SAS統(tǒng)計分析教程

前言

眾所周知，統(tǒng)計學內(nèi)容非常豐富，學習和正確使用它的難度很大；SAS軟件功能非常強大，適用面極寬，SAS語言又十分繁雜，學習和全面掌握其用法并非易事；顯然，實際工作者要想在較短的時間內(nèi)，學會用SAS軟件方便、快捷且正確地解決各種實驗設計、統(tǒng)汁表達與描述、常見和多元統(tǒng)計分析、現(xiàn)代回歸分析、數(shù)據(jù)挖掘和基因表達譜分析等問題，幾乎是天方夜譚，然而，本書卻使其成為現(xiàn)實！筆者有何靈丹妙藥呢？“面向問題”的思維模式和寫作手法是解決復雜問題、并使其化繁為簡、實用方便的“錦囊妙計”。本書各章針對擬解決的每個具體問題，首先給出“問題、數(shù)據(jù)和統(tǒng)計分析方法的選擇”，接著，用編制好的SAS程序分析給定的資料，并給出程序修改指導、主要輸出結果及其解釋。為了壓縮篇幅而不影響讀者的學習效果，筆者對書稿進行精簡，使本書的篇幅縮為原稿的三分之一，而其余的內(nèi)容則以附錄的形式放在與本書配套的光盤上。本書正文內(nèi)容共分8篇47章。第1篇對定量結果進行差異性分析；第2篇對定性結果進行差異性分析；第3篇對定量結果進行預測性分析；第4篇對定性結果進行預測性分析；第5篇對多變量間相互依賴關系進行分析；第6篇對變量或樣品問親疏關系或近似程度進行分析；第7篇對數(shù)據(jù)挖掘技術與基因表達譜進行分析；第8篇用編程法繪制統(tǒng)計圖與實現(xiàn)實驗設計。各章末尾均注明參編者詳細名單。值得一提的是：本書中的所有計算基于SAS9.2 版本，少量SAS過程（特別是涉及SAS／Genetics模塊）在SAS9.2 以前的環(huán)境下不能正常運行。

內(nèi)容概要

　　 本書內(nèi)容豐富且新穎，適用面寬且可操作性強。涉及到定量與定性資料差異性和預測性分析、變量間和樣品間相互與依賴關系及近似程度分析、數(shù)據(jù)挖掘與基因表達譜分析、繪制統(tǒng)計圖與實驗設計、SAS語言和SAS非編程模塊用法。這些內(nèi)容高質(zhì)量高效率地解決了實驗設計、統(tǒng)計表達與描述、各種常用和多元統(tǒng)計分析、現(xiàn)代回歸分析和數(shù)據(jù)挖掘、SAS語言基礎和SAS實現(xiàn)及結果解釋等人們迫切需要解決卻又十分棘手的問題。    本書第1~2篇共9章，對各種單因素和多因素設計下定量與定性結果進行差異性分析；第3~4篇共19章，對定量與定性結果提供了數(shù)十種預測性分析方法；第5~6篇共13章，介紹多變量間相互與依賴關系分析和變量或樣品間親疏關系或近似程度分析；第7篇共3章，介紹數(shù)據(jù)挖掘技術與基因表達譜分析；第8篇共3章，用編程法繪制統(tǒng)計圖與實現(xiàn)實驗設計。與SASPAL軟件調(diào)用、SAS語言、SAS模塊操作、SAS輸出結果、統(tǒng)計計算原理和公式、實例與數(shù)據(jù)和參考文獻等有關的翔實內(nèi)容放在與本書配套的光盤上，方便讀者學習和查閱。    本書適合于需要學習和運用實驗設計、統(tǒng)計表達與描述和統(tǒng)計分析及SAS實現(xiàn)的本科生、研究生、博士生、科研和管理工作者、臨床醫(yī)生和雜志編輯學習和使用。

