医用SAS统计分析(二).ppt

2020年5月15日,1,医用SAS统计分析,第二讲,医用SAS统计分析,第二讲,2020年5月15日,2,一、单变量的统计描述,统计分析内容回顾统计描述：集中趋势、离散趋势统计推断：参数估计：总体参数估计（可信区间）假设检验资料类型计量资料-数值变量计数资料-分类变量资料的分布正态分布和偏态分布,2020年5月15日,3,一般统计描述-MEANS过程,MEANS过程除了能对数值型变量进行一般的统计描述之外，还可以作配对设计资料的t检验。语句格式：Procmeans操作选项统计量列表;VAR;/*指定分析的变量名列,缺省为所有数值变量*/BY;/*按变量名列分组统计,要求已按变量名列排序*/CLASS;/*按变量名列分组统计，不要求排序*/FREQ;/*表明该变量为分析变量的频数*/OUTPUT关键字=;/*指定统计量的输出数据集名和统计量对应的新变量名*/Run;,2020年5月15日,4,Procmeans操作选项：data=指定要分析的数据集名maxdec=指定输出结果最大的小数位数,默认为7位noprint禁止统计结果在output窗输出alpha=设定计算可信区间的水平，默认为0.05注：在proc语句中的选项直接跟在proc名后，以空格分隔，中间不加“/”，其他命令语句的选项需以“/”分隔。统计量列表选项：（缺省时只输出N、MEAN、STD、MIN、MAX）,2020年5月15日,5,例1书中例3-1例2某克山病区测得11名克山病患者与13名健康人的血磷值（mmol/L)如下，试求两组的平均血磷值和标准差。dataL12;inputgx;cards;10.8411.0511.2011.2011.3911.5311.6711.8011.8712.0712.1120.5420.6420.6420.7520.7620.8121.1621.2021.3421.3521.4821.5821.87;procmeans;varx;byg;run;,2020年5月15日,6,AnalysisVariable:X-G=1-NMeanStdDevMinimumMaximum-111.52090910.42179270.84000002.1100000-G=2-NMeanStdDevMinimumMaximum-131.08615380.42405850.54000001.8700000-,2020年5月15日,7,例3书中例3-3:几何均数的计算，SAS程序没有直接计算几何均数的模块。,datalogmean;inputxf;y=log10(x);cards;20240380616013201;procmeans;vary;freqf;,procprintdata=outmean;datageomean;setoutmean;g=10*logmean;procprintdata=geomean;varg;run;,outputout=outmeanmean=logmean;,2020年5月15日,8,TheSASSystemAnalysisVariable:YNMeanStdDevMinimumMaximum-131.81046540.33396281.30103002.5051500-TheSASSystemOBS_TYPE_FREQ_LOGMEAN10131.81047TheSASSystemOBSG164.6346,2020年5月15日,9,详细统计描述-UNIVARIATE过程,Univariate过程可对数值变量进行详细的统计描述。除了提供means过程所有的统计描述外，还可以给出了变量的峰度、偏度、众数、中位数及四分位数等更详尽的统计描述，同时还可进行正态性检验，以及几个描述分布的图。,2020年5月15日,10,PROCUNIVARIATE操作选项;VAR;指定分析的变量名列表,缺省为所有数值变量BY;按变量名列分组统计,要求排序FREQ;表明该变量为分析变量的频数OUTPUT关键字=;/*指定统计量的输出数据集名和统计量对应的新变量名*/Run;procunivariate语句的操作选项；data=指定要分析的数据集名noprint禁止统计结果在output窗输出freq详细的频数表normal进行正态性检验plot生成统计图：茎叶图，盒状图，正态概率图,2020年5月15日,11,例4程序3-2dataunil;inputx;cards;39865573108104;procunivariatenormalplot;run;,2020年5月15日,12,MomentsN（样本含量）12SumWgts（总权重）12Mean（均数）6.5Sum（合计）78StdDev（标准差）2.54058Variance（方差）6.454545Skewness（偏度g1）0Kurtosis（峰度g2）-1.39044USS（平方和）578CSS（离均差平方和）71CV（变异系数）39.08584StdMean（标准误）0.733402T:Mean=0（均数是否为0的检验）8.862804Pr|T|（t值对应的p值）0.0001Num=0（不等于0的样本数）12Num0（大于0的样本数）12M(Sign)（符号检验）6Pr=|M|（符号检验的p值）0.0005SgnRank（符号秩和检验）39Pr=|S|（符号秩和检验的p值）.0005W:Normal（正态性检验W检验）0.932772Pr=182THENY=183;PROCUNIVARIATEFREQ;VARY;RUN;,2020年5月15日,18,AnalysisVariable:XMeanStdDevMinimumMaximum-172.67100004.0756308162.9000000183.5000000-univariate过程略FrequencyTablePercentsPercentsValueCountCellCumValueCountCellCum16311.01.01751515.081.016544.05.017788.089.016777.012.017977.096.01691212.024.018133.099.01711818.042.018311.0100.01732424.066.0,2020年5月15日,19,方法2：语句格式：procfreq;tables变量名；说明：该语句是根据定义的变量产生频数分布表。