计量资料的统计描述讲述
3
频数：当汇总大量的原始数据时，把数据按 类型分组，其中每个组的数据个数，称为该 组的频数。
频数表（频数分布）：表示各组及它们对应 的组频数的表格称为频数表或频数分布。
2020/10/5
计量资料的统计描述
4
频数表编制
1. 计算极差（全距）：极差（R）=最大 值-最小值
2. 确定组数、组距：组距=R/组数， 医 学上组数一般在8-15组
限、组距和频数， f 为M所在组段之前
各组段的累积频数。
举例：以上面数据为例
M 160 10 (50 16) 164.5 20 2
2020/10/5
计量资料的统计描述
29
表2-4 某地630名正常女性血清甘油三脂含量(mg/dl)
计量资料的统计描述
16
举例：
➢ 计算5个同学的平均成绩，93， 92，95，94，91
X 92 93 95 94 91 93 5
2020/10/5
计量资料的统计描述
17
2.加权法（weighting method）：
根据频数表计算均数的一种方法。当变 量值个数较多时，可先将原始数据列成 频数表，然后再做计算。
3. 确定组限：组限[下限~上限） 4. 计算组中值
5. 划记记数
2020/10/5
计量资料的统计描述
5
2020/10/5
计量资料的统计描述
6
2020/10/5
计量资料的统计描述
7
直方图（Histogram） 直观、形象地表示频数分布的形态和特征。
2020/10/5
计量资料的统计描述
8
频数分布的两个特征：
2020/10/5
计量资料的统计描述
12
平均数 ➢ 算术均数
➢ 几何均数
➢ 中位数
2020/10/5
计量资料的统计描述
13
（一）算术均数（arithmetic mean）
➢ 算术均数：简称均数，用于说明一组观 察值集中位置或平均水平，是描述计量 资料的一种最常用的方法。
➢ 总体均数用μ表示，样本均数用 X 表示。
组中值X 145 155 165 175 185
X 145115515 165 20 175111853 165 50
2020/10/5
计量资料的统计描述
19
举例：
测得10个人的血清滴度的倒数分别为2， 2，4，4，8，8，8，8，32，32，求平均 滴度
用算术均数来计算 ：
X 2 2 4 4 8 8 8 8 32 32 10.8 10
X X1 f1 X 2 f2 f1 f2
X n fn fX
fn
f
其中X1、X2……Xn分别为各组段的组中值， 即本组段的上限与下限之和除以2
2020/10/5
计量资料的统计描述
18
举例：
身高
频数f
140~
1
150~
15
160~
20
170~
11
180~190
3
累积频数 1 16 36 47 50
如上例：
G 10 2 2 4 488883232 7
2020/10/5
计量资料的统计描述
24
2.加权法：
G
lg1
f lg
f
X
2020/10/5
计量资料的统计描述
25
举例：
IgG滴度倒数 40 80 160 320 640 1280
例数 3 22 17 9 0 1
G
lg
1
3
lg
40
22
2020/10/5
计量资料的统计描述
20
（二）几何均数（geometric mean, G）
医学研究中有一类比较特殊的资料，如抗 体滴度等变量值呈倍数变化的数据，宜用 几何均数描述其平均水平。
适用资料： ①对数正态分布，原始数据偏态分布，经
对数变换后成正态分布的资料。 ②等比资料，即呈倍数变化的数据。例如
2020/10/5
计量资料的统计描述
10
频数表的主要用途：
1. 揭示分布类型 2. 发现可疑值 3. 方便进一步统计计算（计算集中趋势指
标与离散趋势指标）
2020/10/5
计量资料的统计描述
11
第二节 集中趋势
我们用平均数(average)来描述集中趋 势，平均数是描述一组观察值集中位置 或平均水平的统计指标
27
1.直接法：
n 为奇数时，M X ( n1) 2
举例：2，4，5，6，7的中位数为5
n
为偶数时，M
Xn
2
X
(
n 2
1)
/
2
举例：2，4，5，6，7，8的中位数为5.5
2020/10/5
计量资料的统计描述
28
2.频数表法：
M L iM (n f )
fm 2
其中L、i、f分别为M所在组段的下
lg
80
17
lg160 52
9
lg
320
0
lg1280
பைடு நூலகம்
129.3
2020/10/5
计量资料的统计描述
26
（三）中位数（median, M）
把一组数值按大小顺序排列，位于中 间位置上数的值即为中位数。
适用资料：①任何分布，尤其偏态分布 ②分布类型不祥 ③末端无具体值
2020/10/5
计量资料的统计描述
➢ 适用资料：对称分布，尤其是正态分布
2020/10/5
计量资料的统计描述
14
算术均数的计算方法：
➢ 直接法 ➢ 加权法
2020/10/5
计量资料的统计描述
15
1.直接法
当样本中变量值个数不多时，将变量 值相加再除以变量值个数（样本含量）， 即得均数。
X X1 X2 n
Xn X
n
2020/10/5
抗体滴度。
2020/10/5
计量资料的统计描述
21
几何均数的计算方法：
➢ 直接法 ➢ 加权法
2020/10/5
计量资料的统计描述
22
1.直接法：
G n X1 X2
Xn
写成对数形式 ：
G
lg1
lg
X1
lg
X
2 n
lg
X
n
lg1
lg X n
2020/10/5
计量资料的统计描述
23
举例：
计量资料的统计描述
教师：卫生统计教研室 胡冬梅
主要内容：
1. 频数表 2. 集中趋势 3. 离散趋势 4. 正态分布 5. 医学参考值范围
2020/10/5
计量资料的统计描述
2
第一节 频数分布
频数表的绘制、直方图
频数分布的特点
频数分布的类型
频数分布的用途
2020/10/5
计量资料的统计描述
集中趋势
集中位置的描述，即大多数数值落 在什么位置，是现象共性的反映，是 现象规律性的数量上的表现。
离散趋势
离散趋势是描述一组数据的变异程
度或偏离集中位置的程度（参差不齐
的程度）
2020/10/5
计量资料的统计描述
9
频数分布的类型：
对称分布（正态分布、t分布）与偏态分布 （集中位置偏向左的一侧叫正偏态，反之 叫负偏态）
计量资料的统计描述_全科医师
红细胞数 (1)
频数f (3)
累计频数 (4)
累计百分率 (5)
3.70~
2
2
1.5(0.0～1.5)
3.90~
4
6
4.6(1.5-4.6)
4.10~
9
15
11.5(4.6-11.5)
4.30~
16
31
23.8(11.5-23.8)
4.50~
22
53
40.8(23.8-40.8)
4.70~
25
78
60.0(40.8-60.0)
4.53 5.16 4.84 4.15 4.66 5.31 4.97 4.43 4.77 4.78
5.1 4.83 4.11 4.63 5.28 4.94 4.4 4.74 5.67 5.05
4.81 3.98 4.61 5.23 4.9 4.35 4.7 5.46 5.03 4.49
3.89 4.57 5.21 4.87 4.29 4.67 5.38 4.98 4.46 4.78
4.54 5.17 4.86 4.27 4.66 5.36 4.98 4.43 4.77 4.53
5.15 4.84 4.13 4.64 5.29 4.96 4.42 4.75 5.69 4.8
4.82 4.1 4.62 5.26 4.93 4.39 4.74 5.61 5.04 5.1
3.98 4.58 5.23 4.9 4.33 4.68 5.4
fi
Σ为求和符号，读成sigma
适用条件：资料呈正态或近似正态。
2019/11/22
13
表2 某地区130 名正常成年男子红细胞数（ 1012/L ） 的均数和标准差的加权计算
计量资料的统计学描述
计量资料的统计学描述一、计量资料统计学描述的重要性计量资料在我们的生活和研究中可太常见啦，就像我们去量身高、称体重得到的数据，那都是计量资料呢。
这计量资料要是不好好描述啊，就像一团乱麻，根本不知道这些数据到底是啥情况。
比如说，咱们想知道一个班级学生的考试成绩情况，如果不进行统计学描述，就只能看到一个个单独的分数，根本搞不清整体的水平、差异啥的。
二、描述计量资料的常用统计量1. 平均数平均数就像是这群数据的中心代表。
有算术平均数，就是把所有数据加起来再除以数据的个数。
就好比一群小伙伴分糖果，把所有糖果的数量加起来，再除以小伙伴的人数，得到的就是平均每人能分到的糖果数。
这算术平均数在很多情况下都能很好地反映数据的集中趋势呢。
不过要注意哦，要是数据里有特别大或者特别小的极端值，这算术平均数可能就会被拉偏啦。
2. 中位数中位数呢，就是把数据按照从小到大或者从大到小的顺序排好，位于中间位置的那个数。
如果数据的个数是奇数，那中间那个数就是中位数；要是个数是偶数，就取中间两个数的平均值。
中位数的好处是不太受极端值的影响。
就像是一群人排队，中间那个人的位置就是中位数，不管队伍前面或者后面有几个特别高或者特别矮的人，中间那个人的位置相对比较稳定。
3. 众数众数就是在一组数据里出现次数最多的那个数。
比如说在一个班级里，有好几个同学都考了80分，80分出现的次数最多，那80分就是这组成绩数据的众数。
众数可以让我们知道哪个数值在数据里最常见，就像在一堆衣服里，哪种颜色的衣服最多，那个颜色就是众数啦。
三、描述数据离散程度的统计量1. 极差极差就是一组数据里最大值减去最小值得到的差。
它能简单地告诉我们这组数据的范围有多大。
就像我们看一个地方的气温，最高气温和最低气温的差值就是极差，通过这个极差我们就能大概知道这个地方气温的波动范围啦。
不过极差只考虑了最大值和最小值，中间的数据情况它就顾不上了。
2. 方差和标准差方差是每个数据与平均数的差的平方和再除以数据的个数。
SAS各过程笔记+描述性统计+线性回归+logistic回归+生存分析+判别分析+聚类分析+主成分分析+因子分析
