SAS編程技術(shù)教程

第1篇 對(duì)定量結(jié)果進(jìn)行差異性分析
第1章 SAS軟件與SAS用法簡(jiǎn)介
1.1 SAS軟件簡(jiǎn)介
1.2 SAS用法簡(jiǎn)介
1.3 本章小結(jié)
第2章 單因素設(shè)計(jì)一元定量資料差異性分析
2.1 單組設(shè)計(jì)一元定量資料t檢驗(yàn)與符號(hào)秩和檢驗(yàn)
2.2 配對(duì)設(shè)計(jì)一元定量資料t檢驗(yàn)與符號(hào)秩和檢驗(yàn)
2.3 成組設(shè)計(jì)一元定量資料t檢驗(yàn)
2.4 成組設(shè)計(jì)一元定量資料Wi1coxon秩和檢驗(yàn)
2.5 單因素k（k≥3）水平設(shè)計(jì)定量資料一元方差分析
2.6 單因素k（k≥3）水平設(shè)計(jì)定量資料一元協(xié)方差分析
2.7 單因素k（k≥3）水平設(shè)計(jì)一元定量資料Kruska1-Wa11is秩和檢驗(yàn)
2.8 本章小結(jié)
第3章 單因素設(shè)計(jì)一元生存資料差異性分析
3.1 單因素設(shè)計(jì)一元生存資料分析簡(jiǎn)介
3.2 生存資料統(tǒng)計(jì)描述
3.3 生存曲線比較
3.4 本章小結(jié)
第4章 多因素設(shè)計(jì)一元定量資料差異性分析
4.1 隨機(jī)區(qū)組設(shè)計(jì)一元定量資料方差分析與Friedman秩和檢驗(yàn)
4.2 雙因素?zé)o重復(fù)實(shí)驗(yàn)設(shè)計(jì)一元定量資料方差分析
4.3 平衡不完全隨機(jī)區(qū)組設(shè)計(jì)一元定量資料方差分析
4.4 拉丁方設(shè)計(jì)一元定量資料方差分析
4.5 二階段交叉設(shè)計(jì)一元定量資料方差分析
4.6 析因設(shè)計(jì)一元定量資料方差分析
4.7 含區(qū)組因素的析因設(shè)計(jì)一元定量資料方差分析
4.8 嵌套設(shè)計(jì)一元定量資料方差分析
4.9 裂區(qū)設(shè)計(jì)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(shè)計(jì)一元定量資料方差分析
4.11 重復(fù)測(cè)量設(shè)計(jì)一元定量資料方差分析
4.12 常見多因素實(shí)驗(yàn)設(shè)計(jì)一元定量資料協(xié)方差分析
4.13 多個(gè)單因素兩水平設(shè)計(jì)定量資料Meta分析
4.14 本章小結(jié)
第5章 單因素設(shè)計(jì)多元定量資料差異性分析
5.1 問題、數(shù)據(jù)及統(tǒng)計(jì)分析方法的選擇
5.2 單因素設(shè)計(jì)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(shè)計(jì)多元定量資料差異性分析
6.1 問題、數(shù)據(jù)及統(tǒng)計(jì)分析方法的選擇
6.2 多因素設(shè)計(jì)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(duì)定性結(jié)果進(jìn)行差異性分析
第7章 單因素設(shè)計(jì)一元定性資料差異性分析
7.1 單組設(shè)計(jì)一維表資料統(tǒng)計(jì)分析
7.2 配對(duì)設(shè)計(jì)四格表資料統(tǒng)計(jì)分析
7.3 配對(duì)設(shè)計(jì)擴(kuò)大形式的方表資料統(tǒng)計(jì)分析
7.4 成組設(shè)計(jì)橫斷面研究四格表資料統(tǒng)計(jì)分析
7.5 成組設(shè)計(jì)隊(duì)列研究四格表資料統(tǒng)計(jì)分析
7.6 成組設(shè)計(jì)病例對(duì)照研究四格表資料統(tǒng)計(jì)分析
7.7 成組設(shè)計(jì)結(jié)果變量為多值有序變量的2×C表資料統(tǒng)計(jì)分析
7.8 成組設(shè)計(jì)結(jié)果變量為多值名義變量的2×C表資料統(tǒng)計(jì)分析
7.9 單因素多水平設(shè)計(jì)無序原因變量R×2表資料統(tǒng)計(jì)分析
7.10 單因素多水平設(shè)計(jì)有序原因變量R×2表資料統(tǒng)計(jì)分析
7.11 單因素多水平設(shè)計(jì)雙向無序R×C表資料統(tǒng)計(jì)分析
7.12 單因素多水平設(shè)計(jì)有序結(jié)果變量R×C表資料統(tǒng)計(jì)分析
7.13 單因素多水平設(shè)計(jì)雙向有序R×C表資料統(tǒng)計(jì)分析
7.14 數(shù)據(jù)庫形式表達(dá)資料的統(tǒng)計(jì)分析
7.15 本章小結(jié)
第8章 多因素設(shè)計(jì)一元定性資料差異性分析
