SAS编程技术教程

第1篇对定量结果进行差异性分析

第1章SAS软件与SAS用法简介

1.1SAS软件简介

1.2SAS用法简介

1.3本章小结

第2章单因素设计一元定量资料差异性分析

2.1单组设计一元定量资料t检验与符号秩和检验

2.2配对设计一元定量资料t检验与符号秩和检验

2.3成组设计一元定量资料t检验

2.4成组设计一元定量资料Wi1coxon秩和检验

2.5单因素k（k≥3）水平设计定量资料一元方差分析

2.6单因素k（k≥3）水平设计定量资料一元协方差分析

2.7单因素k（k≥3）水平设计一元定量资料Kruska1-Wa11is秩和检验

2.8本章小结

第3章单因素设计一元生存资料差异性分析

第1篇对定量结果进行差异性分析

第1章SAS软件与SAS用法简介

1.1SAS软件简介

1.2SAS用法简介

1.3本章小结

第2章单因素设计一元定量资料差异性分析

2.1单组设计一元定量资料t检验与符号秩和检验

2.2配对设计一元定量资料t检验与符号秩和检验

2.3成组设计一元定量资料t检验

2.4成组设计一元定量资料Wi1coxon秩和检验

2.5单因素k（k≥3）水平设计定量资料一元方差分析

2.6单因素k（k≥3）水平设计定量资料一元协方差分析

2.7单因素k（k≥3）水平设计一元定量资料Kruska1-Wa11is秩和检验

2.8本章小结

第3章单因素设计一元生存资料差异性分析

3.1单因素设计一元生存资料分析简介

3.2生存资料统计描述

3.3生存曲线比较

3.4本章小结

第4章多因素设计一元定量资料差异性分析

4.1随机区组设计一元定量资料方差分析与Friedman秩和检验

4.2双因素无重复实验设计一元定量资料方差分析

4.3平衡不完全随机区组设计一元定量资料方差分析

4.4拉丁方设计一元定量资料方差分析

4.5二阶段交叉设计一元定量资料方差分析

4.6析因设计一元定量资料方差分析

4.7含区组因素的析因设计一元定量资料方差分析

4.8嵌套设计一元定量资料方差分析

4.9裂区设计一元定量资料方差分析

4.9.1问题与数据

4.10正交设计一元定量资料方差分析

4.11重复测量设计一元定量资料方差分析

4.12常见多因素实验设计一元定量资料协方差分析

4.13多个单因素两水平设计定量资料Meta分析

4.14本章小结

第5章单因素设计多元定量资料差异性分析

5.1问题、数据及统计分析方法的选择

5.2单因素设计定量资料多元方差和协方差分析

5.3本章小结

第6章多因素设计多元定量资料差异性分析

6.1问题、数据及统计分析方法的选择

6.2多因素设计定量资料多元方差和协方差分析

6.3本章小结

第2篇对定性结果进行差异性分析

第7章单因素设计一元定性资料差异性分析

7.1单组设计一维表资料统计分析

7.2配对设计四格表资料统计分析

7.3配对设计扩大形式的方表资料统计分析

7.4成组设计横断面研究四格表资料统计分析

7.5成组设计队列研究四格表资料统计分析

7.6成组设计病例对照研究四格表资料统计分析

7.7成组设计结果变量为多值有序变量的2×C表资料统计分析

7.8成组设计结果变量为多值名义变量的2×C表资料统计分析

7.9单因素多水平设计无序原因变量R×2表资料统计分析

7.10单因素多水平设计有序原因变量R×2表资料统计分析

7.11单因素多水平设计双向无序R×C表资料统计分析

7.12单因素多水平设计有序结果变量R×C表资料统计分析

7.13单因素多水平设计双向有序R×C表资料统计分析

7.14数据库形式表达资料的统计分析

7.15本章小结

第8章多因素设计一元定性资料差异性分析

8.1用加权检验处理结果变量为二值变量的高维列联表资料

8.2用检验处理结果变量具有3种性质的高维列联表资料

8.3用Meta分析分别合并处理多个成组设计定性资料

8.4ROC方法分析诊断试验资料

8.5本章小结

第9章多因素设计一元定性资料对数线性模型分析

9.1问题、数据及统计分析方法的选择

9.2用对数线性模型分析列联表资料

9.3本章小结

第3篇对定量结果进行预测性分析

第10章两变量简单线性回归分析

10.1问题、数据及统计分析方法的选择

10.2Pearson线性相关分析

10.3Spearman秩相关分析

10.4简单线性回归分析

10.5加权线性回归分析

10.6本章小结

第11章两变量可直线化曲线回归分析

11.1问题、数据及统计分析方法的选择

11.2对数函数、幂函数和双曲函数曲线回归分析

11.3指数函数曲线回归分析

11.4Logistic函数曲线回归分析

11.5本章小结

第12章各种复杂曲线回归分析

12.1多项式曲线回归分析

12.2Logistic曲线回归分析

12.3Gompertz曲线回归分析

12.4二项型指数曲线回归分析

