SAS高级统计分析教程 第2版PDF|Epub|txt|kindle电子书版本网盘下载

SAS高级统计分析教程 第2版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篇 统计分析基础1

第1章 应确保数据是值得分析的1

1.1 什么是数据和／或统计资料1

1.1.1 数据不等于统计资料1

1.1.2 统计资料的要素2

1.2 确保数据值得分析的第一道关——制订科学完善的课题设计方案3

1.2.1 什么叫科学研究3

1.2.2 科学研究与课题之间是什么关系3

1.2.3 做课题之前为什么要制订课题设计方案3

1.2.4 课题设计方案有哪些种类3

1.2.5 科学完善的科研设计方案的标志5

1.3 确保数据值得分析的第二道关——实时进行严格的过程质量控制6

1.3.1 必须严格控制课题实施过程中的质量6

1.3.2 进行质量控制的必要性6

1.3.3 进行质量控制的环节与措施7

1.4 确保数据值得分析的第三道关——确保数据的原始性没有被破坏7

1.4.1 应有切实可行的措施确保收集的数据具有原始性7

1.4.2 与常见试验设计类型对应的规范化统计表7

1.5 常见不值得分析的数据种类17

1.5.1 人为编造的数据是不值得分析的17

1.5.2 产生于质量控制不严的数据是不值得分析的20

1.5.3 经过错误的方法加工整理后的数据是不值得分析的20

1.5.4 不符合特定统计分析方法要求的数据是不值得分析的21

1.5.5 盲目解释基于误用统计分析方法所得到的分析结果是不可取的23

1.5.6 缺失值过多的数据是不值得分析的24

1.6 本章小结24

第2章 绘制统计图25

2.1 问题、数据及统计描述方法的选择25

2.1.1 问题与数据25

2.1.2 对数据结构的分析27

2.1.3 分析目的与统计描述方法的选择27

2.1.4 统计图概述28

2.2 绘制单式条图28

2.2.1 程序及说明28

2.2.2 输出单式条图29

2.3 绘制复式条图29

2.3.1 程序及说明29

2.3.2 输出复式条图30

2.4 绘制百分条图30

2.4.1 程序及说明30

2.4.2 输出百分条图31

2.5 绘制圆图32

2.5.1 程序及说明32

2.5.2 输出圆图32

2.6 绘制箱式图33

2.6.1 程序及说明33

2.6.2 输出箱式图33

2.7 绘制直方图34

2.7.1 程序及说明34

2.7.2 输出直方图34

2.8 绘制散点图35

2.8.1 程序及说明35

2.8.2 输出散点图35

2.9 绘制普通线图35

2.9.1 程序及说明35

2.9.2 输出普通线图36

2.10 绘制半对数线图37

2.10.1 程序及说明37

2.10.2 输出半对数线图37

2.11 绘制P-P图和Q-Q图38

2.11.1 程序及说明38

2.11.2 输出P-P图38

2.12 本章小结39

第3章 统计分析方法的分类与合理选用的关键技术40

3.1 统计分析方法的分类40

3.1.1 概述40

3.1.2 描述性统计分析40

3.1.3 探索性统计分析40

3.1.4 广义差异性统计分析41

3.1.5 广义相关与回归分析42

3.1.6 广义综合评价45

3.2 合理选用统计分析方法的关键技术47

3.2.1 合理选用统计分析方法的四要素47

3.2.2 合理选用统计分析方法的实例演示48

3.3 面对实际问题合理选用统计分析方法的要领50

3.3.1 描述性统计分析50

3.3.2 探索性统计分析51

3.3.3 传统差异性统计分析58

3.3.4 相关分析59

3.3.5 回归分析59

3.3.6 广义综合评价60

3.4 本章小结60

第4章 结合分析61

4.1 问题与数据结构61

4.1.1 实例61

4.1.2 对数据结构的分析63

4.1.3 统计分析目的与分析方法的选择63

4.2 结合分析内容简介63

4.2.1 基本概念63

4.2.2 基本原理64

4.3 结合分析的应用65

4.3.1 用SAS分析例4-1中的资料65

4.3.2 用SAS分析例4-2中的资料67

4.4 本章小结70

第2篇 变量间相互与依赖关系分析71

第5章 路径分析71

5.1 问题与数据结构71

5.1.1 实例71

5.1.2 对数据结构的分析72

5.1.3 分析目的与统计分析方法的选择72

5.2 路径分析内容简介73

5.2.1 路径分析概述73

5.2.2 适合进行路径分析的数据结构73

5.2.3 路径分析的基本概念74

