Alan Agresti: An Introduction to Categorical Data Analysis

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

• An Introduction to Categorical Data Analysis, Second Edition原版
• An Introduction to Categorical Data Analysis (2007)下载
• AN INTRODUCTION TO CATEGORICAL DATA ANALYSIS的习题集答案
• An Introduction to Categorical Data Analysis
• Solution of An Introduction to Categorical Data Analysis
• [下载]An introduction to categorical data analysis
• [论坛首发】JMP Software: Introduction to Categorical Data Analysis Course Notes
• An Introduction to Categorical Data Analysis (2007)
• [下载]Introduction to Categorical Data Analysis
• An_introduction_to_Categorical_Data_Analysis
• notes: an introduction to categorical data analysis
• an introduction to categorical data analysis（by Alan Agresti）的stata例题数据
• an introduction to categorical data analysis, 2nd edition
• An Introduction to Categorical Data Analysis
• 
  
• [原创]经典好书:An introduction to categorical data analysis
• [新书]Introduction to Categorical Data Analysis 2nd ed(Alan Agresti)
• [下载]An Introduction to Categorical Data Analysis Using R
• An Introduction to Categorical Data Analysis
• An Introduction to Categorical Data Analysis>（2nd edition）
• An Introduction to Categorical Data Analysis 2007
• An introduction to categorical data analysis
• An introduction to categorical data analysis
• Introduction to Categorical Data Analysis
  

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏2 回帖

关键词：introduction Categorical troduction Analysis Analysi

1. A.1 SAS file for chi-squared tests with aspirin data in Table 2.3
   
2. 
   
3. data aspirin;
   
4. input group mi count @@;
   
5. datalines;
   
6. 
   
7. 1 1 189     1 2 10845  
   
8. 2 1 104     2 2 10933  
   
9. ;
   
10. proc freq order=data; weight count;
    
11. tables group*mi / chisq expected measures;
    
12. proc genmod;
    
13. model count = group mi / dist=poi link=log obstats;
    
14. run;

复制代码

1. A.2 SAS file for analyses of infant malformation data in Table 2.7
   
2. 
   
3. data infants;
   
4. input malform alcohol count @@;
   
5. datalines;
   
6. 
   
7. 1 0 17066    1 0.5 14464   1 1.5 788    1 4.0 126    1 7.0 37
   
8. 2 0    48    2 0.5    38   2 1.5   5    2 4.0   1    2 7.0  1
   
9. ;
   
10. proc freq; weight count;
    
11. tables malform*alcohol / chisq cmh1;
    
12. proc freq; weight count;
    
13. tables malform*alcohol / cmh1 scores=ridit;
    
14. run;

复制代码

1. A.3 SAS file for Fisher's exact test with tea-tasting data in Table 2.8
   
2. 
   
3. data tea;
   
4. input poured guess count @@;
   
5. datalines;
   
6. 
   
7. 1  1  3      1  2  1  
   
8. 2  1  1      2  2  3
   
9. ;
   
10. proc freq; weight count;
    
11. tables poured*guess / exact;
    
12. run;

复制代码

1. A.4 SAS file for CMH analysis of Chinese smoking data in Table 3.3 of first edition and Table 5.12 of 2nd edition
   
2. 
   
3. data cmh;
   
4. input center smoke cancer count @@;
   
5. datalines;
   
6. 
   
7. 1 1 1 126   1 1 2 100   1 2 1  35   1 2 2  61
   
8. 2 1 1 908   2 1 2 688   2 2 1 497   2 2 2 807
   
9. 3 1 1 913   3 1 2 747   3 2 1 336   3 2 2 598
   
10. 4 1 1 235   4 1 2 172   4 2 1  58   4 2 2 121
    
11. 5 1 1 402   5 1 2 308   5 2 1 121   5 2 2 215
    
12. 6 1 1 182   6 1 2 156   6 2 1  72   6 2 2  98
    
13. 7 1 1  60   7 1 2  99   7 2 1  11   7 2 2  43
    
14. 8 1 1 104   8 1 2  89   8 2 1  21   8 2 2  36
    
15. ;
    
16. proc freq; weight count;
    
17. tables center*smoke*cancer / cmh;
    
18. run;

复制代码

1. A.5 SAS file for binary regression models with snoring data in Table 3.1 of 2nd edition (Table 4.1 of first edition)
   
2. 
   
3. data glm;
   
4. input snoring disease total;
   
5. datalines;
   
6. 0 24 1379
   
7. 2 35 638
   
8. 4 21 213
   
9. 5 30 254
   
10. ;
    
11. proc genmod; model disease/total = snoring / dist=bin link=identity ;
    
12. proc genmod; model disease/total = snoring / dist=bin link=logit ;
    
13. proc genmod; model disease/total = snoring / dist=bin link=probit;
    
14. run;

复制代码

1. A.6 SAS file for analyses of horseshoe crab data in Table 3.2 of 2nd edition (Table 4.2 of first edition)
   
2. 
   