第一部分：基本统计方法注：主要讲述过程：means(描述性统计)；freq(算频数表)；univariate(检验)；anova(方差分析)；ttest(检验)；glm(广义线性回归)；npar1way（非参,wilcox）一：计量资料的统计分析方法1.01均值+频数表+百分位数+正态检验、茎叶图、箱形图、正态概率图data ex2_1;input x@@;low=2.3;dis=0.3;z=x-mod(x-low,dis);cards;3.964.23 4.42 3.595.12 4.02 4.32 3.72 4.76 4.164.61 4.263.774.20 4.36 3.07 4.89 3.97 4.28 3.64 4.66 4.044.55 4.254.63 3.91 4.41 3.525.03 4.01 4.30 4.19 4.75 4.144.57 4.264.56 3.79 3.89 4.21 4.95 3.98 4.29 3.67 4.69 4.124.56 4.264.66 4.28 3.83 4.205.24 4.02 4.33 3.76 4.81 4.173.96 3.274.61 4.26 3.96 4.23 3.76 4.01 4.29 3.67 3.39 4.124.27 3.614.98 4.24 3.83 4.20 3.71 4.03 4.34 4.69 3.62 4.184.26 4.365.28 4.21 4.42 4.36 3.66 4.02 4.31 4.83 3.59 3.973.964.495.11 4.20 4.36 4.54 3.72 3.97 4.28 4.76 3.21 4.044.56 4.254.92 4.23 4.47 3.605.23 4.02 4.32 4.68 4.76 3.694.61 4.263.894.21 4.36 3.425.01 4.01 4.29 3.68 4.71 4.134.57 4.264.035.46 4.16 3.64 4.16 3.76;/*freq语句，算频数表*/proc freq;tables z;run;proc means data=ex2_1n mean std stderr clm;var x;run;data ex2_1;input x f@@;cards;3.07 23.27 33.47 93.67 143.87 224.07 304.27 214.47 154.67 104.87 65.07 45.27 2;run;proc means;freq f;var x;run;/*把freq f改成weight f就是把f当权重或频数来算，f则在0，1之间*//*计算x的95%的置信区间*/proc univariate data=ex2_1;var x;output out=pctpctlpre=ppctlpts=2.5 97.5;run;proc print data=pct;run;/*正态检验、茎叶图、箱形图、正态概率图*/proc univariate data=ex2_1normalplot;var x;run;/*Extreme Observation显示的值是最小的5个极值和最大的5个极值*/1.02几何均值data ex2_5;input x f@@;y=log10(x);cards;10 420 340 1080 10160 11320 15640 141280 2;proc means noprint;/*调用means过程，不显示结果*/var y;freq f;output out=b/*结果输出到数据集b中*/mean=logmean;/*把数据集b中均数的变量名mean改为logmean*/run;data c;/*新建数据集c*/set b;/*调用数据集b*/g=10**logmean;/*计算变量logmean的反对数，该值就是x的几何均数，将该值赋值给变量g*/ proc print data=c;var g;run;/*这个是计算平通平均数的值*/proc means data=ex2_5;var x;freq f;run;1.03已知均值和方差求置信区间-单样本+单样本与总体/*单样本*/data ex3_2;n=10;mean=166.95;std=3.64;t=tinv(0.975,n-1);pts=t*std/sqrt(n);lclm=mean-pts;uclm=mean+pts;proc print;var lclm uclm;run;/*单样本与总体均值*/data ex3_5;n=36;/*样本量*/s_m=130.83;/*样本均值*/std=25.74;/*样本标准差*/p_m=140;/*总体均值*/df=n-1;/*自由度*/t=(s_m-p_m)/(std/sqrt(n));p=(1-probt(abs(t),df))*2;/*根据t值计算p值*/run;proc print;var t p;run;1.06双样本均值相等检验+两组分开+两组一起算+两组样本量不同/*双样本分开算*/data ex3_4;n1=29;n2=32;m1=20.10;m2=16.89;s1=7.02;s2=8.46;ss1=s1**2*(n1-1);ss2=s2**2*(n2-1);sc2=(ss1+ss2)/(n1+n2-2);se=sqrt(sc2*(1/n1+1/n2));t=tinv(0.975,n1+n2-2);lclm=(m1-m2)-t*se;uclm=(m1-m2)+t*se;proc print;var t se lclm uclm;run;/*双样本相减后再算*//*用MEANS作配对资料两个样本均数比较的t检验*/data ex3_6;input x1 x2 @@;d=x1-x2;cards;0.840 0.5800.591 0.5090.674 0.5000.632 0.3160.687 0.3370.978 0.5170.750 0.4540.730 0.5121.200 0.9970.870 0.506;proc means t prt;var d;run;/*用UNIVARIATE过程作配对资料两样本均数比较的t检验*/ proc univariate data=ex3_6;var d;run;/*双样本两组样本量不同*/data ex3_7;input x@@;if _n_<21 then c=1;/*当观测数小于21时，变量c的值为1，表示试验组*/else c=2;/*其余变量c的值为2，表示对照组*/cards;-0.70 -5.60 2.00 2.80 0.70 3.50 4.00 5.80 7.10 -0.502.50 -1.60 1.703.00 0.404.50 4.60 2.50 6.00 -1.403.70 6.50 5.00 5.20 0.80 0.20 0.60 3.40 6.60 -1.106.00 3.80 2.00 1.60 2.00 2.20 1.20 3.10 1.70 -2.00;proc ttest;/*调用ttest过程*/var x;/*定义分析变量为x*/class c;/*定义分组变量为c*/run;1.08-1.13anova方差分析过程+一维分组+二维分组+三维分组/*只有一组分组因素*/data ex4_2;input x c @@;cards;3.53 1 2.42 2 2.86 3 0.89 44.59 1 3.36 2 2.28 3 1.06 44.34 1 4.32 2 2.39 3 1.08 42.66 1 2.34 2 2.28 3 1.27 43.59 1 2.68 2 2.48 3 1.63 43.13 1 2.95 2 2.28 3 1.89 43.30 1 2.36 2 3.48 3 1.31 44.04 1 2.56 2 2.42 3 2.51 43.53 1 2.52 2 2.41 3 1.88 43.56 1 2.27 2 2.66 3 1.41 43.85 1 2.98 2 3.29 3 3.19 44.07 1 3.72 2 2.70 3 1.92 41.37 12.65 2 2.66 3 0.94 43.93 1 2.22 2 3.68 3 2.11 42.33 1 2.90 2 2.65 3 2.81 42.98 1 1.98 2 2.66 3 1.98 44.00 1 2.63 2 2.32 3 1.74 43.55 1 2.86 2 2.61 3 2.16 42.64 1 2.93 23.64 3 3.37 42.56 1 2.17 2 2.58 3 2.97 43.50 1 2.72 2 3.65 3 1.69 43.25 1 1.56 2 3.21 3 1.19 42.96 13.11 2 2.23 3 2.17 44.30 1 1.81 2 2.32 3 2.28 43.52 1 1.77 2 2.68 3 1.72 43.93 1 2.80 2 3.04 3 2.47 44.19 1 3.57 2 2.81 3 1.02 42.96 1 2.97 23.02 3 2.52 44.16 1 4.02 2 1.97 3 2.10 42.59 1 2.31 2 1.68 33.71 4;proc anova;/*调用anova过程*/class c;/*定义分组变量为c*/model x=c;/*定义模型，分析g对x的影响*/means c/dunnett;/*用LSD法对多组均数过行两两比较*/means c/hovtest;/*作方差齐性检验，默认levene法，p值大于0.05，则认为是g组方差相等*/run;quit;/*有两组分组因素*/data ex4_4;input x a b@@;cards;0.82 1 10.65 2 10.51 3 10.73 1 20.54 2 20.23 3 20.43 1 30.34 2 30.28 3 30.41 1 40.21 2 40.31 3 40.68 1 50.43 2 50.24 3 5;proc anova;class a b;/*定义分组变量a和b*/model x=a b;/*定义模型，分析a和b对x影响*/means a/snk;/*用SNK法对变量a的多组均数进行两两比较*/run;quit;1.15嵌套设计资料的方差分析glm过程一级因素+二组因素/*嵌套设计资料的方差分析*/data ex11_6;input x a b @@;cards;82 1 184 1 191 1 288 1 285 1 383 1 365 2 461 2 462 2 559 2 556 2 660 2 671 3 767 3 775 3 878 3 885 3 989 3 9;proc glm;/*调用glm过程*/class a b;/*定义分组变量为a和b*/model