（IQR）报告，不做任何变换。优点是透明，缺点是检验功效略低于参数检验。

策略 B（对数变换后参数检验）：对摄入量做 log 变换，若变换后正态性满足则做单因素 ANOVA + Tukey 事后检验，以几何均数（95% CI）报告。优点是更高检验功效，缺点是报告结果的可读性稍低。

在 ChatSRS 输入：

"对能量摄入做自然对数变换（ln），检验变换后正态性，若满足则做单因素 ANOVA；若仍不满足则用 Kruskal-Wallis；输出两种方案并推荐选择。"

ChatSRS 自动检验两种方案并给出推荐。

Q2: BMI 分组的切割点用中国标准还是 WHO 标准？

取决于研究人群和投稿期刊：

中文核心期刊 / 中国人群研究：建议中国标准（18.5 / 24 / 28），超重定义为 BMI 24–27.9，肥胖 >= 28
SCI 英文期刊 / 国际对比研究：用 WHO 标准（18.5 / 25 / 30），超重 25–29.9，肥胖 >= 30
两套标准都报告：在结果章节同时呈现两种分组下的分析结果，在方法章节注明选择理由

ChatSRS 支持自定义分组切割点，在指令中说明即可。

Q3: 多元回归中营养素变量选择太多，如何避免过拟合？

常见处理方式：

供能比替代绝对摄入量：用蛋白质供能比（%）、脂肪供能比（%）、碳水化合物供能比（%）代替克数，三者之和为 100%（多重共线性风险降低，且已控制能量摄入）
逐步回归：让模型自动筛选变量（但要在方法中说明用 Enter 还是 Stepwise，审稿人偏好 Enter 法 + 理论驱动变量选择）
样本量检验：多元回归建议每个预测变量至少 10-20 个观测，10 个预测变量需 200+ 样本

在 ChatSRS 输入：

"做向后逐步回归（Backward elimination, p-out = .10），报告最终保留变量及 AIC 变化，与 Enter 法全变量模型做 R 方对比。"

Q4: 如何在结果中报告"各组营养素摄入达标率"？

这是营养流行病学论文中常见的一类描述。在 ChatSRS 输入：

"以中国 DRI 2023 为参考，计算各 BMI 组中能量摄入不足（< EAR）、适宜（EAR-UL 区间）、过量（> UL）的人数和比例；对比三组间达标率差异做卡方检验，报告 chi^2 值、自由度、p 值和 Cramer's V 效应量。"

卡方检验详细教程参见：卡方检验与列联表分析 AI 完整教程

Q5: 论文要求用 SPSS，能用 ChatSRS 的结果直接引用吗？

可以。ChatSRS 的 SPSS 引擎在底层调用等价的统计算法，数值结果与 SPSS 输出一致。方法章节规范写法：

"本研究统计分析采用 ChatSRS 平台（SPSS 引擎，v2026；https://chatsrs.com），Kruskal-Wallis 事后检验采用 Dunn 法（Bonferroni 校正），多元线性回归采用逐步强迫纳入法（Enter method）。"

公共卫生营养数据分析方法速查

分析目的	方法	ChatSRS 指令关键词
检验摄入量分布	Shapiro-Wilk 正态性检验	"正态性检验，Shapiro-Wilk"
分组描述统计	分组均值/中位数三线表	"按 BMI 组描述统计，APA 三线表"
非正态分组比较	Kruskal-Wallis + Dunn	"非参数多组比较，Bonferroni 校正"
正态分组比较	单因素 ANOVA + Tukey	"单因素方差分析，Tukey 事后检验"
达标率组间比较	卡方检验 + Cramer's V	"达标率卡方检验，Cramer's V 效应量"
营养素相关性	Spearman 相关矩阵	"Spearman 相关，显著性标注"
BMI 影响因素	嵌套多元线性回归	"嵌套回归三层模型，VIF 共线性"
复杂抽样调查	Stata svy 加权分析	"调查权重，svyset，Stata 引擎"