高维列联表资料的统计分析与SAS软件实现(三)
手把手教你使用SAS进行数据分析
手把手教你使用SAS进行数据分析SAS（Statistical Analysis System）是一款强大的数据分析和统计软件，广泛应用于学术研究、商业分析、医学统计等领域。
本篇文章旨在手把手教读者如何使用SAS进行数据分析，并将内容按照类别划分成不同章节，以便提供更具体且丰富的内容。
第一章：SAS基础本章将介绍SAS的安装和基本设置，帮助读者快速上手。
首先，读者需要从SAS官方网站下载并安装SAS软件。
安装完成后，可以根据需要进行个性化设置，例如选择语言和界面风格等。
此外，还将介绍SAS的基本语法和常见命令，让读者了解如何打开、保存和导入数据集。
第二章：数据处理与清洗数据处理是数据分析的首要步骤，本章将详细介绍如何使用SAS进行数据处理和清洗。
首先，会介绍如何检查数据集的完整性，包括数据类型、缺失值和异常值等。
然后，会讲解如何进行数据变换，例如数据排序、合并和拆分等。
最后，会介绍如何处理缺失值，包括插补和删除处理。
第三章：数据探索和可视化数据探索和可视化是数据分析的关键环节，本章将重点介绍如何使用SAS进行数据探索和可视化。
首先，会介绍如何计算和描述性统计量，例如均值、中位数和标准差等。
然后，会讲解如何绘制常见的数据图表，例如直方图、散点图和箱线图等。
此外，还将介绍如何使用SAS进行数据透视和交叉分析，以便更深入地挖掘数据关系。
第四章：统计分析统计分析是数据分析的核心步骤，本章将介绍如何使用SAS进行常见的统计分析。
首先，会介绍基本的假设检验，例如t检验和方差分析等。
然后，会讲解回归分析的基本原理和应用，包括线性回归和逻辑回归等。
此外，还将介绍如何使用SAS进行聚类分析和因子分析等高级统计技术。
第五章：预测建模预测建模是数据分析的高级技术，本章将介绍如何使用SAS进行预测建模。
首先，会讲解时间序列分析的基本原理和应用，包括趋势分析和季节性分析等。
然后，会介绍如何使用SAS进行机器学习建模，例如决策树和随机森林等。
学习如何使用SAS进行数据挖掘和统计分析
学习如何使用SAS进行数据挖掘和统计分析数据挖掘和统计分析在当今信息时代中变得愈发重要。
它们提供了对海量数据的深入分析和洞察，帮助企业以及个人做出更好的决策。
在数据处理和分析软件中，SAS（Statistical Analysis System）被广泛应用于数据挖掘和统计分析领域。
今天，我们来学习如何使用SAS进行数据挖掘和统计分析。
首先，要开始使用SAS，需要掌握其基本操作。
SAS的界面有点类似于文本编辑器，可以通过编写代码来完成数据处理和分析的任务。
在SAS中，我们可以通过导入数据集开始分析。
使用“import”命令可以轻松导入不同类型的文件，如CSV、Excel等。
导入数据后，我们就可以开始探索这些数据，发现其中的规律和趋势。
在进行数据挖掘之前，需要先了解数据的基本情况。
通过使用SAS的“describe”命令，可以快速查看数据集的基本信息，包括变量名、数据类型、缺失值等。
这些信息对于后续分析非常重要，可以为我们选择适当的分析方法提供参考。
接下来，我们需要对数据进行预处理。
数据预处理是数据挖掘和统计分析的重要环节，可以清洗数据、处理缺失值、对数据进行转换等操作。
SAS提供了丰富的数据处理函数和工具，可以帮助我们高效地完成这些任务。
例如，可以使用SAS的数据转换函数对数据进行标准化，从而消除不同变量之间的度量单位差异。
在预处理完成后，我们可以开始应用各种数据挖掘和统计分析技术。