12.5三项型指数曲线回归分析

12.6本章小结

第13章多重线性回归分析

13.1问题、数据及统计分析方法的选择

13.2多重线性回归分析

13.3REG过程语法简介

13.4本章小结

第14章主成分回归分析

14.1问题、数据及统计分析方法的选择

14.2单组设计多元定量资料主成分回归分析

14.3本章小结

第15章现岭回归分析

15.1问题、数据及统计分析方法的选择

15.2岭回归分析

15.3与岭回归分析有关的SAS语句说明

15.4本章小结

第16章Poisson回归分析

16.1问题、数据及统计分析方法的选择

16.2Poisson回归分析

16.3本章小结

第17章负二项回归与Probit回归分析

17.1问题、数据及统计分析方法的选择

17.2负二项回归分析

17.3对例17-2资料进行Probit回归分析

17.4对例17-3资料进行Probit回归分析

17.5相关的SAS过程语法简介

17.6本章小结

第18章生存资料COX模型回归分析

18.1实例

18.2生存资料COX模型回归分析简介

18.3生存资料COX模型回归分析

18.4本章小结

第19章生存资料参数模型回归分析

19.1实例

19.2生存资料参数模型回归分析简介

19.3生存资料参数模型回归分析

19.4LIFEREG过程简介

19.5本章小结

第20章时间序列分析

20.1时间序列分析简介

20.2指数平滑法

20.3ARIMA模型

20.4谱分析

20.5X12方法

20.6本章小结

第4篇对定性结果进行预测性分析

第21章非配对设计定性资料多重1ogistic回归分析

21.1问题、数据及统计分析方法的选择

21.2二值变量的多重1ogistic回归分析

21.3多值有序变量的多重1ogistic回归分析

21.4多值名义变量的多重1ogistic回归分析

21.5本章小结

第22章配对设计定性资料多重1ogistic回归分析

22.1问题、数据及统计分析方法的选择

22.4本章小结

第23章原因变量为定量变量的判别分析

23.1实例

23.2原因变量为定量变量的判别分析简介

23.3原因变量为定量变量的判别分析

23.4本章小结

第24章原因变量为定性变量的判别分析

24.1实例

24.2原因变量为定性变量的判别分析简介

24.3原因变量为定性变量的判别分析

24.4本章小结

第25章遗传资料统计分析的SAS实现

25.1SAS/Genetics简介

25.2ALLELE、HAPLOTYPE和HTSNP过程简介

25.3利用CASECONTROL和FAMILY过程进行关联分析

25.4亲缘系数和近交系数

25.5结果校正和图形输出

25.6本章小结

第26章用SAS/Genetics分析遗传流行病学资料

26.1基因、基因型频率测定与Hardy-Weinberg平衡定律的验证

26.2连锁不平衡与单体型分析

26.3多位点基因型与疾病关联分析

26.4标签SNP的确认与SAS程序

26.5一般人群病例对照遗传资料的关联分析

26.6家系数据的关联分析

26.7本章小结

第27章决策树分析

27.1决策树简介

27.2决策树的基本原理

27.3决策树种类及决策树构造思路

27.4递归分割的分裂准则

27.5变量重要性检测

27.6实际应用与结果解释

27.7用数据挖掘模块近似实现各种决策树算法

27.8本章小结

第28章神经网络分析

28.1前馈型神经网络简介

28.2多层感知器的学习

28.3模型过拟合

28.4模型复杂性的评价

28.5实际应用与结果解释

28.6本章小结

第5篇多变量间相互与依赖关系分析

第29章主成分分析

29.1实例

29.2主成分分析简介

29.3主成分分析

29.4PRINCOMP过程简介

29.5本章小结

第30章探索性因子分析

30.1实例

30.2因子分析简介

30.3探索性因子分析

30.4FACTOR过程简介

30.5本章小结

第31章路径分析

31.1问题与数据结构

31.2用REG过程实现路径分析

31.3用CALIS过程实现路径分析

31.4如何处理非同质资料的思考

31.5本章小结

第32章证实性因子分析

32.1实例

32.2证实性因子分析简介

32.3证实性因子分析

32.4CALIS过程简介

32.5本章小结

第33章结构方程模型分析

33.1实例

33.2结构方程模型简介

33.3结构方程模型分析

33.4本章小结

第34章典型相关分析

34.1实例

34.2典型相关分析概述

34.3典型相关分析

34.4CANCORR过程简介

34.5本章小结

第6篇变量或样品间亲疏关系或近似程度分析

第35章变量聚类分析

35.1实例

35.2变量聚类分析简介

35.3变量聚类分析