8.1 用加權(quán)檢驗(yàn)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(yàn)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(gè)成組設(shè)計(jì)定性資料
8.4 ROC方法分析診斷試驗(yàn)資料
8.5 本章小結(jié)
第9章 多因素設(shè)計(jì)一元定性資料對(duì)數(shù)線性模型分析
9.1 問題、數(shù)據(jù)及統(tǒng)計(jì)分析方法的選擇
9.2 用對(duì)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(duì)定量結(jié)果進(jìn)行預(yù)測(cè)性分析
第10章 兩變量簡(jiǎn)單線性回歸分析
10.1 問題、數(shù)據(jù)及統(tǒng)計(jì)分析方法的選擇
10.2 Pearson線性相關(guān)分析
10.3 Spearman秩相關(guān)分析
10.4 簡(jiǎn)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(jì)分析方法的選擇
11.2 對(duì)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(fù)雜曲線回歸分析
12.1 多項(xiàng)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(xiàng)型指數(shù)曲線回歸分析
12.5 三項(xiàng)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(jì)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(jiǎn)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(jì)分析方法的選擇
14.2 單組設(shè)計(jì)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(jì)分析方法的選擇
15.2 嶺回歸分析
15.3 與嶺回歸分析有關(guān)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(jì)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(fù)二項(xiàng)回歸與Probit回歸分析
17.1 問題、數(shù)據(jù)及統(tǒng)計(jì)分析方法的選擇
17.2 負(fù)二項(xiàng)回歸分析
17.3 對(duì)例17-2資料進(jìn)行Probit回歸分析
17.4 對(duì)例17-3資料進(jìn)行Probit回歸分析
17.5 相關(guān)的SAS過程語法簡(jiǎn)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(shí)例
18.2 生存資料COX模型回歸分析簡(jiǎn)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(shí)例
19.2 生存資料參數(shù)模型回歸分析簡(jiǎn)介
19.3 生存資料參數(shù)模型回歸分析
19.4 LIFEREG過程簡(jiǎn)介
19.5 本章小結(jié)
第20章 時(shí)間序列分析
20.1 時(shí)間序列分析簡(jiǎn)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(duì)定性結(jié)果進(jìn)行預(yù)測(cè)性分析
第21章 非配對(duì)設(shè)計(jì)定性資料多重1ogistic回歸分析
21.1 問題、數(shù)據(jù)及統(tǒng)計(jì)分析方法的選擇
21.2 二值變量的多重1ogistic回歸分析
21.3 多值有序變量的多重1ogistic回歸分析
21.4 多值名義變量的多重1ogistic回歸分析
21.5 本章小結(jié)
第22章 配對(duì)設(shè)計(jì)定性資料多重1ogistic回歸分析
22.1 問題、數(shù)據(jù)及統(tǒng)計(jì)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(shí)例
23.2 原因變量為定量變量的判別分析簡(jiǎn)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(shí)例
24.2 原因變量為定性變量的判別分析簡(jiǎn)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(jì)分析的SAS實(shí)現(xiàn)
25.1 SAS/Genetics簡(jiǎn)介
25.2 ALLELE、HAPLOTYPE和HTSNP過程簡(jiǎn)介
