分类数据的统计及SAS编程探讨.ppt

一 . 概 述 分 析 策 略 分类数据分析策略可以分成假设检验和建立模型。 1.假设检验法是建立一个关于联系（association）的假设。通常研究用随机化的方法进行。 例如： 把病人随机分成两组，检验组别与疗效之间（列联表的行与列之间）是否有关。这种联系的无效假设为变量间没有联系，而备择假设一般有3种情况： ①有一般联系（general association）。 ②平行均分有差别（row mean scores differ）。 ③非零相关（nonzero correlation）。 在以后讨论中我们将对各种不同的联系进行说明。 2.建立模型的方法可求得各参数值，说明各因素的作用。通常用最大似然估计或加权最小二乘法估计。 二 . 2×2 表 临床试验实例 例2.1 在研究老年慢性支气管炎的中草药疗效时，将病人随机分配到江剪刀草组和胆麻片组。结果疗效如下表所示： 表2-1 两组有效率的比较 这是2.1中提到的第一种情况。根据无效假设，数据为超几何分布。 2.2.1 Mantel-Haenszel 卡方——Q 如果用以下符号表示表2-1中的数据 表2-2 两组有效率的比较 则每一格出现数据为 的概率为： 如上例江剪刀草组无效（263例）的期望值为： 方差 ： 本例 ： 样本足够大时 近似正太分布，由此得： 结论为两组疗效不同 。 2.2.2 Pearson 卡方——Qp Pearson 卡方即一般常用的 。 这一公式即一般习惯用的 ： 计算Pearson卡方先要计算出4个期望值 ，一个 已算出为239.87。其他则可由合计值减出。 Mantel-Haenszel 与Pearson 的关系如下： = 本例 ： = 2.2.3 SAS 程序 [ 程序2-1 ] data bronchit; input treat $ outcome $ count; cards; jiang y 70 jiang n 263 dan y 102 dan n 180 ; proc freq order = data; weight count; tables treat * outcome/chisq; run; 检验结果 ： STATISTICS FOR TABLE OF TREAT BY OUTCOME 表中各列依次为统计量、自由度（DF）、卡方值及P值。 2.7 配对资料四格表 2.7.1 例2.3 205份标本分别接种于甲、乙两种培养基，共有4种结果，即甲、乙都生长；甲生长乙不生长，乙生长甲不生长及甲、乙都不生长。试比较两种培养基的效果，结果如表2-5 ： 表2-5 两种培养基的结果 2.7.2 计算方法 2.7.3 程序 在SAS第6.10版以后，在proc freq 中tables语句中加入了agree选项作McNemar检验。本例程序如下： [ 程序2-2 ] data culture; input a $ b $ count; cards; y y 36 y n 34 n y 0 n n 135 ； proc freq order = data; weight count; tables a * b/agree; run; 2.7.4 输出 除频数部分外，输出的结果如下： STATISTICS FOR TABLE OF A BY B McNemar’s Test 其中，Kappa系数是反映一致性的指标。 三. 多层 2×2 表 3.1 概 述 在医学研究中经常遇到分层研究，如果每个层都有一个2×2表，则有多个2×2表（sets of 2