x=a a(b);/*定义模型，以a为一组因素，b为二级因素*/run;quit;1.17重复测量资料的方差分析data ex12_2;input t1 t2 g@@;/*确定变量名称，t1和t2分别为两个时间点的分析变量，g为处理因素变量，b为区组变量*/cards;130 114 1124 110 1136 126 1128 116 1122 102 1118 100 1116 98 1138 122 1126 108 1124 106 1118 124 2132 122 2134 132 2114 96 2118 124 2128 118 2118 116 2132 122 2120 124 2134 128 2;proc glm;/*调用glm过程*/class g;/*定义分组变量g*/model t1 t2=g;/*定义模型，分析g对变量t1和t2的影响*/repeated time 2/*命名重复因子为time，有2个水平*/contrast(1)/*表示以第一时间点为对照点*//summary;/*考察不同时间点与对照时间点比较的结果*/run;quit;data ex12_3;input t0-t4 g@@;cards;120 108 112 120 117 1118 109 115 126 123 1119 112 119 124 118 1121 112 119 126 120 1127 121 127 133 126 1121 120 118 131 137 2122 121 119 129 133 2128 129 126 135 142 2117 115 111 123 131 2118 114 116 123 133 2131 119 118 135 129 3129 128 121 148 132 3123 123 120 143 136 3123 121 116 145 126 3125 124 118 142 130 3;proc glm;class g;model t0-t4=g;repeated time 5/*命名重复因子为time，有2个水平*/contrast(1);run;quit;二：计数资料的统计分析方法2.1四格表资料的卡方检验data ex7_1;input r c f@@;/*确定变量名称，r为行变量，c为列变量，f为频数变量*/ cards;1 1 991 2 52 1 752 2 21;proc freq;/*调用freq过程*/weight f;/*定义f为频数变量*/tables r*c/*作r*c的列联表*//chisq/*对列联表作卡方检验*/expected;/*输出每个格的理论频数*/run;2.5阳性事件发生的概率（二项分布）data ex6_1;do x=6 to 8;/*建立循环，变量x从6到8*/p1=probbnml(0.7,10,x);/*计算二项分布随机变量不大于x的概率*/p2=probbnml(0.7,10,x-1);/*计算二项分布随机变量不大于x-1的概率*/p=p1-p2;*/计算出现x的概率*/output;/*结果输出*/end;proc print;var x p;run;2.6正态分布法计算总体率的可信区间data ex6_3;n=100;x=55;p=x/n;sp=sqrt(p*(1-p)/n);u=probit(0.975);usp=u*sp;lclm=p-usp;uclm=p+usp;proc print;var n p sp lclm uclm;run;2.7样本率与总体率的比较（直接法——单侧检验）data ex6_4;d=probbnml(0.55,10,8);p=1-d;proc print;var p;run;2.8样本率与总体率的比较（直接法——双侧检验）data ex6_5;p01=probbnml(0.6,10,9);p02=probbnml(0.6,10,8);p0=p01-p02;/*计算出现9的概率*/do i=0to10;/*建立循环，变量i从0到10*/p11=probbnml(0.6,10,i);p12=probbnml(0.6,10,i-1);p1=p11-p12;/*计算出现i的概率*/if i=0then p1=p11; /*定义出现0的概率*/if p1<=p0 then output; /*如果出现i的概率小于出现9的概率，则保留在数据集中*/ end;proc means sum;var p1;run;2.9两个样本率比较的z检验data ex6_7;n1=120;n2=110;x1=36;x2=22;p1=x1/n1;p2=x2/n2;pc=(x1+x2)/(n1+n2);/*计算合并发生率*/sp=sqrt(pc*(1-pc)*(1/n1+1/n2));/*计算两个率相差的标准误差*/u=(p1-p2)/sp;/*计算u值*/p=(1-probnorm(abs(u)))*2;/*计算p值*/format u p 5.4;/*输出格式为小数点后保留4位*/proc print;var pc sp u p;run;2.10．Poisson分布的样本均数与总体均数比较（直接法）data ex6_12;n=120;/*确定样本例数*/pai=0.008; /*确定总体率*/lam=n*pai; /*计算总体均数lamda*/x=4; /*确定实际发生数*/p=1-poisson(lam,x-1);/*计算实际发生数所对应的概率*/proc print;var lam p;run;2.11 Poisson分布的样本均数与总体均数比较（正态近似法）data ex6_12;n=25000;/*样本量*/x=123; /*样本均数*/pi=0.003; /*确定总体率*/lam=n*pi; /*计算总体均数*/u=(x-lam)/sqrt(lam*(1-pi)); /*计算u值*/p=1-probnorm(abs(u)); /*计算u值所对应的p值*/proc print;var lam u p;run;2.14负二项分布的参数估计data ex6_16;input x f@@;cards;0 301 142 83 44 25 06 2;proc univariate;var x;freq f;output out=mv2var=v;run;data k;set mv2;k=mu**2/(v-mu);proc print;var mu k;run;三、非参数统计方法3.2单个样本中位数和总体中位数比较data ex8_2;input x1@@;median=45.30;/*假设中位数为45.30*/d=x1-median; /*计算x1和假设中位数的差值*/cards;44.21 45.30 46.39 49.47 51.05 53.1653.26 54.37 57.16 67.37 71.05 87.37;proc univariate; /*调用univariate过程度*/var d;run;proc means median; /*调用means过程计算x1实际的中位数*/var x1;run;3.3两个独立样本比较的Wilcoxon秩和检验(R对应函数wilcox.test())data ex8_3;input x c @@;/*确定变量名称，x、c分别为分析变量和分组变量(类别多于两类一样的写法)*/2.78 13.23 14.20 14.87 15.12 16.21 17.18 18.05 18.56 19.60 13.23 23.50 24.04 24.15 24.28 24.34 24.47 24.64 24.75 24.82 24.95 25.10 2;proc npar1way wilcoxon;/*调用npar1way过程，进行wilcoxon分析*/var x;/*定义分析变量为x*/class c;/*定义分组变量为c*/run;3.4等级资料的两样本比较data ex8_4;input c g f@@;/*确定变量名称，f为频数，c为分类，g为要分析的变量（分类多种类似）*/ cards;1 1 11 2 81 3 161 4 101 5 42 1 22 2 232 3 112 5 0;proc npar1way wilcoxon;/*调用npar1way过程，进行wilcoxon分析*/freq f;/*确定频数变量为f*/var g;/*定义分析变量g*/class c;/*定义分组变量c*/run;第二部分：多元统计分析方法注：主要讲述过程:reg(回归)，corr(相关分析)，nlin(对数曲线回归)，logistic(逻辑回归)，phreg(条件logistic回归分析+cox回归)，life test(生存分析)，discrim(判别分析)，stepdisc(逐步回归)，cluster(聚类)，varclus(指标聚类)，princomp(主成分分析)，factor(因子分析)，cancorr(典型相关分析)一：回归和相关分析1.1两个变量的直线回归分析data ex9_1;input x y;/*确定变量名称*/cards;13 3.5411 3.019 3.096 2.488 2.5610 3.3612 3.187 2.65;proc reg;/*调用reg过程*/model y=x;/*定义模型，以y为应变量，以x为自变量*//*在model语句后面加上选项，得到一些有用的统计量，常用的有：stb（输出标准化偏回归系数）、p（输出每个观测的实际值、预测值和残差）、cli（输出每个观测预测值均数的双侧95%置信区间）、clm（输出每个观测预测值的双侧95%置信范围）*//*例如：model y=x /stb p cli */plot y*x;/*画出散点图*/run;1.2两个变量的直线相关分析data ex9_5;input x y;cards;43 217.2274 316.1851 231.1158 220.9650 254.7065 293.8454 263.2857 271.7367 263.4669 276.5380 341.1548 261.0038 213.2085 315.1254 252.08;proc corr;/*若要求作spearman相关分析，则可以写成proc corr spearman */ var x y;run;/*得到一个相关系数矩阵*/1.4加权直线加回data ex9_9;input x