SAS提供了多种分析过程和函数，覆盖了从简单的描述统计到复杂的预测模型等多个领域。
例如，我们可以使用SAS的聚类分析过程将数据集中的观察值划分为不同的群组，进而发现群组内的相似性和群组间的差异。
此外，SAS还提供了回归分析、因子分析、关联规则挖掘等功能，帮助我们深入挖掘数据的价值。
随着数据量的不断增大，SAS也提供了高效的处理大数据的能力。
通过并行计算和分布式处理，SAS可以有效地处理大容量的数据集，提高数据挖掘和统计分析的效率。
RC列联表资料的统计分析与SAS软件实现
一、调查问卷数据导入SPSS中。数据导入后，可以在SPSS主界面的 数据视图中查看数据。
二、进行列联表分析
1、打开列联表分析对话框
1、打开列联表分析对话框
在SPSS主菜单中，选择“分析”>“表”>“列联表”。这将打开列联表分析 对话框。
2、选择变量
2、选择变量
3、SAS实现
在这个示例中，mydata是包含RC列联表资料的数据集名称，var1和var2是需 要进行卡方检验的两个分类变量。chisq选项告诉PROC FREQ过程执行卡方检验。 运行这个过程后，将会生成一个包含卡方统计量、自由度和p值的输出表。
3、SAS实现
案例分析 为了更好地说明RC列联表资料的统计分析和SAS软件实现，让我们以一个实际 案例为例。在这个案例中，我们有一份包含两个分类变量的RC列联表资料，目的 是检验这两个变量之间的关联性。我们将分别使用Excel和SAS进行分析。
2、统计方法
2、统计方法
对于RC列联表资料，常用的统计方法包括卡方检验、Fisher精确检验、对数 似然比检验等。这些方法可以用来检验两个分类变量之间的独立性，以及判断某 种关联的存在性。根据分析目的和数据特点，选择合适的统计方法是非常重要的。
3、SAS实现
3、SAS实现
在SAS软件中，可以使用PROC FREQ和PROC LOGISTIC等过程来对RC列联表资 料进行统计分析。PROC FREQ过程可以用来进行频数统计和独立性检验，而PROC LOGISTIC过程则可以用来进行关联性分析和效应估计。下面是一个使用PROC FREQ进行卡方检验的示例代码：
三、解读结果
1、频率表
1、频率表
频率表展示了每个变量的单独频率以及不同变量组合的频率。通过查看频率 表，可以了解不同变量之间的关系。
如何使用SAS进行数据分析和建模的教程
如何使用SAS进行数据分析和建模的教程一、SAS的简介及基本操作SAS（Statistical Analysis System）是一款强大的统计分析软件，被广泛应用于各个领域的数据分析和建模中。
下面将介绍SAS的简单操作流程。
1. 安装和启动SAS：根据官方指南，下载并安装SAS软件。
启动SAS后，会出现主界面，包括编辑窗口和日志窗口。
2. 导入数据：点击编辑窗口中的“Import Data”按钮，选择要导入的数据文件，并按照提示完成导入过程。
导入的数据可以是CSV、Excel等格式。
3. 数据探索：通过使用SAS的数据探索功能，可以查看数据的基本信息，如变量名、数据类型等。
点击编辑窗口中的“Explore Data”按钮，选择导入的数据文件，即可查看数据的摘要统计信息。
二、数据预处理在进行数据分析和建模之前，需要对原始数据进行预处理，以确保数据的质量和完整性。
1. 缺失值处理：SAS提供了多种处理缺失值的方法，如删除含有缺失值的观测样本、插补缺失值等。
通过使用SAS的函数和命令，可以快速处理数据中的缺失值。
2. 异常值处理：SAS可以通过绘制箱线图、散点图等图形，来检测和处理数据中的异常值。
