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t检验——两算术均值比较非劣效性t检验及SAS实现

本文主要介绍临床试验中非劣效性检验的概念、原理和作用以及成组设计一元定量资料非劣效性检验的SAS实现。通过实例展示SAS在非劣效性检验中的应用,分别基于原始的定量数据或者基于给定样本含量、均数、标准差两种数据结构下进行操作,对结果进行解释并作出结论。     

如何正确运用t检验——线性回归模型中参数与0比较t检验及SAS实现

本文目的是介绍t检验在简单线性回归分析和多重线性回归分析中参数与0之间差异性比较时的理论依据和应用实践。首先介绍线性回归分析中t检验的基本原理和计算公式;然后用SAS程序分别对2个实例进行简单线性和多重线性回归分析,提请读者着重关注输出结果中有关"参数假设检验部分的检验统计量的名称及结果";最后对结果进行解释和讨论。     

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t检验——t检验的基本概念与前提条件

本文旨在全面介绍t检验的基本概念与前提条件(涉及实验设计和t分布两个方面)。t分布和t检验的适用场合包括:①估计符合某些条件时定量指标的参考值范围;②直线回归分析中个体因变量Y值的容许区间计算;③估计定量指标总体均数的置信区间;④线性相关与回归分析(包括多重线性回归分析)中某些参数的假设检验;⑤定量资料均值的假设检验,此时,严格地说,t检验仅适用于以下三种实验设计类型,即单组设计、配对设计和成组设计。在实际运用中,应正确辨析定量资料所取自的实验设计类型并检查资料的参数检验条件;若属于其他情形(参见前述提及的多种场合),一般都应有相应的统计学理论为依据(即可以证明问题中涉及的统计量服从t分布),否则,就可能属于滥用或误用。     

如何正确运用t检验——两算术均值比较等效性t检验及SAS实现

本文主要介绍临床试验中的等效性检验的概念、原理、作用以及成组设计一元定量资料等效性检验的SAS实现。基于原始的定量数据或者基于给定样本含量、均值、标准差两种数据结构,结合实例展示SAS在等效性检验中的应用,并对结果进行解释、做出结论。     

如何正确运用t检验——相关系数与0比较t检验及SAS实现

本文目的是介绍Pearson相关系数、Spearman秩相关系数和Kendall’s tau-b秩相关系数的概念及应用场合。首先介绍三种相关系数的计算及其假设检验的基本原理,然后使用SAS程序对实例进行分析,最后对分析结果进行解释和讨论。     

如何正确运用方差分析——方差齐性检验与SAS实现

本文目的是介绍方差齐性检验与SAS实现。方差齐性检验可分为以下三类：(1)直接基于方差比较的方差分析法;(2)对原始数据经过变量变换后的新数据采取基于均值比较的方差分析法;(3)对符合正态分布的定量原始数据采取χ²检验法。在第一类中,直接基于两样本方差比构造出服从F分布的检验统计量;在第二类中,对原始数据有多种不同的变量变换方法,对变换后的新数据进行单因素多水平设计一元定量资料方差分析;在第三类中,对服从正态分布的定量资料构造χ²检验统计量。本文基于SAS软件对三个实例进行方差齐性检验,并对输出结果作出解释。     

如何正确运用Z检验——定性资料一致性Z检验及SAS实现

本文目的是介绍定性资料一致性Z检验的原理、方法和SAS实现。文中涉及两个方面的内容,包括介绍定性资料一致性Z检验的原理和方法以及基于SAS软件实现定性资料一致性Z检验。文中给出了SAS输出结果并对其进行解释,再分别得出统计学结论和专业结论。     

如何正确运用Z检验——两率比较一般差异性Z检验及SAS实现

本文介绍了用Z检验进行率比较的原理、方法和SAS实现。包括一个未知总体率与一个已知总体率比较的Z检验和两未知总体率比较的Z检验。在SAS实现方面,采取了两种途径：①基于计算公式,用SAS语言编程;②直接借助SAS中的“FREQ过程”。     