y;w=1/(x*x); /*设置权重变量w*/cards;0.11 4.000.12 5.100.21 9.500.30 9.000.34 17.200.44 14.000.56 18.900.60 29.400.69 22.100.80 41.50;proc reg;weight w;/*定义权重变量w*/model y=x;/*定义模型，以y为因变量，以x为自变量*/run;1.5两个直线回归系数的比较data ex9_12;input x y c@@;cards;13 3.54 111 3.01 19 3.09 16 2.48 18 2.56 110 3.36 112 3.18 17 2.65 110 3.01 29 2.83 211 2.92 212 3.09 215 3.98 216 3.89 28 2.21 27 2.39 210 2.74 215 3.36 2;proc glm;class c;model y=x c x*c;/*定义模型，分析x、c以及x和c的交互作用对y的影响，即判断两总体直线回归系数是否相同*/run;proc glm;class c;model y=x c;/*上一步已排除协变量的影响，然后再分析两分析变量是否来自同一总体*/run;1.6两个变量的对数曲线回归data ex9_13;input x y;cards;0.005 34.110.050 57.990.500 94.495.000 128.5025.000 169.98;proc nlin;/*调用nlin过程*/parms a=0 b=0; /*定义初始值*/model y=a+b*log10(x); /*定义对数模型，以y为因变以量，x为自变量*/ run;1.7两个变量的指数曲线回归分析data ex9_14;input x y;cards;2 545 507 4510 3714 3519 2526 2031 1634 1838 1345 852 1153 860 465 6;proc nlin;parms a=4 b=0.03;/*定义初始值*/model y=exp(a+b*x);/*定义指数模型，以y为因变量，x为自变量*/run;1.8多元回归data ex15_1;input x1-x4 y@@;/*确定变量名称，x1，x2，x3，x4分别为自变量，y为应变量*/ cards;5.68 1.90 4.53 8.20 11.203.79 1.64 7.32 6.90 8.806.02 3.56 6.95 10.80 12.304.85 1.075.88 8.30 11.604.60 2.32 4.05 7.50 13.406.05 0.64 1.42 13.60 18.304.90 8.50 12.60 8.50 11.107.08 3.00 6.75 11.50 12.103.85 2.11 16.28 7.90 9.604.65 0.63 6.59 7.10 8.404.59 1.97 3.61 8.70 9.304.29 1.97 6.61 7.80 10.607.97 1.93 7.57 9.90 8.406.19 1.18 1.42 6.90 9.606.13 2.06 10.35 10.50 10.905.71 1.78 8.53 8.00 10.106.40 2.40 4.53 10.30 14.806.06 3.67 12.797.10 9.105.09 1.03 2.53 8.90 10.806.13 1.71 5.28 9.90 10.205.78 3.36 2.96 8.00 13.605.43 1.13 4.31 11.30 14.906.50 6.21 3.47 12.30 16.007.98 7.92 3.37 9.80 13.2011.54 10.89 1.20 10.50 20.005.84 0.92 8.616.40 13.303.84 1.20 6.45 9.60 10.40;proc reg;model y=x1-x4;/*也可以写成model y=x1 x2 x3 x4;*/run;1.9逐步回归data ex12_2;input x1-x4 y@@;cards;5.68 1.90 4.53 8.20 11.203.79 1.64 7.32 6.90 8.806.02 3.56 6.95 10.80 12.304.85 1.075.88 8.30 11.604.60 2.32 4.05 7.50 13.406.05 0.64 1.42 13.60 18.304.90 8.50 12.60 8.50 11.107.08 3.00 6.75 11.50 12.103.85 2.11 16.28 7.90 9.604.65 0.63 6.59 7.10 8.404.59 1.97 3.61 8.70 9.304.29 1.97 6.61 7.80 10.607.97 1.93 7.57 9.90 8.406.19 1.18 1.42 6.90 9.606.13 2.06 10.35 10.50 10.905.71 1.78 8.53 8.00 10.106.40 2.40 4.53 10.30 14.806.06 3.67 12.797.10 9.105.09 1.03 2.53 8.90 10.806.13 1.71 5.28 9.90 10.205.78 3.36 2.96 8.00 13.605.43 1.13 4.31 11.30 14.906.50 6.21 3.47 12.30 16.007.98 7.92 3.37 9.80 13.2011.54 10.89 1.20 10.50 20.005.84 0.92 8.616.40 13.303.84 1.20 6.45 9.60 10.40;proc reg;model y=x1-x4/selection=stepwise/*定义模型，以y因变量，x1-x4为变量进行多元回归分析*/ sle=0.10/*定义入先变量的界值*/sls=0.10;/*定义剔除变量的界值*/run;三：logistic回归3.1 两个变量logistic回归分析data ex16_1;input y x1 x2 f@@;/*确定变量名称，y为发病情况，x1为吸烟情况，x2为饮酒情况，f为发生频数*/cards;1 0 0 631 0 1 631 1 0 441 1 1 2650 0 0 1360 0 1 1070 1 0 570 1 1 151;proc logistic;/*调用logistic过程*/freq f;/*定义频数变量f*/model y=x1 x2;/*定义模型，以y为因变量，x1和x2为自变量*/run;3.2 1:M配对资料的条件logistic回归分析data ex16_3;input i y x1-x6 @@;/*确定变量名称，i为区组变量，y为病人情况，1为病例，0为对照，x1-x6为危险因素*/t=2-y;/*定义时间变量*/cards;1 1 3 5 1 1 1 01 0 1 1 1 3 3 01 0 1 1 1 3 3 02 1 13 1 1 3 02 0 1 1 13 2 02 0 1 2 13 2 03 1 14 1 3 2 03 0 1 5 1 3 2 03 0 14 1 3 2 04 1 1 4 1 2 1 14 0 2 1 1 3 2 05 1 2 4 2 3 2 0 5 0 1 2 1 3 3 05 0 2 3 1 3 2 06 1 1 3 1 3 2 1 6 0 1 2 1 3 2 06 0 1 3 2 3 3 07 1 2 1 1 3 2 1 7 0 1 1 1 3 3 07 0 1 1 1 3 3 08 1 1 2 3 2 2 0 8 0 1 5 1 3 2 08 0 1 2 1 3 1 09 1 3 4 3 3 2 0 9 0 1 1 1 3 3 09 0 1 4 1 3 1 010 1 1 4 1 3 3 1 10 0 1 4 1 3 3 010 0 1 2 1 3 1 011 1 3 4 1 3 2 0 11 0 3 4 1 3 1 011 0 1 5 1 3 1 012 1 1 4 3 3 3 0 12 0 1 5 1 3 2 012 0 1 5 1 3 3 013 1 1 4 1 3 2 0 13 0 1 1 1 3 1 013 0 1 1 1 3 2 014 1 1 3 1 3 2 1 14 0 1 1 1 3 1 014 0 1 2 1 3 3 015 1 1 4 1 3 2 0 15 0 1 5 1 3 3 015 0 1 5 1 3 3 016 1 1 4 2 3 1 0 16 0 2 1 1 3 3 016 0 1 1 3 3 2 017 1 2 3 1 3 2 0 17 0 1 1 2 3 2 017 0 1 2 1 3 2 018 1 1 4 1 3 2 0 18 0 1 1 1 2 1 0 18 0 1 2 1 3 2 019 0 1 1 1 2 1 019 0 2 2 2 3 1 020 1 1 4 2 3 2 120 0 1 5 1 3 3 020 0 1 4 1 3 2 021 1 1 5 1 2 1 021 0 1 4 1 3 2 021 0 1 2 1 3 2 122 1 1 2 2 3 1 022 0 1 2 1 3 2 022 0 1 1 1 3 3 023 1 1 3 1 2 2 023 0 1 1 1 3 1 123 0 1 1 2 3 2 124 1 1 2 2 3 2 124 0 1 1 1 3 2 024 0 1 1 2 3 2 025 1 1 4 1 1 1 125 0 1 1 1 3 2 025 0 1 1 1 3 3 0;proc phreg;/*调用phreg过程*/model t*y(0)=x1-x6/*定义模型，以t为时间变量，y为截尾变量，x1-x6为自变量*//selection=stepwise/*选择逐步回归方法筛选变量*/sle=0.1sls=0.1/*入选和剔除的界值均为0.1*/ties=discrete;/*用离散logistic模型替代比例危险模型*/strata i;/*定义区组变量*/run;2.3 应变量为多分类资料的logistic回归data ex16_5;input x1 x2 y f;/*x1是两个社区，x2是性别，Y是获取健康知识途径（传统大众媒介=1，网络=2，社区宣传=3，f为频数）*/cards;0 0 