基本信息
書名：SAS統計分析教程
| 作 者： | 胡良平 主編 | ||
| 出 版 社： | 電子工業出版社 | ||
| 條 形 碼： | 9787121109768 ; 978-7-121-10976-8 | ||
| I S B N ： | 9787121109768 | 出版時間： | 2010-6-1 |
| 開 本： | 16開 | 頁 數： | 706 |
簡介
本書內容豐富且新穎，適用面寬且可操作性強。涉及到定量與定性資料差異性和預測性分析、變數間和樣品間相互與依賴關係及近似程度分析、數據挖掘與基因表達譜分析、繪製統計圖與實驗設計、SAS語言和sas非編程模組用法。這些內容高質量高效率地解決了實驗設計、統計表達與描述、各種常用和多元統計分析、現代回歸分析和數據挖掘、sas語言基礎和sas實現及結果解釋等人們迫切需要解決卻又十分棘手的問題。
本書適合於需要學習和運用實驗設計、統計表達與描述和統計分析及sas實現的本科生、研究生、博士生、科研和管理工作者、臨床醫生和雜誌編輯學習和使用。
目錄
第1篇 對定量結果進行差異性分析
第1章 sas軟體與sas用法簡介
1.1 sas軟體簡介
1.2 sas用法簡介
1.3 本章小結
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
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 生存資料統計描述
3.3 生存曲線比較
3.4 本章小結
第4章 多因素設計一元定量資料差異性分析
4.1 隨機區組設計一元定量資料方差分析與 friedman秩和檢驗
4.2 雙因素無重複實驗設計一元定量資料方差分析
4.3 平衡不完全隨機區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 裂區設計一元定量資料方差分析
4.9.1 問題與數據
4.10 正交設計一元定量資料方差分析
4.11 重複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
第5章 單因素設計多元定量資料差異性分析
5.1 問題、數據及統計分析方法的選擇
5.2 單因素設計定量資料多元方差和協方差分析
5.3 本章小結
第6章 多因素設計多元定量資料差異性分析
6.1 問題、數據及統計分析方法的選擇
6.2 多因素設計定量資料多元方差和協方差分析
6.3 本章小結
第2篇 對定性結果進行差異性分析
第7章 單因素設計一元定性資料差異性分析
第8章 多因素設計一元定性資料差異性分析
8.1 用加權 檢驗處理結果變數為二值變數的高維列聯表資料
8.2 用 檢驗處理結果變數具有3種性質的高維列聯表資料
8.3 用meta分析分別合併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
第9章 多因素設計一元定性資料對數線性模型分析
9.1 問題、數據及統計分析方法的選擇
9.2 用對數線性模型分析列聯表資料
9.3 本章小結
第3篇 對定量結果進行預測性分析
第10章 兩變數簡單線性回歸分析
10.1 問題、數據及統計分析方法的選擇
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 加權線性回歸分析
10.6 本章小結
第11章 兩變數可直線化曲線回歸分析
11.1 問題、數據及統計分析方法的選擇
11.2 對數函式、冪函式和雙曲函式曲線回歸分析
11.3 指數函式曲線回歸分析
11.4 logistic函式曲線回歸分析
11.5 本章小結
第12章 各種複雜曲線回歸分析
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 二項型指數曲線回歸分析
12.5 三項型指數曲線回歸分析
12.6 本章小結
第13章 多重線性回歸分析
13.1 問題、數據及統計分析方法的選擇
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
第14章 主成分回歸分析
14.1 問題、數據及統計分析方法的選擇
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
第15章 現嶺回歸分析
15.1 問題、數據及統計分析方法的選擇
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
第16章 poisson回歸分析
16.1 問題、數據及統計分析方法的選擇
16.2 poisson回歸分析
16.3 本章小結
第17章 負二項回歸與probit回歸分析
17.1 問題、數據及統計分析方法的選擇
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
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
第19章 生存資料參數模型回歸分析
19.1 實例
19.2 生存資料參數模型回歸分析簡介
19.3 生存資料參數模型回歸分析
19.4 lifereg過程簡介
19.5 本章小結
第20章 時間序列分析
20.1 時間序列分析簡介
20.2 指數平滑法
20.3 arima模型
20.4 譜分析
20.5 x12方法
20.6 本章小結
第4篇 對定性結果進行預測性分析
第21章 非配對設計定性資料多重logistic回歸分析