25.3 利用CASECONTROL和FAMILY過程進(jìn)行關(guān)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(xué)資料
26.1 基因、基因型頻率測(cè)定與Hardy-Weinberg平衡定律的驗(yàn)證
26.2 連鎖不平衡與單體型分析
26.3 多位點(diǎn)基因型與疾病關(guān)聯(lián)分析
26.4 標(biāo)簽SNP的確認(rèn)與SAS程序
26.5 一般人群病例對(duì)照遺傳資料的關(guān)聯(lián)分析
26.6 家系數(shù)據(jù)的關(guān)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(jiǎn)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(zhǔn)則
27.5 變量重要性檢測(cè)
27.6 實(shí)際應(yīng)用與結(jié)果解釋
27.7 用數(shù)據(jù)挖掘模塊近似實(shí)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(luò)分析
28.1 前饋型神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
28.2 多層感知器的學(xué)習(xí)
28.3 模型過擬合
28.4 模型復(fù)雜性的評(píng)價(jià)
28.5 實(shí)際應(yīng)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(guān)系分析
第29章 主成分分析
29.1 實(shí)例
29.2 主成分分析簡(jiǎn)介
29.3 主成分分析
29.4 PRINCOMP過程簡(jiǎn)介
29.5 本章小結(jié)
第30章 探索性因子分析
30.1 實(shí)例
30.2 因子分析簡(jiǎn)介
30.3 探索性因子分析
30.4 FACTOR過程簡(jiǎn)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(shí)現(xiàn)路徑分析
31.3 用CALIS過程實(shí)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(shí)性因子分析
32.1 實(shí)例
32.2 證實(shí)性因子分析簡(jiǎn)介
32.3 證實(shí)性因子分析
32.4 CALIS過程簡(jiǎn)介
32.5 本章小結(jié)
第33章 結(jié)構(gòu)方程模型分析
33.1 實(shí)例
33.2 結(jié)構(gòu)方程模型簡(jiǎn)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(guān)分析
34.1 實(shí)例
34.2 典型相關(guān)分析概述
34.3 典型相關(guān)分析
34.4 CANCORR過程簡(jiǎn)介
34.5 本章小結(jié)
第6篇 變量或樣品間親疏關(guān)系或近似程度分析
第35章 變量聚類分析
35.1 實(shí)例
35.2 變量聚類分析簡(jiǎn)介
35.3 變量聚類分析
35.4 VARCLUS過程簡(jiǎn)介
35.5 本章小結(jié)
第36章 無序樣品聚類分析
36.1 實(shí)例
36.2 無序樣品聚類分析簡(jiǎn)介
36.3 無序樣品聚類分析
36.4 CLUSTER過程等簡(jiǎn)介
36.5 本章小結(jié)
第37章 有序樣品聚類分析
37.1 實(shí)例
37.2 有序樣品聚類分析概述
37.3 用編程法實(shí)現(xiàn)有序樣品聚類分析
37.4 本章小結(jié)
第38章 綜合評(píng)價(jià)
38.1 問題、數(shù)據(jù)及統(tǒng)計(jì)分析方法的選擇
38.2 用幾種常用的綜合評(píng)價(jià)方法解決實(shí)際問題
38.3 本章小結(jié)
第39章 多維尺度分析
39.1 實(shí)例
39.2 多維尺度分析簡(jiǎn)介
39.3 多維尺度分析
39.4 MDS過程簡(jiǎn)介
39.5 本章小結(jié)
第40章 定量資料對(duì)應(yīng)分析
40.1 實(shí)例
40.2 對(duì)應(yīng)分析簡(jiǎn)介
40.3 定量資料對(duì)應(yīng)分析
40.4 數(shù)據(jù)結(jié)構(gòu)及語句簡(jiǎn)介
40.5 本章小結(jié)
第41章 定性資料對(duì)應(yīng)分析
41.1 實(shí)例
41.2 定性資料對(duì)應(yīng)分析
41.3 本章小結(jié)
第7篇 數(shù)據(jù)挖掘技術(shù)與基因表達(dá)譜分析簡(jiǎn)析
