样本量估计及其在nQuery和SAS软件上的实现——相关分析

4.相关分析 4.1.单样本相关性分析 4.1.1.差异性检验 4.1.1.1.kappa系数检验(二分类变量) 方法:Donner和Eliasziw(1992)[1]给出的单样本二分类变量kappa系数双侧检验的样本量估计方法,是建立在自由度为1,非中心参数为λ(1,1-β,α)的非中心x2分布上的,其样本量的计算公式为:n=λ (1,1-β,α){[π(1-π)(κ1-κ0)]2/π2+π(1-π)k0+2[π(1-π)(κ1-κ0)] 2/π(1-π)(1-k0)+[π(1-π)(k1-k0)]2/(1-π)2+π(1-π)k0}(4-1)式中,π为研究对象被判为阳性的概率,κ0为原假设kappa系数,κ1为备择假设kappa系数.在自由度为1的情况下,非中心参数λ(1,1-β,α)近似等于(Z1-α/2+Z1-β)2,在计算样本量时,将其代入(4-1)进行计算.     

样本量估计及其在nQuery和SAS软件上的实现——率的比较(五)

2.2.3 多样本率的差异性检验 2.2.3.1 多个样本率比较的x2检验 方法:Lachin(1977)[4]提出的多样本率检验的样本量估计是建立在自由度为g-1,非中心参数为N△2的非中心x2分布基础上的,检验效能的计算公式为,1-β=1-x2[x21-α,(g-1),g-1,N△2] (2-33)其中,π=8∑j=1rjπj/8∑j=1rjπj,v=8∑j=1rj(πj-(π)2/8∑j=1rj,△2 =v/(π)(1-(π))式中,g为组数;(π)为总阳性率;rj为各组样本量与第一组样本量的比值;v为率的整体标准误;△2为效应量.     

样本量估计及其在nQuery和SAS软件上的实现——均数比较(二)

1.1.1.4基于线性组合比较的单个重复测量因素方差分析方法:Overall和Doyle(1994)〔4〕给出的基于线性组合比较的单个重复测量因素方差分析的样本量估计方法,是建立在自由度为1和(M-1)(n-1),非中心参数为nn(|c|/     

骨科类核心期刊学术影响力分析

目的 通过对国内16种骨科学核心期刊的总被引频次、影响因子、他引率、学科影响指标等进行分析,评价其学术影响力. 方法以2005～2007年的<中国科技期刊引证报告>为数据来源,利用引文期刊评价指标的修正思想,对国内16种骨科学期刊的总被引频次、影响因子、他引率、学科影响指标等值进行归一化处理,然后排序并进行分析. 结果 综合以上四种指标,<中华骨科杂志>在多项指标中排名第一,<中华创伤杂志>和<中国修复重建外科杂志>也在多项指标中排名较前.<中华创伤骨科杂志>虽创刊时间较短,但各项指标均进步较快. 结论 骨科学期刊的整体学术质量较高,学术影响力较大.     

模糊C均值聚类在时间序列分析中的应用

时间序列方法广泛应用于气象、金融、医学、电力、水文、工业控制等诸多领域,具有重要的研究价值.常用的时间序列预测方法有AR,ARMA,ARIMA,SARIMA等,其优点是模型简单和容易识别,但很难直接应用于现实中复杂时间序列的处理.     

样本率多重比较方法的模拟研究

目的 采用Monte Carlo方法模拟研究样本率多重比较方法特性.方法 用SAS9.13软件编程,模拟估算不同参数条件下各种样本率多重比较方法的总Ⅰ型错误率、检验效能和判对率.结果 不同方法各具特色,能较好控制总Ⅰ型错误率且检验效能较高的方法有Ryan、Perm、Boot和Hommel、Hoch、StepS、StepB方法.结论 如需严格控制总Ⅰ型错误率在α水准内,Hommel、Hoch、StepS、StepB效能较高;如允许总Ⅰ型错误率略溢出(1.15α以内),Ryan、Perm和Boot法效能较高.     

医院临床科室成本效益评价指标体系的研究

本文运用德尔菲(Delphi)方法,对六所综合性三级甲等医院60位专家进行了两轮问卷咨询,根据专家评价情况和建议,初步建立了医院临床科室成本效益评价指标体系(包括一级指标两项,二级指标十七项),为完善医院成本效益评价提供了参考依据。资料与方法1.研究内容:采用Delphi法〔1〕建     

Bootstrap和Permutation方法在样本率多重比较中的应用

目的介绍Bootstrap和Permutation方法在样本率多重比较中的应用。方法调用SAS中的MULTFEST过程，编写程序实现样本率的两两比较和与控制组比较，并通过实例说明效果。结果运用Bootstrap和Permutation方法能较好解决样本率的多重比较问题。结论使用Bootstrap和Permutation方法的SAS程序，简单明了，结果准确，使用方便。     

应正确把握遗传研究中有关病例对照研究的前提条件

病例对照研究是目前疾病关联分析中应用较多的方法。遗传研究中的病例对照研究是基于群体中无亲缘关系的病例组与表现型正常的对照组在某个易感候选基因或标记基因出现不同的频率而设计的。如果两组候选基因的差异有统计学意义，可推断候选基因同所研究疾病的易感性有关。正确的病例对照研究应该满足三个前提条件，即研究对象无血缘关系，对照组符合Hardy-Weinberg平衡（Hardy-Weinberg equilibrium，HWE），对照组与病例组匹配。[第一段]     

模拟研究中随机数据的产生及SAS实现

随机数据的产生是随机模拟研究中重要的一环,通过数学推导和软件应用可以产生各种分布类型的随机数据,仅以单变量、多变量以及生存时间随机数据的生成及其实例介绍其SAS实现。