5.2.4 路径分析的基本原理74

5.2.5 路径分析的步骤78

5.3 路径分析的应用79

5.3.1 用REG过程实现路径分析79

5.3.2 用CALIS过程实现路径分析82

5.3.3 如何处理非同质资料的思考85

5.3.4 用逐步多重线性回归分析方法分析例5-2的资料87

5.4 本章小结88

第6章 主成分分析89

6.1 问题与数据结构89

6.1.1 实例89

6.1.2 对数据结构的分析89

6.1.3 分析目的与统计分析方法的选择90

6.2 主成分分析内容简介90

6.2.1 主成分分析概述90

6.2.2 主成分分析的基本原理90

6.2.3 主成分的计算步骤及性质91

6.2.4 与主成分分析有关的其他内容94

6.2.5 PRINCOMP过程简介94

6.3 主成分分析的应用96

6.3.1 SAS程序96

6.3.2 主要分析结果及解释98

6.4 本章小结101

第7章 变量聚类分析102

7.1 问题与数据结构102

7.1.1 实例102

7.1.2 对数据结构的分析102

7.1.3 分析目的与统计分析方法的选择102

7.2 变量聚类分析内容简介103

7.2.1 变量聚类分析的概念103

7.2.2 变量聚类分析的聚类统计量103

7.2.3 适合进行变量聚类分析的数据结构103

7.2.4 VARCLUS过程简介103

7.3 变量聚类分析的应用106

7.3.1 SAS程序106

7.3.2 主要分析结果及解释107

7.4 本章小结111

第8章 典型相关分析112

8.1 问题与数据结构112

8.1.1 实例112

8.1.2 对数据结构的分析112

8.1.3 分析目的与统计分析方法的选择112

8.2 典型相关分析内容简介113

8.2.1 典型相关分析概述113

8.2.2 适合进行典型相关分析的数据结构113

8.2.3 典型相关变量和典型相关系数的定义及解法113

8.2.4 典型相关系数的假设检验115

8.2.5 典型冗余分析116

8.2.6 CANCORR过程简介117

8.3 典型相关分析的应用118

8.3.1 SAS程序118

8.3.2 主要分析结果及解释119

8.4 本章小结125

第9章 多元多重线性回归分析126

9.1 问题与数据结构126

9.1.1 实例126

9.1.2 对数据结构的分析126

9.1.3 统计分析目的与统计分析方法的选择126

9.2 多元多重线性回归分析内容简介127

9.2.1 基于普通最小二乘法筛选自变量的思路127

9.2.2 何为偏最小二乘回归分析127

9.2.3 偏最小二乘回归分析的基本原理与步骤127

9.3 偏最小二乘回归分析的应用128

9.3.1 问题与数据结构128

9.3.2 用两种检验方法来决定抽取几对主成分变量128

9.4 如何获得较多统计量的计算结果133

9.5 本章小结136

第10章 探索性因子分析137

10.1 问题与数据结构137

10.1.1 实例137

10.1.2 对数据结构的分析137

10.1.3 分析目的与统计分析方法的选择137

10.2 探索性因子分析内容简介138

10.2.1 概述138

10.2.2 探索性因子分析的数学模型138

10.2.3 探索性因子分析中载荷矩阵A的统计意义139

10.2.4 因子载荷矩阵A的估计方法140

10.2.5 公因子个数的确定方法141

10.2.6 因子旋转142

10.2.7 因子得分142

10.2.8 FACTOR过程简介143

10.3 探索性因子分析的应用145

10.3.1 SAS程序145

10.3.2 主要分析结果及解释146

10.4 本章小结152

第11章 证实性因子分析154

11.1 问题与数据结构154

11.1.1 实例154

11.1.2 对数据结构的分析154

11.1.3 分析目的与统计分析方法的选择155

11.2 证实性因子分析简介155

11.2.1 概述155

11.2.2 CALIS过程简介155

11.3 证实性因子分析的应用156

11.3.1 SAS程序156

11.3.2 主要分析结果及解释158

11.4 本章小结160

第12章 结构方程模型分析161

12.1 问题与数据结构161

12.1.1 实例161

12.1.2 对数据结构的分析161

12.1.3 分析目的与统计分析方法的选择162

12.2 结构方程模型简介162

12.2.1 概述162

12.2.2 基本原理163

12.3 结构方程模型分析的应用164

