SAS的生存分析（正式）PPT.ppt

相关系数 简单相关系数反映两个变量之间线性相关密切程度和相关方向的统计测定,它是其他相关系数形成的基础。简单相关系数的计算公式为： 直线相关分析的SAS程序 SAS系统中进行直线相关分析的过程步是CORR过程。 CORR过程存在于SAS的base模块，可以计算Pearson积矩相关系数、Spearman秩相关系数、Kendall‘s tau-b统计量、Hoeffding’s独立性分析统计量D以及Pearson，Spearman，以及Kendall偏相关系数。另外，它还对用于估计可靠性的Cronbach系数α进行计算。Corr过程的语句基本格式如下： PROC CORR 选项列表; BY DESCENDING 变量名-1...DESCENDING 变量名-n NOTSORTED; FREQ 变量名; PARTIAL 变量名（列表）; VAR 变量名（列表）; WEIGHT 变量名; WITH 变量名（列表）; 直线相关分析的SAS程序 CORR过程的几条语句中，BY语句、FREQ语句以及WEIGHT语句与以前所介绍的过程中的完全相同，大家可以参考以前的内容。下面简要介绍其余的几条语句。 PARTIAL语句:用以对所指定的变量计算偏相关系数或类似的偏统计量，可计算的偏统计量与PROC CORR语句中指定的选项有关。但其中只有Pearson积矩相关系数、Spearman秩相关系数及Kendall’s Tau-b可计算相应的偏统计量。 直线相关分析的SAS程序 VAR语句:VAR语句和其它过程中的也基本相同，这里VAR语句指定的变量必须为数值型变量，至少应指定两个变量（当然只指定一个变量也可以计算，但是你必须确定你确实需要证明“一个变量和它自身的相关系数为1”），可同时指定多个变量，此时SAS会对任意两个变量之间进行相关分析。 直线相关分析的SAS程序 WITH语句:WITH语句用来指定和VAR语句指定的变量进行相关分析的变量。当有WITH语句存在时，VAR语句中指定的变量之间不再进行相关性分析，而其中的每个变量都和WITH语句指定的所有变量进行相关性分析，相关分析也不会发生在WITH语句所指定的变量之间。输出结果的相关矩阵中，VAR语句指定的变量排列在行上，WITH语句指定的变量则排列在列上。如果需要，一个变量可以同时出现在VAR语句和WITH语句内。 Pearson相关用于双变量正态分布的资料，其相关系数称为积矩相关系数。进行相关分析时，我们一般会同时对两变量绘制散点图，以更直观地考察两变量之间的相互变化关系。 例题 某地方病研究所调查了8名正常儿童的尿肌酐含量（mmol/24h），估计尿肌酐含量与年龄相关关系。 等级相关（秩相关） 秩相关或等级相关是用双变量等级数据作直线相关分析，这类方法由于对原变量分布不作要求，故而属于非参数统计方法。适用于下列资料：①不服从双变量正态分布而不宜作积差相关分析；②总体分布型未知；③原始数据是用等级表示。当两变量不符合双变量正态分布的假设时，需用Spearman秩相关来描述变量间的相互变化关系。此时，散点图上散点的分布形态不能完全描述两变量间的相关关系，故此时一般不需再绘制散点图。 等级相关（秩相关） 类似前述积差相关，它是用等级相关系数rs来说明两个变量间直线相关关系的密切程度与相关方向。将n对观察值Xi、Yi（i=1，2，…，n）分别由小到大编秩，Pi表示Xi的秩，Qi表示Yi的秩，其中每对Pi、Qi可能相等，也可能不等。用Pi与Qi之差反映X、Y两变量秩排列一致性的情况。 等级相关（秩相关） 按以下公式计算Spearman等级相关系数 rs值界于-1与1之间，rs为正表示正相关，rs为负表示负相关，rs为零表示为零相关。样本等级相关系数rs是总体相关系数的估计值。 例题 某省调查了1995年到1999年当地居民18类死因的构成以及每种死因导致的潜在工作损失年数WYPLL的构成。以死因构成为X，WYPLL构成为Y，作等级相关分析。 直线回归分析 医学上，不少变量间虽存在一定关系，但这种关系不象函数关系那样十分确定。例如正常人的血压随年龄而增高，但这只是总的趋势，有些高龄人的血压却不一定偏高；一群正常人按年龄和血压两个变量在坐标上的方位点，并非集中在一条上升直线上，而是围绕着一条有代表性的直线上升。 ?直线回归分析的任务在于找出两个变量有依存关系的直线方程，以确定一条最接近于各实测点的直线，使各实测点与该线的纵向距离的平方和为最小。这个方程称为直线回归方程，据此方程描绘的直线就是回归直线。 直线回归分析 直线回归是用直线回归方程表示两个数量变量间依存关系的统计分析方法，属双变量分析的范畴。如果某