现代医学统计学
作者： 胡良平 著
出版时间： 2020年版
内容简介
　　《现代医学统计学》内容涉及R与SAS软件基础知识及医学科研设计中关键技术、定性与定量资料广义差异性分析、变量间相关与回归分析、判别分析与聚类分析的软件实现。《现代医学统计学》基于经典统计、贝叶斯统计、蒙特卡罗统计和机器学习与深度学习等统计思想来介绍统计学理论及方法，基于R与SAS两种各具特色且优势互补的统计软件来实现统计计算，再通过大量实例来演示如何正确、方便且高效地解决包括科研设计与统计分析在内的各种实际问题。
目录
目录
第1篇 R与SAS软件基础知识
第1章 R软件概述 3
1.1 R软件的历史 3
1.2 R软件的功能 3
1.3 R软件的获取 3
1.4 R软件的界面 5
1.5 R软件包中的函数 7
1.6 R软件的工作目录及改变工作目录 12
1.7 使用R软件的帮助功能 13
第2章 在R软件环境中输入和输出数据 14
2.1 通过R软件或RStudio软件提供的控制台输入和输出数据 14
2.2 在R软件环境中以文本格式输入和输出数据 17
2.3 在R软件环境中以Excel格式输入和输出数据 18
2.4 在R软件环境中以SAS格式输入和输出数据 21
2.5 在R软件环境中以SPSS格式输入和输出数据 25
2.6 在R软件环境中以Stata格式输入和输出数据 26
2.7 在R软件环境中以R格式输入和输出数据 27
第3章 R语言简介 31
3.1 R语言概述 31
3.2 R语法 32
3.3 R对象 41
3.4 函数 62
第4章 SAS软件概述 72
4.1 SAS软件的历史与规模 72
4.2 SAS软件的框架与结构 72
4.3 SAS环境与SAS窗口 73
4.4 发挥SAS帮助功能的作用 74
4.5 SAS过程与SAS程序的区别 74
4.6 SAS数据步与SAS过程步简介 75
4.7 SAS数据集与其他格式的数据简介 76
第5章 在SAS软件环境中输入和输出数据 80
5.1 概述 80
5.2 导入/导出向导 80
5.3 IMPORT和EXPORT过程 88
5.4 数据直接访问 92
第6章 基本SAS语言简介 95
6.1 SAS程序 95
6.2 SAS语句的概念 96
6.3 数据步常用语句 100
6.4 过程步常用语句 140
6.5 全程语句 143
第7章 SAS常用函数简介 147
7.1 截取函数 147
7.2 分位数函数 149
7.3 数学函数 152
7.4 概率函数 156
7.5 样本统计函数 160
7.6 随机数函数 163
第2篇 医学科研设计中关键技术的软件实现
第8章 医学科研设计要览 171
8.1 医学课题研究概述 171
8.2 医学科研设计方案的种类及主要内容 172
8.3 医学伦理道德 175
8.4 国际注册 176
8.5 硬件和软件条件 176
8.6 医学科研课题技术设计方案中的核心内容 177
第9章 估计样本含量与检验效能 184
9.1 估计样本含量与检验效能的概述 184
9.2 定量资料假设检验时估计样本含量与检验效能 185
9.3 定性资料假设检验时估计样本含量与检验效能 193
第10章 产生随机数与随机抽样 197
10.1 产生随机数 197
10.2 随机抽样 204
第11章 随机分组与统计模拟 214
11.1 随机分组 214
11.2 统计模拟 219
第3篇 定性资料广义差异性分析的软件实现
第12章 单组设计一元定性资料区间估计与假设检验 235
12.1 问题与数据 235
12.2 对数据结构的分析 235
12.3 分析目的与统计分析方法的选择 235
12.4 基于R的单个率的假设检验与区间估计 235
12.5 基于SAS的单个率的假设检验与区间估计 239
第13章 2×2列联表资料广义差异性分析 244
13.1 配对设计四格表资料的多种诊断指标的计算 244
13.2 配对设计四格表资料的一致性与对称性检验 247
13.3 横断面设计2×2表资料差异性分析 249
13.4 队列研究设计2×2表资料差异性分析 251
13.5 病例对照研究设计2×2表资料差异性分析 253
13.6 横断面设计2×2表资料非劣效性分析 254
13.7 横断面设计2×2表资料等效性分析 255
13.8 横断面设计2×2表资料优效性分析 256
第14章 R×2列联表与2×C列联表资料线性趋势检验 258
14.1 R×2列联表资料线性趋势检验 258
14.2 2×C列联表资料线性趋势检验 261
第15章 R×C列联表资料广义差异性分析 265
15.1 横断面设计双向无序R×C列联表资料差异性分析 265
15.2 横断面设计结果变量为有序变量单向有序R×C列联表资料秩和检验 266
15.3 横断面设计双向有序且属性不同R×C列联表资料Spearman秩相关分析 268
15.4 配对设计扩大形式双向有序且属性相同列联表资料一致性分析 271
15.5 配对设计扩大形式双向有序且属性相同列联表资料Kendall’s tau-b秩相关分析 273
第16章 高维列联表资料广义差异性分析 276
16.1 结果变量为二值变量高维列联表资料CMH校正χ2检验 276
16.2 结果变量为多值名义变量高维列联表资料CMH校正χ2检验 280
16.3 结果变量为多值有序变量高维列联表资料CMH校正秩和检验 283
第4篇 定量资料广义差异性分析的软件实现
第17章 定量资料参数假设检验前提条件的检查 289
