SAS的可視化分析課件

鼠標(biāo)左鍵點(diǎn)擊進(jìn)入Analyst模塊鼠標(biāo)左鍵點(diǎn)擊進(jìn)入Analyst模塊主界面項目導(dǎo)航區(qū)數(shù)據(jù)錄入和管理區(qū)（數(shù)據(jù)可以直接錄入也可以打開已存在的SAS數(shù)據(jù)集。）Analyst模塊主界面項目導(dǎo)航區(qū)數(shù)據(jù)錄入和管理區(qū)統(tǒng)計分析主菜單和子菜單描述統(tǒng)計子菜單數(shù)據(jù)管理、統(tǒng)計報表和作圖菜單統(tǒng)計分析主菜單描述統(tǒng)計子菜單數(shù)據(jù)管理、統(tǒng)計報表假設(shè)檢驗(yàn)的子菜單假設(shè)檢驗(yàn)的子菜單方差分析的子菜單方差分析的子菜單回歸分析子菜單回歸分析子菜單多元分析子菜單多元分析子菜單生存分析子菜單生存分析子菜單樣本大小估計子菜單（非常實(shí)用）樣本大小估計子菜單前一講協(xié)方差分析的數(shù)據(jù)集前一講協(xié)方差分析兩樣本均數(shù)比較的t檢驗(yàn)兩樣本均數(shù)比較的t檢驗(yàn)檢驗(yàn)假設(shè)H0，默認(rèn)時為雙側(cè)檢驗(yàn)即H0:μ1=μ2分析變量分組變量數(shù)據(jù)集中的變量檢驗(yàn)假設(shè)H0，默認(rèn)時為雙側(cè)檢驗(yàn)分析變量分組變量數(shù)據(jù)集中的變量t檢驗(yàn)結(jié)果t檢驗(yàn)結(jié)果多元線性回歸分析多元線性回歸分析模型的選擇、自變量的篩選、統(tǒng)計量的選擇預(yù)測、作圖等功能。因變量自變量模型的選擇、自變量的篩選、統(tǒng)計量的選擇因變量自變量模型擬合的結(jié)果模型擬合的結(jié)果殘差散點(diǎn)圖殘差散點(diǎn)圖估計樣本含量的前提（1）第一類錯誤的概率α：即檢驗(yàn)水準(zhǔn)。α越小所需樣本含量越多。（2）檢驗(yàn)效能（1-β）：即兩總體確有差別時，按α水準(zhǔn)發(fā)現(xiàn)它們有差別的能力。（1-β）越大，所需樣本含量越多。（3）最小差值δ：即在α及β水準(zhǔn)下期待檢出的最小差異或客觀上可能存在的差異大小。δ越小，所需樣本含量越多。（4）總體標(biāo)準(zhǔn)σ：σ大，所需樣本含量大。實(shí)際工作中，可憑經(jīng)驗(yàn)或通過預(yù)實(shí)驗(yàn)取得的樣本標(biāo)準(zhǔn)差s來點(diǎn)值估計σ。估計樣本含量的前提SAS的可視化分析課件例：比較黃芪與生血散對粒細(xì)胞減少癥的療效。據(jù)以往經(jīng)驗(yàn)，黃芪可增加粒細(xì)胞1000個／μl，生血散可增加2000個／μl，兩組合并標(biāo)準(zhǔn)差估計為1800個／μl擬取雙側(cè)α＝0.05，β＝0.10，試問每組需觀察多少病例？設(shè)δ＝2000-1000＝1000，s＝1800，雙側(cè)α＝0.05，檢驗(yàn)效能（1-β）=0.9例：比較黃芪與生血散對粒細(xì)胞減少癥的療效。據(jù)以往經(jīng)驗(yàn)，黃芪每組需要70例按公式計算的結(jié)果：每組需要70例按公式計算的結(jié)果：雙擊code標(biāo)記查看SAS產(chǎn)生的原代碼，可以編輯保存雙擊code標(biāo)記查看SAS產(chǎn)生的原代碼，可以編輯保存退出Analyst模塊時需要確認(rèn)？