3. data crab;
   
4. input color spine width satell weight;
   
5. if satell>0 then y=1; if satell=0 then y=0; n=1;
   
6. weight = weight/1000; color = color - 1;
   
7. if color=4 then dark=0; if color < 4 then dark=1;
   
8. datalines;
   
9. 
   
10. 3  3  28.3  8  3050
    
11. 4  3  22.5  0  1550
    
12. 2  1  26.0  9  2300
    
13. 4  3  24.8  0  2100
    
14. 4  3  26.0  4  2600
    
15. 3  3  23.8  0  2100
    
16. 2  1  26.5  0  2350
    
17. 4  2  24.7  0  1900
    
18. 3  1  23.7  0  1950
    
19. 4  3  25.6  0  2150
    
20. 4  3  24.3  0  2150
    
21. 3  3  25.8  0  2650
    
22. 3  3  28.2  11 3050
    
23. 5  2  21.0  0  1850
    
24. 3  1  26.0  14 2300
    
25. 2  1  27.1  8  2950
    
26. 3  3  25.2  1  2000
    
27. 3  3  29.0  1  3000
    
28. 5  3  24.7  0  2200
    
29. 3  3  27.4  5  2700
    
30. 3  2  23.2  4  1950
    
31. 2  2  25.0  3  2300
    
32. 3  1  22.5  1  1600
    
33. 4  3  26.7  2  2600
    
34. 5  3  25.8  3  2000
    
35. 5  3  26.2  0  1300
    
36. 3  3  28.7  3  3150
    
37. 3  1  26.8  5  2700
    
38. 5  3  27.5  0  2600
    
39. 3  3  24.9  0  2100
    
40. 2  1  29.3  4  3200
    
41. 2  3  25.8  0  2600
    
42. 3  2  25.7  0  2000
    
43. 3  1  25.7  8  2000
    
44. 3  1  26.7  5  2700
    
45. 5  3  23.7  0  1850
    
46. 3  3  26.8  0  2650
    
47. 3  3  27.5  6  3150
    
48. 5  3  23.4  0  1900
    
49. 3  3  27.9  6  2800
    
50. 4  3  27.5  3  3100
    
51. 2  1  26.1  5  2800
    
52. 2  1  27.7  6  2500
    
53. 3  1  30.0  5  3300
    
54. 4  1  28.5  9  3250
    
55. 4  3  28.9  4  2800
    
56. 3  3  28.2  6  2600
    
57. 3  3  25.0  4  2100
    
58. 3  3  28.5  3  3000
    
59. 3  1  30.3  3  3600
    
60. 5  3  24.7  5  2100
    
61. 3  3  27.7  5  2900
    
62. 2  1  27.4  6  2700
    
63. 3  3  22.9  4  1600
    
64. 3  1  25.7  5  2000
    
65. 3  3  28.3  15 3000
    
66. 3  3  27.2  3  2700
    
67. 4  3  26.2  3  2300
    
68. 3  1  27.8  0  2750
    
69. 5  3  25.5  0  2250
    
70. 4  3  27.1  0  2550
    
71. 4  3  24.5  5  2050
    
72. 4  1  27.0  3  2450
    
73. 3  3  26.0  5  2150
    
74. 3  3  28.0  1  2800
    
75. 3  3  30.0  8  3050
    
76. 3  3  29.0  10 3200
    
77. 3  3  26.2  0  2400
    
78. 3  1  26.5  0  1300
    
79. 3  3  26.2  3  2400
    
80. 4  3  25.6  7  2800
    
81. 4  3  23.0  1  1650
    
82. 4  3  23.0  0  1800
    
83. 3  3  25.4  6  2250
    
84. 4  3  24.2  0  1900
    
85. 3  2  22.9  0  1600
    
86. 4  2  26.0  3  2200
    
87. 3  3  25.4  4  2250
    
88. 4  3  25.7  0  1200
    
89. 3  3  25.1  5  2100
    
90. 4  2  24.5  0  2250
    
91. 5  3  27.5  0  2900
    
92. 4  3  23.1  0  1650
    
93. 4  1  25.9  4  2550
    
94. 3  3  25.8  0  2300
    
95. 5  3  27.0  3  2250
    
96. 3  3  28.5  0  3050
    
97. 5  1  25.5  0  2750
    
98. 5  3  23.5  0  1900
    
99. 3  2  24.0  0  1700
    
100. 3  1  29.7  5  3850
     
101. 3  1  26.8  0  2550
     
102. 5  3  26.7  0  2450
     
103. 3  1  28.7  0  3200
     
104. 4  3  23.1  0  1550
     
105. 3  1  29.0  1  2800
     
106. 4  3  25.5  0  2250
     
107. 4  3  26.5  1  1967
     
108. 4  3  24.5  1  2200
     
109. 4  3  28.5  1  3000
     
110. 3  3  28.2  1  2867
     