针对异常值，可以选择删除、替换或者离群点处理。
3. 数据标准化：标准化数据可以使得不同变量之间具有可比性，常用的方法包括Z-score标准化、最大-最小标准化等。
在SAS中，可以使用相应的函数和过程来进行数据标准化。
三、探索性数据分析（EDA）探索性数据分析是数据分析的关键步骤之一，它旨在通过可视化和统计方法，了解数据的分布和关系，为后续建模做准备。
1. 描述性统计：使用SAS的summary、means等函数，可以计算数据的均值、方差、中位数等统计量，从而对数据进行初步的描述。
2. 可视化分析：SAS提供了多种绘图函数，如histogram、scatter plot等，可以绘制直方图、散点图等图形，来展示变量之间的关系和分布情况。
医药研究中高维列联表资料的分析及SPSS实现
１ 孙瑞元 ， 郑青 山．数 学药 理学新 论．第 １版． 京 ： 民卫生 出版 北 人
方法 ， 主要用 于应 变量 为二 分类 变量的分层列联 表资料 ， 该法 将分层变量作 为混杂 因素 （ 通常 为重要 的非实 验 因素） 分析 ，
＋ “＋ ．＋ ． ”＋ ．＋ 一 ”＋ “ ＋ －＋ ・ ・＋ ・ － － ＋ ・＋ ・ “＋ －＋ ・ ”
假定 Ｒ Ｐ血管外给药后药动学符合一级吸收与消除 、 室 一 分布 ， 既简 化了问题 ， 我们 能推导 出 ＲＰ的 Ｐ Ｆ公式 ， 使 Ｄ 亦符 合大多数血管外给药后 的药动学 特征 。但模型化所 带来 的问
医学 出版 社 ，０ ４ ２ ４ ２ ５ ２ ０ ，２ ￣ ２ ．
５ 杨 明世， 游本刚 ， 杨明华等． 卷积分 法进行 自制尼群地 平缓 释制 脱
剂 体 内外 相 关 性 研 究 ． 学 学 报 ，０ ４ ３ （ ）７ ８ ７ １ 药 ２０ ，９ ９ ：３ ￣ ４ ．
参
考
文
献
６ 唐星主编． 口服缓控释制剂． １版． 京 ： 第 北 人民卫生出版社 ，０ ７ ２０ ，
是否 相等 ； 若相 等 ， 算公 共 Ｏ （ 胆 ③ 计 Ｒ （ 一
对 （ 一 行 假设 检验 。 柬 进
） ，
厶 Ｏｉ ｉ （ ／Ｈ ｉ
例 １ 痛痹胶囊治疗骨关节炎 Ⅱ期临床实验 ， ３家 医院 在 （ ３个实验 中心） 即 同时进行 ， 采用 随机双 盲、 阳性药平 行对 照 试验法 ， 将合格受试者以 １ １的 比例分配至两 组 ， ： 每个 中心 各
・
医药研究中高维列联表 资料的分析及 Ｓ Ｓ Ｐ Ｓ实现
李 新
如何用SAS软件正确分析生物医学科研资料XX. R × C列联表资料的统计分析与SAS软件实现(三)
如何用SAS软件正确分析生物医学科研资料XX. R × C列联表资料的统计分析与SAS软件实现(三)王琪;胡良平;柳伟伟【摘要】生物统计学是生物学领域科学研究和实际工作中必不可少的工具，在分子生物学迅速发展的今天，生物统计学更显示出了它的重要性。
实验设计与数据统计分析是现代生物学的基石，是生物学研究者检验假说、寻找模式、建立生物学理论的有利工具，也是生物学研究者探索微观和宏观生物世界的必备基础知识。
对于每天甚至是每时每刻涌现的大量的、以天文数字计量的分子遗传数据，必须借助统计学知识加以分析处理，才能从中获得有意义的信息。
“生物多样性数据分析”是开展生物多样性研究的一个重要方面，数据分析能力的高低极大地影响着我们对各种生态学现象认识的深度和广度。
现在，电子计算机的普及使得生物统计分析过程大大简化，生物统计分析软件包的普及将生物统计学从统计学家的书本里解放了出来，简化了生物统计分析过程，使之成为生物学研究者的常用工具。
