SAS的卡方检验（正式）PPT.ppt

行列均为顺序变量的相关检验 与定量资料的相关与回归分析类似，也可对R×C表资料中有序变量之间是否存在线性趋势作显著性检验，通常这两种检验的结果是基本一致的，即相关分析结果显著，线性趋势检验结果也显著。可以通过检验实现线性趋势检验，即利用回归分析思想产生的与线性回归有关的卡分量和偏离线性回归的卡分量。 行列均为顺序变量的相关检验 首先计算R×C表的值，然后将总的值分解成线性回归分量与偏离线性回归分量。若两分量均具有统计学意义，说明两分类变量存在相关关系，但关系不是简单的直线关系；若线性回归分量有统计学意义，偏离线性回归分量无统计学意义时，说明两分类变量不仅存在相关关系，而且是线性关系。 行列均为顺序变量的相关检验 计算 总的值 计算线性回归分量 回归 b为回归系数 计算偏线性回归分量 将总的 值分解成线性回归分量和偏离线性回归分量。若两分量均有统计学意义，说明两分类变量存在相关关系，但关系不是简单的直线关系；若线性回归分量有统计学意义，偏离线性回归分量无统计学意义时，说明两变量不仅存在相关关系，而且是线性关系。 例题 某研究者欲研究年龄与冠状动脉粥样硬化等级之间的关系，将278例尸解资料整理成行乘列表，问年龄与冠状动脉粥样硬化等级之间是否存在线性变化趋势？ 分层资料的分析 按一个或多个因素分层后，研究行变量与列变量间的联系。 通过控制分层变量的影响，检验研究行变量与列变量的关系。 例题 某研究者欲研究男女性使用别嘌 呤是否引发皮疹。 本章小节 ?2检验是用途很广的一种假设检验方法，这里我们主要学习它在分类资料统计推断中的应用，包括：两个率或两个构成比比较的卡方检验；多个率或多个构成比比较的卡方检验以及分类资料的相关分析等。 本章第一节介绍了四格表的普通?2检验方法，理论频数与实际频数的定义，?2检验统计量的计算方法，?2分布以及?2界值表确定P值的方法。说明了四格表?2检验的应用条件，以及连续性校正公式和四格表专用公式。通过SAS分析实例演示了四格表?2检验过程以及结果解释。我们需要重点理解?2检验的含义以及应用。掌握?2检验的应用条件以及连续性校正公式等。 本章小节 R×C表可以分为双向无序、单向有序、双向有序属性相同和双向有序属性不同4类。①双向无序R×C表，R×C表中两个分类变量皆为无序分类变量。若研究目的为多个样本率（或构成比）的比较，可用行×列表资料的?2检验；若研究目的为分析两个分类变量之间有无关联性以及关系的密切程度时，可以用行×列表资料的?2检验以及Pearson列联系数进行分析。②单向有序R×C表有两种形式：一种是R×C表中的分组变量是有序的，而指标变量是无序的，此种单向有序R×C表资料可用行×列表资料的?2检验进行分析；另一种情况是R×C表中的分组变量是无序的，而指标变量是有序的，此种单向有序R×C表资料宜用秩和检验进行分析。 本章小节 ③双向有序属性相同的R×C表，R×C表中的两分类变量皆为有序且属性相同，实际上是2×2配对设计的扩展，此时宜用一致性检验（或称Kappa检验）；双向有序属性不同的R×C表，R×C表中的两分类变量皆为有序且属性不相同，对于该类资料，需要分析两有序分类变量间是否存在线性变化趋势，宜用有序分组资料的线性趋势检验。 本章针对不同类型的R×C表资料分别予以介绍，并通过实例进行数据分析，并通过SAS程序完成统计分析过程，大家在练习不同类型数据的分析方法时，掌握常用数据分析的SAS程序，并能够灵活运用。 生存分析 SAS应用 蒋红卫 Email: JHWCCC@21CN.COM 学习目标 了解生存分析的应用范围和数据特点； 熟悉常见的生存时间分布规律的函数； 掌握生存率的两种估计方法：乘积极限法和寿命表法； 掌握估计和比较生存函数的SAS程序； Cox回归的形式、数据格式、应用和SAS程序。 生存分析简介 在医学研究中，常常用随访的方式来研究事物发展的规律。例如，了解某药物的疗效，了解某仪器设备的使用寿命，了解手术后的存活时间等等。这种研究的特点是追踪研究的现象都要经过一段时间，统计学上将这段时间称为生存时间。生存分析就是用来研究生存时间的分布规律以及生存时间和相关因素之间关系的一种统计分析方法。 生存分析在医学科学研究中具有广泛而重要的应用价值，它对人群寿命的研究，各种慢性疾病的现场追踪研究，临床疗效试验和动物试验等研究中随访资料的处理起着举足轻重的作用。 生存数据 生存数据，指的是生存时间以及与生存时间有关联的一组独立变量。这里主要解释与生存时间有关的几个概念。 在生存分析中将生存时间定义为从某起始事件起到某终止事件为止所经历的