作者簡介

胡良平，教授，博士生導師?，F(xiàn)任軍事醫(yī)學科學院生物醫(yī)學統(tǒng)計學咨詢中心主任，國際一般系統(tǒng)論研究會中國分會概率統(tǒng)計系統(tǒng)專業(yè)理事會常務理事，第八屆中國現(xiàn)場統(tǒng)計研究會理事，中國生物醫(yī)學統(tǒng)計學會副會長，《中華醫(yī)學雜志》等10余種雜志編委，北京大學口腔醫(yī)學院客座教授，國家食品藥品監(jiān)督管理局評審專家：主編統(tǒng)計學專著16部，參編統(tǒng)計學專著8部，發(fā)表第一作者學術論文150余篇，發(fā)表合作論文90余篇，獲軍隊科技成果和肖部級科技成果多項；在從事統(tǒng)計學工作的20會年中，為幾千名研究生、醫(yī)學科研人近、臨床醫(yī)生和雜志編輯講授生物醫(yī)學統(tǒng)計學，左全國各地作統(tǒng)計學學術報告100余場，舉辦十余期全國統(tǒng)計學培訓班，培養(yǎng)多矗統(tǒng)計學專業(yè)碩士和博士研究生；近幾年年來，參加國家級新藥和醫(yī)療囂械項目評審數(shù)十項：歸納并提煉出“八性”和“八思維”的統(tǒng)計學思想：獨創(chuàng)了逆向統(tǒng)計學教學法和統(tǒng)計學三型理論。

