基于SAS的属性数据分析2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

基于SAS的属性数据分析PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 类别变量与属性数据1

1.1 属性数据简介1

1.2 属性数据表示形式1

1.3 SAS指定类别变量水平顺序的方法4

1.4 SAS的属性数据分析过程6

习题17

第2章 列联表分析8

2.1 一维表分析8

2.1.1 输出一维表8

2.1.2 比例检验9

2.2 2×2列联表13

2.2.1 2×2表的比例差14

2.2.2 相对风险和优势比14

2.3 二维列联表（r×s表）及其相关性分析18

2.3.1 名义类别变量的相关性分析18

2.3.2 2×2表的Fisher精确检验22

2.3.3 有序类别变量的相关性分析27

2.4 高维列联表相关性分析33

2.4.1 条件关联分析33

2.4.2 边缘关联分析36

2.4.3 辛普森悖论的概率37

2.4.4 多重关联的CMH检验39

2.5 二维列联表的一致性分析41

2.5.1 简单卡帕系数42

2.5.2 加权卡帕系数44

2.6 列联表的对称性检验48

习题251

第3章 logistic回归——类别变量的广义线性回归模型（上）54

3.1 二值logistic回归54

3.1.1 二值logistic回归模型简介55

3.1.2 SAS的logistic过程简介57

3.1.3 事件数—试验数简便输入61

3.1.4 含有类别自变量的二值logistic回归63

3.1.5 自变量无序的logistic回归65

3.1.6 含有有序类别自变量的二值logistic回归66

3.1.7 模型选择68

3.1.8 含有交互效应的logistic回归71

3.1.9 通过模型选择作多项式logistic回归72

3.2 多值logistic回归73

3.2.1 多值名义logistic回归：基线—类别logit回归73

3.2.2 多值顺序logistic回归77

3.3 条件logistic回归85

3.3.1 用exact语句作条件logistic回归86

3.3.2 用strata语句作条件logistic回归88

3.4 probit回归和补log-log模型90

3.4.1 补log-log模型90

3.4.2 累积probit回归92

习题393

第4章 一般广义线性回归模型——类别变量的广义线性回归模型（下）96

4.1 广义线性模型及genmod过程96

4.1.1 广义线性模型简介96

4.1.2 SAS的genmod过程简介98

4.1.3 目前SAS的genmod过程使用的分布99

4.1.4 目前SAS的genmod过程使用的链接函数101

4.1.5 拟合优度检验与模型选择102

4.1.6 GLM模型链接函数的选择106

4.1.7 GLM的优势109

4.2 二项分布的广义线性模型109

4.2.1 二项分布的线性模型109

4.2.2 二项分布的logistic模型109

4.2.3 二项分布的probit模型112

4.2.4 有序响应的累积logistic回归114

4.3 泊松分布的广义线性模型120

4.3.1 泊松分布的线性回归模型120

4.3.2 泊松分布的对数线性回归模型122

4.3.3 “过度分散”数据的对数线性回归模型123

4.3.4 比率数据的对数线性回归模型126

4.4 列联表的对数线性模型128

4.4.1 对数线性模型用于列联表计算129

4.4.2 对数线性模型用于关联性分析134

4.5 配对数据的分析模型144

4.5.1 拟独立性模型在一致性分析中的应用144

4.5.2 配对数据边缘分布的齐性检验151

4.5.3 配对数据的对称性检验158

习题4173

第5章 对应分析177

5.1 简单对应分析177

5.2 多重对应分析182

习题5187

第6章 重复测量模型和多层数据GLMM模型188

6.1 重复测量边缘模型189

6.1.1 重复测量边缘模型和GEE方法189

6.1.2 二分响应边缘logit模型191

6.1.3 续存检验和交叉设计206

6.1.4 多项响应重复测量模型212

6.1.5 计数数据的重复测量模型216

6.1.6 缺失数据的重复测量模型223

6.2 重复测量模型的广义线性混合模型（条件模型的特例）226

6.2.1 广义线性混合模型和nlmixed过程简介227

6.2.2 二分响应logistic—正态模型231

6.2.3 多项响应GLMM模型245

6.2.4 计数数据的GLMM模型265

6.2.5 缺失数据的GLMM模型269

6.2.6 多个随机效应的GLMM模型270

6.2.7 边缘模型与GLMM模型的比较276

6.3 多层数据的GLMM模型276

6.3.1 没有第一层解释变量的两层GLMM模型279

6.3.2 没有第二层解释变量的GLMM模型295

习题6309

参考文献317