《基於SAS的屬性數據分析》是2014年8月19日中國統計出版社出版的圖書，作者是官琳琳、左相、楊陽、吳香華。
基本介紹
- 中文名：基於SAS的屬性數據分析
- 作者：官琳琳、左相、楊陽
- 出版社：中國統計出版社
- 出版時間：2014年8月19日
基本信息,內容介紹,目錄,
基本信息
作者：官琳琳、左相、楊陽、吳香華
出版社：中國統計出版社
ISBN:978-7-5037-7160-6
出版時間：2014年8月19日
內容介紹
屬性數據分析在經濟、生物、醫藥、管理、社會調查等方面有重要套用，其研究方法具有許多特色，是當今許多套用統計工作者和統計學家關心的統計分支之一。由於屬性數據和傳統研究的數值數據類型不同，計算起來有很多困難，SAS作為最強有力的統計軟體，有很精深的分析屬性數據的功能，很適宜深入廣泛地分析屬性數據。
本書主要介紹了由SAS軟體計算的列聯表分析（包括相關性分析和一致性分析）；二值和多值logistic回歸分析；因變數為二點分布，二項分布，泊松分布，負二項分布的廣義線性模型；對應分析；回響變數是定性變數的重複測量模型（包括邊緣模型和條件模型）。本書既介紹了大樣本方法，也介紹了小樣本方法以及精確方法，還介紹了刪失數據的列聯表分析和重複測量模型的分析。
本書的特點在於：起點低、終點高，避免了理論推導，通過實例介紹方法，只要讀者具有一般機率論基礎知識，通過閱讀本書就能掌握利用SAS軟體作各種屬性數據分析的方法。為了便於學習，書中先對每種統計模型作通俗介紹，然後介紹用軟體分析該統計模型的要領，再通過實例介紹相關的程式（包括每一SAS語句的作用），最後分析計算的結果。本書還留有練習題以達到鞏固所學知識的效果。讀者從出版社網站上能查到每一例題和練習題的數據及SAS程式，便於初學者套用。
本書可供希望高精尖分析屬性數據的科研人員使用，也可供統計專業的本科生、研究生和需要套用統計的非統計專業大學生學作為參考書或教材。希望本書成為科研人員進行高級研究的利器，使數據精細分析人員和精細管理人員如虎添翼，使想作屬性數據統計分析的大學生和研究生得到稱心如意的武器。
本書主要介紹了由SAS軟體計算的列聯表分析（包括相關性分析和一致性分析）；二值和多值logistic回歸分析；因變數為二點分布，二項分布，泊松分布，負二項分布的廣義線性模型；對應分析；回響變數是定性變數的重複測量模型（包括邊緣模型和條件模型）。本書既介紹了大樣本方法，也介紹了小樣本方法以及精確方法，還介紹了刪失數據的列聯表分析和重複測量模型的分析。
本書的特點在於：起點低、終點高，避免了理論推導，通過實例介紹方法，只要讀者具有一般機率論基礎知識，通過閱讀本書就能掌握利用SAS軟體作各種屬性數據分析的方法。為了便於學習，書中先對每種統計模型作通俗介紹，然後介紹用軟體分析該統計模型的要領，再通過實例介紹相關的程式（包括每一SAS語句的作用），最後分析計算的結果。本書還留有練習題以達到鞏固所學知識的效果。讀者從出版社網站上能查到每一例題和練習題的數據及SAS程式，便於初學者套用。
本書可供希望高精尖分析屬性數據的科研人員使用，也可供統計專業的本科生、研究生和需要套用統計的非統計專業大學生學作為參考書或教材。希望本書成為科研人員進行高級研究的利器，使數據精細分析人員和精細管理人員如虎添翼，使想作屬性數據統計分析的大學生和研究生得到稱心如意的武器。
目錄
第1章類別變數與屬性數據
1.1屬性數據簡介
1.2屬性數據表示形式
1.3SAS指定類別變數水平順序的方法
1.4SAS的屬性數據分析過程
習題1
第2章列聯表分析
2.1一維表分析
2.1.1輸出一維表
2.1.2比例檢驗
2.22×2列聯表
2.2.12×2表的比例差
2.2.2相對風險和優勢比
2.3二維列聯表（r×s表）及其相關性分析