書籍目錄

第1篇  對定量結果進行差異性分析　第1章  SAS軟件與SAS用法簡介     　　1.1  SAS軟件簡介     　　1.2  SAS用法簡介     　　1.3  本章小結     　第2章  單因素設計一元定量資料差異性分析     　　2.1  單組設計一元定量資料t檢驗與符號秩和檢驗     　　2.2  配對設計一元定量資料t檢驗與符號秩和檢驗     　　2.3  成組設計一元定量資料t檢驗     　　2.4  成組設計一元定量資料Wilcoxon秩和檢驗     　　2.5  單因素k（k≥3）水平設計定量資料一元方差分析     　　2.6  單因素k（k≥3）水平設計定量資料一元協(xié)方差分析     　　2.7  單因素k（k≥3）水平設計一元定量資料 Kruskal-Wallis秩和檢驗     　　2.8  本章小結     　第3章  單因素設計一元生存資料差異性分析     　　3.1  單因素設計一元生存資料分析簡介     　　3.2  生存資料統(tǒng)計描述     　　3.3  生存曲線比較     　　3.4  本章小結     　第4章  多因素設計一元定量資料差異性分析     　　4.1  隨機區(qū)組設計一元定量資料方差分析與 Friedman秩和檢驗     　　4.2  雙因素無重復實驗設計一元定量資料方差分析     　　4.3  平衡不完全隨機區(qū)組設計一元定量資料方差分析     　　4.4  拉丁方設計一元定量資料方差分析     　　4.5  二階段交叉設計一元定量資料方差分析     　　4.6  析因設計一元定量資料方差分析     　　4.7  含區(qū)組因素的析因設計一元定量資料方差分析     　　4.8  嵌套設計一元定量資料方差分析     　　4.9  裂區(qū)設計一元定量資料方差分析     　　4.9.1  問題與數(shù)據(jù)     　　4.10  正交設計一元定量資料方差分析     　　4.11  重復測量設計一元定量資料方差分析     　　4.12  常見多因素實驗設計一元定量資料協(xié)方差分析     　　4.13  多個單因素兩水平設計定量資料Meta分析     　　4.14  本章小結   　第5章  單因素設計多元定量資料差異性分析   　　5.1  問題、數(shù)據(jù)及統(tǒng)計分析方法的選擇   　　5.2  單因素設計定量資料多元方差和協(xié)方差分析   　　5.3  本章小結   　第6章  多因素設計多元定量資料差異性分析   　　6.1  問題、數(shù)據(jù)及統(tǒng)計分析方法的選擇   　　6.2  多因素設計定量資料多元方差和協(xié)方差分析   　　6.3  本章小結   第2篇  對定性結果進行差異性分析　第7章  單因素設計一元定性資料差異性分析   　　7.1  單組設計一維表資料統(tǒng)計分析   　　7.2  配對設計四格表資料統(tǒng)計分析   　　7.3  配對設計擴大形式的方表資料統(tǒng)計分析   　　7.4  成組設計橫斷面研究四格表資料統(tǒng)計分析   　　7.5  成組設計隊列研究四格表資料統(tǒng)計分析   　　7.6  成組設計病例對照研究四格表資料統(tǒng)計分析   　　7.7  成組設計結果變量為多值有序變量的2×C表資料統(tǒng)計分析   　　7.8  成組設計結果變量為多值名義變量的2×C表資料統(tǒng)計分析   　　7.9  單因素多水平設計無序原因變量R×2表資料統(tǒng)計分析   　　7.10  單因素多水平設計有序原因變量R×2表資料統(tǒng)計分析   　　7.11  單因素多水平設計雙向無序R×C表資料統(tǒng)計分析   　　7.12  單因素多水平設計有序結果變量R×C表資料統(tǒng)計分析   　　7.13  單因素多水平設計雙向有序R×C表資料統(tǒng)計分析   　　7.14  數(shù)據(jù)庫形式表達資料的統(tǒng)計分析   　　7.15  本章小結   　第8章  多因素設計一元定性資料差異性分析   　　8.1  用加權 檢驗處理結果變量為二值變量的高維列聯(lián)表資料   　　8.2  用 檢驗處理結果變量具有3種性質(zhì)的高維列聯(lián)表資料   　　8.3  用Meta分析分別合并處理多個成組設計定性資料   　　8.4  ROC方法分析診斷試驗資料   　　8.5  本章小結   　第9章  多因素設計一元定性資料對數(shù)線性模型分析   　　9.1  問題、數(shù)據(jù)及統(tǒng)計分析方法的選擇   　　9.2  用對數(shù)線性模型分析列聯(lián)表資料   　　9.3  本章小結   第3篇  對定量結果進行預測性分析　第10章  兩變量簡單線性回歸分析   　　10.1  問題、數(shù)據(jù)及統(tǒng)計分析方法的選擇   　　10.2  Pearson線性相關分析   　　10.3  Spearman秩相關分析   　　10.4  簡單線性回歸分析   　　10.5  加權線性回歸分析   　　10.6  本章小結   　第11章  兩變量可直線化曲線回歸分析   　　11.1  問題、數(shù)據(jù)及統(tǒng)計分析方法的選擇   　　11.2  對數(shù)函數(shù)、冪函數(shù)和雙曲函數(shù)曲線回歸分析   　　11.3  指數(shù)函數(shù)曲線回歸分析   　　11.4  Logistic函數(shù)曲線回歸分析   　　11.5  本章小結   　第12章  各種復雜曲線回歸分析   　　12.1  多項式曲線回歸分析   　　12.2  Logistic曲線回歸分析   　　12.3  Gompertz曲線回歸分析   　　12.4  二項型指數(shù)曲線回歸分析   　　12.5  三項型指數(shù)曲線回歸分析   　　12.6  本章小結   　第13章  多重線性回歸分析   　　13.1  問題、數(shù)據(jù)及統(tǒng)計分析方法的選擇   　　13.2  