1 200 0 2 350 0 3 260 1 1 100 1 2 270 1 3 571 0 1 421 02 171 1 1 161 12 121 1 3 26;proc logistic;freq f;/*定义频数变量为f*/model y(ref='3')/*定义模型，以y为因变量，ref语句指时参照的类别为“社区宣传”，最后得到结果均为与“社区宣传”相对应*/=x1 x2/*定义x1和x2为自变量*//link=glogit;/*指定多分类应变量回归模型*/run;四：生存分析4.1乘积极限法估计生存率，例17-2甲、乙两种手术方法的生存率估计data ex17_2;input t d@@;/*确定变量名称，t为时间变量，d为截尾变量*/cards;1 13 15 15 15 16 16 16 17 18 110 110 114 017 119 020 022 026 034 134 044 159 1;proc lifetest;/*调用lifetest过程*/time t*d(0);/*定义模型，以t为时间变量，d为截尾变量，变量值为0表示截尾数据*/ run;4.2寿命表法估计生存率data ex17_3;input t d f@@;cards;0 0 00 1 4561 0 391 1 2262 0 222 1 1523 0 233 1 1714 0 244 1 1355 0 1075 1 1256 0 1336 1 837 0 1027 1 748 0 688 1 519 0 649 1 4210 0 4510 1 4311 0 5311 1 3412 0 3312 1 1813 0 2714 0 3314 1 615 0 2015 1 0;proc lifetest method=life/*调用lifetest过程，指定用寿命表法估计生存率*/ width=1;/*表示每间隔1估计生存率*/freq f;/*表示以f为频数变量*/time t*d(0);/*定义模型，以t为时间变量，d为截尾变量，变量值为0表示截尾数据*/ run;4.3生存曲线比较的log-rank检验及制作生存曲线data ex17_4;input t d g @@;cards;1 1 13 1 15 1 15 1 15 1 16 1 16 1 16 1 17 1 18 1 110 1 110 1 114 0 117 1 119 0 120 0 122 0 126 0 131 0 134 1 134 0 144 1 159 1 11 1 21 1 22 1 23 1 23 1 24 1 24 1 24 1 26 1 26 1 28 1 29 1 29 1 210 1 211 1 212 1 213 1 215 1 217 1 218 1 2;proc lifetest plot=(s);/*调用lifetest过程并做生存曲线图*/ time t*d(0);strata g;/*定义变量g为分组变量*/run;4.4.cox回归分析data ex17_5;input x1-x6 t y @@;cards;54 0 0 1 1 0 52 057 0 1 0 0 0 51 058 0 0 0 1 1 35 143 1 1 1 1 0 103 048 0 1 0 0 0 7 140 0 1 0 0 0 60 044 0 1 0 0 0 58 036 0 0 0 1 1 29 139 1 1 1 0 1 70 042 0 1 0 0 1 67 042 0 1 0 0 0 66 042 1 0 1 1 0 87 051 1 1 1 0 0 85 055 0 1 0 0 1 82 052 1 1 1 0 1 74 0 48 1 1 1 0 0 63 0 54 1 0 1 1 1 101 0 38 0 1 0 0 0 100 0 40 1 1 1 0 1 66 1 38 0 0 0 1 0 93 0 19 0 0 0 1 0 24 1 67 1 0 1 1 0 93 0 37 0 0 1 1 0 90 0 43 1 0 0 1 0 15 149 0 0 0 1 0 3 150 1 1 1 1 1 87 0 53 1 1 1 0 0 120 0 32 1 1 1 0 0 120 0 46 0 1 0 0 1 120 043 1 0 1 1 0 120 044 1 0 1 1 0 120 0 62 0 0 0 1 0 120 0 40 1 1 1 0 1 40 1 50 1 0 0 1 0 26 1 33 1 1 0 0 0 120 0 57 1 1 1 0 0 120 0 48 1 0 0 1 0 120 0 28 0 0 0 1 0 3 1 54 1 0 1 1 0 120 1 35 0 1 0 1 1 7 1 47 0 0 0 1 0 18 1 49 1 0 1 1 0 120 0 43 0 1 0 0 0 120 0 48 1 1 0 0 0 15 1 44 0 0 0 1 0 4 1 60 1 1 1 0 0 120 0 40 0 0 0 1 0 16 1 32 0 1 0 0 1 24 1 44 0 0 0 1 1 19 1 48 1 0 0 1 0 120 0 72 0 1 0 1 0 24 1 42 0 0 0 1 0 2 1 63 1 0 1 1 0 120 0 55 0 1 1 0 0 12 1 39 0 0 0 1 0 5 1 44 0 0 0 1 0 120 0 42 1 1 1 0 0 120 061 0 1 0 1 0 40 145 1 0 1 1 0 108 038 0 1 0 0 0 24 162 0 0 0 1 0 16 1;proc phreg;model t*y(1)=x1-x6/*定义模型，以t为时间变量，y为截尾变量，变量值1表示截尾数据，x1-x6为危险因素*//selection=stepwisesle=0.05sls=0.05;run;五：判别和聚类分析5.1判别分析data ex18_4;input x1-x4 g; /*确定变量名称，x1-x4为用于进行判别分析的指标，g为分组变量*/ cards;6.0 -11.5 19 90 1-11.0 -18.5 25 -36 390.2 -17.0 17 3 2-4.0 -15.0 13 54 10.0 -14.0 20 35 20.5 -11.5 19 37 3-10.0 -19.0 21 -42 30.0 -23.0 5 -35 120.0 -22.0 8 -20 3-100.0 -21.4 7 -15 1-100.0 -21.5 15 -40 213.0 -17.2 18 2 2-5.0 -18.5 15 18 110.0 -18.0 14 50 1-8.0 -14.0 16 56 10.6 -13.0 26 21 3-40.0 -20.0 22 -50 3;proc discrim;class g;/*定义分组变量为g*/var x1-x4;/*定义用于分析的指标变量为x1-x4*/run;(结果横向是真实值，竖向的预测值)5.2逐步判别分析data ex18_5;input x1-x4 g;cards;6.0 -11.5 19 90 1-11.0 -18.5 25 -36 390.2 -17.0 17 3 2-4.0 -15.0 13 54 10.0 -14.0 20 35 20.5 -11.5 19 37 3-10.0 -19.0 21 -42 30.0 -23.0 5 -35 120.0 -22.0 8 -20 3-100.0 -21.4 7 -15 1-100.0 -21.5 15 -40 213.0 -17.2 18 2 2-5.0 -18.5 15 18 110.0 -18.0 14 50 1-8.0 -14.0 16 56 10.6 -13.0 26 21 3-40.0 -20.0 22 -50 3;proc stepdisc /*调用stepdisc过程*/slentry=0.2/*确定入选标准为0.2*/slstay=0.3;/*确定剔除标准为0.3*/class g;/*定义分组变量为g*/var x1-x4;/*定义用于分析的指标变量为x1-x4*/run;（筛选出变量后，调用discrim过程对筛选出的变量作判别分析，即先做5.2再做5.1）5.3作样品聚类和指标聚类data ex19_3;input x1-x9;cards;46 25 5 2138 1.68 0.35 8.11 4 4 35 12 20 3510 2.76 1.43 6.84 3 3 52 25 20 2784 2.19 0.54 4.11 3 3 32 7 20 2451 1.93 0.47 11.45 9 6 38 22 0 3247 2.56 0.80 11.68 5 5 51 31 30 3710 2.92 0.37 11.60 2 2 40 9 10 3194 2.51 0.40 11.40 5 5 34 17 20 4658 3.67 0.46 11.35 3 3 50 29 0 5019 3.95 0.47 13.45 10 8 42 20 20 7482 5.89 0.12 13.11 0 0 57 30 15 3800 2.99 0.19 10.76 2 236 15 20 2478 1.95 0.25 10.00 0 037 12 0 3827 3.01 0.82 10.50 4 4 52 32 0 2984 2.35 0.16 11.15 3 3 52 32 10 3749 2.95 0.72 11.45 11 10 42 27 30 4941 3.89 0.73 13.80 7 6 44 27 20 3948 3.11 0.33 13.65 16 14 40 21 5 3360 2.64 0.37 11.40 0 0 38 21 5 2936 2.31 0.69 11.40 1 1 44 27 20 6851 5.39 0.99 12.28 7 6 43 27 0 3926 3.09 0.47 11.95 0 0 26 10 3 4381 3.45 0.52 11.80 7 5 37 18 20 7142 5.62 0.85 11.81 5 5 28 9 20 2612 2.06 0.37 11.65 1 1 25 9 30 2638 2.08 0.78 12.25 1 1 34 14 20 4322 3.40 0.41 15.00 