2.3.1名義類別變數的相關性分析
2.3.22×2表的Fisher精確檢驗
2.3.3有序類別變數的相關性分析
2.4高維列聯表相關性分析
2.4.1條件關聯分析
2.4.2邊緣關聯分析
2.4.3辛普森悖論的機率
2.4.4多重關聯的CMH檢驗
2.5二維列聯表的一致性分析
2.5.1簡單卡帕係數
2.5.2加權卡帕係數
2.6列聯表的對稱性檢驗
習題2
第3章logistic回歸——類別變數的廣義線性回歸模型（上）
3.1二值logistic回歸
3.1.1二值logistic回歸模型簡介
3.1.2SAS的logistic過程簡介
3.1.3事件數—試驗數簡便輸入
3.1.4含有類別自變數的二值logistic回歸
3.1.5自變數無序的logistic回歸
3.1.6含有有序類別自變數的二值logistic回歸
3.1.7模型選擇
3.1.8含有互動效應的logistic回歸
3.1.9通過模型選擇作多項式logistic回歸
3.2多值logistic回歸
3.2.1多值名義logistic回歸：基線-類別logit回歸
3.2.2多值順序logistic回歸
3.3條件logistic回歸
3.3.1用exact語句作條件logistic回歸
3.3.2用strata語句作條件logistic回歸
3.4probit回歸和補loglog模型
3.4.1補loglog模型
3.4.2累積probit回歸
1.1屬性數據簡介
1.2屬性數據表示形式
1.3SAS指定類別變數水平順序的方法
1.4SAS的屬性數據分析過程
習題1
第2章列聯表分析
2.1一維表分析
2.1.1輸出一維表
2.1.2比例檢驗
2.22×2列聯表
2.2.12×2表的比例差
2.2.2相對風險和優勢比
2.3二維列聯表（r×s表）及其相關性分析
2.3.1名義類別變數的相關性分析
2.3.22×2表的Fisher精確檢驗
2.3.3有序類別變數的相關性分析
2.4高維列聯表相關性分析
2.4.1條件關聯分析
2.4.2邊緣關聯分析
2.4.3辛普森悖論的機率
2.4.4多重關聯的CMH檢驗
2.5二維列聯表的一致性分析
2.5.1簡單卡帕係數
2.5.2加權卡帕係數
2.6列聯表的對稱性檢驗
習題2
第3章logistic回歸——類別變數的廣義線性回歸模型（上）
3.1二值logistic回歸
3.1.1二值logistic回歸模型簡介
3.1.2SAS的logistic過程簡介
3.1.3事件數—試驗數簡便輸入
3.1.4含有類別自變數的二值logistic回歸
3.1.5自變數無序的logistic回歸
3.1.6含有有序類別自變數的二值logistic回歸
3.1.7模型選擇
3.1.8含有互動效應的logistic回歸
3.1.9通過模型選擇作多項式logistic回歸
3.2多值logistic回歸
3.2.1多值名義logistic回歸：基線-類別logit回歸
3.2.2多值順序logistic回歸
3.3條件logistic回歸
3.3.1用exact語句作條件logistic回歸
3.3.2用strata語句作條件logistic回歸
3.4probit回歸和補loglog模型
3.4.1補loglog模型
3.4.2累積probit回歸
習題3
第4章一般廣義線性回歸模型——類別變數的廣義線性回歸模型（下）
4.1廣義線性模型及genmod過程
4.1.1廣義線性模型簡介
4.1.2SAS的genmod過程簡介
4.1.3目前SAS的genmod過程使用的分布
4.1.4目前SAS的genmod過程使用的連結函式
4.1.5擬合優度檢驗與模型選擇
4.1.6GLM模型連結函式的選擇
4.1.7GLM的優勢
4.2二項分布的廣義線性模型