例7：上例资料DATApsb1;INFILEd:sassas2psb.txt;INPUTX;L=162;/*定义第一组的下限值*/i=2;/*定义组距*/z=(x-mod(x-L,i)+(i/2);/*z值就是将原始变量转化成该数据所在组段的组中值*/procfreq;/*根据z值产生频数分布表*/tablesz;procunivariatenormalplot;varz;RUN;mod(x,y)为算术函数，求x/y的余数。如mod(10,3)=1,mod(6,2)=0,2020年5月15日,20,CumulativeCumulativeZFrequencyPercentFrequencyPercent-16311.011.016544.055.016777.01212.01691212.02424.01711818.04242.01732424.06666.01751515.08181.017788.08989.017977.09696.018133.09999.018311.0100100.0,2020年5月15日,21,UnivariateProcedureVariable=ZMomentsQuantiles(Def=5)N100SumWgts100100%Max18399%182Mean172.7Sum1727075%Q317595%179StdDev4.013865Variance16.1111150%Med17390%179Skewness0.102995Kurtosis-0.1005625%Q117110%167USS2984124CSS15950%Min1635%166CV2.324183StdMean0.4013861%164T:Mean=0430.2586Pr|T|0.0001Range20Num=0100Num0100Q3-Q14M(Sign)50Pr=|M|0.0001Mode173SgnRank2525Pr=|S|0.0001W:Normal0.9671Pr|T|-6.80000005.2042717-1.30661890.2237-,程序中如无vard;TheSASSystemVariableMeanStdErrorTProb|T|-X1125.90000005.162794224.38601930.0001X2132.70000003.415812938.84873200.0001D-6.80000005.2042717-1.30661890.2237-,2020年5月15日,28,成组t检验,原理：H0：SAS程序：procttest;procttest;/*过程名*/class;/*分组变量名*/var;/*分析变量名*/run;,2020年5月15日,29,例9：程序4-3datattest3;doc=1to2;/*c循环开始，循环次数为2*/inputn;/*输入n值*/doi=1ton;/*i循环开始，循环次数为n*/inputx;/*输入x值,注意的合理使用*/output;/*output将x输出,循环语句中必须使用。*/end;/*i循环结束*/end;/*c循环结束*/cards;52793343033381983229274310;procprint;procttest;classc;varx;run;,2020年5月15日,30,/*循环的结果*/OBSCNIX11512792152334315330341543385155198623122972322748233310,TTESTPROCEDUREVariable:XCNMeanStdDevStdError-15290.4000000056.9938593225.4884287523271.0000000040.5832477823.43074903VariancesTDFProb|T|-Unequal0.56035.60.5971Equal0.50996.00.6284ForH0:Variancesareequal,F=1.97DF=(4,2)ProbF=0.7272,2020年5月15日,31,两样本含量相等时，可去除inputn；例10：datat；doc=1to2;doi=1to5;inputx;output;end;end;cards;279334303338198229274310345344;procprint;procttest;classc;varx;run;,2020年5月15日,32,OBSCIX1112792123343133034143385151986212297222748233109243451025344,TTESTPROCEDUREVariable:XCNMeanStdDevStdError-15290.4000000056.9938593225.4884287525300.4000000049.4398624622.11017865VariancesTDFProb|T|-Unequal-0.29647.80.7747Equal-0.29648.00.7745ForH0:Variancesareequal,F=1.33DF=(4,4)ProbF=0.7896,2020年5月15日,33,两样本几何均数的比较在data语