12.3.1 SAS程序164

12.3.2 主要分析结果及解释165

12.4 本章小结168

第3篇 样品间亲疏、优劣或相对位置分析169

第13章 传统综合评价169

13.1 问题与数据结构169

13.1.1 实例169

13.1.2 对数据结构的分析170

13.1.3 分析目的与统计分析方法的选择171

13.2 传统综合评价方法内容介绍172

13.2.1 综合评分法172

13.2.2 Topsis法173

13.2.3 层次分析法174

13.2.4 RSR综合评价法176

13.3 传统综合评价方法的应用177

13.3.1 用综合评分法对例13-1的资料进行综合评价177

13.3.2 用Topsis法对例13-2的资料进行综合评价181

13.3.3 用层次分析法对例13-3的资料进行综合评价183

13.3.4 用RSR综合评价法对例13-4的资料进行综合评价186

13.4 本章小结188

第14章 无序样品聚类分析189

14.1 问题与数据结构189

14.1.1 实例189

14.1.2 对数据结构的分析189

14.1.3 分析目的与统计分析方法的选择189

14.2 无序样品聚类分析简介190

14.2.1 概述190

14.2.2 无序样品聚类分析方法分类190

14.2.3 类的特征与个数的确定191

14.2.4 无序样品聚类分析的计算原理193

14.2.5 CLUSTER过程等简介200

14.3 无序样品聚类分析的应用204

14.3.1 SAS程序204

14.3.2 主要分析结果及解释206

14.4 本章小结212

第15章 有序样品聚类分析213

15.1 问题与数据结构213

15.1.1 实例213

15.1.2 对数据结构的分析214

15.1.3 分析目的与统计分析方法的选择214

15.2 有序样品聚类分析内容简介214

15.2.1 概述214

15.2.2 有序样品聚类分析的基本概念214

15.2.3 有序样品聚类分析的计算原理215

15.3 有序样品聚类分析的应用217

15.3.1 SAS程序217

15.3.2 主要分析结果及解释219

15.4 本章小结222

第16章 多维尺度分析223

16.1 问题与数据结构223

16.1.1 实例223

16.1.2 对数据结构的分析224

16.1.3 分析目的与统计分析方法的选择224

16.2 多维尺度分析内容简介224

16.2.1 概述224

16.2.2 度量型多维尺度分析的计算原理224

16.2.3 非度量型多维尺度分析的计算原理227

16.3 多维尺度分析的应用228

16.3.1 SAS程序228

16.3.2 主要分析结果及解释229

16.4 MDS过程简介231

16.5 本章小结233

第4篇 样品与变量或原因与结果之间的关联性分析234

第17章 定量资料对应分析234

17.1 问题与数据结构234

17.1.1 实例234

17.1.2 对数据结构的分析234

17.1.3 分析目的与统计分析方法的选择235

17.2 定量资料对应分析简介235

17.2.1 概述235

17.2.2 定量资料对应分析的基本原理235

17.2.3 定量资料对应分析的实施步骤236

17.3 定量资料对应分析的应用238

17.3.1 SAS程序238

17.3.2 主要分析结果及解释238

17.4 本章小结240

第18章 定性资料对应分析241

18.1 问题与数据结构241

18.1.1 实例241

18.1.2 对数据结构的分析241

18.1.3 分析目的与统计分析方法的选择242

18.2 定性资料对应分析内容简介242

18.3 定性资料对应分析的应用242

18.3.1 SAS程序242

18.3.2 主要分析结果及解释243

18.4 本章小结246

第19章 Shannon信息量分析247

19.1 问题与数据结构247

19.1.1 实例247

19.1.2 对数据结构的分析248

19.1.3 统计分析目的与分析方法的选择248

19.2 Shannon信息量分析内容简介248

19.2.1 概述248

19.2.2 Shannon信息量分析的基本原理248

19.3 Shannon信息量分析的应用250

19.3.1 对例19-1的资料进行Shannon信息量分析250

19.3.2 对例19-2的资料进行Shannon信息量分析251

19.4 本章小结252

第5篇 数据挖掘与分析253

第20章 决策树分析253

20.1 决策树简介253

