現代醫學統計學

本書內容涉及R與SAS軟件基礎知識及醫學科研設計中關鍵技術、定性與定量資料廣義差異性分析、變量間相關與迴歸分析、判別分析與聚類分析的軟件實現。全書基於經典統計、貝葉斯統計、蒙特卡羅統計和機器學習與深度學習等統計思想來介紹統計學理論及方法，基於R與SAS兩種各具特色且優勢互補的統計軟件來實現統計計算，再通過大量實例來演示如何正確、方便且高效地解決包括科研設計與統計分析在內的各種實際問題。

^[1] 

第1篇 R與SAS軟件基礎知識

第1章 R軟件概述 3

1.1 R軟件的歷史 3

1.2 R軟件的功能 3

1.3 R軟件的獲取 3

1.4 R軟件的界面 5

1.5 R軟件包中的函數 7

1.6 R軟件的工作目錄及改變工作目錄 12

1.7 使用R軟件的幫助功能 13

第2章 在R軟件環境中輸入和輸出數據 14

2.1 通過R軟件或RStudio軟件提供的控制枱輸入和輸出數據 14

2.2 在R軟件環境中以文本格式輸入和輸出數據 17

2.3 在R軟件環境中以Excel格式輸入和輸出數據 18

2.4 在R軟件環境中以SAS格式輸入和輸出數據 21

2.5 在R軟件環境中以SPSS格式輸入和輸出數據 25

2.6 在R軟件環境中以Stata格式輸入和輸出數據 26

2.7 在R軟件環境中以R格式輸入和輸出數據 27

第3章 R語言簡介 31

3.1 R語言概述 31

3.2 R語法 32

3.3 R對象 41

3.4 函數 62

第4章 SAS軟件概述 72

4.1 SAS軟件的歷史與規模 72

4.2 SAS軟件的框架與結構 72

4.3 SAS環境與SAS窗口 73

4.4 發揮SAS幫助功能的作用 74

4.5 SAS過程與SAS程序的區別 74

4.6 SAS數據步與SAS過程步簡介 75

4.7 SAS數據集與其他格式的數據簡介 76

第5章 在SAS軟件環境中輸入和輸出數據 80

5.1 概述 80

5.2 導入/導出嚮導 80

5.3 IMPORT和EXPORT過程 88

5.4 數據直接訪問 92

第6章 基本SAS語言簡介 95

6.1 SAS程序 95

6.2 SAS語句的概念 96

6.3 數據步常用語句 100

6.4 過程步常用語句 140

6.5 全程語句 143

第7章 SAS常用函數簡介 147

7.1 截取函數 147 ^[2] 