5 5 50 32 20 2862 2.25 0.69 8.80 2 2;proc cluster/*调用cluster过程*/method=average;/*采用类平均法进行聚类*/var x1-x9;/*定义用于分析的指标变量x1-x9*/run;proc treegraphics haxis=axis1 horizontal;/*调用tree过程输出聚类图，并将图横向输出*/ run;/*对各个指标聚类，即对9个变量聚类*/proc varclus;/*调用varclus过程*/var x1-x9;/*定义用于分析的指标变量x1-x9*/run;六、主成分分析和因子分析6.1主成分分析data ex20_1;input x1-x6;cards;92 77 80 95 99 12697 75 77 80 95 12595 80 70 78 89 12075 75 73 88 98 11092 68 72 79 88 11390 85 80 70 78 10372 93 75 77 80 10088 70 76 72 81 10264 70 69 85 93 10570 73 70 87 84 10078 69 75 73 89 9778 72 71 68 75 9675 64 63 76 73 9284 66 77 55 65 7670 64 51 60 67 8858 72 75 62 52 7582 73 40 50 48 6145 65 42 47 43 60;proc princomp;/*调用princomp过程，对6个变量做主成分分析，结果包括主成分累积贡献率，特征向量矩阵*/run;6.2因子分析data ex20_2;input x1-x9;cards;4.34 389 99.06 1.23 25.46 93.15 3.56 97.51 61.663.45 271 88.28 0.85 23.55 94.31 2.44 97.94 73.334.38 385 103.97 1.21 26.54 92.53 4.02 98.484.18 377 99.48 1.19 26.89 93.86 2.92 99.41 63.164.32 378 102.01 1.19 27.63 93.18 1.99 99.71 80.004.13 349 97.55 1.10 27.34 90.63 4.38 99.03 63.164.57 361 91.66 1.14 24.89 90.60 2.73 99.69 73.534.31 209 62.18 0.52 31.74 91.67 3.65 99.48 61.114.06 425 83.27 0.93 26.56 93.81 3.09 99.48 70.734.43 458 92.39 0.95 24.26 91.12 4.21 99.76 79.074.13 496 95.43 1.03 28.75 93.43 3.50 99.10 80.494.10 514 92.99 1.07 26.31 93.24 4.22 100.00 78.954.11 490 80.90 0.97 26.90 93.68 4.97 99.77 80.533.53 344 79.66 0.68 31.87 94.77 3.59 100.00 81.974.16 508 90.98 1.01 29.43 95.75 2.77 98.72 62.864.17 545 92.98 1.08 26.92 94.89 3.14 99.41 82.354.16 507 95.10 1.01 25.82 94.41 2.80 99.35 60.614.86 540 93.17 1.07 27.59 93.47 2.77 99.80 70.215.06 552 84.38 1.10 27.56 95.15 3.10 98.63 69.234.03 453 72.69 0.90 26.03 91.94 4.50 99.05 60.424.15 529 86.53 1.05 22.40 91.52 3.84 98.58 68.423.94 515 91.01 1.02 25.44 94.88 2.56 99.36 73.914.12 552 89.14 1.10 25.70 92.65 3.87 95.52 66.674.42 597 90.18 1.18 26.94 93.03 3.76 99.28 73.813.05 437 78.81 0.87 23.05 94.46 4.03 96.223.94 477 87.34 0.95 26.78 91.784.57 94.28 87.344.14 638 88.57 1.27 26.53 95.16 1.67 94.50 91.673.87 583 89.82 1.16 22.66 93.43 3.55 94.49 89.074.08 552 90.19 1.10 22.53 90.36 3.47 97.88 87.144.14 551 90.81 1.09 23.06 91.65 2.47 97.72 87.134.04 574 81.36 1.14 26.65 93.74 1.61 98.20 93.023.93 515 76.87 1.02 23.88 93.82 3.09 95.46 88.373.90 555 80.58 1.10 23.08 94.38 2.06 96.82 91.793.62 554 87.21 1.10 22.50 92.43 3.22 97.16 87.773.75 586 90.31 1.12 23.73 92.47 2.07 97.74 93.893.77 627 86.47 1.24 23.22 91.17 3.40 98.98 89.80;proc factor/*调用factor过程*/n=4;/*确定因子数为4,如果不写就默认为3*/run;proc factorn=4rotate=quartimax;/*因子旋转的方法为四次方最大正交旋转*/run;七、典型相关分析data ex21_1;input x1-x4 y1-y4;cards;1210 120.1 23.8 61.0 10.2 66.3 2.01 2.731210 120.7 23.4 59.8 11.3 67.6 1.92 2.711040 121.2 22.9 59.0 10.1 66.5 1.92 2.601620 121.5 24.6 59.5 9.5 67.8 1.95 2.641690 122.5 24.4 60.7 11.0 69.2 2.08 2.641150 122.7 27.2 64.5 10.5 69.1 2.19 2.841460 123.3 24.9 58.4 10.5 69.0 2.01 2.72 1190 123.4 21.8 59.0 10.6 67.4 1.90 2.71 1840 123.9 23.5 60.2 9.6 67.1 2.00 2.84 1250 124.5 25.2 63.0 11.2 67.8 2.05 2.78 1480 124.8 22.3 58.1 10.7 67.9 2.05 2.73 1310 124.9 22.0 58.0 10.5 67.8 1.98 2.68 1660 125.3 24.7 60.0 10.8 69.3 1.95 2.80 1580 125.6 22.8 59.0 9.4 69.1 2.00 2.65 1460 125.8 25.7 61.0 10.2 69.6 1.95 2.70 1240 126.0 30.2 68.0 9.2 67.1 2.14 2.88 1100 126.2 25.2 60.5 9.8 68.4 1.98 2.72 1250 126.8 23.6 58.5 10.2 67.5 1.94 2.74 1270 127.1 23.0 57.7 10.8 69.8 1.90 2.78 1300 127.6 24.3 59.0 10.3 67.9 1.93 2.84 1350 127.7 24.1 60.0 11.0 69.7 2.03 2.77 1250 128.3 21.6 55.5 10.4 68.5 1.83 2.70 1720 128.5 27.1 62.0 11.4 71.2 2.03 2.75 1480 128.5 22.6 57.4 10.0 67.3 2.04 2.83 1380 129.4 24.9 60.5 11.5 69.8 2.04 2.76 1170 129.0 26.7 63.7 9.6 67.4 2.13 2.98 1640 129.8 26.1 62.0 9.8 71.0 2.00 2.84 1640 131.6 28.7 62.8 9.7 70.7 1.89 2.89 1150 130.2 25.0 58.6 10.5 71.8 1.96 2.78 1430 130.5 26.1 60.7 10.8 68.6 2.05 2.77 1150 130.6 23.4 54.4 11.8 69.2 1.96 2.78 1150 131.4 25.5 63.2 10.2 70.4 2.05 2.84 1320 131.6 25.6 58.9 10.9 70.2 2.06 2.86 1360 131.7 27.4 62.0 10.9 73.5 1.99 2.70 1460 132.0 26.3 61.5 11.1 71.2 2.17 2.13 1380 132.2 25.7 61.4 10.1 70.1 1.96 2.83 1300 132.5 24.5 57.0 10.8 71.8 2.02 2.84 1220 132.7 27.0 61.3 10.1 72.2 2.08 2.80 1320 132.9 25.2 60.5 11.2 73.1 2.01 2.73 1910 133.1 30.1 67.0 9.0 87.1 2.15 2.97 1800 133.5 26.5 62.5 9.8 71.7 2.07 2.82 1560 133.6 24.8 58.5 10.3 72.2 1.93 2.79 1840 134.0 26.0 60.5 10.4 73.0 1.98 2.74 1470 134.3 28.2 62.0 11.3 87.2 2.66 4.03 1590 134.4 25.5 60.7 9.6 69.9 1.99 