实验 1 SAS 基本操作. 1 实验 2 SAS 编程基础. 13 实验 3 SAS 的描述统计功能 . 20 实验 4 统计图形. 28 实验 5 区间估计与假设检验. 39 实验 6 分布拟合检验. 48 实验 7 简单相关分析与一元线性回归分析 . 54 实验 8 多元线性回归分析与非线性回归分析 . 65 实验 9 单因素方差分析. 86 实验 10 双因素方差分析. 94 实验 11 主成分分析 . 101 实验 12 因子分析. 113 实验 13 聚类分析. 130 实验 14 判别分析. 144 实验 15 典型相关分析. 156 实验 16 综合实验. 160

古典线性回归模型的假定 OLS的代数推导 OLS的几何解释 拟合优度 OLS的小样本性质 对单个系数的 t检验 对线性假设的 F检验 分块回归与偏回归(选读) 预测

第一节 两变量线性回归模型 第二节 参数估计 第三节 最小二乘估计量的性质 第四节 回归拟合度评价和决定系数 第五节 统计推断 第六节 预测

回归分析是处理两个及两个以上变量间线性依存关系的统计方法。在医学 领域中,此类问题很普遍,如人头发中某种金属元素的含量与血液中该元素的 含量有关系,人的体表面积与身高、体重有关系;等等。回归分析就是用于说 明这种依存变化的数学关系

本章介绍了回归分析的基本思想与基本方法。首先，本章从总体回归模型与总体回归 函数、样本回归模型与样本回归函数这两组概念开始，建立了回归分析的基本思想。总体回 归函数是对总体变量间关系的定量表述，由总体回归模型在若干基本假设下得到，但它只是 建立在理论之上，在现实中只能先从总体中抽取一个样本，获得样本回归函数，并用它对总 体回归函数做出统计推断

1. 回归模型、回归方程、估计的回归方程 2. 回归方程的拟合优度 3. 回归方程的显著性检验 4. 多重共线性问题及其处理 5. 利用回归方程进行估计和预测 6. 虚拟自变量的回归问题 7. 用 Excel 进行回归分析

(1)Y对x的线性回归方程; (2)解释回归系数的含义; (3)对所求回归方程作显著性检验; (4)对人均年生产总值3000美元时预测人均年耗能量的范围(a=0.05)

问题的提出必要性 通过协方差或相关系数证实变量之间存在关系,仅仅 只是知道变量之间线性相关的性质——正(负)相关 和相关程度的大小。 既然它们之间存在线性关系,接下来必须探求它们之 间关系的表现形式是什么?

第一章 绪论 第二章 定量资料的统计描述 第三章 定性资料的统计描述 第三章 定性变量的统计描述 第四章 常用概率分布 第五章 参数估计基础 第六章 假设检验基础 第七章 方差分析 第八章 方差分析-Analysis of variance(ANOVA) 第九章 非参数检验 第十章 两变量关联性分析 第十一章 简单线性回归 第十二章 多重线性回归与相关 第十三章 医学研究的统计学设计 第十四章 实验设计 第十五章 调查设计

一、Ŷ0是条件均值E(Y|X=X0)或个值Y0的一个无偏估计 二、总体条件均值与个值预测值的置信区间