目錄
第1篇 R與SAS軟件基礎知識
第1章 R軟件概述 3
1.1 R軟件的歷史 3
1.2 R軟件的功能 3
1.3 R軟件的獲取 3
1.4 R軟件的界面 5
1.5 R軟件包中的函數(shù) 7
1.6 R軟件的工作目錄及改變工作目錄 12
1.7 使用R軟件的幫助功能 13
第2章 在R軟件環(huán)境中輸入和輸出數(shù)據(jù) 14
2.1 通過R軟件或RStudio軟件提供的控制臺輸入和輸出數(shù)據(jù) 14
2.2 在R軟件環(huán)境中以文本格式輸入和輸出數(shù)據(jù) 17
2.3 在R軟件環(huán)境中以Excel格式輸入和輸出數(shù)據(jù) 18
2.4 在R軟件環(huán)境中以SAS格式輸入和輸出數(shù)據(jù) 21
2.5 在R軟件環(huán)境中以SPSS格式輸入和輸出數(shù)據(jù) 25
2.6 在R軟件環(huán)境中以Stata格式輸入和輸出數(shù)據(jù) 26
2.7 在R軟件環(huán)境中以R格式輸入和輸出數(shù)據(jù) 27
第3章 R語言簡介 31
3.1 R語言概述 31
3.2 R語法 32
3.3 R對象 41
3.4 函數(shù) 62
第4章 SAS軟件概述 72
4.1 SAS軟件的歷史與規(guī)模 72
4.2 SAS軟件的框架與結構 72
4.3 SAS環(huán)境與SAS窗口 73
4.4 發(fā)揮SAS幫助功能的作用 74
4.5 SAS過程與SAS程序的區(qū)別 74
4.6 SAS數(shù)據(jù)步與SAS過程步簡介 75
4.7 SAS數(shù)據(jù)集與其他格式的數(shù)據(jù)簡介 76
第5章 在SAS軟件環(huán)境中輸入和輸出數(shù)據(jù) 80
5.1 概述 80
5.2 導入/導出向導 80
5.3 IMPORT和EXPORT過程 88
5.4 數(shù)據(jù)直接訪問 92
第6章 基本SAS語言簡介 95
6.1 SAS程序 95
6.2 SAS語句的概念 96
6.3 數(shù)據(jù)步常用語句 100
6.4 過程步常用語句 140
6.5 全程語句 143
第7章 SAS常用函數(shù)簡介 147
7.1 截取函數(shù) 147
7.2 分位數(shù)函數(shù) 149
7.3 數(shù)學函數(shù) 152
7.4 概率函數(shù) 156
7.5 樣本統(tǒng)計函數(shù) 160
7.6 隨機數(shù)函數(shù) 163
第2篇 醫(yī)學科研設計中關鍵技術的軟件實現(xiàn)
第8章 醫(yī)學科研設計要覽 171
8.1 醫(yī)學課題研究概述 171
8.2 醫(yī)學科研設計方案的種類及主要內容 172
8.3 醫(yī)學倫理道德 175
8.4 國際注冊 176
8.5 硬件和軟件條件 176
8.6 醫(yī)學科研課題技術設計方案中的核心內容 177
第9章 估計樣本含量與檢驗效能 184
9.1 估計樣本含量與檢驗效能的概述 184
9.2 定量資料假設檢驗時估計樣本含量與檢驗效能 185
9.3 定性資料假設檢驗時估計樣本含量與檢驗效能 193
第10章 產(chǎn)生隨機數(shù)與隨機抽樣 197
10.1 產(chǎn)生隨機數(shù) 197
10.2 隨機抽樣 204
第11章 隨機分組與統(tǒng)計模擬 214
11.1 隨機分組 214
11.2 統(tǒng)計模擬 219
第3篇 定性資料廣義差異性分析的軟件實現(xiàn)
第12章 單組設計一元定性資料區(qū)間估計與假設檢驗 235
12.1 問題與數(shù)據(jù) 235
12.2 對數(shù)據(jù)結構的分析 235
12.3 分析目的與統(tǒng)計分析方法的選擇 235
12.4 基于R的單個率的假設檢驗與區(qū)間估計 235
12.5 基于SAS的單個率的假設檢驗與區(qū)間估計 239
第13章 2×2列聯(lián)表資料廣義差異性分析 244
