样品间相互与依赖关系及近似程度分析、数据挖掘与基因表达谱分析、绘制统计图与实验设计、SAS语言和SAS非编程模块用法。这些内容高质量高效率地解决了实验设计、统计表达与描述、各种常用和多元统计分析、现代回归分析和数据挖掘、SAS语言基础和SAS实现及结果解释等人们迫切需要解决却又十分棘手的问题。
作性强。涉及到定量与定性资料差异性和预测性分析、变量间和样品间相互与依赖关系及近似程度分析、数据挖掘与基因表达谱分析、绘制统计图与实验设计、SAS语言和SAS非编程模块用法。这些内容高质量高效率地解决了实验设计、统计表达与描述、各种常用和多元统计分析、现代回归分析和数据挖掘、SAS语言基础和SAS实现及结果解释等人们迫切需要解决却又十分棘手的问题。《SAS统计分析教程》适合于需要学习和运用实验设计、统计表达与描述和统计分析及SAS实现的本科生、研究生、博士生、科研和管理工作者、临床医生和杂志编辑学习和使用。

内容简介 本书内容丰富且新颖，适用面宽且可操作性强。涉及到定量与定性资料差异性和预测性分析、变量间和样品间相互与依赖关系及近似程度分析、数据挖掘与基因表达谱分析、绘制统计图与实验设计、SAS语言和SAS非编程模块用法。这些内容高质量高效率地解决了实验设计、统计表达与描述、各种常用和多元统计分析、现代回归分析和数据挖掘、SAS语言基础和SAS实现及结果解释等人们迫切需要解决却又十分棘手的问题。
本书第1~2篇共9章，对各种单因素和多因素设计下定量与定性结果进行差异性分析；第3~4篇共19章，对定量与定性结果提供了数十种预测性分析方法；第5~6篇共13章，介绍多变量间相互与依赖关系分析和变量或样品间亲疏关系或近似程度分析；第7篇共3章，介绍数据挖掘技术与基因表达谱分析；第8篇共3章，用编程法绘制统计图与实现实验设计。与SASPAL软件调用、SAS语言、SAS模块操作、SAS输出结果、统计计算原理和公式、实例与数据和参考文献等有关的翔实内容放在与本书配套的光盘上，方便读者学习和查阅。
本书适合于需要学习和运用实验设计、统计表达与描述和统计分析及SAS实现的本科生、研究生、博士生、科研和管理工作者、临床医生和杂志编辑学习和使用。

目录 第1篇对定量结果进行差异性分析
第1章SAS软件与SAS用法简介
1.1SAS软件简介
1.2SAS用法简介
1.3本章小结
第2章单因素设计一元定量资料差异性分析
2.1单组设计一元定量资料t检验与符号秩和检验
2.2配对设计一元定量资料t检验与符号秩和检验
2.3成组设计一元定量资料t检验
2.4成组设计一元定量资料Wilcoxon秩和检验
2.5单因素k（k≥3）水平设计定量资料一元方差分析
2.6单因素k（k≥3）水平设计定量资料一元协方差分析
2.7单因素k（k≥3）水平设计一元定量资料 Kruskal-Wallis秩和检验
2.8本章小结
第3章单因素设计一元生存资料差异性分析
3.1单因素设计一元生存资料分析简介
3.2生存资料统计描述
3.3生存曲线比较
3.4本章小结
第4章多因素设计一元定量资料差异性分析
4.1随机区组设计一元定量资料方差分析与 Friedman秩和检验
4.2双因素无重复实验设计一元定量资料方差分析
4.3平衡不完全随机区组设计一元定量资料方差分析
4.4拉丁方设计一元定量资料方差分析
4.5二阶段交叉设计一元定量资料方差分析
4.6析因设计一元定量资料方差分析
4.7含区组因素的析因设计一元定量资料方差分析
4.8嵌套设计一元定量资料方差分析
4.9裂区设计一元定量资料方差分析
4.9.1问题与数据
4.10正交设计一元定量资料方差分析
4.11重复测量设计一元定量资料方差分析
4.12常见多因素实验设计一元定量资料协方差分析
4.13多个单因素两水平设计定量资料Meta分析
4.14本章小结
第5章单因素设计多元定量资料差异性分析
5.1问题、数据及统计分析方法的选择
5.2单因素设计定量资料多元方差和协方差分析
5.3本章小结
第6章多因素设计多元定量资料差异性分析
6.1问题、数据及统计分析方法的选择
6.2多因素设计定量资料多元方差和协方差分析
6.3本章小结
第2篇对定性结果进行差异性分析
第7章单因素设计一元定性资料差异性分析
7.1单组设计一维表资料统计分析
7.2配对设计四格表资料统计分析
7.3配对设计扩大形式的方表资料统计分析
7.4成组设计横断面研究四格表资料统计分析
7.5成组设计队列研究四格表资料统计分析
7.6成组设计病例对照研究四格表资料统计分析
7.7成组设计结果变量为多值有序变量的2×C表资料统计分析
7.8成组设计结果变量为多值名义变量的2×C表资料统计分析
7.9单因素多水平设计无序原因变量R×2表资料统计分析
7.10单因素多水平设计有序原因变量R×2表资料统计分析
7.11单因素多水平设计双向无序R×C表资料统计分析
7.12单因素多水平设计有序结果变量R×C表资料统计分析