本刊特邀军事医学科学院生物医学统计学咨询中心主任胡良平教授，以“如何用 SAS 软件正确分析生物医学科研资料”为题，撰写系列统计学讲座，希望该系列讲座能对生物医学科研工作者有所帮助。
【期刊名称】《中国医药生物技术》【年(卷),期】2012(000)006【总页数】3页(P469-471)【作者】王琪;胡良平;柳伟伟【作者单位】100850 北京,军事医学科学院生物医学统计学咨询中心;100850 北京,军事医学科学院生物医学统计学咨询中心;100850 北京,军事医学科学院生物医学统计学咨询中心【正文语种】中文XX. R × C列联表资料的统计分析与SAS软件实现（三）编者按生物统计学是生物学领域科学研究和实际工作中必不可少的工具，在分子生物学迅速发展的今天，生物统计学更显示出了它的重要性。
实验设计与数据统计分析是现代生物学的基石，是生物学研究者检验假说、寻找模式、建立生物学理论的有利工具，也是生物学研究者探索微观和宏观生物世界的必备基础知识。
如何用SAS进行统计分析
如何用SAS进行统计分析SAS（统计分析系统）是一种用于数据分析和统计建模的软件工具。
它提供了一系列功能和程序，用于数据处理、统计分析、预测建模、图形展示和报告生成等。
本文将介绍如何使用SAS进行统计分析，涵盖数据导入、数据清洗、描述性统计分析、假设检验、回归分析和聚类分析等内容。
1. 数据导入和数据清洗在使用SAS进行统计分析之前，你需要将待分析的数据导入到SAS软件中。
SAS支持多种数据格式，包括CSV、Excel、Access等。
你可以使用SAS提供的PROC IMPORT过程将数据导入到SAS的数据集中。
导入数据后，你需要对数据进行清洗。
数据清洗的目的是去除数据中的错误、缺失或异常值，以确保数据的质量。
你可以使用SAS的数据步骤（DATA STEP）来处理数据，例如删除缺失值、填补缺失值、去除异常值等。
2. 描述性统计分析描述性统计分析是对数据进行总结和描述的过程。
它包括计算数据的中心趋势（均值、中位数、众数）、数据的离散程度（标准差、方差、极差）、数据的分布形态（偏度、峰度）等。
在SAS中，你可以使用PROC MEANS过程进行描述性统计分析。
该过程可以计算多个变量的均值、标准差、最小值、最大值、中位数等统计指标。
此外，你还可以使用PROC UNIVARIATE过程计算数据的偏度、峰度等统计值，并绘制直方图和箱线图来展示数据的分布情况。
3. 假设检验假设检验是对样本数据进行推断性统计分析的一种方法。
它用于判断观察到的样本差异是否显著，从而对总体参数进行推断。
在SAS中，你可以使用PROC TTEST过程进行双样本t检验、单样本t检验和相关样本t检验等。
此外，PROC ANOVA过程可以用于方差分析，PROC FREQ过程可以用于卡方检验。
4. 回归分析回归分析是研究因变量与自变量之间关系的一种统计分析方法。
它用于预测和解释因变量的变化，并评估自变量对因变量的影响程度。
在SAS中，你可以使用PROC REG过程进行简单线性回归分析和多元线性回归分析。
如何使用SAS进行统计建模和数据分析
如何使用SAS进行统计建模和数据分析章节一：介绍SAS软件和统计建模的基本概念SAS是一个功能强大的统计分析软件，它能够帮助用户进行高效的数据管理、统计建模和数据分析。
本章将介绍SAS软件的特点、优势以及统计建模的基本概念。
1.1 SAS软件的特点和优势SAS具有易学易用、灵活可扩展、高效稳定的特点。
它提供了丰富的数据处理和分析函数，可以处理各种类型和规模的数据。
此外，SAS还具有强大的编程语言，可以根据用户需求进行定制化分析。
