如何正确运用χ~2检验——两种单向有序二维列联表资料线性趋势χ~2检验

本文目的是介绍两种单向有序二维列联表资料线性趋势χ~2检验以及SAS与R软件实现的方法。两种单向有序二维列联表是指原因变量为R值有序变量的"R×2列联表"和结果变量为C值有序变量的"2×C列联表",对它们进行线性趋势检验分别需要采用Cochran-Armitage’s线性趋势χ~2检验和Lee’s线性趋势χ~2检验。     

如何正确运用t检验——两几何均值比较一般差异性t检验及SAS实现

本文目的是介绍几何均数以及两组近似对数正态分布数据几何均数的一般差异性t检验及SAS实现。首先对几何均数的概念、适用条件和计算公式进行介绍;并且将几何均数与统计学中常用的算术均数的特点进行比较;其次,呈现两组药物浓度数据,该数据近似服从对数正态分布,符合几何均数的适用条件,使用SAS的TTEST过程对两组几何均数的一般差异性进行t检验,并对相关结果进行解释和比较;最后,讨论几何均数使用时的注意事项。     

如何正确运用χ~2检验——病例对照设计四格表资料的χ~2检验

本文目的是介绍病例对照设计四格表资料的χ~2检验、优势比的假设检验和区间估计以及使用SAS与R软件实现的方法。针对病例对照设计的特点,重点介绍优势比的概念、假设检验和区间估计方法。对SAS与R软件计算的结果作出解释,并给出统计结论和专业结论。     

如何正确运用t检验——两算术均值比较优效性t检验及SAS实现

本文主要介绍临床试验中优效性检验的概念、假设检验、界值设定和样本量的估计以及成组设计一元定量资料优效性t检验的SAS实现。通过实例展示SAS在优效性t检验中的应用,分别基于两种数据结构(原始定量数据和样本含量、均值、标准差数据)进行操作,对结果进行解释并作出结论。     

如何正确运用Z检验——总体方差已知时两算术均值比较一般差异性Z检验及SAS实现

本文的目的是介绍总体方差已知时两算术均值比较一般差异性Z检验及SAS实现。首先，介绍了选用Z检验的前提条件；其次，介绍了单组设计和成组设计条件下进行均值比较的Z检验统计量，并介绍了上单侧检验、下单侧检验和双侧检验时所对应的拒绝域；最后，结合两个实例，基于SAS软件实现3种Z检验，对输出结果做出了解释。并针对如何合理选择单侧检验还是双侧检验给予说明。     

如何正确运用χ2检验——评分检验与SAS实现

本文目的是介绍评分检验与SAS实现。具体地说,评分检验统计量有5种常见的形式,即一般评分检验统计量、稳健评分检验统计量、残差评分检验统计量、广义评分检验统计量和拉格朗日乘数检验统计量;评分检验主要用于以下3种场合,即检验部分或全部回归系数是否为0、检验单个效应是否不在回归模型中以及检验平行线假定是否成立。本文通过两个实例,借助SAS软件实现前述提及的各种评分检验,并着重解释与评分检验有关的输出结果。     

如何正确运用χ2检验——队列设计四格表资料的χ2检验

本文目的是介绍队列设计四格表资料的χ²检验、相对危险度的假设检验和区间估计、SAS以及R软件的实现。针对队列设计的特点,重点介绍相对危险度的概念、假设检验和区间估计方法。对SAS与R软件计算的结果作出解释,并给出统计和专业结论。     

合理进行多重Logistic回归分析——结合平均处理效应分析

本文目的是介绍如何结合平均处理效应分析,合理地进行多重Logistic回归分析的方法。第一,介绍了与平均处理效应分析有关的4个基本概念。第二,介绍了平均处理效应分析中的核心内容,即6种估算方法。第三,通过一个假设的药物临床试验实例,介绍了如何用SAS软件进行分析的全过程,内容如下：①采用传统的多重Logistic回归分析;②采用倾向性评分模型计算逆概率权重;③分别采用6种估算方法估计潜在结果均值和平均处理效应。     

合理进行均值比较——随机区组设计定量资料多元方差分析

本文目的是介绍与随机区组设计定量资料多元方差分析有关的基本概念、计算方法、一个实例以及SAS实现。基本概念包括区组因素、如何选定区组因素、随机区组设计和不完全随机区组设计;计算方法涉及一般统计量和检验统计量;一个实例涉及“长期饲喂高锌日粮对断奶仔猪免疫机能影响的动物试验及其多元定量资料”。借助SAS实现随机区组设计定量资料的一元方差分析和多元方差分析。并讨论当区组因素对结果的影响无统计学意义时,合理的统计分析方法是不考虑区组因素,直接采用单因素多水平设计一元和多元定量资料方差分析。     

合理进行多元分析——典型相关分析

本文目的是介绍与典型相关分析有关的基本概念、计算方法、两个实例以及SAS实现。基本概念包括典型变量、典型相关系数、典型相关分析、典型变量个数的确定以及典型变量的性质;计算方法涉及典型相关变量中系数的估计和典型相关系数的假设检验;两个实例涉及的资料分别是“受试者的身体形态以及健康指标的测定结果”和“人力资源管理实践变量与组织绩效变量的测定结果”;借助SAS对两个实例中的定量资料进行了典型相关分析,并对输出结果给出了解释。