多重線性回歸分析   　　13.3  REG過程語法簡介   　　13.4  本章小結   　第14章  主成分回歸分析   　　14.1  問題、數(shù)據(jù)及統(tǒng)計分析方法的選擇   　　14.2  單組設計多元定量資料主成分回歸分析   　　14.3  本章小結   　第15章  現(xiàn)嶺回歸分析   　　15.1  問題、數(shù)據(jù)及統(tǒng)計分析方法的選擇   　　15.2  嶺回歸分析   　　15.3  與嶺回歸分析有關的SAS語句說明   　　15.4  本章小結   　第16章  Poisson回歸分析   　　16.1  問題、數(shù)據(jù)及統(tǒng)計分析方法的選擇   　　16.2  Poisson回歸分析   　　16.3  本章小結   　第17章  負二項回歸與Probit回歸分析   　　17.1  問題、數(shù)據(jù)及統(tǒng)計分析方法的選擇   　　17.2  負二項回歸分析   　　17.3  對例17-2資料進行Probit回歸分析   　　17.4  對例17-3資料進行Probit回歸分析   　　17.5  相關的SAS過程語法簡介   　　17.6  本章小結   　第18章  生存資料COX模型回歸分析   　　18.1  實例   　　18.2  生存資料COX模型回歸分析簡介   　　18.3  生存資料COX模型回歸分析   　　18.4  本章小結   　第19章  生存資料參數(shù)模型回歸分析   　　19.1  實例   　　19.2  生存資料參數(shù)模型回歸分析簡介   　　19.3  生存資料參數(shù)模型回歸分析   　　19.4  LIFEREG過程簡介   　　19.5  本章小結   　第20章  時間序列分析   　　20.1  時間序列分析簡介   　　20.2  指數(shù)平滑法   　　20.3  ARIMA模型   　　20.4  譜分析   　　20.5  X12方法   　　20.6  本章小結   第4篇  對定性結果進行預測性分析　第21章  非配對設計定性資料多重logistic回歸分析   　　21.1  問題、數(shù)據(jù)及統(tǒng)計分析方法的選擇   　　21.2  二值變量的多重logistic回歸分析   　　21.3  多值有序變量的多重logistic回歸分析   　　21.4  多值名義變量的多重logistic回歸分析   　　21.5  本章小結   　第22章  配對設計定性資料多重logistic回歸分析   　　22.1  問題、數(shù)據(jù)及統(tǒng)計分析方法的選擇   　　22.4  本章小結   　第23章  原因變量為定量變量的判別分析   　　23.1  實例   　　23.2  原因變量為定量變量的判別分析簡介   　　23.3  原因變量為定量變量的判別分析   　　23.4  本章小結   　第24章  原因變量為定性變量的判別分析   　　24.1  實例   　　24.2  原因變量為定性變量的判別分析簡介   　　24.3  原因變量為定性變量的判別分析   　　24.4  本章小結   　第25章  遺傳資料統(tǒng)計分析的SAS實現(xiàn)   　　25.1  SAS/Genetics簡介   　　25.2  ALLELE、HAPLOTYPE和HTSNP過程簡介   　　25.3  利用CASECONTROL和FAMILY過程進行關聯(lián)分析   　　25.4  親緣系數(shù)和近交系數(shù)   　　25.5  結果校正和圖形輸出   　　25.6  本章小結   　第26章  用SAS/Genetics分析遺傳流行病學資料   　　26.1  基因、基因型頻率測定與Hardy-Weinberg平衡定律的驗證   　　26.2  連鎖不平衡與單體型分析   　　26.3  多位點基因型與疾病關聯(lián)分析   　　26.4  標簽SNP的確認與SAS程序   　　26.5  一般人群病例對照遺傳資料的關聯(lián)分析   　　26.6  家系數(shù)據(jù)的關聯(lián)分析   　　26.7  本章小結   　第27章  決策樹分析   　　27.1  決策樹簡介   　　27.2  決策樹的基本原理   　　27.3  決策樹種類及決策樹構造思路   　　27.4  遞歸分割的分裂準則   　　27.5  變量重要性檢測   　　27.6  實際應用與結果解釋   　　27.7  用數(shù)據(jù)挖掘模塊近似實現(xiàn)各種決策樹算法   　　27.8  本章小結   　第28章  神經(jīng)網(wǎng)絡分析   　　28.1  前饋型神經(jīng)網(wǎng)絡簡介   　　28.2  多層感知器的學習   　　28.3  模型過擬合   　　28.4  模型復雜性的評價   　　28.5  實際應用與結果解釋   　　28.6  本章小結   第5篇  多變量間相互與依賴關系分析　第29章  主成分分析   　　29.1  實例   　　29.2  主成分分析簡介   　　29.3  主成分分析   　　29.4  PRINCOMP過程簡介   　　29.5  本章小結   　第30章  探索性因子分析   　　30.1  實例   　　30.2  因子分析簡介   　　30.3  探索性因子分析   　　30.4  FACTOR過程簡介   　　30.5  本章小結   　第31章  路徑分析   　　31.1  問題與數(shù)據(jù)結構   　　31.2  用REG過程實現(xiàn)路徑分析   　　31.3  用CALIS過程實現(xiàn)路徑分析   　　31.4  如何處理非同質(zhì)資料的思考   　　31.5  本章小結   　第32章  證實性因子分析   　　32.1  實例   　　32.2  證實性因子分析簡介   　　32.3  證實性因子分析   　　32.4  CALIS過程簡介   　　32.5  本章小結   　第33章  結構方程模型分析   　　33.1  實例   　　33.2  