20.2 决策树的基本原理253

20.3 决策树种类及决策树构造思路254

20.4 递归分割的分裂准则255

20.5 变量重要性检测259

20.6 实际应用与结果解释259

20.7 用数据挖掘模块近似实现各种决策树算法272

20.8 本章小结273

第21章 神经网络分析274

21.1 前馈型神经网络简介274

21.2 多层感知器的学习276

21.3 模型过拟合279

21.4 模型复杂性的评价279

21.4.1 模型泛化能力（Generalization）的评价279

21.4.2 模型选择的标准281

21.5 实际应用与结果解释281

21.6 本章小结294

第22章 数据挖掘与分析295

22.1 数据挖掘的基本概念295

22.1.1 数据挖掘的背景295

22.1.2 数据挖掘的基本概念295

22.1.3 数据挖掘任务的分类295

22.1.4 数据挖掘的应用296

22.2 SAS企业数据挖掘器介绍296

22.3 关联规则与序列规则296

22.3.1 关联规则分析296

22.3.2 关联规则挖掘实例分析297

22.3.3 序列规则则分析301

22.3.4 序列规则挖掘实例分析301

22.4 分类预测305

22.4.1 数据准备306

22.4.2 数据探索与数据转换306

22.4.3 构造预测模型307

22.4.4 模型评估与数据预测308

22.5 本章小结308

第23章 基因表达谱分析309

23.1 基因表达谱的概念309

23.2 基因表达谱的数据获取及标准化309

23.2.1 基因表达谱的数据获取309

23.2.2 基因表达数据的标准化310

23.3 基因表达数据分析技术311

23.3.1 差异表达基因的筛选311

23.3.2 基因表达的聚类分析方法311

23.4 基因调控网络分析320

23.5 本章小结322

第24章 生物信息分析323

24.1 生物信息学定义323

24.1.1 生物学问题323

24.1.2 生物数据323

24.1.3 计算工具323

24.2 统计学在生物信息学中的应用324

24.2.1 基于基因表达谱的样本分型研究324

24.2.2 基于基因表达谱的样本分类研究330

24.3 本章小结334

第6篇 遗传资料统计分析335

第25章 用SAS实现遗传资料统计分析335

25.1 SAS/Genetics简介335

25.2 ALLELE、HAPLOTYPE和HTSNP过程简介336

25.2.1 数据格式336

25.2.2 ALLELE过程的语法结构338

25.2.3 HAPLOTYPE过程的语法结构341

25.2.4 HTSNP过程的语法结构及其应用343

25.3 利用CASECONTROL和FAMILY进行关联分析344

25.3.1 CASECONTROL过程的语法结构344

25.3.2 FAMILY过程的语法结构及其应用345

25.4 亲缘系数和近交系数347

25.5 结果校正和图形输出349

25.5.1 平滑处理和多重检验校正349

25.5.2 PSMOOTH过程的语法结构及其应用349

25.5.3 %TPLOT宏及其应用350

25.6 本章小结351

第26章 遗传流行病学资料的统计分析352

26.1 基因、基因型频率测定与哈代-温伯格（Hardy-Weinberg）平衡定律的验证352

26.1.1 问题与数据352

26.1.2 SAS程序中重要内容的说明352

26.1.3 主要分析结果及解释353

26.2 连锁不平衡与单体型分析353

26.2.1 问题与数据354

26.2.2 SAS程序中重要内容的说明354

26.2.3 主要分析结果及解释354

26.3 多位点基因型与疾病关联分析355

26.3.1 问题与数据355

26.3.2 SAS程序中重要内容的说明356

26.3.3 主要分析结果及解释356

26.4 标签SNP的确认与SAS程序357

26.4.1 问题与数据357

26.4.2 SAS程序中重要内容的说明357

26.4.3 主要分析结果及解释358

26.5 一般人群病例对照遗传资料的关联分析358

26.5.1 问题与数据359

26.5.2 SAS程序中重要内容的说明359

26.5.3 主要分析结果及解释360

26.6 家系数据的关联分析360

26.6.1 问题与数据360

26.6.2 SAS程序中重要内容的说明361

26.6.3 主要分析结果及解释362

26.7 本章小结362

附录364

附录A胡良平统计学专著及配套软件简介364