2.81 1430 134.1 26.6 63.0 11.2 72.2 2.06 2.90 1760 134.6 32.5 66.0 9.9 87.4 2.61 2.98 1470 135.3 27.9 61.8 10.1 73.3 2.20 2.78 1580 135.6 28.1 65.8 9.8 73.1 2.05 2.891840 137.1 27.6 62.8 9.5 72.4 2.11 2.91 1810 137.4 28.3 62.5 9.4 74.2 2.06 3.00 1850 138.1 29.5 62.4 9.7 72.3 2.12 4.02 2120 140.0 34.9 68.8 9.5 87.9 2.74 4.15 1760 140.7 32.0 64.4 10.2 74.0 2.17 4.05 1800 141.0 32.5 63.8 9.5 88.2 2.65 4.08 1260 141.7 29.1 65.0 9.7 88.2 2.68 2.90 1860 142.4 19.3 70.0 10.1 89.6 2.71 4.06 1800 144.7 27.0 58.3 10.8 74.8 2.10 2.82 1470 136.8 26.3 61.4 10.0 72.2 2.07 2.93 1260 121.1 22.9 59.0 10.6 66.3 2.05 2.76 1570 132.7 25.3 58.6 11.5 73.6 2.16 2.78 1290 125.0 25.7 60.5 10.1 68.8 2.00 2.69 1580 133.2 27.3 60.7 9.6 71.7 2.11 2.85 1690 132.8 28.6 64.7 9.6 72.9 2.19 4.08 1670 131.6 25.4 59.7 10.6 69.8 2.14 2.76 1300 133.1 25.9 58.0 10.1 69.7 2.12 2.83 1610 134.0 25.8 59.6 9.4 70.8 2.10 2.88 1580 134.3 26.3 61.2 10.2 72.2 2.14 2.84 1570 129.1 27.7 62.2 11.1 72.9 2.09 2.93 1660 140.1 32.1 67.0 9.3 87.1 2.15 4.03 1040 132.6 27.9 62.0 10.3 72.5 2.08 2.81 1290 128.3 23.6 58.5 9.3 69.0 1.97 2.76 1980 145.8 34.5 68.0 9.8 89.7 2.68 4.25 1210 133.3 25.6 61.5 9.9 71.0 2.11 2.82 1300 134.3 25.6 61.0 10.5 73.2 2.02 2.83 1310 138.1 27.8 61.2 9.9 73.5 2.09 2.78 1590 135.6 25.9 59.6 9.6 72.8 2.10 2.91 1270 128.3 24.1 58.5 10.3 69.2 1.92 2.77 1310 129.7 24.7 61.7 10.1 69.4 2.03 2.80 2280 143.6 37.6 70.0 9.7 88.8 2.17 4.18 1580 136.6 32.3 67.2 10.3 87.1 2.66 4.04 2370 147.4 38.8 73.0 10.8 90.7 2.82 4.38 ;proc cancorr;/*调用cancorr过程*/var x1-x4;/*定义一组变组变量*/with y1-y3;/*定义另一组变量*/run;。
护理科研中常用的统计学方法讲述
两独立样本t检验：方差齐性（两正态总体，总体 方差相等）
适用情形：完全随机设计的两样本均数比较
数据要求：两组数据均呈正态分布
南京中医药大学护理学院
29
参数检验：计量资料
t 检验
两独立样本t检验：方差齐性（两正态总体，总体 方差相等）
例：一项研究太极拳锻炼对于高血压患者干预效果的临床试 验，纳入研究对象400人，完成随机化分组和基线值测量， 试验组204人，对照组196人，在干预3个月后，比较干预后 血压情况。
重复测量方差分析
南京中医药大学护理学院
8
应用举例：
某医师欲比较物理疗法和药物疗法治疗周围性面神经麻痹
的疗效，资料见下表，问两种疗法的有效率有误差别？
组别 物理 疗法 药物 疗法 合计 有效 99 75 174 无效 5 21 26 合计 104 96 200 有效率(%) 95.20 78.13 87.00
Spearman 相关：双变量不呈正态分布
回归：线性回归：因变量为计量资料
Logistic 回归：因变量为二分类变量（阳性、阴性） Ordinal 有序回归：因变量为等级资料 南京中医药大学护理学院
16
统计推断基本方法
参数估计 计量资料：t检验，方差分析 计数资料：卡方检验 非参数估计（秩和）检验 配对，两独立样本，多独立样本，随机区组 相关和回归 相关：Pearson 相关：双变量均呈正态分布
三组战士行军后体温增加数(℃)
不饮水 定量饮水 不限量饮水 1.9 1.4 0.9 1.8 1.2 0.7 1.6 1.1 0.9 1.7 1.4 1.1 1.5 1.1 0.9 1.6 1.3 0.9 1.3 1.1 0.8 1.4 1.0 1.0
综合护理干预在老年高血压合并急性心肌梗塞护理中的应用效果分析
109医学食疗与健康 2023年3月上第21卷第7期·健康管理·作者简介：刘娟（1977.11—），女，汉族，江苏泰兴人，本科学历，主管护师，研究方向：临床护理。
综合护理干预在老年高血压合并急性心肌梗塞护理中的 应用效果分析刘娟（泰兴市人民医院心血管内科，江苏 泰兴 225400）【摘要】目的：分析综合护理干预应用于高血压合并急性心肌梗塞老年患者的临床护理当中的具体效果。
方法：研究样本是于我院接受治疗的高血压合并急性心肌梗塞的老年患者，选择时间范围是2020年1月至2021年1月，样本数为40例。
根据随机分配的方式将全体参与本项研究的样本均分为两个组别，其中对照组以常规护理方法进行干预，而实验组以综合护理的方法进行干预，比较两组在接受护理干预前后血压指标水平变化、焦虑和抑郁的负面情绪评分变化、以及护理后发生并发症的情况和患者对护理的满意度，分析护理效果。
结果：护理干预前，两组血压指标水平、负面情绪评分比较后组间差异没有统计学意义（P ＞0.05）；护理干预后，实验组比对照组血压指标水平和负面情绪评分改善情况都更好，并且发生并发症的情况少，满意度高，比较之后结果显示组间差异都存在着统计学意义（P ＜0.05）。
结论：综合护理干预应用于高血压合并急性心肌梗塞老年患者临床护理当中，有助于改善患者的血压水平，缓解其不良情绪，减少发生并发症的情况，还能够得到更加良好的满意度，具有重要的推广和应用价值。
【关键词】综合护理干预；老年；高血压；急性心肌梗塞；效果【中图分类号】R473.5…【文献标识码】A…【文章编号】2096-5249（2023）07-0109-03高血压疾病在临床当中较为多见，具有较高的发病率，老年人是其常见的发病人群[1]。
高血压合并急性心肌梗塞发病相对较急，病程进展很快且具有较高的致死和致残几率，如未及时进行救治可能会危及生命[2]。
对于老年高血压合并急性心肌梗塞的患者在进行有效治疗的同时需要辅以适当的护理干预，以保障患者的预后效果[3]。
统计学第二章计量资料的统计描述
02
统计数据整理与展示方法
数据清洗与预处理技巧
80%
缺失值处理
根据数据的分布情况和实际背景 ，选择合适的缺失值填充方法， 如均值、中位数、众数等。
100%
异常值处理
采用箱线图、散点图等方法识别 异常值，并根据实际情况选择删 除、替换或保留。
分类
根据测量水平的不同，计量资料可分为离散型和连续型两类。离 散型数据只能取整数值，如人口数、医院床位数等；连续型数据 则可以取实数范围内的任何值，如身高、体重等。
计量资料特点分析
数值性
计量资料以数值形式表示，具有数量化的特点，便 于进行数学运算和统计分析。
连续性
连续型计量资料在实数范围内可以取任意值，数据 分布的连续性使得统计推断更为精确。
06
统计图表在数据可视化中应用
常见统计图表类型介绍
条形图（Bar Chart）
用于展示分类数据之间的比较，横轴表示分类，纵轴表示数量或比例。
折线图（Line Chart）
用于展示时间序列数据或连续性数据的趋势变化，横轴表示时间或类 别，纵轴表示数量或比例。
散点图（Scatter Plot）
用于展示两个变量之间的关系，横轴和纵轴分别表示两个变量，点的 位置表示变量的取值。
一组观察值中出现次数最多的数。
计算方法
应用场景
中位数计算需先将数据排序，然后取中间 位置的数；众数计算则是统计各数值出现 的次数，取出现次数最多的数。
适用于各种类型的数据，尤其适用于偏态 分布数据。中位数和众数对极端值不敏感 ，因此能较好地反映数据的集中趋势。
不同集中趋势指标比较
算术平均数、中位数和 众数都是描述数据集中 趋势的指标，但各有特 点。
〖医学〗医学统计基础-统计学与医学统计学
图解
正态分布的特点:与样本量的关系非常密切。 样本量越大,越接近理想的、标准的正态分 布。
在实际中,我们常常通过抽样去了解整体。 这就是为什么我们要做统计分析的原因:抽 样的情况不可避免地带来误差。如何减小 抽样误差是重要的研究内容,也是统计学的 重要意义所在。
我们称为Ｈ0)
2、发现推出来的结果是正确的概率很小(常选 择5﹪,即发生了小概率事件),说明不能接受理论模 型(原假设),而要选择相信不同情况。(通常我们称
为Ｈ１)
假设检验的举例说明
某商家宣称他的一批鸡蛋“坏蛋率为1﹪”。 为了对这批蛋的质量做出判断(1﹪?还是高 于1﹪?),我们从中随机抽取５个做检查,结 果:４个好蛋,１个坏蛋。
对正态分布最重要的参数
１、均数。这是集中趋势的指标,反映数据 的一般状态,确定波峰“地理位置” 。
２、标准差。这是离散趋势指标,反映数据 的可信状态,是方差的平方根。(方差的计算 方法)
一般来讲,描述一个计量资料(基本符合正态 分布),常常用均数加减一个标准差来表示,记
为Ｘ± Ｓ。如12.33 ±5.23天。
回忆一下这一张幻灯
当我们看到一份血常规报告单,第一行: WBC:6.2 109/L (４－１０)
这表示什么?如果是16.2﹡109/L,又提示什么?
