卫生统计软件应用试题及答案2026年全新版

卫生统计软件应用试题及答案2026年全新版1.（单选）在R4.4.0中，使用survey包对复杂抽样数据计算高血压患病率时，下列哪段代码能正确给出按性别分层的95%置信区间并同时输出设计效应？A.svyby(~hypertension,~sex,design=dsv,svyciprop,method="logit",df=degf(dsv),deff=TRUE)B.svyby(~hypertension,~sex,design=dsv,svymean,deff=TRUE,keep.var=TRUE)C.svyby(~hypertension,~sex,design=dsv,svyciprop,method="logit",deff=TRUE)D.svyby(~hypertension,~sex,design=dsv,svyciprop,method="mean",deff=TRUE)答案：C解析：svyciprop专门用于比例指标的置信区间估计，method="logit"保证区间在0-1之间；deff=TRUE触发设计效应计算；svyby的默认自由度为Inf，若需有限校正可再传df参数，但题目未强制要求，故C最简洁合规。2.（单选）SAS9.4M7的procsurveymeans中，欲在输出数据集同时存放层内均数、标准误与累计权重，必须添加的选项是：A.ODSOUTPUTStatistics=mout;B.OUT=moutSTATSSE;C.OUT=mout/NOMCAR;D.OUT=mout/STACKING;答案：B解析：procsurveymeans的OUT=选项本身只输出统计量，需同时写STATSSE关键字才能把均数、标准误写入；累计权重需用WEIGHT语句，但题目问的是“必须添加”的选项，故B正确。3.（单选）Stata18利用svy:tabulate计算接种率，若变量vaccine为二分类（0/1），下列命令可获得Rao-Scott校正F值的是：A.svy:tabvaccine,pearsonB.svy:tabvaccine,waldC.svy:tabvaccine,lrD.svy:tabvaccine,count答案：B解析：svy:tabulate的wald选项输出Rao-Scott校正后的Waldχ²及其F转换；pearson给出未经校正的Pearsonχ²；lr为似然比检验；count仅输出加权计数。4.（单选）Python3.12的statsmodels0.15.0中，使用SurveyDesign对两阶段PPS抽样数据拟合logistic回归，若需获得有限总体校正的标准误，应在fit方法中设置：A.cov_type='cluster'B.cov_type='sandwich'C.cov_type='naive'D.cov_type='finite'答案：B解析：statsmodels的SurveyResults.fit默认使用三明治方差估计，其已包含有限总体校正；cov_type='sandwich'显式声明；cluster仅调整聚类，naive忽略设计，finite并非合法取值。5.（单选）SPSS29.0“复杂抽样”模块中，若抽样框按“县区”分层、按“乡镇”两阶段PPS抽取，最终权重变量为w_final，则“阶段”对话框中必须勾选：A.替换重复单元B.使用有限总体校正C.将权重标准化为样本量D.以上均不必勾选答案：B解析：两阶段PPS抽样下，有限总体校正（FPC）直接影响标准误；SPSS默认不勾选，必须手工激活；A用于处理重复标识，C用于事后标准化，均非必须。6.（单选）R语言的mice3.16.0对复杂抽样数据做多重插补，若变量age为完全观测，bmi存在20%缺失，下列说法正确的是：A.必须在mice()中指定survey.weights=TRUE才能保留抽样权重B.应在with()内使用svydesign对象重新声明设计C.插补模型应包含strata与PSU作为预测变量D.插补后无需合并即可直接汇报结果答案：C解析：复杂抽样下，层与PSU往往与缺失机制相关，纳入插补模型可减少偏差；mice本身不识别survey.weights，需在后续分析阶段使用svy对象；with()仅用于分析插补数据集，不能替代设计声明；必须pool()合并。7.（单选）SAS9.4调用procsurveylogistic拟合有序logit，若比例优势假设被拒绝，应改用：A.proclogistic;stratacluster;B.procsurveylogistic;link=glogit;C.procsurveylogistic;unequalslopes;D.procnlmixed;答案：B解析：link=glogit指定广义logit，即多项模型，可放松比例优势；unequalslopes并非合法语句；nlmixed可拟合但非survey过程，无法调用抽样权重。8.（单选）在Stata18中，使用estatgofaftersvy:logit可得到：A.Archer-Lemeshow拟合优度检验B.Hosmer-Lemeshow检验C.似然比检验D.无此子命令答案：A解析：svy:logit后仅支持Archer-Lemeshow设计校正检验，estatgof自动调用；Hosmer-Lemeshow假定独立同分布，不适用于复杂抽样。9.（单选）R语言epiR包的epi.2by2用于复杂抽样时，需提供：A.仅case与exposure列联表B.设计对象及权重向量C.层内OR及95%CID.无需额外信息答案：B解析：epi.2by2若处理调查数据，需通过design参数传入svydesign对象，否则按简单随机处理；权重向量已封装在设计对象内。10.