《sas医学统计学之r实现》由会员分享，可在线阅读，更多相关《sas医学统计学之r实现（66页珍藏版）》请在金锄头文库上搜索。
1、 医学统计学及 SAS 应用之R 语言实现UPDATE 2014-11-16PREFACE关于这份笔记，有几点需要说明：0. 客套话。感谢您阅读本文，希望能与您共同进步。1. 为什么是 R。以前从来没想过用盗版 SPSS 和 SAS 有什么问题，直到到了国外，敏感的版 权形势下，R 是最好的选择。2. 本文所引用数据的版权，归医学统计学及SAS 应用原作者所有。本文只探讨使用R 实 现的可能性，并且仅对本文中 R 语言代码享有相关权利。此处还想特别感谢该书的编者之 一，上海交通大学医学院生物统计学教研室的王筱金老师，正是得益于她的用心教学，本文 作者才学会基本的统计学知识，也因此才有这份笔记。
2、3. 作者保留相关权利。在 R语言的世界里，倡导的精神是自由与分享。所以，在以非商业为 目的的前提下，您可以自由地阅读、拷贝、使用和修改本文的代码。若您进行转载，请注明 出处。4. 本文的作者学临床医学出身，并非统计专业，对统计知识也是处在一知半解之中，故文中 的表述或程序可能存在各种错误和不足，还请读者注意辨别，切勿被作者误导，同时希望您 不吝指正。5. 有任何问题或指正，请随时联系作者邮箱：yefuxmed.nagoya-u.ac.jpFuxiang Ye于日本名古屋目 录例3.191 例3.202 例3.212 例3.223 例3.233 例4.134 例4.145 例4.155 例4.
3、165 例4.176 例4.186 例5.1.7 例5.2.8 例5.3.9 例5.410 例5.511 例5.612 例5.713 例6.114 例6.215 例6.316 例6.417 例6.518 例6.618 例7.120 例7.221 例7.322 例7.424 例8.6（程序 8.1）.24 例8.7（程序 8.2）.25 例8.8（程序 8.3）.26 例8.9（程序 8.4）.26 例8.10（程序8.5）.27 例8.11（程序8.6）.28 例8.12（程序8.7）.29 例9.129 例9.230 例9.4（程序 9.3）.30 例9.5（程序 9.4）.31例9.6（程
4、序 9.5）31 例9.7（程序 9.6）32 例9.8（程序 9.7）32 例9.9（程序 9.8）33 例9.11（程序9.9）.33 例9.12（程序9.10）.33 例9.13（程序9.11）.34 例9.14（程序9.12）.36 例9.15（程序9.13）.37 例9.16（程序9.14）.37 例9.17（程序9.15）.38 例9.18（程序9.16）.38 例9.19（程序9.17）.39 例10.1-239 例10.341 例11.141 例11.242 例11.4（程序11.3）.43 例11.5（程序11.4a）44 例11.5（程序11.4b、c）.45 例11.6（
5、程序11.5）.46 例11.7（程序11.6a）47 例11.7（程序11.6b） 48 例12.149 例12.3（程序12.2）.50 例12.4（程序12.3）.51 例12.5（程序12.4）.53 例13.254 例13.355 例13.455 例15.3（程序15_1）57 例15.4（程序15_2）57 例15.5（程序15_3）58 例15.6（程序15_4）59 例15.7（程序15_5）60 例15.8（程序15_6）61 例15.9（程序15_7）62 附 录 63例例3.19：直方图绘制1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
6、 18 19 20 21x =40，且所有格子理论频数=5，故无需连续性校正 chisq.test(dat, correct=F)# 无连续校正的卡方检验结果：例例8.7（程序（程序8.2）：K * 2 表的卡方检验1 2 3 4 5 6 7 8 9dat - matrix(c(63, 47, 65, 16, 7, 3), nrow=3)# nrow=3 表示3 行 chi - chisq.test(dat)# 非四格表，默认correct=F chi chi$expected# 打印理论频数 fisher.test(dat)# Fisher 确切概率法检验结果：25例例8.8（程序（程序8.