如何正确运用Z检验——两总体率比较等效性Z检验及SAS实现

本文介绍了两总体率比较等效性Z检验的原理、方法和SAS实现。文中涉及两个方面内容,包括两总体率比较等效性Z检验的原理和方法以及基于SAS软件实现两总体率比较等效性Z检验。文中给出了SAS输出结果并对其进行解释,并分别得出统计学结论和专业结论。     

双样本t检验和配对检验的异同性

概述:临床研究中经常遇到比较实验组和对照组之间的结果.双样本t检验(又称为独立样本t检验)和配对t检验可能是运用于比较两个样本之间均值的最广泛的统计方法.然而,这两种方法的运用会产生混淆,从而导致使用不当.本文中,我们讨论了这两种t检验之间的异同性,并运用三个范例来阐述双样本t检验和配对t检验的计算过程.     

如何正确运用Z检验——两总体率比较优效性Z检验及SAS实现

本文目的是介绍两总体率比较优效性Z检验的原理、方法和SAS实现。文中涉及两个方面的内容,包括两总体率比较优效性Z检验的原理和方法以及基于SAS软件实现两总体率比较优效性Z检验。文中给出了SAS输出结果并对其进行解释,并分别得出统计学结论和专业结论。     

如何正确运用Z检验——两总体率比较非劣效性Z检验及SAS实现

本文介绍了两总体率比较非劣效性Z检验的原理、方法和SAS实现。文中涉及两个方面的内容,包括两总体率比较非劣效性Z检验的原理和方法以及基于SAS软件实现两总体率比较非劣效性Z检验。文中给出了SAS输出结果并对其进行解释,还给出了统计学结论和专业结论。     

如何正确运用χ2检验——拟合优度检验与SAS实现

本文目的是介绍拟合优度检验及其SAS实现,主要内容包括以下四个方面：①Pearson’s拟合优度检验;②偏差或称似然比拟合优度检验;③Hosmer-Lemeshow拟合优度检验;④稀疏资料拟合优度检验。前述提及的第四个方面的内容包含六种具体的检验方法,即“信息矩阵检验”“信息矩阵对角线检验”“Osius-Rojek检验”“未加权的残差平方和检验”“Spiegelhalter检验”和“Stukel检验”。本文结合一个实例并借助SAS软件实现前述提及的四类拟合优度检验,对输出结果做出解释,并给出统计结论和专业结论。     

如何正确运用χ2检验——病例对照设计四格表资料的χ2检验

本文目的是介绍病例对照设计四格表资料的χ2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χ~2检验——高维表资料独立性检验与SAS实现

本文目的是介绍一种特殊高维表(即g×2×2表)资料的独立性检验方法及SAS实现。在SAS软件和统计学教科书中,有三种方法可用于进行高维表资料的独立性检验,分别为广义CMHχ~2检验(简称为"方法1")、公式中含有权重系数的加权χ~2检验(简称为"方法2")和公式中没有权重系数的加权χ~2检验(简称为"方法 3")。本文通过公式推导和变形,揭示出"方法2"与"方法 3"在本质上是完全相同的加权χ~2检验,但具有不同的表现形式;还揭示出加权χ~2检验统计量的估计值与"方法1"中的CMHχ~2检验统计量的估计值近似相等。本文结合一个实例,介绍基于SAS软件实现g×2×2表资料独立性检验的具体方法,对输出结果进行解释,并做出统计结论和专业结论。     

合理进行多元分析——定量资料对应分析

本文目的是介绍与定量资料对应分析有关的基本概念、计算方法、两个实例以及SAS实现。基本概念包括变量与样品、显变量与隐变量、因子分析、R型分析与Q型分析、对应分析;计算方法涉及基本原理、变量变换、构建R型和Q型协方差矩阵、因子分析;两个实例分别为“某年中国10个省份农村居民家庭人均消费支出数据”和“不同民族的各种基因出现的频率”;借助SAS软件,对两个实例中的定量资料进行了定量资料对应分析,并对SAS输出结果做出了解释。     

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。