結構方程模型簡介   　　33.3  結構方程模型分析   　　33.4  本章小結   　第34章  典型相關分析   　　34.1  實例   　　34.2  典型相關分析概述   　　34.3  典型相關分析   　　34.4  CANCORR過程簡介   　　34.5  本章小結   第6篇  變量或樣品間親疏關系或近似程度分析　第35章  變量聚類分析   　　35.1  實例   　　35.2  變量聚類分析簡介   　　35.3  變量聚類分析   　　35.4  VARCLUS過程簡介   　　35.5  本章小結   　第36章  無序樣品聚類分析   　　36.1  實例   　　36.2  無序樣品聚類分析簡介   　　36.3  無序樣品聚類分析   　　36.4  CLUSTER過程等簡介   　　36.5  本章小結   　第37章  有序樣品聚類分析   　　37.1  實例   　　37.2  有序樣品聚類分析概述   　　37.3  用編程法實現(xiàn)有序樣品聚類分析   　　37.4  本章小結   　第38章  綜合評價   　　38.1  問題、數(shù)據(jù)及統(tǒng)計分析方法的選擇   　　38.2  用幾種常用的綜合評價方法解決實際問題   　　38.3  本章小結   　第39章  多維尺度分析   　　39.1  實例   　　39.2  多維尺度分析簡介   　　39.3  多維尺度分析   　　39.4  MDS過程簡介   　　39.5  本章小結   　第40章  定量資料對應分析   　　40.1  實例   　　40.2  對應分析簡介   　　40.3  定量資料對應分析   　　40.4  數(shù)據(jù)結構及語句簡介   　　40.5  本章小結   　第41章  定性資料對應分析   　　41.1  實例   　　41.2  定性資料對應分析   　　41.3  本章小結   第7篇  數(shù)據(jù)挖掘技術與基因表達譜分析簡析　第42章  數(shù)據(jù)挖掘的概念及常用統(tǒng)計分析技術簡介   　　42.1  數(shù)據(jù)挖掘的基本概念   　　42.2  SAS企業(yè)數(shù)據(jù)挖掘器介紹   　　42.3  關聯(lián)規(guī)則與序列規(guī)則   　　42.4  分類預測   　　42.5  本章小結   　第43章  基因表達譜的概念與數(shù)據(jù)分析技術簡介   　　43.1  基因表達譜的概念   　　43.2  基因表達譜的數(shù)據(jù)獲取及標準化   　　43.3  基因表達數(shù)據(jù)分析技術   　　43.4  基因調(diào)控網(wǎng)絡分析   　　43.5  本章小結   　第44章  生物信息學簡介   　　44.1  生物信息學定義   　　44.2  統(tǒng)計學在生物信息學中的應用   　　44.3  本章小結   第8篇  用編程法繪制統(tǒng)計圖與實現(xiàn)實驗設計　第45章  繪制統(tǒng)計圖   　　45.1  問題、數(shù)據(jù)及統(tǒng)計描述方法的選擇   　　45.2  繪制單式條圖   　　45.3  繪制復式條圖   　　45.4  繪制百分條圖   　　45.5  繪制圓圖   　　45.6  繪制箱式圖   　　45.7  繪制直方圖   　　45.8  繪制散布圖   　　45.9  繪制普通線圖   　　45.10  繪制半對數(shù)線圖   　　45.11  繪制P-P圖和Q-Q圖   　　45.12  本章小結   　第46章  實驗設計方案的SAS實現(xiàn)   　　46.1  成組設計方案的SAS實現(xiàn)   　　46.2  單因素多水平設計方案的SAS實現(xiàn)   　　46.3  隨機區(qū)組設計方案的SAS實現(xiàn)   　　46.4  拉丁方設計方案的SAS實現(xiàn)   　　46.5  2×2交叉設計方案的SAS實現(xiàn)   　　46.6  3×3交叉設計方案的SAS實現(xiàn)   　　46.7  析因設計方案的SAS實現(xiàn)   　　46.8  含區(qū)組因素的析因設計方案的SAS實現(xiàn)   　　46.9  裂區(qū)設計方案的SAS實現(xiàn)   　　46.10  平衡不完全區(qū)組設計方案的SAS實現(xiàn)   　　46.11  本章小結   　第47章  樣本含量估計和檢驗效能分析   　　47.1  樣本含量估計的意義   　　47.2  確定樣本含量時應具備的條件   　　47.3  估計總體均值時樣本含量的估計   　　47.4  估計總體率時樣本含量的估計   　　47.5  單組設計均值與率的檢驗時樣本含量的估計   　　47.6  配對設計均值與率的檢驗時樣本含量的估計   　　47.7  成組設計均值與率的差異性檢驗時樣本含量的估計   　　47.8  成組設計均值與率的等效性檢驗時樣本含量的估計   　　47.9  成組設計均值與率的非劣效或優(yōu)效性檢驗時樣本含量的估計   　　47.10  單因素多水平設計均值與率的檢驗時樣本含量的估計   　　47.11  檢驗效能分析的概述   　　47.12  單組、配對或交叉設計定量資料假設檢驗時檢驗效能的計算   　　47.13  成組設計均值與率的差異性檢驗時檢驗效能的計算   　　47.14  成組設計均值與率的等效性檢驗時檢驗效能的計算   　　47.15  成組設計均值與率的非劣效或優(yōu)效性檢驗時檢驗效能的計算   　　47.16  本章小結   　　放在與本書配套的光盤上的內(nèi)容附錄A  與SAS語言有關的內(nèi)容簡介（第48章～第55章）附錄B  四個非編程模塊簡介（第56章～第59章）附錄C  數(shù)據(jù)挖掘技術與基因表達譜分析（第60章～第62章）附錄D 各章實例與數(shù)據(jù)附錄E  直接調(diào)用的SAS引導程序—SASPAL附錄F  各章SAS輸出結果附錄G 各章計算原理與計算公式附錄H  各章參考文獻附錄I 胡良平專著及配套軟件簡介