退出Analyst模塊時需要確認(rèn)？thanksthanks鼠標(biāo)左鍵點(diǎn)擊進(jìn)入Analyst模塊鼠標(biāo)左鍵點(diǎn)擊進(jìn)入Analyst模塊主界面項目導(dǎo)航區(qū)數(shù)據(jù)錄入和管理區(qū)（數(shù)據(jù)可以直接錄入也可以打開已存在的SAS數(shù)據(jù)集。）Analyst模塊主界面項目導(dǎo)航區(qū)數(shù)據(jù)錄入和管理區(qū)統(tǒng)計分析主菜單和子菜單描述統(tǒng)計子菜單數(shù)據(jù)管理、統(tǒng)計報表和作圖菜單統(tǒng)計分析主菜單描述統(tǒng)計子菜單數(shù)據(jù)管理、統(tǒng)計報表假設(shè)檢驗(yàn)的子菜單假設(shè)檢驗(yàn)的子菜單方差分析的子菜單方差分析的子菜單回歸分析子菜單回歸分析子菜單多元分析子菜單多元分析子菜單生存分析子菜單生存分析子菜單樣本大小估計子菜單（非常實(shí)用）樣本大小估計子菜單前一講協(xié)方差分析的數(shù)據(jù)集前一講協(xié)方差分析兩樣本均數(shù)比較的t檢驗(yàn)兩樣本均數(shù)比較的t檢驗(yàn)檢驗(yàn)假設(shè)H0，默認(rèn)時為雙側(cè)檢驗(yàn)即H0:μ1=μ2分析變量分組變量數(shù)據(jù)集中的變量檢驗(yàn)假設(shè)H0，默認(rèn)時為雙側(cè)檢驗(yàn)分析變量分組變量數(shù)據(jù)集中的變量t檢驗(yàn)結(jié)果t檢驗(yàn)結(jié)果多元線性回歸分析多元線性回歸分析模型的選擇、自變量的篩選、統(tǒng)計量的選擇預(yù)測、作圖等功能。因變量自變量模型的選擇、自變量的篩選、統(tǒng)計量的選擇因變量自變量模型擬合的結(jié)果模型擬合的結(jié)果殘差散點(diǎn)圖殘差散點(diǎn)圖估計樣本含量的前提（1）第一類錯誤的概率α：即檢驗(yàn)水準(zhǔn)。α越小所需樣本含量越多。（2）檢驗(yàn)效能（1-β）：即兩總體確有差別時，按α水準(zhǔn)發(fā)現(xiàn)它們有差別的能力。（1-β）越大，所需樣本含量越多。（3）最小差值δ：即在α及β水準(zhǔn)下期待檢出的最小差異或客觀上可能存在的差異大小。δ越小，所需樣本含量越多。（4）總體標(biāo)準(zhǔn)σ：σ大，所需樣本含量大。實(shí)際工作中，可憑經(jīng)驗(yàn)或通過預(yù)實(shí)驗(yàn)取得的樣本標(biāo)準(zhǔn)差s來點(diǎn)值估計σ。估計樣本含量的前提SAS的可視化分析課件例：比較黃芪與生血散對粒細(xì)胞減少癥的療效。據(jù)以往經(jīng)驗(yàn)，黃芪可增加粒細(xì)胞1000個／μl，生血散可增加2000個／μl，兩組合并標(biāo)準(zhǔn)差估計為1800個／μl擬取雙側(cè)α＝0.05，β＝0.10，試問每組需觀察多少病例？設(shè)δ＝2000-1000＝1000，s＝1800，雙側(cè)α＝0.05，檢驗(yàn)效能（1-β）=0.9例：比較黃芪與生血散對粒細(xì)胞減少癥的療效。據(jù)以往經(jīng)驗(yàn)，黃芪每組需要70例按公式計算的結(jié)果：每組需要70