第42章 數(shù)據(jù)挖掘的概念及常用統(tǒng)計(jì)分析技術(shù)簡(jiǎn)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(guān)聯(lián)規(guī)則與序列規(guī)則
42.4 分類預(yù)測(cè)
42.5 本章小結(jié)
第43章 基因表達(dá)譜的概念與數(shù)據(jù)分析技術(shù)簡(jiǎn)介
43.1 基因表達(dá)譜的概念
43.2 基因表達(dá)譜的數(shù)據(jù)獲取及標(biāo)準(zhǔn)化
43.3 基因表達(dá)數(shù)據(jù)分析技術(shù)
43.4 基因調(diào)控網(wǎng)絡(luò)分析
43.5 本章小結(jié)
第44章 生物信息學(xué)簡(jiǎn)介
44.1 生物信息學(xué)定義
44.2 統(tǒng)計(jì)學(xué)在生物信息學(xué)中的應(yīng)用
44.3 本章小結(jié)
第8篇 用編程法繪制統(tǒng)計(jì)圖與實(shí)現(xiàn)實(shí)驗(yàn)設(shè)計(jì)
第45章 繪制統(tǒng)計(jì)圖
45.1 問題、數(shù)據(jù)及統(tǒng)計(jì)描述方法的選擇
45.2 繪制單式條圖
45.3 繪制復(fù)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(duì)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(shí)驗(yàn)設(shè)計(jì)方案的SAS實(shí)現(xiàn)
46.1 成組設(shè)計(jì)方案的SAS實(shí)現(xiàn)
46.2 單因素多水平設(shè)計(jì)方案的SAS實(shí)現(xiàn)
46.3 隨機(jī)區(qū)組設(shè)計(jì)方案的SAS實(shí)現(xiàn)
46.4 拉丁方設(shè)計(jì)方案的SAS實(shí)現(xiàn)
46.5 2×2交叉設(shè)計(jì)方案的SAS實(shí)現(xiàn)
46.6 3×3交叉設(shè)計(jì)方案的SAS實(shí)現(xiàn)
46.7 析因設(shè)計(jì)方案的SAS實(shí)現(xiàn)
46.8 含區(qū)組因素的析因設(shè)計(jì)方案的SAS實(shí)現(xiàn)
46.9 裂區(qū)設(shè)計(jì)方案的SAS實(shí)現(xiàn)
46.10 平衡不完全區(qū)組設(shè)計(jì)方案的SAS實(shí)現(xiàn)
46.11 本章小結(jié)
第47章 樣本含量估計(jì)和檢驗(yàn)效能分析
47.1 樣本含量估計(jì)的意義
47.2 確定樣本含量時(shí)應(yīng)具備的條件
47.3 估計(jì)總體均值時(shí)樣本含量的估計(jì)
47.4 估計(jì)總體率時(shí)樣本含量的估計(jì)
47.5 單組設(shè)計(jì)均值與率的檢驗(yàn)時(shí)樣本含量的估計(jì)
47.6 配對(duì)設(shè)計(jì)均值與率的檢驗(yàn)時(shí)樣本含量的估計(jì)
47.7 成組設(shè)計(jì)均值與率的差異性檢驗(yàn)時(shí)樣本含量的估計(jì)
47.8 成組設(shè)計(jì)均值與率的等效性檢驗(yàn)時(shí)樣本含量的估計(jì)
47.9 成組設(shè)計(jì)均值與率的非劣效或優(yōu)效性檢驗(yàn)時(shí)樣本含量的估計(jì)
47.10 單因素多水平設(shè)計(jì)均值與率的檢驗(yàn)時(shí)樣本含量的估計(jì)
47.11 檢驗(yàn)效能分析的概述
47.12 單組、配對(duì)或交叉設(shè)計(jì)定量資料假設(shè)檢驗(yàn)時(shí)檢驗(yàn)效能的計(jì)算
47.13 成組設(shè)計(jì)均值與率的差異性檢驗(yàn)時(shí)檢驗(yàn)效能的計(jì)算
47.14 成組設(shè)計(jì)均值與率的等效性檢驗(yàn)時(shí)檢驗(yàn)效能的計(jì)算
47.15 成組設(shè)計(jì)均值與率的非劣效或優(yōu)效性檢驗(yàn)時(shí)檢驗(yàn)效能的計(jì)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(guān)的內(nèi)容簡(jiǎn)介（第48章～第55章）
附錄B 四個(gè)非編程模塊簡(jiǎn)介（第56章～第59章）
附錄C 數(shù)據(jù)挖掘技術(shù)與基因表達(dá)譜分析（第60章～第62章）
附錄D 各章實(shí)例與數(shù)據(jù)
附錄E 直接調(diào)用的SAS引導(dǎo)程序—SASPAL
附錄F 各章SAS輸出結(jié)果
附錄G 各章計(jì)算原理與計(jì)算公式
附錄H 各章參考文獻(xiàn)
附錄I 胡良平專著及配套軟件簡(jiǎn)介