醫(yī)學(xué)多變量統(tǒng)計與統(tǒng)計軟件

第一章 回歸分析
1.1 回歸模型及模型的優(yōu)良性指標(biāo)
1.2 回歸模型及變量的統(tǒng)計檢驗與選擇
1.3 變量的相關(guān)分析及自變量對因變量影響的相對重要性
1.4 預(yù)測、線性的識別、殘差、共線性及強影響點的統(tǒng)計分析
1.5 SAS軟件中回歸分析的常用語句及例
1.6 加權(quán)回歸及有重復(fù)測量的回歸分析
1.7 回歸系數(shù)符號反常與重要變量選不進回歸的原因分析
1.8 嶺回歸分析
1.9 兩組變量間的相關(guān)分析——典則分析
第二章 多因素的試驗設(shè)計法
2.1 正交（試驗）設(shè)計法
2.2 水平數(shù)不同的正交試驗設(shè)計
2.3 多因素試驗的均勻設(shè)計法
2.4 有重復(fù)試驗的統(tǒng)計分析例
第三章 判別分析
3.1 Bayes判別法
3.2 統(tǒng)計檢驗及變量的篩選
3.3 Fisher線性判別法與非參數(shù)判別法
3.4 SAS軟件中的判別分析及例
3.5 兩母體的判別、分界點及ROC曲線
3.6 判別分析中樣本數(shù)的估計
3.7 LOGISTIC回歸分析
3.8 SAS軟件中LOGISTIC回歸分析語句及例
3.9 條件LOGISTIC回歸及LOGISTIC回歸的局限性
3.10 匹配資料的條件均數(shù)篩選變量法
第四章 主成分及因子分析
4.1 變量間的主成分分析
4.2 非線性主成分分析
4.3 因子分析
4.4 植物神經(jīng)的綜合指標(biāo)與中醫(yī)的寒熱本質(zhì)
4.5 SAS軟件中的因子分析語句及例
4.6 可靠性分析
第五章 隱變量分析
5.1 通徑圖與模型
5.2 模型的擬合
5.3 SAS軟件中的隱變量分析-CALIS
5.4 隱變量分析在遺傳流行病研究中的應(yīng)用例
5.5 老年癡呆病的隱變量分析
5.6 某些有特色的應(yīng)用例及非線性模型
5.7 隱變量的方向性、模型的等價及功效的計算
第六章 SPSS軟件中的隱變量分析——AMOS
6.1 簡介
6.2 Amos文本方式的語法規(guī)則
6.3 Amos圖形方式的使用方法
6.4 Amos的幫助系統(tǒng)、例及LISREL軟件
第七章 聚類分析
7.1 基本概念
7.2 變量的聚類
7.3 樣品的系統(tǒng)聚類法
7.4 大樣本的快速聚類法（FASTCLUS法）
7.5 大樣本數(shù)據(jù)的預(yù)處理（ACECLUS法）
第八章 生存分析
8.1 壽命表及基本統(tǒng)計量
8.2 用SAS軟件估計平均生存時間及LIFETEST語句
8.3 常見的生存函數(shù)簡介
8.4 生存時間的對數(shù)線性模型
8.5 Cox比例危險率模型
8.6 SAS軟件中的PHREG語句及協(xié)變量與生存時間有關(guān)的Cox模型
練習(xí)題
參考文獻
附錄一、正交設(shè)計表（部分）
附錄二、均勻設(shè)計表（部分）
附錄三、條件均數(shù)法篩選變量
附錄四、線性代數(shù)及矩陣的知識簡介