7.13单因素多水平设计双向有序R×C表资料统计分析
7.14数据库形式表达资料的统计分析
7.15本章小结
第8章多因素设计一元定性资料差异性分析
8.1用加权 检验处理结果变量为二值变量的高维列联表资料
8.2用 检验处理结果变量具有3种性质的高维列联表资料
8.3用Meta分析分别合并处理多个成组设计定性资料
8.4ROC方法分析诊断试验资料
8.5本章小结
第9章多因素设计一元定性资料对数线性模型分析
9.1问题、数据及统计分析方法的选择
9.2用对数线性模型分析列联表资料
9.3本章小结
第3篇对定量结果进行预测性分析
第10章两变量简单线性回归分析
10.1问题、数据及统计分析方法的选择
10.2Pearson线性相关分析
10.3Spearman秩相关分析
10.4简单线性回归分析
10.5加权线性回归分析
10.6本章小结
第11章两变量可直线化曲线回归分析
11.1问题、数据及统计分析方法的选择
11.2对数函数、幂函数和双曲函数曲线回归分析
11.3指数函数曲线回归分析
11.4Logistic函数曲线回归分析
11.5本章小结
第12章各种复杂曲线回归分析
12.1多项式曲线回归分析
12.2Logistic曲线回归分析
12.3Gompertz曲线回归分析
12.4二项型指数曲线回归分析
12.5三项型指数曲线回归分析
12.6本章小结
第13章多重线性回归分析
13.1问题、数据及统计分析方法的选择
13.2多重线性回归分析
13.3REG过程语法简介
13.4本章小结
第14章主成分回归分析
14.1问题、数据及统计分析方法的选择
14.2单组设计多元定量资料主成分回归分析
14.3本章小结
第15章现岭回归分析
15.1问题、数据及统计分析方法的选择
15.2岭回归分析
15.3与岭回归分析有关的SAS语句说明
15.4本章小结
第16章Poisson回归分析
16.1问题、数据及统计分析方法的选择
16.2Poisson回归分析
16.3本章小结
第17章负二项回归与Probit回归分析
17.1问题、数据及统计分析方法的选择
17.2负二项回归分析
17.3对例17-2资料进行Probit回归分析
17.4对例17-3资料进行Probit回归分析
17.5相关的SAS过程语法简介
17.6本章小结
第18章生存资料COX模型回归分析
18.1实例
18.2生存资料COX模型回归分析简介
18.3生存资料COX模型回归分析
18.4本章小结
第19章生存资料参数模型回归分析
19.1实例
19.2生存资料参数模型回归分析简介
19.3生存资料参数模型回归分析
19.4LIFEREG过程简介
19.5本章小结
第20章时间序列分析
20.1时间序列分析简介
20.2指数平滑法
20.3ARIMA模型
20.4谱分析
20.5X12方法
20.6本章小结
第4篇对定性结果进行预测性分析
第21章非配对设计定性资料多重logistic回归分析
21.1问题、数据及统计分析方法的选择
21.2二值变量的多重logistic回归分析
21.3多值有序变量的多重logistic回归分析
21.4多值名义变量的多重logistic回归分析
21.5本章小结
第22章配对设计定性资料多重logistic回归分析
22.1问题、数据及统计分析方法的选择
22.4本章小结
第23章原因变量为定量变量的判别分析
23.1实例
23.2原因变量为定量变量的判别分析简介
23.3原因变量为定量变量的判别分析
23.4本章小结
第24章原因变量为定性变量的判别分析
24.1实例
24.2原因变量为定性变量的判别分析简介
24.3原因变量为定性变量的判别分析
24.4本章小结
第25章遗传资料统计分析的SAS实现
25.1SAS/Genetics简介
25.2ALLELE、HAPLOTYPE和HTSNP过程简介
25.3利用CASECONTROL和FAMILY过程进行关联分析
25.4亲缘系数和近交系数
25.5结果校正和图形输出
25.6本章小结
第26章用SAS/Genetics分析遗传流行病学资料
26.1基因、基因型频率测定与Hardy-Weinberg平衡定律的验证
26.2连锁不平衡与单体型分析
26.3多位点基因型与疾病关联分析
26.4标签SNP的确认与SAS程序
26.5一般人群病例对照遗传资料的关联分析
26.6家系数据的关联分析
26.7本章小结
第27章决策树分析
27.1决策树简介
27.2决策树的基本原理
27.3决策树种类及决策树构造思路
27.4递归分割的分裂准则
27.5变量重要性检测
27.6实际应用与结果解释
27.7用数据挖掘模块近似实现各种决策树算法
27.8本章小结
第28章神经网络分析
28.1前馈型神经网络简介
28.2多层感知器的学习
28.3模型过拟合
28.4模型复杂性的评价
28.5实际应用与结果解释
28.6本章小结