21.1 問題、數據及統計分析方法的選擇
21.2 二值變數的多重logistic回歸分析
21.3 多值有序變數的多重logistic回歸分析
21.4 多值名義變數的多重logistic回歸分析
21.5 本章小結
第22章 配對設計定性資料多重logistic回歸分析
22.1 問題、數據及統計分析方法的選擇
22.4 本章小結
第23章 原因變數為定量變數的判別分析
23.1 實例
23.2 原因變數為定量變數的判別分析簡介
23.3 原因變數為定量變數的判別分析
23.4 本章小結
第24章 原因變數為定性變數的判別分析
24.1 實例
24.2 原因變數為定性變數的判別分析簡介
24.3 原因變數為定性變數的判別分析
24.4 本章小結
第25章 遺傳資料統計分析的sas實現
25.1 sas/genetics簡介
25.2 allele、haplotype和htsnp過程簡介
25.3 利用casecontrol和family過程進行關聯分析
25.4 親緣係數和近交係數
25.5 結果校正和圖形輸出
25.6 本章小結
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分析
26.4 標籤snp的確認與sas程式
26.5 一般人群病例對照遺傳資料的關聯分析
26.6 家係數據的關聯分析
26.7 本章小結
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造思路
27.4 遞歸分割的分裂準則
27.5 變數重要性檢測
27.6 實際套用與結果解釋
27.7 用數據挖掘模組近似實現各種決策樹算法
27.8 本章小結
第28章 神經網路分析
28.1 前饋型神經網路簡介
28.2 多層感知器的學習
28.3 模型過擬合
28.4 模型複雜性的評價
28.5 實際套用與結果解釋
28.6 本章小結
第5篇 多變數間相互與依賴關係分析
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
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
第31章 路徑分析
31.1 問題與數據結構
31.2 用reg過程實現路徑分析
31.3 用calis過程實現路徑分析
31.4 如何處理非同質資料的思考
31.5 本章小結
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
第33章 結構方程模型分析
33.1 實例
33.2 結構方程模型簡介
33.3 結構方程模型分析
33.4 本章小結
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
第6篇 變數或樣品間親疏關係或近似程度分析
第35章 變數聚類分析
35.1 實例
35.2 變數聚類分析簡介
35.3 變數聚類分析
35.4 varclus過程簡介
35.5 本章小結
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
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 用編程法實現有序樣品聚類分析
37.4 本章小結
第38章 綜合評價
38.1 問題、數據及統計分析方法的選擇
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
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
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 數據結構及語句簡介
40.5 本章小結
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
第7篇 數據挖掘技術與基因表達譜分析簡析
第42章 數據挖掘的概念及常用統計分析技術簡介
42.1 數據挖掘的基本概念
42.2 sas企業數據挖掘器介紹
42.3 關聯規則與序列規則
42.4 分類預測
42.5 本章小結
第43章 基因表達譜的概念與數據分析技術簡介
43.1 基因表達譜的概念
43.2 基因表達譜的數據獲取及標準化
43.3 基因表達數據分析技術
43.4 基因調控網路分析
43.5 本章小結
第44章 生物信息學簡介
44.1 生物信息學定義
44.2 統計學在生物信息學中的套用
44.3 本章小結
第8篇 用編程法繪製統計圖與實現實驗設計
第45章 繪製統計圖
45.1 問題、數據及統計描述方法的選擇
45.2 繪製單式條圖
45.3 繪製複式條圖
45.4 繪製百分條圖
45.5 繪製圓圖
45.6 繪製箱式圖
45.7 繪製直方圖
45.8 繪製散布圖
45.9 繪製普通線圖
45.10 繪製半對數線圖
45.11 繪製p-p圖和q-q圖
45.12 本章小結
第46章 實驗設計方案的sas實現
第47章 樣本含量估計和檢驗效能分析
附錄a 與sas語言有關的內容簡介（第48章～第55章）
附錄b 四個非編程模組簡介（第56章～第59章）
附錄c 數據挖掘技術與基因表達譜分析（第60章～第62章）
附錄d 各章實例與數據
附錄e 直接調用的sas引導程式—saspal
附錄f 各章sas輸出結果
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體簡介