1.2 统计建模的基本概念统计建模是一种通过统计学方法对数据进行拟合、预测和推断的过程。
它包括数据预处理、模型选择、参数估计和模型评估等步骤。
统计建模可以帮助用户理解数据背后的规律和关系，并用于预测和决策。
章节二：数据准备和整理在进行统计建模和数据分析之前，首先需要对数据进行准备和整理。
本章将介绍常见的数据准备和整理方法，并演示如何使用SAS实现这些方法。
2.1 数据清洗和缺失值处理数据清洗是指对原始数据进行去除重复值、异常值和错误值等预处理步骤。
缺失值处理是指对数据中的缺失值进行填补或删除。
我们可以使用SAS的数据处理函数和过程来进行数据清洗和缺失值处理。
2.2 数据变换和标准化数据变换是指对数据进行数学变换，以便满足建模和分析的假设前提。
标准化是指将数据按照一定比例转化为均值为0、标准差为1的标准正态分布。
SAS提供了丰富的数据变换和标准化函数，能够满足不同需求。
章节三：统计建模方法和步骤在进行统计建模和数据分析时，需要选择合适的建模方法和步骤。
本章将介绍常见的统计建模方法和步骤，并演示如何使用SAS实现这些方法。
3.1 探索性数据分析（EDA）探索性数据分析是指通过可视化和统计方法来了解和描述数据。
它包括数据可视化、数据摘要和数据分布等分析步骤。
SAS提供了丰富的数据可视化和统计函数，可以帮助用户进行探索性数据分析。
3.2 回归分析和预测建模回归分析是一种用来研究自变量与因变量之间关系的方法。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ＭＯＤＥＬＤ （ ＥＶＥ ＮＴ＝ ｌ）ｉＡ ＢＣ ‘＇
ＲＵＮ
２４ ８ ０ ５
３ ０ ６ ３ ２
Ｐ Ｏ Ｏ ＩＴ Ｃ ／第三部分 Ｒ Ｃ Ｌ Ｇ Ｓ ； Ｉ ／
Ｗ Ｅ ＧＨＴ Ｉ
１ ５ ｌ ０ｌ ０ ２
ｌｌ ７ Ｏ ４１ ８
ｌ ５ ３ ２ ｌ １０ ４ ８ ２ ５ ２ １４ ８ ４
新 生儿 健康 是 否 正 常 ４个 变 量 。试 分 析 Ａ 孕 妇 年 ＭＯ Ｌ语 句 中括 号 内的 内容 是控 制 以结果 变 ＤＥ
龄（ 、 孕 妇 是 否 吸 烟 、 怀 孕 前 是 否 服 避 孕 药 岁） Ｂ Ｃ ３个 因素对 Ｄ 新 生儿健 康是 否正 常 的影响 。调 查 结
则各 有 两个 水平 ， ０表 示否 ， 表 示是 ； 变量有 两个 １ Ｄ
水平， ０表 示 正 常 ， １表 示不 正 常 。 以上赋 值 在 程 序 的数据 步 中完 成。在 过 程 步 的第 一 部 分 ， 由于 想 了
解 不 同年龄 段服 避 孕 药 与 吸烟 的 比例 是 否 有 差别 ，
中 西 医结 合 学 报 ２ １ ０ ０年 １ 第 ８卷 第 １期 月
Ｊ ｕｎ ｌ ｆ ｉｅｅＩｔｇａｉｅＭｅ ｉｎ ， ａ ｕ ｒ ０ ０ Ｖｏ． ，Ｎｏ １ ｏ ｒａ ｏ ｎ ｓ ｎｅｒｔ ｄｃ ｅ Ｊｎ ａｙ２ １ ， １８ Ｃｈ ｖ ｉ ．
计及 假设 检 验 ， 拟合 ｌｇｓｉ ｏ ｉ ｃ回 归方 程 过 程 中 的 变 ｔ
ｔ ｉ ｃ回９分 析 。值得 注 意 的是 ， ３ － 如果 单从 表 １的数 据 来看 ， 选用 对数 线性模 型对 其进 行分 析也 是 可 以的 ， 用 它 可 以探 讨这 ４个 变量 之 间的相 互关 系 。
Ｉ ＮＧ； 即可 。在程 序 中 Ａ、 Ｃ、 ” Ｂ、 Ｄ分 别 代 表 孕 妇 年 龄 （ ） 孕妇 是 否吸烟 、 岁 、 怀孕前 是 否服避 孕 药及新 生 儿 是 否健康 ４个 变量 。 其 中 Ａ 变量 有 ３个 水 平 ， Ａ 一１ 表 孕妇年 龄＜ ３ 代 ０岁 ， ＝ Ａ＝２代 表 孕妇年 龄３ ～ ＝ Ｏ ３ ５岁 ， Ａ一３代 表 孕 妇 年 龄 ＞ ３ ５岁 ； Ｃ 两个 变 量 Ｂ、
