SAS統(tǒng)計分析教程

第1篇 對定量結(jié)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(jié)
　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(jié)
　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(jié)
　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(jié)
　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(jié)
　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(jié)
第2篇 對定性結(jié)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(jié)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(jié)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(jié)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(jié)
　第8章 多因素設計一元定性資料差異性分析
　　8.1 用加權(quán) 檢驗處理結(jié)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(jié)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(jié)
　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(jié)
第3篇 對定量結(jié)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(quán)線性回歸分析
　　10.6 本章小結(jié)
　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(jié)
　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(jié)
　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(jié)
　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(jié)
　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(jié)
　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(jié)
　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(jié)
　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(jié)
　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(jié)
　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(jié)
第4篇 對定性結(jié)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(jié)
　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(jié)
　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(jié)
　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(jié)
　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(jié)果校正和圖形輸出
　　25.6 本章小結(jié)
　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(jié)
　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(gòu)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(jié)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(jié)
　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(jié)果解釋
　　28.6 本章小結(jié)
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(jié)
　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(jié)
　第31章 路徑分析
　　31.1 問題與數(shù)據(jù)結(jié)構(gòu)
　　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(jié)
　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(jié)
　第33章 結(jié)構(gòu)方程模型分析
　　33.1 實例
　　33.2 結(jié)構(gòu)方程模型簡介
　　33.3 結(jié)構(gòu)方程模型分析
　　33.4 本章小結(jié)
　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(jié)
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(jié)
　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(jié)
　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(jié)
　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(jié)
　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(jié)
　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(jié)構(gòu)及語句簡介
　　40.5 本章小結(jié)
　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(jié)
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(jié)
　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(jié)
　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(jié)
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(jié)
　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(jié)
　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(jié)
　　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(jié)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