章節(jié)摘錄

插圖：由表8-6可以看出，各項研究所對應的實驗設計類型均為病例一對照研究設計。該設計是指在了解暴露于某種因素對疾病的發(fā)生有無影響及其影響程度時，針對某因素從部分病人發(fā)病之后開始調(diào)查，將病人設為病例組，并選擇其他條件與病例接近的非病人設為對照組，分別調(diào)查這兩組人暴露于可疑致病因子的情況，故此表資料本質(zhì)上為9個病例一對照研究設計的四格表資料。由表8-7可以看出，各項研究所對應的實驗設計類型均為診斷試驗設計。診斷試驗設計是指按照配對原則分別接受兩種不同的處理方法，每種處理方法的結果都可分為“陽性”和“陰性”兩種，故此表資料本質(zhì)上為10個診斷試驗四格表資料（或2x2配對設計定性資料）。8.3.3 分析目的與統(tǒng)計分析方法的選擇在科研中，針對同一問題常常同時或者先后有許多類似的研究。然而，由于研究對象、設計方案、干預措施、結局變量、樣本含量、隨訪時間、各種干擾因素（即非試驗因素）的影響、研究過程中質(zhì)量控制的嚴格程度等方面并不完全相同，致使各研究結果也不完全一致，有些研究結果甚至相互矛盾。當出現(xiàn)針對同一問題的各項研究結果不一致甚至相反時，人們究竟該相信哪一項研究的結論呢？要回答這一問題，有兩種辦法：一是通過嚴格設計的大規(guī)模隨機對照試驗進行驗證；二是通過對這些研究及其結果進行綜合分析和再評價。。Meta分析就是后一種辦法中經(jīng)常要用到的用于定量合成的一種統(tǒng)計學處理方法。由于例8-6～例8-8的分析目的是比較同一研究的不同結果的同質(zhì)性，所以可根據(jù)各自的實驗設計類型選擇單因素兩水平設計定量資料、隊列研究設計四格表資料、病例一對照研究設計四格表資料和診斷試驗四格表資料Meta分析。

編輯推薦

《SAS統(tǒng)計分析教程》由電子工業(yè)出版社出版。

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    SAS統(tǒng)計分析教程 PDF格式下載

---