医学案例统计分析与SAS应用--自学笔记

第二章医学研究设计与SAS实现

科研设计思路

样本含量估计

样本含量估计之前需要实现确定以下因素
一类错误
二类错误
单侧检验/双侧检验
其他

实验设计

科研设计的sas实现

步骤1：确定设计方法
步骤2：样本含量估计
步骤3：研究对象随机分组

完全随机设计

随机区组设计

析因设计

关系型研究

在样本量估计时，只要确定研究因素和校正因素，相关和回归所求的样本量估计值是一致的

第三章 统计描述与SAS分析

统计描述及sas命令简介

定量资料的统计描述

分类资料的统计描述

第四章 定量资料的SAS统计分析

定量资料常用统计方法

t检验

proc ttest<选项>;
class 分组变量;
var 分析变量;
paired 变量1*变量2;

方差分析

proc glm<选项>;
class 分组变量;
model 分析变量=分组变量;
lsmeans 分组变量;
means 分组变量;

秩和检验

完全随机设计秩和检验：两组wilcoxon 多组kruskal-wallis
proc nparlway<选项>;
class 分组变量;
var 分析变量;
freq 频数;

随机区组设计秩和检验：friedman
proc freq<选项>;
table 区组分组变量分析变量/<选项>;

目前没有提供秩和检验两两比较的选项和菜单，可根据两两比较的公式自己编程来实现结果的输出，还可以采用基于秩的方差分析实现

多重检验

proc multtest<选项>;
class 分组变量;
test 分析变量<选项>;

正态性检验

对于多组数据比较，只有每组数据均符合正态分布，才算符合正态分布
proc univariate normal;
class 分组变量;
var 分析变量;
run;

shapiro-wilk检验常用于50例以下的正态性检验，kolmogorov-smirnov检验多用于50例以上的正态性检验

把握度的计算

定量资料的分析思路

析因设计资料

配对设计资料

随机区组资料

多指标的组间比较

第五章 分类资料的SAS统计分析

分类资料常用统计方法

卡方检验的sas程序
proc freq<选项>;
table 行*列/ <选项>;
test 统计量关键字;
weight 权重变量;
by 分层变量;

分类资料的分析思路

四格表资料

R*2表资料

趋势性检验

两两比较

2*C表无序资料

2*C表有序资料

配对资料

多层分类资料

第六章相关分析及SAS实现

相关分析

定量资料相关分析

proc corr<选项>;
var 变量1 变量2;
partial 变量1 变量2;

partial语句用于指定校正的变量

分类资料相关分析

对数线性模型
proc catmod<选项>;
weight 权重变量;
model 变量1变量2…=response;
loglin 效应;

相关分析的思路

线性相关分析

proc corr pearson spearman;
var bmi tc fbg;
run;

偏相关分析

proc corr pearson spearman;
var bmi fbg;
partial tc;
run;

分类资料的相关性

配对资料的相关性

多分类指标的相关性

对数线性模型


二阶交互效应

第七章 线性回归与SAS分析

线性回归简介

proc reg<选项>;
model 因变量=自变量;
plot <=符号>;

线性回归的分析思路

简单线性回归分析

多重线性回归分析

应用条件检验

单因素分析

多因素分析

偏相关系数
标准化回归系数

线性回归的替代方法

主成分回归

proc princomp<选项>;
var变量;
run;

共线性诊断

主成分分析

主成分回归

偏最小二乘回归

proc pls<选项>;
model 因变量=自变量;
run;

VIP指标

VIP代表自变量对模型拟合的重要程度

稳健回归

proc robustreg<选项>;
model 因变量=自变量;
run;

1.首先用线性回归对数据进行异常点诊断分析



2.由于存在强影响点，且其值较大，进行稳健回归分析

非参数回归

proc gam;
model 因变量=param（自变量）spline（自变量）loess（自变量）spline2（自变量）；
score out=数据集；
run；

第八章logistics回归与SAS分析

logistics回归

proc logistic<选项>;
class 自变量;
model 因变量=自变量;
freq 变量;

logistics的分析思路

单因素

多因素

logistics回归的扩展

多项logistics回归

proc catmod<选项>;
direct 自变量;
model 因变量=自变量;

有序logistic回归

第九章 生存分析与SAS分析

生存分析简介

描述与比较

proc lifetest<选项>;
time 生存时间*生存状态（截尾值列表）;
strata 分组变量;

影响因素分析

proc phreg<选项>;
model 生存时间*生存状态（截尾值列表）=分析变量<选项>;
output out=数据集名称 关键字1=名称1；

生存分析思路

生存曲线的比较

等比例风险的cox回归

非等比例风险的cox回归

第十章 一般线性模型与广义xianxiang

简介

一般线性模型

方差分析、简单线性回归、多重线性回归、协方差分析
proc glm<选项>;
class 分类变量;
model 因变量=自变量;

广义线性模型

二项分布、poisson分布、负二项分布
proc genmod<选项>;
class 分类变量;
model 因变量=自变量;
weight 变量;

sas实现

协方差分析

poisson回归分析

第十章 多水平数据的SAS分析

多水平数据常用统计方法

多水平模型

proc mixed 选项;
class 变量;
model 因变量=自变量/选项;
random 随机效应/选项;

广义估计方程

proc genmod<选项>;
class 分类变量;
model 因变量=自变量;
repeated subject=水平2变量/<选项>;
weigh 变量;

分析思路

定量资料的多水平数据分析

步骤1：确定分析方法
步骤2：空模型拟合–只包含截距项
步骤3：在模型中加入解释变量
步骤4：拟合随机斜率模型
步骤5：在模型中加入交互项
步骤6：结论

分类资料的多水平数据分析