Ｃ Ａ Ｓ ＢＣ，ａ Ｉ ＝ ｅ Ｌ Ｓ ｐｒｎｆ Ａ ｛ ｜
ＭＯＤＥＬ Ｄ （ ＥＶＥ ＮＴ＝ １ ） Ａ ‘’ Ｂ Ｃ
ｅ ｎ ．ｓ ’ａ ＇ ｓ ｌＯＡ ， ００／ ｏ Ｕ ｔＰ ｈ ￣ ｗｉｅ Ａ ， ０ ＩＡ ｅ ｔｎ ｔ＝ｅ ｐ ｓｉ ａ ｅ ｘ ； ｌ ｃ ｎｒ ｓ ｍ ｏ ｅ Ｂ ｌ／ ｓ ｎ ｔ＝ｅ ｐ ｏ ｔａ ｔｓ ｋ ’ ｅ ｔ ： ３ ＝１ ｌ
ＤＯ Ｃ ＝ｌＴ Ｏ ＢＹ － Ｏ ｌ ＤＯ Ｄ ＝０ＴＯ ｌ
ＭＯＤＥ ＬＤ （ ＥＶＥ ＮＴ＝ ｌ ）ｉＡ ＢＣＡ ‘’ Ｂ
Ａ Ｃ ＲＵＮ
Ｉ Ｐ ＴＦ Ｎ ｕ ＠＠；
ＯＵＴ ＰＵＴ
Ｐ Ｏ Ｏ ＩＴＣ ／第二部分 Ｒ ＣＬ Ｇ Ｓ Ｉ； ／
Ｗ Ｅ ＧＨＴ Ｉ
２ 结 果变量 为二值 变量 的 ｌ ｉ ｉ ｏ ｓ ｃ回归分 析 ｇｔ 对 于 ｌｇｓｉ ｏ ｉ ｃ回归方 程 的拟合 通 常运 用 Ｓ ｔ ＡＳ软 件 包 中 的 Ｌ ＧＩＴＩ 过 程 完 成 ， 些 较 复 杂 的 Ｏ Ｓ Ｃ 一
Ｅ ＮＤ；ＮＤ； ＮＤ ＮＤ； Ｅ Ｅ Ｅ
程序 Ａ Ｃ Ｂ ；
ＤＯ Ａ＝Ｉ ＴＯ ３ Ｗ Ｅ ＧＨ ｒ Ｉ
程序 Ｐ Ｏ Ｏ ＩＴ Ｃ Ｒ ＣＬ Ｇ Ｓ Ｉ； ／第 一部分 ／
量 筛选方 法和拟 合优度 检验 等数 学 味较浓 的 内容从 略， 需要 详 细 了解 这 些 内容 的 读 者 请 参 阅相 关 文
在建 模 时加入 了 Ａ＊Ｂ和 Ａ＊Ｃ 两个 交 互作 用项 。
２ ３ Ｌ ｇｓｉ 回 归 的 Ｓ ． ｏ ｉｔ ｃ ＡＳ程 序 运 行 结 果 及 解 释
程 序 的运行 结果 如下 。
Ｔｅ ｔ ｎ ｌ ｂ ｌ ｈｙ ｔ ｅ ｉ ｓ ｉ ｇ ｇ ｏ ａｌｎｕ ｌ ｐｏ ｈ ｓｓ：ＢＥＴＡ＝ ０
ｌｇｓｉ回 ９分 析 则 需 要调 用 Ｓ ｏｉ ｃ ３ ｔ － ＡＳ 中 的 Ｃ ＡＴＭＯＤ
过 程或 Ｐ ＨＲＥ Ｇ过 程来 完 成。本 文仅 介绍 运用 Ｉ Ｏ— ＧＩＴＩ Ｓ Ｃ过 程分析 结果 变量 为 二值 变量 的 高维 列 联
４９ ５ ８ ８
３ ２ ５ Ｏ
ｃ ｎ ｓ ｒ ｇ Ｃ ｅ ｔ ｔ ＝ ｘ ； ｏ ｋａ ｔｄ ＇ ａ ｌ， ｓｉ ｅ ｅ ｐ ｍａ
Ｒ ＵＮ
表 资料 。其他 的 方法将 在 以后 的文章 中介 绍 。
２ １ 问题 的提 出 调 查 了 ５２ １例 新 生儿 健 康 状 ． ５
３ ｌ ５ Ｏ １８ ５ ５ ３ ｌ９ ３ ｌ ｌ
况 与 孕 妇 怀 孕 前 情 况＿ 。 变 量 包 括 Ａ 孕 妇 年 龄 ３ ］ （ 、 岁） Ｂ孕 妇是 否吸烟 、 Ｃ怀孕 前 是 否服 避 孕 药及 Ｄ
从表 １可 以看 出， 它是 结 果 变 量 为 二值 变量 的
四维 列联表 。调 查 目的 为 分 析 Ａ、 、 Ｂ Ｃ ３个 因素 对 Ｄ的影响， 由分 析 目的可 以看 出该 调 查 有 明确 的结 果 变量 ， 即新 生儿健康 状 况 Ｄ， 因此 ， 以选用 ｌｇｓ 可 ｏ ｉ —
果 见表 １ 。
表 １ ５２ １ 新 生 儿 健 康 状 况调 查 ５ 例
量 取值 为“ ” 计 算 回 － 程 中的参 数 值 ， 所 使 用 １， 方 ３ 若
的Ｓ ＡＳ版 本 不够 高 ， 不识别 此选 项 时， 可将 其 删掉 ， 将 过程 语 句 改写 成 “ Ｒ ０ＧＩＴＩ Ｅ Ｃ ＮＤ Ｐ ０Ｃ Ｌ Ｓ ＣＤ Ｓ Ｅ —