（单选）Python3.12的samplics包中，VarianceEstimator类默认使用：A.泰勒线性化B.刀切法C.平衡半样本D.Bootstrap答案：A解析：samplics遵循世界银行等官方指南，默认泰勒线性化；刀切与半样本需显式指定method='jackknife'或'brr'。11.（单选）SPSS29.0对复杂抽样数据执行Cox回归，若时间变量为day，结局为death，需激活的对话框是：A.复杂样本→一般线性模型B.复杂样本→Cox回归C.生存→Coxw/复杂抽样D.生存→Kaplan-Meier答案：B解析：SPSS把“复杂样本”与“生存”拆分为两大模块，Cox回归位于“复杂样本→Cox回归”；C选项名称不存在。12.（单选）SAS9.4的procsurveyreg输出中，RootMSE对应：A.模型残差的标准差B.设计校正后的残差标准差C.有限总体均方误差D.仅用于简单随机样本答案：B解析：surveyreg的RootMSE已按设计效应调整，反映复杂抽样下的残差标准差；与普通reg不同。13.（单选）R语言srvyr包中，函数survey_mean()默认返回：A.加权均数与泰勒标准误B.加权均数与刀切标准误C.未加权均数D.仅计数答案：A解析：srvyr封装survey，survey_mean()默认method="linearized"，即泰勒；刀切需指定vartype="jk"。14.（单选）Stata18执行svy:proportiondiabetes,over(agegrp)后，若需将结果导出为Excel，最佳命令是：A.putexcelA1=matrix(e(b))B.esttabusingout.xlsx,cells("bci")C.exportexcelusingout.xlsx,replaceD.outsheetusingout.xlsx,replace答案：B解析：esttab可自动识别svy结果，输出比例与置信区间；putexcel需手工拼矩阵；exportexcel不支持直接导出estimation结果；outsheet仅数据。15.（单选）Python3.12的pingouin0.5.4包对复杂抽样数据执行卡方检验，应使用：A.pingouin.chi2_independenceB.pingouin.chi2_surveyC.不支持复杂抽样D.scipy.stats.chi2_contingency答案：C解析：pingouin未实现设计校正；需转用statsmodels或samplics。16.（单选）在SAS9.4中，procsurveyselect用于PPS抽样，若按size变量排序后仍出现负抽取概率，最可能原因是：A.未指定selectallB.size变量含零或负值C.未使用strata语句D.未设置seed答案：B解析：PPS要求所有size>0；零或负值导致概率异常；selectall用于全选，strata与seed无关。17.（单选）R语言ICAR0.9.0对空间复杂抽样数据，若需考虑空间自相关，应在svydesign中新增：A.fpc=~spatialB.nest=TRUEC.目前不支持空间相关D.weights=~invdist答案：C解析：ICAR包尚处实验阶段，svydesign无空间协方差参数；需借助geoR或INLA。18.（单选）Stata18中，estateffects,deff用于：A.计算设计效应B.计算有限总体校正C.输出R²D.无此子命令答案：A解析：estateffects,deff在svy估计后给出每个变量的设计效应；estat不存在fpd子命令。19.（单选）SPSS29.0的CSPLAN语法中，定义PPS抽样需写：A.METHOD=PPS_WORB.METHOD=PPS_WRC.METHOD=SIMPLE_WORD.METHOD=STRATIFIED答案：A解析：PPS_WOR表示按概率与规模成比例无放回抽样；WR为有放回，其余不相关。20.（单选）Python3.12的sklearn1.5.0对复杂抽样数据做随机森林，若需将权重传入，应使用：A.RandomForestClassifier(sample_weight=sw)B.RandomForestClassifier(survey_weight=sw)C.不支持权重D.需改用statsmodels答案：A解析：sklearn的sample_weight参数可接受调查权重，树构建时按加权基尼分裂；无survey_weight参数。21.（多选）在R4.4.0中，使用survey包对两阶段分层PPS数据拟合logistic回归，下列哪些做法可正确获得有限总体校正的标准误？A.svyglm(hypertension~age+sex,design=dsv,family=quasibinomial)B.svyglm(hypertension~age+sex,design=dsv,family=binomial)C.svychisq(~hypertension+smoking,design=dsv)D.svyglm(hypertension~age+sex,design=dsv,family=binomial,influence=TRUE)答案：A、B解析：svyglm自动调用泰勒线性化，family=binomial或quasibinomial均可；influence=TRUE用于诊断，不影响SE；svychisq为列联表检验。22.（多选）SAS9.4的procsurveyfreq中，欲在一张表同时输出加权比例、未加权计数、Rao-Scott校正p值，应添加：A.TABLESvar/CLWTCELLCHI2;B.TABLESvar/CLWTCHISQ;C.ODSOUTPUTCrossTabs=ct;D.TEST=RS;答案：B、C解析：CHISQ触发Rao-Scott；CL输出置信区间；WT显示加权比例；ODSOUTPUT可导出全部格子；CELLCHI2仅格子卡方，TEST=RS需放在PROC语句。