7.2 分位數函數 149

7.3 數學函數 152

7.4 概率函數 156

7.5 樣本統計函數 160

7.6 隨機數函數 163

第2篇 醫學科研設計中關鍵技術的軟件實現

第8章 醫學科研設計要覽 171

8.1 醫學課題研究概述 171

8.2 醫學科研設計方案的種類及主要內容 172

8.3 醫學倫理道德 175

8.4 國際註冊 176

8.5 硬件和軟件條件 176

8.6 醫學科研課題技術設計方案中的核心內容 177

第9章 估計樣本含量與檢驗效能 184

9.1 估計樣本含量與檢驗效能的概述 184

9.2 定量資料假設檢驗時估計樣本含量與檢驗效能 185

9.3 定性資料假設檢驗時估計樣本含量與檢驗效能 193

第10章 產生隨機數與隨機抽樣 197

10.1 產生隨機數 197

10.2 隨機抽樣 204

第11章 隨機分組與統計模擬 214

11.1 隨機分組 214

11.2 統計模擬 219

第3篇 定性資料廣義差異性分析的軟件實現

第12章 單組設計一元定性資料區間估計與假設檢驗 235

12.1 問題與數據 235

12.2 對數據結構的分析 235

12.3 分析目的與統計分析方法的選擇 235

12.4 基於R的單個率的假設檢驗與區間估計 235

12.5 基於SAS的單個率的假設檢驗與區間估計 239

第13章 2×2列聯表資料廣義差異性分析 244

13.1 配對設計四格表資料的多種診斷指標的計算 244

13.2 配對設計四格表資料的一致性與對稱性檢驗 247

13.3 橫斷面設計2×2表資料差異性分析 249

13.4 隊列研究設計2×2表資料差異性分析 251

13.5 病例對照研究設計2×2表資料差異性分析 253

13.6 橫斷面設計2×2表資料非劣效性分析 254

13.7 橫斷面設計2×2表資料等效性分析 255

13.8 橫斷面設計2×2表資料優效性分析 256

第14章 R×2列聯表與2×C列聯表資料線性趨勢檢驗 258

14.1 R×2列聯表資料線性趨勢檢驗 258

14.2 2×C列聯表資料線性趨勢檢驗 261

第15章 R×C列聯表資料廣義差異性分析 265

15.1 橫斷面設計雙向無序R×C列聯表資料差異性分析 265

15.2 橫斷面設計結果變量為有序變量單向有序R×C列聯表資料秩和檢驗 266

15.3 橫斷面設計雙向有序且屬性不同R×C列聯表資料Spearman秩相關分析 268

15.4 配對設計擴大形式雙向有序且屬性相同列聯表資料一致性分析 271

15.5 配對設計擴大形式雙向有序且屬性相同列聯表資料Kendall’s tau-b秩相關分析 273

第16章 高維列聯表資料廣義差異性分析 276

16.1 結果變量為二值變量高維列聯表資料CMH校正χ2檢驗 276

16.2 結果變量為多值名義變量高維列聯表資料CMH校正χ2檢驗 280

16.3 結果變量為多值有序變量高維列聯表資料CMH校正秩和檢驗 283

第4篇 定量資料廣義差異性分析的軟件實現

第17章 定量資料參數假設檢驗前提條件的檢查 289

17.1 單組設計一元定量資料小樣本正態性檢驗 289

17.2 單組設計一元定量資料大樣本正態性檢驗 290

17.3 單因素兩水平設計一元定量資料方差齊性檢驗 292

17.4 單因素多水平設計一元定量資料方差齊性檢驗 294

第18章 單因素設計一元定量資料廣義差異性分析 297

18.1 單組設計一元定量資料t檢驗及符號秩和檢驗 297

18.2 配對設計一元定量資料t檢驗與符號秩和檢驗 298

18.3 成組設計一元定量資料差異性檢驗——t檢驗及秩和檢驗 300

18.4 成組設計一元定量資料非劣效性檢驗 302

18.5 成組設計一元定量資料等效性檢驗 303

18.6 成組設計一元定量資料優效性檢驗 304

18.7 單因素多水平設計一元定量資料方差分析及秩和檢驗 306

18.8 多個均值之間的兩兩比較 309

第19章 無法考察交互作用的多因素設計一元定量資料方差分析 312

19.1 無重複試驗隨機區組設計一元定量資料方差分析 312

^[2] 