为什么要这样想? 这名患者一定不正常吗? 1０.2﹡109/L呢? 4000~10000是怎么来的?
现在,这个问题已经能得到基本的解答了。
检验
但是,我们的想法正确吗?经得起检验 吗?这就要交给检验来处理了。
具体举例
１、发表论文的要求 ２、技术进步的要求 ３、科学研究的要求 ４、临床带教的要求
老年痴呆患者采用模拟家人在场干预的效果
老年痴呆患者采用模拟家人在场干预的效果摘要：目的：观察模拟家人在场疗法(SPT)对老年痴呆病人激越行为、社会交往与情绪状况的影响。
方法：选取2019年4月—2020年3月在我院住院治疗的老年痴呆病人164例，随机分为对照组和观察组各82例，对照组接受常规护理，观察组同时接受SPT干预，持续干预3周，采用Cohen-Mansfield激越行为量表(CMAI)、功能独立性评定(FIM)、汉密尔顿抑郁量表(HAMD)评估病人干预前后激越行为、情绪及日常生活与社会交往能力。
结果：干预3周后观察组HAMD、CMAI 得分低于对照组(P<0.05),FIM量表的交流、社会认知维度得分高于对照组(P<0.05)。
结论：SPT可以减少老年痴呆病人的激越行为，改善其社会交往与情绪状况。
关键词：痴呆; 老年人; 模拟家人在场疗法; 情感支持; 激越行为; 抑郁; 社会交往; 护理;痴呆是一种以记忆障碍、认知功能减退为主要特征的临床综合征，是导致老年人残疾与依赖的主要原因[1]。
据世界卫生组织统计数据，全球痴呆病人已达5 000万例，预计2030年将增至7 500万例[2]。
我国现有痴呆病人约950万例，居世界首位，其治疗与护理问题严峻[3]。
已有研究表明，88.46%～94.77%的痴呆病人存在精神行为症状，主要表现为情感障碍，可伴有激越行为及精神病性症状[4,5]。
有研究发现，老年痴呆病人仍存在情绪加工功能，其情绪体验主要取决于所感受到的情感支持，而非认知损害状况，这为痴呆病人的情感干预提供了积极依据[6]。
模拟家人在场疗法（simulated presence therapy,SPT）是一种情感支持干预策略，它借助技术媒介呈现病人家属（或病人与家属相处场景）的录音或录像，唤起病人的积极情绪体验以改善其精神心理状况[7]。
已有研究报道，SPT应用于医院、养老院等机构可以有效改善痴呆病人负性情绪，增进病人幸福感，减少激越行为[7,8,9]。
数理统计基础知识
F(x)
χ
χ 东菱六西格玛推行委员会
χ
两类波动 一个过程的波动分为两类：正常波动与异常波动。 一个过程的波动具有以下特征称为正常波动（commom variation） ⑴ 过程内有许多波动源； ⑵ 每个波动源的出现是随机的； ⑶ 每个波动源对质量特性的影响都是很微小的，不易识别，但其总和是 可以度量的，呈正态分布。 一个过程的波动具有以下特征称为异常波动（special variation） ⑴ 过程内有许多波动源； ⑵ 大部分波动源的出现是随机的； ⑶ 有一个（或几个）波动源对质量特性的影响较强，其他均很小。其总 和随时间所呈现的分布不同。
例 设X～（10，22）和Y ～（2，0.32） ，概率P（8＜X＜14）和P（1.7＜Y＜ 2.6）各为多少？ 根据性质2中（3），让区间端点a、b随着标准化的变化可得：
P(8＜X＜14) =Φ(
14 -10 8 -10 ) -Φ( ) 2 2 =Φ(2) -Φ(-1) = 0.9772 - (1- 0.8413 ) = 0.8185 2.6 - 2 1.7 - 2 ) -Φ( ) 0.3 0.3 =Φ(2) -Φ(-1) = 0.9772 - (1 - 0.8413 ) = 0.8185
波动与分布 我们逐个地测量产品的质量特性χ，把测量的值逐个放在数轴上，差异就显 示出来了。
频 数
χ
χ
χ
χ
当累计到很多的χ值时，就形成一定的图形。为了使这个图形得以稳定，把 纵轴改为单位长度上的频率，由于频率的稳定性，随着被测量质量特性χ愈 多，这个图形愈稳定，其外形形成一条光滑曲线，他被称为概率密度曲线， 相应的函数表达式f（x）称为概率密度函数。
-0.75 0
0
1.52
浅析计量资料的统计描述
计量资料的统计描述描述性统计分析是进行统计分析的第一步，做好这一步是正确进行统计推断的先决条件。
计量资料常用的统计描述指标和方法主要有：1、集中趋势指标（Central Tendency）:包括均数、几何均数、中位数等。
其中均数适用于正态分布和对称分布资料；几何均数适用于对数正态分布和呈等比的数据资料；中位数适合于所有分布类型的资料，但在实际中，中位数主要应用于偏态分布资料、分布不明资料和开口资料。
2、离散趋势指标(Dispersion):包括全距、四分位数间距、方差、标准差、变异系数、标准误等。
方差、标准差用于正态分布资料，四分位数间距用于偏态分布资料，变异系数用于度量单位不同和均数相差悬殊的资料，标准误用于反映样本均数的离散程度，说明均数抽样误差大小。
SPSS的许多模块均可完成描述性统计分析，但专门为该目的而设计的几个模块则集中在Descriptive Statistics菜单中，最常用的是列在最前面的四个过程：Frequencies过程：产生频数表；按要求给出某百分位数。
对计量资料、计数资料和等级资料的描述都适用Descriptives过程：进行一般性的统计描述，用于服从正态分布的资料，计算产生均数、标准差等；Explore过程：用于对数据概况不清时的探索性分析；Crosstabs过程：完成计数资料和等级资料的统计描述和一般的统计检验，我们常用的X2检验也在其中完成。
本次实习练习前3个过程：Frequencies过程，Descriptives过程，Explore过程。
Crosstabs过程在X2检验实习讲述。
Frequencies过程案例：某地101例健康男子血清总胆固醇值测定结果如下，请绘制频数表、直方图，计算均数、标准差、变异系数CV、中位数M、p2.5和p97.5。
4.77 3.37 6.14 3.95 3.56 4.23 4.31 4.715.69 4.12 4.56 4.37 5.396.30 5.217.22 5.543.93 5.214.125.18 5.77 4.79 5.12 5.20 5.10 4.70 4.74 3.50 4.69 4.38 4.896.25 5.324.50 4.63 3.61 4.44 4.43 4.25 4.035.85 4.09 3.35 4.08 4.79 5.30 4.97 3.18 3.97 5.165.10 5.86 4.79 5.34 4.24 4.32 4.776.36 6.38 4.88 5.55 3.04 4.55 3.35 4.87 4.17 5.85 5.16 5.09 4.52 4.38 4.31 4.58 5.72 6.55 4.76 4.61 4.17 4.03 4.47 3.40 3.91 2.70 4.604.095.96 5.48 4.40 4.55 5.38 3.89 4.60 4.47 3.64 4.34 5.186.14 3.24 4.90 3.05一、建立数据文件1、定义变量：在数据窗口，点击Variable View ，定义一个变量，变量名（Name）“x”,类型(Type)“数值（）8,小数位数（Decimals）2，变量标签(Label)：“血清总胆固醇”。