4.2.1二項分布的線性模型
4.2.2二項分布的logistic模型
4.2.3二項分布的probit模型
4.2.4有序回響的累積logistic回歸
4.3泊松分布的廣義線性模型
4.3.1泊松分布的線性回歸模型
4.3.2泊松分布的對數線性回歸模型
4.3.3“過度分散”數據的對數線性回歸模型
4.3.4比率數據的對數線性回歸模型
4.4列聯表的對數線性模型
4.4.1對數線性模型用於列聯表計算
4.4.2對數線性模型用於關聯性分析
4.5配對數據的分析模型
4.5.1擬獨立性模型在一致性分析中的套用
4.5.2配對數據邊緣分布的齊性檢驗
4.5.3配對數據的對稱性檢驗
習題4
第5章對應分析
5.1簡單對應分析
5.2多重對應分析
習題5
第6章重複測量模型和多層數據GLMM模型
6.1重複測量邊緣模型
6.1.1重複測量邊緣模型和GEE方法
6.1.2二分回響邊緣logit模型
6.1.3續存檢驗和交叉設計
6.1.4多項回響重複測量模型
6.1.5計數數據的重複測量模型
6.1.6缺失數據的重複測量模型
6.2重複測量模型的廣義線性混合模型（條件模型的特例）
6.2.1廣義線性混合模型和nlmixed過程簡介
6.2.2二分回響logistic-正態模型
6.2.3多項回響GLMM模型
6.2.4計數數據的GLMM模型
6.2.5缺失數據的GLMM模型
6.2.6多個隨機效應的GLMM模型
6.2.7邊緣模型與GLMM模型的比較
6.3多層數據的GLMM模型
6.3.1沒有第一層解釋變數的兩層GLMM模型
6.3.2沒有第二層解釋變數的GLMM模型
習題6
參考文獻
第4章一般廣義線性回歸模型——類別變數的廣義線性回歸模型（下）
4.1廣義線性模型及genmod過程
4.1.1廣義線性模型簡介
4.1.2SAS的genmod過程簡介
4.1.3目前SAS的genmod過程使用的分布
4.1.4目前SAS的genmod過程使用的連結函式
4.1.5擬合優度檢驗與模型選擇
4.1.6GLM模型連結函式的選擇
4.1.7GLM的優勢
4.2二項分布的廣義線性模型
4.2.1二項分布的線性模型
4.2.2二項分布的logistic模型
4.2.3二項分布的probit模型
4.2.4有序回響的累積logistic回歸
4.3泊松分布的廣義線性模型
4.3.1泊松分布的線性回歸模型
4.3.2泊松分布的對數線性回歸模型
4.3.3“過度分散”數據的對數線性回歸模型
4.3.4比率數據的對數線性回歸模型
4.4列聯表的對數線性模型
4.4.1對數線性模型用於列聯表計算
4.4.2對數線性模型用於關聯性分析
4.5配對數據的分析模型
4.5.1擬獨立性模型在一致性分析中的套用
4.5.2配對數據邊緣分布的齊性檢驗
4.5.3配對數據的對稱性檢驗
習題4
第5章對應分析
5.1簡單對應分析
5.2多重對應分析
習題5
第6章重複測量模型和多層數據GLMM模型
6.1重複測量邊緣模型
6.1.1重複測量邊緣模型和GEE方法
6.1.2二分回響邊緣logit模型
6.1.3續存檢驗和交叉設計
6.1.4多項回響重複測量模型
6.1.5計數數據的重複測量模型
6.1.6缺失數據的重複測量模型
6.2重複測量模型的廣義線性混合模型（條件模型的特例）
6.2.1廣義線性混合模型和nlmixed過程簡介
6.2.2二分回響logistic-正態模型
6.2.3多項回響GLMM模型
6.2.4計數數據的GLMM模型
6.2.5缺失數據的GLMM模型
6.2.6多個隨機效應的GLMM模型
6.2.7邊緣模型與GLMM模型的比較
6.3多層數據的GLMM模型
6.3.1沒有第一層解釋變數的兩層GLMM模型
6.3.2沒有第二層解釋變數的GLMM模型
習題6
參考文獻
