R×C列联表资料的统计分析与SAS软件实现（二）

在《中西医结合学报》2009年第8期“R×C列联表资料的统计分析与SAS软件实现（一）”一文的基础上,本文又详细介绍了双向有序且属性不同的R×C表资料、双向有序且属性相同的R×C表资料及其用SAS软件实现统计分析的全部内容。     

2×C列联表与R×2列联表资料的统计分析与SAS软件实现

2×C列联表资料指原因变量为二值变量,而结果变量为多值变量的列联表,它以2行、C列的形式被呈现出来;R×2列联表资料是指原因变量有R个取值的变量,而结果变量为二值变量的列联表,它可以被表示为R行、2列的形式。这两种类型的列联表资料还应根据原因变量或结果变量的具体性质作进一步划分,然后按照分析的目的采用相应类型列联表资料的统计分析方法进行处理,关键在于R行或C列是否为有序的。在用来分析这两种类型的列联表资料的众多方法中,其中之一就是线性趋势检验,此时,特别强调R行或C列是有序的。     

2×C列联表与R×2列联表资料的统计分析与SAS软件实现

2×C列联表资料指原因变量为二值变量,而结果变量为多值变量的列联表,它以2行、C列的形式被呈现出来;R×2列联表资料是指原因变量有R个取值的变量,而结果变量为二值变量的列联表,它可以被表示为R行、2列的形式.这两种类型的列联表资料还应根据原因变量或结果变量的具体性质作进一步划分,然后按照分析的目的采用相应类型列联表资料的统计分析方法进行处理,关键在于R行或C列是否为有序的.     

2×2列联表资料的统计分析与SAS软件实现

定性资料常以列联表形式呈现出来,通常分为2×2表、2×C表和R×2表、R×C表和高维列联表。本文结合科研中的部分实例,介绍4种2×2列联表资料并用SAS实现其资料的统计分析。     

三维列联表卡方检验法和似然比检验法的比较

由两个属性变量所构成的列联表的 x~2检验法已为人所熟知,然而由三个属性变量(处理、条件、反应)所产生的列联表(简称三维表或 R×C×L 表)是医学研究中经常用到的,常有人将三维表合并或分解为二维表再处理,以致可能产生错误的结论。对三维表进行深入细致的综合分析,线性对数模型固然是一有效方法,但对于不掌握线性代数的广大医务人员不是轻而易举的。因此本文介绍三维列联表的 x~2检验法和     

高维列联表资料的统计分析与SAS软件实现（一）

在生物医学研究中,往往遇到定性资料,如果某项研究涉及的定性变量个数大于2,并且用列联表的形式表现出来,则称该列联表为高维列联表。高维列联表的维数由原因和结果变量的个数共同决定,且依据结果变量的性质将高维列联表分为结果变量为二值变量的高维列联表、结果变量为多值有序变量的高维列联表和结果变量为多值名义变量的高维列联表。     

高维列联表资料的统计分析与SAS软件实现（五）

针对高维列联表资料的分析,分别介绍了加权χ^2检验、CMHχ^2检验、对数线性模型、结果变量为二值变量或多值有序变量高维列联表资料的logistic回归分析^[1-4]。本文将讨论结果变量为多值名义变量的高维列联表资料的logistic回归分析,即采用扩展的多重logistic回归模型,也称为多项logit模型。在结果变量为多值名义变量的高维列联表资料中,结果变量是多值名义变量,     

行列之一有序的列联表确切概率计算

行与列之一有序的R×C列联表,可用Kruskal—Wallis检验法比较R个总体,本文导得当边际和固定时的确切概率计算法。     

含有序变量的R×C表的分析

含有序变量的R×C列联表可用对数线性模型来作分析,可给予有序变量每一等级一个分数,建立一个“有序交互作用”模型,据此模型可列出求期望频数的最大似然估计值(MLE)的似然方程,用迭代法可求得这些估计值,并由此求得该模型的拟合优度(一般用统计量X2和G),从而可对两变量间是否存在有序交互作用作出统计推断。以前对医学上常遇到的等级分类资料构成的列联表尚只能用一般的R×C表方法进行分析,现应用本方法可充分反映由序提供的信息。     

行列皆有序的列联表确切概率计算

行列皆为有序的R×C列联表,可用Jonckheere—Terpstra检验法比较R个总体,当R个总体有自然次序时,J-T检验法比适用于行无序、列有序的Kruskal-Wallis检验法更为有效.作者导得了当边际和固定时的J-T检验的确切概率计算法。     