17.1 单组设计一元定量资料小样本正态性检验 289
17.2 单组设计一元定量资料大样本正态性检验 290
17.3 单因素两水平设计一元定量资料方差齐性检验 292
17.4 单因素多水平设计一元定量资料方差齐性检验 294
第18章 单因素设计一元定量资料广义差异性分析 297
18.1 单组设计一元定量资料t检验及符号秩和检验 297
18.2 配对设计一元定量资料t检验与符号秩和检验 298
18.3 成组设计一元定量资料差异性检验——t检验及秩和检验 300
18.4 成组设计一元定量资料非劣效性检验 302
18.5 成组设计一元定量资料等效性检验 303
18.6 成组设计一元定量资料优效性检验 304
18.7 单因素多水平设计一元定量资料方差分析及秩和检验 306
18.8 多个均值之间的两两比较 309
第19章 无法考察交互作用的多因素设计一元定量资料方差分析 312
19.1 无重复试验随机区组设计一元定量资料方差分析 312
19.2 交叉设计一元定量资料方差分析 319
19.3 拉丁方设计一元定量资料方差分析 321
19.4 嵌套设计一元定量资料方差分析 323
第20章 考察全部交互作用的多因素设计一元定量资料方差分析 330
20.1 两因素析因设计一元定量资料方差分析 330
20.2 三因素析因设计一元定量资料方差分析 335
第21章 考察部分交互作用的多因素设计一元定量资料方差分析 339
21.1 正交设计一元定量资料方差分析 339
21.2 裂区设计一元定量资料方差分析 347
21.3 重复测量设计一元定量资料方差分析 350
第5篇 变量间相关与回归分析的软件实现
第22章 两变量间简单线性相关分析 363
22.1 问题、数据及统计分析方法的选择 363
22.2 Pearson线性相关分析 366
22.3 Spearman秩相关分析 367
第23章 两变量间简单线性回归分析 370
23.1 问题、数据及统计分析方法的选择 370
23.2 简单线性回归分析 370
第24章 两变量间简单曲线回归分析 373
24.1 问题与数据 373
24.2 分析与解答 374
第25章 多重线性回归分析核心内容与关键技术概述 384
25.1 与多重线性回归分析有关的基本概念 384
25.2 构建多重线性回归分析模型的方法 390
25.3 多重线性回归分析模型的假设检验 393
25.4 实施多重线性回归分析的重要步骤与关键技术 394
25.5 多重线性回归分析模型拟合效果的评价 398
第26章 基于经典统计思想实现多重线性回归分析 400
26.1 未引入派生变量并采用经典统计思想实现多重线性回归分析 400
26.2 引入派生变量并采用经典统计思想实现多重线性回归分析 414
26.3 基于主成分回归分析与岭回归分析实现多重线性回归分析 424
第27章 基于贝叶斯统计思想实现多重线性回归分析 428
27.1 MCMC方法概述 428
27.2 未引入派生变量且基于贝叶斯统计思想实现多重线性回归分析 429
27.3 引入派生变量且基于贝叶斯统计思想实现多重线性回归分析 433
第28章 基于机器学习统计思想实现多重线性回归分析 436
28.1 机器学习回归分析方法概述 436
28.2 未引入派生变量且基于BP神经网络回归分析建模 437
第29章 基于经典统计思想实现二值因变量的多重logistic回归分析 441
29.1 二值因变量的多重logistic回归模型的建模与求解 441
29.2 问题与数据结构 443
29.3 二值因变量的多重logistic回归分析 446
29.4 基于SAS实现ROC曲线下面积计算与比较 454
第30章 基于经典统计思想实现多值有序因变量的多重logistic回归分析 463
30.1 多值有序因变量的多重logistic回归模型的建模与求解 463
30.2 问题与数据结构 465
30.3 多值有序因变量的多重logistic回归分析 467
第31章 生存资料非参数统计分析 474
31.1 概述 474
31.2 问题与数据结构 477
31.3 单因素一元生存资料非参数统计分析 478
第32章 生存资料Cox比例风险模型回归分析 483
32.1 概述 483
32.2 问题与数据结构 484
32.3 基于SAS的生存资料Cox比例风险模型回归分析 487
32.4 基于R的生存资料Cox比例风险模型回归分析 490
第33章 Cox非比例风险模型回归分析 494
33.1 概述 494
33.2 问题与数据结构 494
33.3 基于SAS的生存资料Cox比例风险模型回归分析 495
第34章 生存资料的参数模型回归分析 507
34.1 概述 507
34.2 问题与数据结构 508
34.3 基于SAS的生存资料参数模型回归分析的准备 508
34.4 未引入派生变量且基于SAS的生存资料参数模型回归分析 509
34.5 引入派生变量且基于SAS的生存资料参数模型回归分析 517
34.6 最优模型的判定 524
34.7 基于R实现生存资料参数模型回归分析 525
第6篇 判别分析与聚类分析的软件实现
第35章 基于R软件采用支持向量机方法实现判别分析 531
35.1 三类别资料及其分类问题 531
35.2 支持向量机方法的实现 533
35.3 用支持向量机方法进行判别分析 534
35.4 用支持向量机方法进行判别分析的R程序汇