排序方式: 共有232条查询结果,搜索用时 31 毫秒
1.
2.
生物统计学是生物学领域科学研究和实际工作中必不可少的工具,在分子生物学迅速发展的今天,生物统计学更显示出了它的重要性。实验设计与数据统计分析是现代生物学的基石,是生物学研究者检验假说、寻找模式、建立生物学理论的有利工具,也是生物学研究者探索微观和宏观生物世界的必备基础知识。对于每天甚至是每时每刻涌现的大量的、以天文数字计量的分子遗传数据,必须借助统计学知识加以分析处理,才能从中获得有意义的信息。“生物多样性数据分析”是开展生物多样性研究的一个重要方面,数据分析能力的高低极大地影响着我们对各种生态学现象认识的深度和广度。现在,电子计算机的普及使得生物统计分析过程大大简化,生物统计分析软件包的普及将生物统计学从统计学家的书本里解放了出来,简化了生物统计分析过程,使之成为生物学研究者的常用工具。本刊特邀军事医学科学院生物医学统计学咨询中心主任胡良平教授,以“如何用 SAS 软件正确分析生物医学科研资料”为题,撰写系列统计学讲座,希望该系列讲座能对生物医学科研工作者有所帮助。 相似文献
3.
4.
5.
本文目的是介绍一种可以考察各级交互作用的多因素设计类型,即析因设计。通过介绍两个实际例子,总结出析因设计的八个特点及优点、缺点。针对实际应用时可能面临的情况或问题,人们可能会对析因设计进行改造,由此产生了析因设计的三种变形,即"含区组因素的析因设计""分式析因设计"和"多因素非平衡组合试验"。最后一种情形,是实际工作者常会使用的,但在对定量评价指标进行差异性分析时需要对原先的分组进行合理拆分,再进行恰当的组合,构造出多种标准的设计类型,以利于分析者选择正确的统计分析方法。 相似文献
6.
目的:探讨综合权重在复杂随机抽样数据线性回归分析中的意义和作用。方法基于蒙特卡洛随机模拟思想,采用SAS中REG和SURVEYREG两个不同的多重线性回归分析过程,分别对同一批复杂随机抽样数据( n=6756)在不同随机抽样率条件下进行回归建模,对所得结果进行比较。结果在未考虑和考虑观测权重与抽样权重的多重线性回归模型拟合的结果中,自变量的偏回归系数、标准误及P值的大小均有所不同。结论在对基于不同抽样率的复杂随机抽样资料,尤其是分层随机抽样调查资料的回归建模中,采用多重线性回归模型拟合资料时,将调查数据的综合权重纳入统计分析,方能更准确、灵敏地进行回归系数的参数估计和对结果变量的统计预测。 相似文献
7.
单因素多水平设计是药学科研中经常用到的一种试验设计方法,在临床药物疗效研究方面具有十分广泛的适用性。本文主要从单因素多水平设计的概念、单因素多水平设计统计分析方法的合理选用、如何使用SAS程序进行分析,以及如何解释结果几个方面作一概述。 相似文献
8.
当观测结果是定性资料时,人们习惯将资料整理成列联表形式.比如"2×2列联表资料"、"R×C列联表资料"和"高维列联表资料"等.所谓高维列联表,也就是表中涉及到的定性变量的个数k≥3.对于高维列联表资料,根据结果变量的性质可将高维列联表分为以下三类:一是结果变量为二值变量的高维列联表;二是结果变量为多值有序变量的高维列联表;三是结果变量为多值名义变量的高维列联表.在上一期中,我们已经介绍了用CMHx2检验和加权x2检验处理结果变量为二值变量的高维列联表资料,本文将继续介绍结果变量为二值变量的高维列联表资料的其他分析方法及SAS实现. 相似文献
9.
1 问题的提出
有些实际工作者常凭“想当然”办事,比如,治疗胃病有甲、乙两种药,每种药分为低、高两种剂量,已知甲药为对照药而乙药为新药,于是各种试验条件下各有一组患者接受治疗,共计四组:甲药低剂量(简称甲低,下同)、甲高、乙低、乙高。取能反映胃病治疗效果好坏的定量指标并测其结果,得到4组定量资料。现若要分析甲低疗效好还是乙低疗效好, 相似文献
10.
当试验中涉及到两个因素,由于试验安排上存在某些不足(通常是因素各水平组合条件下未做重复试验)或因素之间的特殊关系(通常为嵌套关系),导致无法考察两因素之间的交互作用,这类定量资料可称为无法考察交互作用的两因素设计定量资料。 相似文献