19.2 交叉設計一元定量資料方差分析 319

19.3 拉丁方設計一元定量資料方差分析 321

19.4 嵌套設計一元定量資料方差分析 323

第20章 考察全部交互作用的多因素設計一元定量資料方差分析 330

20.1 兩因素析因設計一元定量資料方差分析 330

20.2 三因素析因設計一元定量資料方差分析 335

第21章 考察部分交互作用的多因素設計一元定量資料方差分析 339

21.1 正交設計一元定量資料方差分析 339

21.2 裂區設計一元定量資料方差分析 347

21.3 重複測量設計一元定量資料方差分析 350

第5篇 變量間相關與迴歸分析的軟件實現

第22章 兩變量間簡單線性相關分析 363

22.1 問題、數據及統計分析方法的選擇 363

22.2 Pearson線性相關分析 366

22.3 Spearman秩相關分析 367

第23章 兩變量間簡單線性迴歸分析 370

23.1 問題、數據及統計分析方法的選擇 370

23.2 簡單線性迴歸分析 370

第24章 兩變量間簡單曲線迴歸分析 373

24.1 問題與數據 373

24.2 分析與解答 374

第25章 多重線性迴歸分析核心內容與關鍵技術概述 384

25.1 與多重線性迴歸分析有關的基本概念 384

25.2 構建多重線性迴歸分析模型的方法 390

25.3 多重線性迴歸分析模型的假設檢驗 393

25.4 實施多重線性迴歸分析的重要步驟與關鍵技術 394

25.5 多重線性迴歸分析模型擬合效果的評價 398

第26章 基於經典統計思想實現多重線性迴歸分析 400

26.1 未引入派生變量並採用經典統計思想實現多重線性迴歸分析 400

26.2 引入派生變量並採用經典統計思想實現多重線性迴歸分析 414

26.3 基於主成分迴歸分析與嶺迴歸分析實現多重線性迴歸分析 424

第27章 基於貝葉斯統計思想實現多重線性迴歸分析 428

27.1 MCMC方法概述 428

27.2 未引入派生變量且基於貝葉斯統計思想實現多重線性迴歸分析 429

27.3 引入派生變量且基於貝葉斯統計思想實現多重線性迴歸分析 433

第28章 基於機器學習統計思想實現多重線性迴歸分析 436

28.1 機器學習迴歸分析方法概述 436

28.2 未引入派生變量且基於BP神經網絡迴歸分析建模 437

第29章 基於經典統計思想實現二值因變量的多重logistic迴歸分析 441

29.1 二值因變量的多重logistic迴歸模型的建模與求解 441

29.2 問題與數據結構 443

29.3 二值因變量的多重logistic迴歸分析 446

29.4 基於SAS實現ROC曲線下面積計算與比較 454

第30章 基於經典統計思想實現多值有序因變量的多重logistic迴歸分析 463

30.1 多值有序因變量的多重logistic迴歸模型的建模與求解 463

30.2 問題與數據結構 465

30.3 多值有序因變量的多重logistic迴歸分析 467

第31章 生存資料非參數統計分析 474

31.1 概述 474

31.2 問題與數據結構 477

31.3 單因素一元生存資料非參數統計分析 478

第32章 生存資料Cox比例風險模型迴歸分析 483

32.1 概述 483

32.2 問題與數據結構 484

32.3 基於SAS的生存資料Cox比例風險模型迴歸分析 487

32.4 基於R的生存資料Cox比例風險模型迴歸分析 490

第33章 Cox非比例風險模型迴歸分析 494

33.1 概述 494

33.2 問題與數據結構 494

33.3 基於SAS的生存資料Cox比例風險模型迴歸分析 495

第34章 生存資料的參數模型迴歸分析 507

34.1 概述 507

34.2 問題與數據結構 508

34.3 基於SAS的生存資料參數模型迴歸分析的準備 508

34.4 未引入派生變量且基於SAS的生存資料參數模型迴歸分析 509

34.5 引入派生變量且基於SAS的生存資料參數模型迴歸分析 517

34.6 最優模型的判定 524

34.7 基於R實現生存資料參數模型迴歸分析 525

第6篇 判別分析與聚類分析的軟件實現

第35章 基於R軟件採用支持向量機方法實現判別分析 531

35.1 三類別資料及其分類問題 531

35.2 支持向量機方法的實現 533

35.3 用支持向量機方法進行判別分析 534

35.4 用支持向量機方法進行判別分析的R程序彙總 540

第36章 基於標準化變換的求和法實現無序樣品聚類分析 543

36.1 概述 543

36.2 基於標準化變換的求和法 544

36.3 綜合評價質量的判定標準 546

36.4 標準化變換的求和法的應用實例1 547

36.5 標準化變換的求和法的應用實例2 551

參考文獻 554 ^[2] 

附錄 ^[1]