分類數(shù)據(jù)模型及應(yīng)用

1 單變元數(shù)據(jù)分析及SAS程序
1.1 數(shù)據(jù)、變元和列聯(lián)表
1.2 數(shù)據(jù)的選取和分類數(shù)據(jù)的研究策略
1.3 單變元數(shù)據(jù)的分析與描述，SAS軟件簡介
習(xí)題1
2 二維列聯(lián)表分析
2.1 2×2列聯(lián)表
2.2 研究和假設(shè)的類型
2.3 交叉乘積比、相對風(fēng)險比和可歸屬風(fēng)險
2.4 2×2列聯(lián)表中對數(shù)線性模型（Log-linearmodel）的應(yīng)用
2.5 對數(shù)線性模型與過程SAS／CATMOD
2.6 1×J列聯(lián)表：均勻性（1Iomogeneity）
2.7 1×J列聯(lián)表：獨(dú)立性和準(zhǔn)獨(dú)立性（Independence and Quasi—Independence）
2.8 1×J列聯(lián)表：有序變元
2.9 1×J列聯(lián)表：對數(shù)線性模型
習(xí)題2
3 三維列聯(lián)表分析
3.1 記號
3.2 獨(dú)立性類型
3.3 等級對數(shù)線性模型（Hierarchical Logjlinear Models）
3.4 交互作用與交叉乘積比的關(guān)系
3.5 疊合性
3.6 三維對數(shù)線性模型的描述
3.7 對數(shù)線性模型的參數(shù)估計
3.8 利用過程SAS／cATMOD擬合層級對數(shù)線性模型
3.9 兩個響應(yīng)變元、一個固定變元構(gòu)成的列聯(lián)表一利用過程SAS／cATM（）D擬合
非層級對數(shù)線性模型
習(xí)題3
4 勞吉斯特（LOGISITIC）回歸
4.1 廣義線性模型（GLM）
4.2 勞吉斯特（Logistic）回歸模型
4.3 勞吉斯特模型擬合
4.4 勞吉斯特線性模型回歸系數(shù)的意義
4.5 利用SAS軟件擬合勞吉斯特模型
4.6 SAS概率單位Probit回歸
習(xí)題4
5 多元回歸模型
5.1 對數(shù)線性模型和勞吉斯特模型的轉(zhuǎn)換
5.2 有序響應(yīng)變元的勞吉斯特模型
5.3 邊際響應(yīng)函數(shù)和均值響應(yīng)函數(shù)
5.4 加權(quán)最小二乘法：Grizzle Starmer Koch （GSK）方法
5.5 車禍類型研究的例子
習(xí)題5
6 配對數(shù)據(jù)模型
6.1 例子
6.2 響應(yīng)變元的比例比較
6.3 配對數(shù)據(jù)的勞吉斯特模型
6.4 對稱模型
6.5 準(zhǔn)對稱性
6.6 準(zhǔn)獨(dú)立性
6.7 邊際齊性
6.8 條件對稱和邊際齊性
6.9 利用SAS／CXTMOI）的語句：MODEL和RESPONSE定義非標(biāo)準(zhǔn)模型
6.10 一致性
6.11 成對比較的Bradley-Terry模型
6.12 使用過程SAS／CATMOD擬合Bradley-Terry模型
習(xí)題6
7 相關(guān)數(shù)據(jù)分析：重復(fù)記錄的離散響應(yīng)變元的模型
7.1 對稱性和邊際齊性
7.2 準(zhǔn)對稱性和邊際對稱性
7.3 邊際齊性的檢驗(yàn)
7.4 多重記錄的分類變元分析
7.5 SAS語句：POPULATION和REPEATED
7.6 例子
7.7 多重響應(yīng)變元數(shù)據(jù)分析
7.8 馬爾科夫（Markov）鏈模型
習(xí)題7
8 有序離散變元的勞吉斯特模型的進(jìn)一步探討
8.1 雙線性（linear-by-linear）相互關(guān)系模型
8.2 分?jǐn)?shù)的選擇
8.3 行對數(shù)線性模型和列對數(shù)線性模型
8.4 多元有序變元的多維線性模型
8.5 多元有序變元的二維線性模型
8.6 混合多線性模型
8.7 行列效應(yīng)模型
習(xí)題8
9 條件勞吉斯特回歸分析
9.1 條件勞吉斯特模型
9.2 嚴(yán)格條件分布
9.3 使用SAS過程LOGISIFIC實(shí)施嚴(yán)格勞吉斯特回歸
9.4 分群分析（stratified Analysis）
9.5 序列臨床試驗(yàn)（Crossover linical Trial）
9.6 廣義條件勞吉斯特回歸（General conditional logistic Regression）
習(xí)題9
10 SAS分類數(shù)據(jù)分析方法的擴(kuò)展
10.1 嚴(yán)格p值
l0.2 廣義估計方程（Generalized：Estimating Equations）
10.3 條件勞吉特斯回歸
lO.4 含有事件發(fā)生時間的分類數(shù)據(jù)
10.5 泊松回歸
10.6 分片指數(shù)分布模型
10.7 用PROC FREQ檢驗(yàn)離散變元的分布函數(shù)
10.8 在含有離散與連續(xù)變元交互作用LOGISFIC過程計算奇比
10.9 結(jié)束語
參考文獻(xiàn)