13.1 配對設計四格表資料的多種診斷指標的計算 244
13.2 配對設計四格表資料的一致性與對稱性檢驗 247
13.3 橫斷面設計2×2表資料差異性分析 249
13.4 隊列研究設計2×2表資料差異性分析 251
13.5 病例對照研究設計2×2表資料差異性分析 253
13.6 橫斷面設計2×2表資料非劣效性分析 254
13.7 橫斷面設計2×2表資料等效性分析 255
13.8 橫斷面設計2×2表資料優(yōu)效性分析 256
第14章 R×2列聯(lián)表與2×C列聯(lián)表資料線性趨勢檢驗 258
14.1 R×2列聯(lián)表資料線性趨勢檢驗 258
14.2 2×C列聯(lián)表資料線性趨勢檢驗 261
第15章 R×C列聯(lián)表資料廣義差異性分析 265
15.1 橫斷面設計雙向無序R×C列聯(lián)表資料差異性分析 265
15.2 橫斷面設計結果變量為有序變量單向有序R×C列聯(lián)表資料秩和檢驗 266
15.3 橫斷面設計雙向有序且屬性不同R×C列聯(lián)表資料Spearman秩相關分析 268
15.4 配對設計擴大形式雙向有序且屬性相同列聯(lián)表資料一致性分析 271
15.5 配對設計擴大形式雙向有序且屬性相同列聯(lián)表資料Kendall’s tau-b秩相關分析 273
第16章 高維列聯(lián)表資料廣義差異性分析 276
16.1 結果變量為二值變量高維列聯(lián)表資料CMH校正χ2檢驗 276
16.2 結果變量為多值名義變量高維列聯(lián)表資料CMH校正χ2檢驗 280
16.3 結果變量為多值有序變量高維列聯(lián)表資料CMH校正秩和檢驗 283
第4篇 定量資料廣義差異性分析的軟件實現(xiàn)
第17章 定量資料參數(shù)假設檢驗前提條件的檢查 289
17.1 單組設計一元定量資料小樣本正態(tài)性檢驗 289
17.2 單組設計一元定量資料大樣本正態(tài)性檢驗 290
17.3 單因素兩水平設計一元定量資料方差齊性檢驗 292
17.4 單因素多水平設計一元定量資料方差齊性檢驗 294
第18章 單因素設計一元定量資料廣義差異性分析 297
18.1 單組設計一元定量資料t檢驗及符號秩和檢驗 297
18.2 配對設計一元定量資料t檢驗與符號秩和檢驗 298
18.3 成組設計一元定量資料差異性檢驗——t檢驗及秩和檢驗 300
18.4 成組設計一元定量資料非劣效性檢驗 302
18.5 成組設計一元定量資料等效性檢驗 303
18.6 成組設計一元定量資料優(yōu)效性檢驗 304
18.7 單因素多水平設計一元定量資料方差分析及秩和檢驗 306
18.8 多個均值之間的兩兩比較 309
第19章 無法考察交互作用的多因素設計一元定量資料方差分析 312
19.1 無重復試驗隨機區(qū)組設計一元定量資料方差分析 312
19.2 交叉設計一元定量資料方差分析 319
19.3 拉丁方設計一元定量資料方差分析 321
19.4 嵌套設計一元定量資料方差分析 323
第20章 考察全部交互作用的多因素設計一元定量資料方差分析 330
20.1 兩因素析因設計一元定量資料方差分析 330
20.2 三因素析因設計一元定量資料方差分析 335
第21章 考察部分交互作用的多因素設計一元定量資料方差分析 339
21.1 正交設計一元定量資料方差分析 339
21.2 裂區(qū)設計一元定量資料方差分析 347
21.3 重復測量設計一元定量資料方差分析 350
第5篇 變量間相關與回歸分析的軟件實現(xiàn)
第22章 兩變量間簡單線性相關分析 363
22.1 問題、數(shù)據(jù)及統(tǒng)計分析方法的選擇 363
22.2 Pearson線性相關分析 366
22.3 Spearman秩相關分析 367
第23章 兩變量間簡單線性回歸分析 370
23.1 問題、數(shù)據(jù)及統(tǒng)計分析方法的選擇 370
23.2 簡單線性回歸分析 370