句中进行对数变换：x=log10(x)例11：王洁贞主编,dataG;doc=1to2;inputn;doi=1ton;inputx;x=log10(x);output;end;end;cards;,11100200400400400400800160016001600320091001001002002002002004001600;procttest;classc;varx;run;,2020年5月15日,34,TTESTPROCEDUREVariable:XCNMeanStdDevStdError-112.793624530.452000870.1362833992.334477770.382096020.12736534VariancesTDFProb|T|-Unequal2.461518.00.0242Equal2.418618.00.0264ForH0:Variancesareequal,F=1.40DF=(10,8)ProbF=0.6470,2020年5月15日,35,三、方差分析（一）,统计回顾应用：两个或两个以上均数的比较条件：样本来自正态总体;方差齐;相互独立的随机样本基本原理：变异分解SS总=SS组内+SS组间；自由度分解总=组间+组内组内均方MS组内=SS组内/v组内组间均方MS组间=SS组间/v组间F=MS组间/MS组内当FF（1，2），则P，拒绝H0,接受H1当F，接受H0,。,2020年5月15日,36,方差分析-基本语句,Procanovadata=;Class分组变量;/*指明分组变量,必须放在model语句前*/Model因变量=分组变量；/*规定按分组变量对因变量作方差分析*/means分组变量/多重比较的方法;/*计算每个分组变量所对应的因变量均值，对分组变量进行多重比较，其方法可用snk(q检验）、dunnett、LSD法等。该语句可多次使用*/means分组变量/hovtest=方法；/*进行方差齐性检验(homogeneityofvariancetest)，常用方法为Bartlett和Levenes法,默认为Levenes法*/freq变量名；/*规定频数变量*/,2020年5月15日,37,分组变量：把要考察的处理因素做为分组变量。它的取值即为分组变量的水平，可以是数值型，也可是字符型。例5-1中，衣料就是分类变量，其取值有四个水平。因变量：也称响应变量，为连续的数值型变量。例5-1中，因变量为十硼氢的吸附量效应：方差分析模型中规定的各分组变量组合代表其相应的效应。主效应：由分组变量本身引起，不考虑其他因素的影响，可以用分组变量本身表示。例5-1中，只有一个效应，即衣料的效应。如果对某一因变量，它的研究因素为A、B两个，主效应就是由A、B两个分组变量引起的，不考虑A对B的作用。在model语句中表示为AB。,方差分析-几个概念,2020年5月15日,38,交叉效应：即交互作用。用*连接两个变量以表示它们之间的交互作用。在model语句中可用A*B表示。检验在A因素的各个水平B因素的效应是否相同，即一个因素的效应是否依赖于交叉项里其他因素。相应的模型有主效应模型（完全随机、随机区组、拉丁方等）和含交互作用项的模型(析因设计、正交设计),2020年5月15日,39,完全随机设计资料的方差分析例12：程序5-1,dataanova1;doc=1to4;doi=1to5;inputx;output;end;end;cards;2.332.002.932.732.332.482.342.682.342.223.063.063.002.663.064.005.134.612.803.60;,procanova;classc;/*分组变量为c*/modelx=c;/*按变量c分组对因变量X进行方差分析*/meansc/snk;/*对变量c的各水平用snk法作均数的多重比较*/Meansc/hovtest/*进行方差齐性检验*/run;,2020年5月15日,40,方差分析结果ClassLevelInformationClassLevelsValuesC41234Numberofobservationsindataset=20,在class语句中规定的分组变量名分组变量的水平数分组变量的取值,DependentVariable:XSourceDFSumofSquaresMeanSquareFValuePrF变异来源自由度离均差平方和均方F值P值模型Model38.433760002.8112533311.160.0003误差Error164.029160000.25182250总变异CorrectedTotal1912.46292000R-SquareC.V.RootMSEXMean变异系数因变量的均值0.67670816.907650.501819192.96800000决定系数R2，反映了在总变异中由模型解释的变异所占的比例，越接近1，表明模型对这批数据拟合越好。误差均方的平方根,剩余标准差SourceDFAnovaSSMeanSquareFValuePrFC38.433760002.8112533311.160.0003,2020年5月15日,41,SNK法两两比较结果:Student-Newman-Keulstestforvariable:XNOTE:ThistestcontrolsthetypeIexperimentwiseerrorrateunderthecompletenullhypothesisbutnotunderpartialnullhypotheses.Alpha=0.05df=16MSE=0.251823误差的均方NumberofMeans234均数间相隔组数CriticalRange0.6728120.81894120.9080258相差有无意义的临界值Meanswiththesameletterarenotsignificantlydifferent.SNKGroupingMeanNCSNK分组标志均数样本数分类变量值（水平数）A4.028054B2.968053B2.464051B2.412052SNK分组标志：相同字母代表组间差别无统计学意义。