理论频数较小时列联表邻近格子的合并

当R×C列联表各格子理论频数较小时,最好办法为确切概率计算,但计算工作量较大,本文介绍合并邻近格子的方法,常能得出满意的结果。     

高维列联表资料的统计分析与SAS软件实现（四）

生物医学研究，尤其是临床医学研究中经常需要考察k个（k≥2）定性原因变量对多值有序结果变量的影响，这类资料被称为结果变量为多值有序变量的高维列联表资料。如某多中心临床试验中，原因变量为“不同就诊医院（A医院、B医院、C医院）”和“药物种类（甲药、乙药）”，结果变量为“疗效（治愈、显效、好转、无效）”。本文结合医学研究实例，介绍如何正确分析此类资料及分析方法的SAS软件实现。     

双向有序列联表资料线性相关性分析

本文讨论了以Pearson相关系数作为确定双向有序列表中X,Y变量间相关程度的指标,以及应用基于排列法的任意分布统计方法进行ρ=0的无效假设下确切概率计算的可行性。阐明了直接排列法与列联表分析法在确切概率计算中的等价性,介绍了适用于较大样本的正态近似检验方法,同时给出了上述分析方法与某些统计分析方法间的关系。     

高维列联表资料的统计分析与SAS软件实现（二）

在上一讲中主要介绍了采用加权等措施合并原因变量的方法处理高维列联表资料,但如果列联表维数较多,且希望将各原因变量对结果变量所产生的影响都明确地显示出来时,加权x^2及CMHYx^2分析就不能满足研究的需要了。如果想系统地评价各变量间的联系及变量间相互作用的大小,对数线性模型是达到前述分析目的比较好的分析方法。     

χ2检验在单向有序分类资料处理时的局限性

忽略结果变量的有序性，盲目套用卡方检验，是单向有序列联表资料统计分析中常见的错误。本文针对该问题通过两个例子对单向有序列联表的卡方检验和秩和检验进行解析，以期引起医务工作者及科研人员的重视，正确地从医学资料中获得相应结论。     

中医论文撰写中常见的统计学错误分析

从已经公开发表的中医论文中找出常见的统计学错误,指出其不恰当的统计学分析。常见错误有:对于单向有序R×C表资料,忽略结果变量的有序性,盲目套用卡方检验;单因素计量资料的重复测量,滥用单因素方差分析或t检验;单向有序分类资料的重复测量分析,错用卡方或非参数检验。有些不满足正态分布的计量资料,滥用均数和标准差代表其集中趋势和离散趋势。通过列举实例,提出正确的解决办法并给出理由。认为中医研究人员应加强统计学知识的学习和正确应用,以提高中医论文中类似的统计学分析的准确度。     

含有序变量的三维列联表分析

本文就含有序变量的三维列联表的几种情况作了讨论。根据不同的情况,建立相应的对数线性模型,用迭代法求出期望频数的极大似然估计值,由此可找出适合资料的模型。     

医学论文中统计分析错误辨析与释疑--定性资料分析方法的合理选择(3)

很多医学期刊论著中都采用简单压缩的方法将三维列联表降为二维列联表，例如有人觉得不便用一般的χ^2检验处理表1资料(因为它包含3个定性变量，即接受护理地点、产前护理量和婴儿存活状况)，故设法将接受护理地点这一定性因素消除掉，使之仅包含产前护理量和婴儿存活状况两个定性变量，     

Kappa检验的确切概率计算法

两个评估者对n个观察对象,逐一评估它们属于C个类别中那一个类别,所得资料可表达成C×C列联表形式。Kappa检验主要检验配对计数资料C×C表主对角线上的计数值是否显著地大于其期望值。本文目的在于导出Kappa检验的确切概率计算法。     

以对数线性模型拟合多维列联表资料

多维列联表资料是用来表达多个分类变量的计数资料,这些列联表资料可用对数线性模型进行拟合,用相似于回归分析中的逐步回归法找到一个最佳模型。由此得到对于观测频数起显著作用的主效应及其交互作用效应。本文主要介绍用后退法选择模型,据文献报道(Benedetti and Brown 1978)后退法是选择模型较好的一种方法。一、对数线性模型所谓模型是指关于观测结果的理论。在多元回归分析中最常用的是线性模型,应用最小二乘法或极大似然估计法确定模型中的