第24章 兩變量間簡單曲線回歸分析 373
24.1 問題與數(shù)據(jù) 373
24.2 分析與解答 374
第25章 多重線性回歸分析核心內容與關鍵技術概述 384
25.1 與多重線性回歸分析有關的基本概念 384
25.2 構建多重線性回歸分析模型的方法 390
25.3 多重線性回歸分析模型的假設檢驗 393
25.4 實施多重線性回歸分析的重要步驟與關鍵技術 394
25.5 多重線性回歸分析模型擬合效果的評價 398
第26章 基于經(jīng)典統(tǒng)計思想實現(xiàn)多重線性回歸分析 400
26.1 未引入派生變量并采用經(jīng)典統(tǒng)計思想實現(xiàn)多重線性回歸分析 400
26.2 引入派生變量并采用經(jīng)典統(tǒng)計思想實現(xiàn)多重線性回歸分析 414
26.3 基于主成分回歸分析與嶺回歸分析實現(xiàn)多重線性回歸分析 424
第27章 基于貝葉斯統(tǒng)計思想實現(xiàn)多重線性回歸分析 428
27.1 MCMC方法概述 428
27.2 未引入派生變量且基于貝葉斯統(tǒng)計思想實現(xiàn)多重線性回歸分析 429
27.3 引入派生變量且基于貝葉斯統(tǒng)計思想實現(xiàn)多重線性回歸分析 433
第28章 基于機器學習統(tǒng)計思想實現(xiàn)多重線性回歸分析 436
28.1 機器學習回歸分析方法概述 436
28.2 未引入派生變量且基于BP神經(jīng)網(wǎng)絡回歸分析建模 437
第29章 基于經(jīng)典統(tǒng)計思想實現(xiàn)二值因變量的多重logistic回歸分析 441
29.1 二值因變量的多重logistic回歸模型的建模與求解 441
29.2 問題與數(shù)據(jù)結構 443
29.3 二值因變量的多重logistic回歸分析 446
29.4 基于SAS實現(xiàn)ROC曲線下面積計算與比較 454
第30章 基于經(jīng)典統(tǒng)計思想實現(xiàn)多值有序因變量的多重logistic回歸分析 463
30.1 多值有序因變量的多重logistic回歸模型的建模與求解 463
30.2 問題與數(shù)據(jù)結構 465
30.3 多值有序因變量的多重logistic回歸分析 467
第31章 生存資料非參數(shù)統(tǒng)計分析 474
31.1 概述 474
31.2 問題與數(shù)據(jù)結構 477
31.3 單因素一元生存資料非參數(shù)統(tǒng)計分析 478
第32章 生存資料Cox比例風險模型回歸分析 483
32.1 概述 483
32.2 問題與數(shù)據(jù)結構 484
32.3 基于SAS的生存資料Cox比例風險模型回歸分析 487
32.4 基于R的生存資料Cox比例風險模型回歸分析 490
第33章 Cox非比例風險模型回歸分析 494
33.1 概述 494
33.2 問題與數(shù)據(jù)結構 494
33.3 基于SAS的生存資料Cox比例風險模型回歸分析 495
第34章 生存資料的參數(shù)模型回歸分析 507
34.1 概述 507
34.2 問題與數(shù)據(jù)結構 508
34.3 基于SAS的生存資料參數(shù)模型回歸分析的準備 508
34.4 未引入派生變量且基于SAS的生存資料參數(shù)模型回歸分析 509
34.5 引入派生變量且基于SAS的生存資料參數(shù)模型回歸分析 517
34.6 最優(yōu)模型的判定 524
34.7 基于R實現(xiàn)生存資料參數(shù)模型回歸分析 525
第6篇 判別分析與聚類分析的軟件實現(xiàn)
第35章 基于R軟件采用支持向量機方法實現(xiàn)判別分析 531
35.1 三類別資料及其分類問題 531
35.2 支持向量機方法的實現(xiàn) 533
35.3 用支持向量機方法進行判別分析 534
35.4 用支持向量機方法進行判別分析的R程序匯