111. 3  3  24.5  1  1600
     
112. 3  3  27.5  1  2550
     
113. 3  2  24.7  4  2550
     
114. 3  1  25.2  1  2000
     
115. 4  3  27.3  1  2900
     
116. 3  3  26.3  1  2400
     
117. 3  3  29.0  1  3100
     
118. 3  3  25.3  2  1900
     
119. 3  3  26.5  4  2300
     
120. 3  3  27.8  3  3250
     
121. 3  3  27.0  6  2500
     
122. 4  3  25.7  0  2100
     
123. 3  3  25.0  2  2100
     
124. 3  3  31.9  2  3325
     
125. 5  3  23.7  0  1800
     
126. 5  3  29.3  12 3225
     
127. 4  3  22.0  0  1400
     
128. 3  3  25.0  5  2400
     
129. 4  3  27.0  6  2500
     
130. 4  3  23.8  6  1800
     
131. 2  1  30.2  2  3275
     
132. 4  3  26.2  0  2225
     
133. 3  3  24.2  2  1650
     
134. 3  3  27.4  3  2900
     
135. 3  2  25.4  0  2300
     
136. 4  3  28.4  3  3200
     
137. 5  3  22.5  4  1475
     
138. 3  3  26.2  2  2025
     
139. 3  1  24.9  6  2300
     
140. 2  2  24.5  6  1950
     
141. 3  3  25.1  0  1800
     
142. 3  1  28.0  4  2900
     
143. 5  3  25.8  10 2250
     
144. 3  3  27.9  7  3050
     
145. 3  3  24.9  0  2200
     
146. 3  1  28.4  5  3100
     
147. 4  3  27.2  5  2400
     
148. 3  2  25.0  6  2250
     
149. 3  3  27.5  6  2625
     
150. 3  1  33.5  7  5200
     
151. 3  3  30.5  3  3325
     
152. 4  3  29.0  3  2925
     
153. 3  1  24.3  0  2000
     
154. 3  3  25.8  0  2400
     
155. 5  3  25.0  8  2100
     
156. 3  1  31.7  4  3725
     
157. 3  3  29.5  4  3025
     
158. 4  3  24.0  10 1900
     
159. 3  3  30.0  9  3000
     
160. 3  3  27.6  4  2850
     
161. 3  3  26.2  0  2300
     
162. 3  1  23.1  0  2000
     
163. 3  1  22.9  0  1600
     
164. 5  3  24.5  0  1900
     
165. 3  3  24.7  4  1950
     
166. 3  3  28.3  0  3200
     
167. 3  3  23.9  2  1850
     
168. 4  3  23.8  0  1800
     
169. 4  2  29.8  4  3500
     
170. 3  3  26.5  4  2350
     
171. 3  3  26.0  3  2275
     
172. 3  3  28.2  8  3050
     
173. 5  3  25.7  0  2150
     
174. 3  3  26.5  7  2750
     
175. 3  3  25.8  0  2200
     
176. 4  3  24.1  0  1800
     
177. 4  3  26.2  2  2175
     
178. 4  3  26.1  3  2750
     
179. 4  3  29.0  4  3275
     
180. 2  1  28.0  0  2625
     
181. 5  3  27.0  0  2625
     
182. 3  2  24.5  0  2000
     
183. ;
     
184. proc genmod; model satell = width / dist=poi link=log;
     
185. proc genmod; model satell = width / dist=poi link=identity;
     
186. proc genmod;
     
187. model satell = width / dist=nor link=identity;
     
188. proc genmod;
     
189. model y/n = width / dist=bin link=logit obstats ;
     
190. proc genmod; class color;
     
191. model y/n = color width / dist=bin link=logit;
     
192. proc genmod;
     
193. model y/n = color width / dist=bin link=logit;
     
194. proc genmod; class color spine;
     
195. model y/n = color spine width weight / dist=bin link=logit type3;
     
196. proc genmod;
     
197. model y/n = / dist=bin link=logit ;
     
198. proc logistic;
     
199. model y = width;
     
200. proc logistic;
     
201. model y = color weight width / selection=backward;
     
202. proc genmod;
     
203. model y/n = weight dark / dist=bin link=logit;
     
204. run;
     
205. http://www.stat.ufl.edu/~aa/intro-cda/appendix.html

复制代码

怎么下呀？谢谢！