如c=3和c=1以及c=2组的标志均为B，表明这三组的均数无差别；而c=4组的标志为A，因此它与其它三组的差别均有统计学意义。,2020年5月15日,42,LevenesTestforEqualityofXVarianceANOVAofSquaredDeviationsfromGroupMeansSumofMeanSourceDFSquaresSquareFValuePrFC31.35850.45283.93390.0280Error161.84180.1151AnalysisofVarianceProcedureLevelof-X-CNMeanSD152.464000000.36712396252.412000000968000000028000000.90070528,2020年5月15日,43,例13：程序5-3样本含量不等时方差分析,dataanova3;doc=1to3;inputn;doi=1ton;inputx;output;end;end;cards;,527933430333819832292743103210285117;procanova;classc;modelx=c;run;,2020年5月15日,44,随机区组设计资料的方差分析,dataanova4;doa=1to4;dob=1to8;inputx;output;end;end;cards;5.275.275.885.445.666.225.835.275.275.225.835.385.446.225.725.114.944.885.385.275.385.615.385.004.614.665.005.004.885.224.884.44;procanova;classab;modelx=ab;meansa/snk;run;,例14程序5-4,2020年5月15日,45,方差分析结果,AnalysisofVarianceProcedureClassLevelInformationClassLevelsValuesA41234B812345678Numberofobservationsindataset=32,2020年5月15日,46,AnalysisofVarianceProcedureDependentVariable:XSourceDFSumofSquaresMeanSquareFValuePrFModel105.402375000.5402375043.140.0001Error210.262975000.01252262Total315.66535000R-SquareC.V.RootMSEXMean0.9535822.1119040.111904515.29875000SourceDFAnovaSSMeanSquareFValuePrFA32.904375000.9681250077.310.0001B72.498000000.3568571428.500.0001,2020年5月15日,47,AnalysisofVarianceProcedureStudent-Newman-Keulstestforvariable:XNOTE:ThistestcontrolsthetypeIexperimentwiseerrorrateunderthecompletenullhypothesisbutnotunderpartialnullhypotheses.Alpha=0.05df=21MSE=0.012523NumberofMeans234CriticalRange0.11635920.14103160.1559574Meanswiththesameletterarenotsignificantlydifferent.SNKGroupingMeanNAA5.6050081A5.5237582B5.2300083C4.8362584,2020年5月15日,48,拉丁方设计资料的方差分析,拉丁方设计的方差分析主要适用于：三个处理水平数相同且无交互作用。亦称三因素方差分析。利用拉丁方阵安排试验，拉丁方阵亦称r阶拉丁方，是用r个拉丁字母排成r行r列的方阵，每个字母在每行每列中只出现一次。如55拉丁方：ABCDEBCDEACDEABDEABCEABCD,2020年5月15日,49,如例5-5，5种防护服(cloth)，有5个人(person)个在不同的5天(date)中穿着，测定脉搏数。如表5.5所示。试验就5种防护服对脉搏数有无作用。,表5可见，5种防护服在5个不同的日期和5个不同的受试者各出现一次；在同一日期和不同受试者5种防护服各不相同。,2020年5月15日,50,例15程序5-5,dataanova5;dodate=1to5;doperson=1to5;inputcloth$x;output;end;end;cards;A129.8B116.2C114.8D104.0E100.6B144.4C119.2D113.2E132.8A115.2C143.0D118.0E115.8A123.0B103.8D133.4E110.8A114.0B98.0C110.6E142.8A110.6B105.8C120.0D109.8;,procanova;classdatepersoncloth;modelx=datepersoncloth;run;,2020年5月15日,51,SAS分析结果,AnalysisofVarianceProcedureClassLevelInformationClassLevelsVa