用SAS软件实现因变量为多值有序变量的多重logistic回归分析

因变量为多值有序变量的多重logistic回归分析是一种研究多值有序的因变量与一组自变量之间依赖关系的有效方法。该方法对自变量的性质几乎没有限制,但要求有较大的样本量并且样本的总体代表性好。回归系数具有明确的实际意义,可依据回归系数得到优势比的估计值。本文结合实例,详细介绍如何用SAS软件拟合此回归方程,并进行结果解读。

复杂随机抽样数据的多重线性回归分析方法及其应用

目的探讨综合权重在复杂随机抽样数据线性回归分析中的意义和作用。方法基于蒙特卡洛随机模拟思想,采用SAS中REG和SURVEYREG两个不同的多重线性回归分析过程,分别对同一批复杂随机抽样数据(n=6756)在不同随机抽样率条件下进行回归建模,对所得结果进行比较。结果在未考虑和考虑观测权重与抽样权重的多重线性回归模型拟合的结果中,自变量的偏回归系数、标准误及P值的大小均有所不同。结论在对基于不同抽样率的复杂随机抽样资料,尤其是分层随机抽样调查资料的回归建模中,采用多重线性回归模型拟合资料时,将调查数据的综合权重纳入统计分析,方能更准确、灵敏地进行回归系数的参数估计和对结果变量的统计预测。

如何选择合适的试验设计类型(四)

当试验中涉及两个因素时，若两因素之间不存在交互作用或交互作用对观测结果的影响无统计学意义，并且，特定试验条件（通常为各因素不同水平的一种组合）下试验数据的测定误差在专业上允许的范围之内，此时，可以选用“随机区组设计、平衡不完全随机区组设计、具有一个重复测量的单因素设计、无重复试验双因素设计和两因素嵌套设计”五种设计之一。在上一期讲座中，我们向读者重点介绍了随机区组设计、具有一个重复测量的单因素设计这两种设计类型，重点阐述了两设计类型的定义、形式、特点、应用场合以及具体实施，并用实例加以论证。

如何选择合适的试验设计类型(五)

当试验中涉及两个因素时，若两因素之间不存在交互作用或交互作用对观测结果的影响无统计学意义，并且，特定试验条件（通常为各因素不同水平的一种组合）下试验数据的测定误差在专业上允许的范围之内，

如何选择合适的试验设计类型(六)

当试验中涉及一个试验因素和两个区组因素（即重要的非试验因素）时，若因素之间不存在交互作用或交互作用对观测结果的影响无统计学意义，并且，特定试验条件（通常为各因素不同水平的一种组合）下试验数据的测定误差在专业上允许的范围之内，

如何选择合适的试验设计类型(九)

本期讲座，将结合实际问题和临床试验需求，向读者重点介绍重复测量设计、正交设计与均匀设计。

如何选择合适的试验设计类型(七)

当试验中涉及一个试验因素和两个区组因素时，若因素之间不存在交互作用或交互作用对观测结果的影响无统计学意义，并且，特定试验条件（通常为各因素不同水平的一种组合）下试验数据的测定误差在专业上允许的范围之内，此时，根据试验因素的水平数目多少，可以考虑选用“交叉设计或拉丁方设计”两种设计之一。在上一期讲座中，我们向读者介绍了三阶段交叉设计和3×3交叉设计这两种设计类型，重点阐述了两种设计类型的定义、形式、特点、应用场合以及具体实施，并用实例加以论证。

如何选择合适的试验设计类型(八)

在上一期讲座中，我们向读者介绍了裂区设计。本期我们将向读者介绍标准析因设计。