35.4VARCLUS过程简介

35.5本章小结

第36章无序样品聚类分析

36.1实例

36.2无序样品聚类分析简介

36.3无序样品聚类分析

36.4CLUSTER过程等简介

36.5本章小结

第37章有序样品聚类分析

37.1实例

37.2有序样品聚类分析概述

37.3用编程法实现有序样品聚类分析

37.4本章小结

第38章综合评价

38.1问题、数据及统计分析方法的选择

38.2用几种常用的综合评价方法解决实际问题

38.3本章小结

第39章多维尺度分析

39.1实例

39.2多维尺度分析简介

39.3多维尺度分析

39.4MDS过程简介

39.5本章小结

第40章定量资料对应分析

40.1实例

40.2对应分析简介

40.3定量资料对应分析

40.4数据结构及语句简介

40.5本章小结

第41章定性资料对应分析

41.1实例

41.2定性资料对应分析

41.3本章小结

第7篇数据挖掘技术与基因表达谱分析简析

第42章数据挖掘的概念及常用统计分析技术简介

42.1数据挖掘的基本概念

42.2SAS企业数据挖掘器介绍

42.3关联规则与序列规则

42.4分类预测

42.5本章小结

第43章基因表达谱的概念与数据分析技术简介

43.1基因表达谱的概念

43.2基因表达谱的数据获取及标准化

43.3基因表达数据分析技术

43.4基因调控网络分析

43.5本章小结

第44章生物信息学简介

44.1生物信息学定义

44.2统计学在生物信息学中的应用

44.3本章小结

第8篇用编程法绘制统计图与实现实验设计

第45章绘制统计图

45.1问题、数据及统计描述方法的选择

45.2绘制单式条图

45.3绘制复式条图

45.4绘制百分条图

45.5绘制圆图

45.6绘制箱式图

45.7绘制直方图

45.8绘制散布图

45.9绘制普通线图

45.10绘制半对数线图

45.11绘制P-P图和Q-Q图

45.12本章小结

第46章实验设计方案的SAS实现

46.1成组设计方案的SAS实现

46.2单因素多水平设计方案的SAS实现

46.3随机区组设计方案的SAS实现

46.4拉丁方设计方案的SAS实现

46.52×2交叉设计方案的SAS实现

46.63×3交叉设计方案的SAS实现

46.7析因设计方案的SAS实现

46.8含区组因素的析因设计方案的SAS实现

46.9裂区设计方案的SAS实现

46.10平衡不完全区组设计方案的SAS实现

46.11本章小结

第47章样本含量估计和检验效能分析

47.1样本含量估计的意义

47.2确定样本含量时应具备的条件

47.3估计总体均值时样本含量的估计

47.4估计总体率时样本含量的估计

47.5单组设计均值与率的检验时样本含量的估计

47.6配对设计均值与率的检验时样本含量的估计

47.7成组设计均值与率的差异性检验时样本含量的估计

47.8成组设计均值与率的等效性检验时样本含量的估计

47.9成组设计均值与率的非劣效或优效性检验时样本含量的估计

47.10单因素多水平设计均值与率的检验时样本含量的估计

47.11检验效能分析的概述

47.12单组、配对或交叉设计定量资料假设检验时检验效能的计算

47.13成组设计均值与率的差异性检验时检验效能的计算

47.14成组设计均值与率的等效性检验时检验效能的计算

47.15成组设计均值与率的非劣效或优效性检验时检验效能的计算

47.16本章小结

放在与本书配套的光盘上的内容

附录A与SAS语言有关的内容简介（第48章～第55章）

附录B四个非编程模块简介（第56章～第59章）

附录C数据挖掘技术与基因表达谱分析（第60章～第62章）

附录D各章实例与数据

附录E直接调用的SAS引导程序—SASPAL

附录F各章SAS输出结果

附录G各章计算原理与计算公式

附录H各章参考文献

附录I胡良平专著及配套软件简介

本书是作者多年来利用SAS软件进行教学与科研工作的结晶。本书内容全面、系统性强、层次明确、语言简练，适合数学、统计学、经济和金融等专业的本科生、研究生作为高等学校相关专业的教材，同时也可供专业从业人员学习参考。本书封面贴有清华大学出版社防伪标签，无标签者不得销售。

《SAS编程技术教程》内容丰富且新颖，适用面宽且可操作性强。涉及到定量与定性资料差异性和预测性分析、变量间和样品间相互与依赖关系及近似程度分析、数据挖掘与基因表达谱分析、绘制统计图与实验设计、SAS语言和SAS非编程模块用法。这些内容高质量高效率地解决了实验设计、统计表达与描述、各种常用和多元统计分析、现代回归分析和数据挖掘、SAS语言基础和SAS实现及结果解释等人们迫切需要解决却又十分棘手的问题。《SAS编程技术教程》适合于需要学习和运用实验设计、统计表达与描述和统计分析及SAS实现的本科生、研究生、博士生、科研和管理工作者、临床医生和杂志编辑学习和使用。