7、3）：R*C，行列皆无须1 2 3 4 5dat - matrix(c(112, 200, 362, 150, 112, 219, 205, 135, 310, 40, 73, 69), nrow=3) chi - chisq.test(dat) chi chi$expected# 打印理论频数结果：例例8.9（程序（程序8.4）：R*C，列有序1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23# 行有序或列有序的列联表可使用的方法很多，如 CMH 卡方、Ridit 分析、秩和检 验（例 9.8（程序 9.7）或Logisti
8、c 回归等。 # 与 SAS 类似，行、列或皆有序的联列表均可以使用Cochran-Mantel-Haenszel test 进行统计。vcdExtra包的CMHtest()函数可给出全部结果。 # 另外，coin 包下的 cmh_test()和 lbl_test()函数也可分别用于独立资料和有序资料 的分析。详见帮助文档。dat - matrix(c(13, 21, 10, 7, 6, 4), nrow=2) dimnames(dat) - list(c(“test“, “control“), c(“no“,“better“,“good“) # 给矩阵的行列命名，或用以下两行代码 # row
9、names(dat) - c(“test“, “control“) # colnames(dat) - c(“no“,“better“,“good“) # install.packages(“Ridit“) library(Ridit) ridit(dat, 1)# dat 为 martix 类型列联表，1 表示分组信息在行（若 2 则表示在列，即为行有 序） chisq.test(dat) # 输出卡方检验的结果以供对比# install.packages(“vcdExtra“) library(vcdExtra) CMHtest(dat)2624 25# 结果中，cor 为行列皆有序（即秩
10、相关）；cmeans为列有序（col）；rmeans为 行有序（row）；general为无序（与Pearson Chi-square结果相近）结果：例例8.10（程序（程序8.5）：R*C，行有序1 2 3 4 5 6 7 8 9 10 11 12 13 14 15dat - matrix(c(59, 169, 196, 25, 29, 9), nrow=3) dimnames(dat) - list(drug=c(“low“, “mid“, “high“), toxicity=c(“yes“,“no“)# 给矩阵的行列命名,drug 和toxicity为行列名称 # install.pac
11、kages(“Ridit“) library(Ridit) ridit(dat, 2)# dat 为 martix 类型列联表，2 表示分组信息在列（若 1 则表示在行，即为列有 序） chisq.test(dat) # 输出卡方检验的结果以供对比 # install.packages(“vcdExtra“) library(vcdExtra) CMHtest(dat)# 结果中，cor为行列皆有序（即秩相关）；cmeans为列有序（col）；rmeans为 行有序（row）；general为无序（与Pearson Chi-square结果相近）结果：27例例8.11（程序（程序8.6）：R*
12、C，行列皆有序1 2 3 4 5 6 7 8 9 10 11 12 13 14# 行列皆有序的资料，其问题可归结为行变量和列变量的相关检验。因此可以使用 非参数的秩相关分析或趋势检验。CMH卡方则较为简便。dat - matrix(c(4, 9, 39, 147, 11, 37, 22, 94, 143, 317, 182, 139, 411, 1183, 355,160), nrow= 4) dimnames(dat) - list(age=c(“5“, “11“, “21“, “41“), vision=c(“=0.6“, “0.70.9“, “1.01.2“, “1.5“) # 给矩阵的
13、行列命名# install.packages(“vcdExtra“) library(vcdExtra) CMHtest(dat)# 结果中，cor为行列皆有序（即秩相关）；cmeans为列有序（col）；rmeans为 行有序（row）；general为无序（与Pearson Chi-square结果相近）结果：28例例8.12（程序（程序8.7）：方表，一致性检验1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17dat - matrix(c(160, 5, 26, 48), nrow=2) dimnames(dat) - list(fluo=c(“+“, “
14、-“), regular=c(“+“, “-“)# 给矩阵的行列命名# 输出卡方检验的结果以供对比 chi - chisq.test(dat) # 查看方表的理论频数 chi$expected# Kappa检验, Kappa.test()函数位于fmsb 包中 # install.packages(“fmsb“) library(fmsb) Kappa.test(dat)# McNemar 检验 mcnemar.test(dat, correct=F)# 因所有格理论频数均大于 5,故无序连续性校正(correct=F)结果：例例9.129：符号秩和检验 1 2 3 4a - c(1, 1,
15、1, 0, 1, 1, 1, 1, 1) b - c(0, 0, 0, 1, 0, 0, 0, 0, 0) wilcox.test(a, b, paired=T)# paired=T 时为Wilcoxon符号秩和检验，即比较差值与0 的差别结果：例例9.2：Wilcoxon 符号秩和检验，配对样本1 2 3 4 5 6 7 8a - c(336, 258, 371, 291, 386, 300, 364, 285, 377, 298, 292, 303, 288, 312, 304, 260, 333, 339, 302, 290) before - aseq(1, length(a), 2)
16、 after - aseq(2, length(a), 2) # 差值正态性检验 shapiro.test(before-after) # Wilcoxon 符号秩和检验 wilcox.test(before, after, paired=T)结果：例例9.4（程序（程序9.3）：单样本资料，符号秩和检验1 2 3x - c(1.40, 2.34, 2.36, 2.34, 1.42, 1.87, 2.42, 2.33, 2.56, 2.54) shapiro.test(x-1.44) wilcox.test(x-1.44)30结果：例例9.5（程序（程序9.4）：两独立样本秩和检验1 2 3 4x - c(0.32, 0.47, 0.57, 2.21, 0.64, 3.08, 0.67, 2.13) y - c(0.26, 0.24, 0.59, 0.37, 0.58, 0.21, 0.33, 0.42, 0.67, 0.45) sapply(list(x,