23.（多选）Stata18执行svy:melogit后，可用来评估模型拟合的命令有：A.estaticcB.estatvarianceC.predictu0,reffectsD.estatsummarize答案：A、B、C解析：melogit为多水平混合效应logit；icc给出组内相关系数；variance报告随机效应方差；reffects预测随机截距；summarize仅描述变量。24.（多选）Python3.12的linearmodels包对复杂抽样数据执行两阶段最小二乘，需提供的参数包括：A.工具变量列表B.权重向量C.层与聚类标识D.内生变量答案：A、B、C、D解析：linearmodels.IV2SLS支持survey_weights、clusters、strata；内生变量与工具变量为模型核心。25.（多选）SPSS29.0中，使用CSSELECT执行系统抽样，若随机起点需重复可复现，应设置：A.SEED=12345B.SORT=NC.METHOD=SYSD.SIZE=50答案：A、C解析：METHOD=SYS声明系统抽样；SEED保证复现；SORT用于排序变量，SIZE为样本量，非必须。26.（多选）R语言mitools包合并多重插补结果时，pool()函数可输出：A.合并系数B.合并标准误C.缺失信息比例D.相对效能答案：A、B、C、D解析：pool()基于Rubin规则，返回系数、SE、FMI、RE等完整指标。27.（多选）SAS9.4的procsurveylogistic中，link=probit与link=cloglog的主要区别有：A.尾部概率不同B.系数符号相反C.边际效应公式不同D.适用于不同分布假设答案：A、C、D解析：probit基于正态，cloglog基于极值；尾部形状差异导致边际效应不同；系数符号相同；均用于二分类。28.（多选）Stata18中，svyset声明两阶段设计，若PSU在同一层内重复编码，应：A.使用||strata:psuB.使用,singleunit(centered)C.使用,strata(strata)D.重新编码PSU为层内唯一答案：C、D解析：重复编码会导致错误，需层内唯一；strata()声明层；singleunit处理单单元层，非必须。29.（多选）Python3.12的survival1.0包对复杂抽样Cox模型，需传入：A.时间变量B.结局变量C.权重D.层与聚类答案：A、B、C、D解析：survival.SurveyCox支持weights、strata、cluster；与R的survey类似。30.（多选）在R语言的jtools2.2.0中，export_summs()可导出复杂抽样模型到Word，支持的统计量有：A.设计效应B.NagelkerkeR²C.AICD.系数与95%CI答案：B、C、D解析：export_summs()可提取拟合优度、信息准则、系数；设计效应需手动添加。31.（填空）在SAS9.4中，procsurveymeans的varmethod=________可调用平衡半样本法。答案：BRR解析：BRR（BalancedRepeatedReplication）为可选方差估计法；需提前定义repweights。32.（填空）Stata18中，命令svy:proportion,________可输出Bonferroni校正的同时置信区间。答案：mcompare(bonferroni)解析：mcompare()子选项支持多重比较校正；bonferroni为常用方法。33.（填空）R语言survey包中，函数________可计算Rao-Scott校正的二阶p值。答案：svychisq解析：svychisq默认返回一阶与二阶校正p值；二阶基于F分布。34.（填空）Python3.12的statsmodels0.15.0中，SurveyResults.summary_frame().loc[:,'________']可提取设计效应。答案：deff解析：summary_frame()返回数据框，含deff列；需fit时cov_type='sandwich'。35.（填空）SPSS29.0的CSPLAN中，定义有限总体校正需写________=value。答案：FPC解析：FPC关键字后跟总体规模或抽样比；如FPC=10000。36.（判断）在R语言中，svydesign的weights参数接受标准化权重即可，无需原始膨胀权重。答案：错解析：svydesign需膨胀权重（即总体和/样本和≈抽样比倒数）；标准化权重会导致错误标准误。37.（判断）Stata18的svy:reg可自动识别分层变量并给出层内R²。答案：错解析：svy:reg仅给出模型整体R²；层内R²需手动循环。38.（判断）SAS9.4的procsurveyfreq可输出Cramér’sV设计校正版本。答案：错解析：surveyfreq仅提供Rao-Scott卡方与校正p值；Cramér’sV需手动计算。39.（判断）Python3.12的scipy.stats.chi2_contingency可用于复杂抽样列联表。答案：错解析：scipy假定独立同分布；需用statsmodels.survey。40.（判断）SPSS29.0中，复杂样本模块的Cox回归可输出设计校正的Schoenfeld残差图。答案：对解析：CSCOX支持设计校正残差；勾选“检验比例风险”即可。41.（简答）简述在R语言survey包中，使用svyglm拟合复杂抽样logistic回归后，如何利用influence残差发现高影响聚类，并给出两段关键代码。答案：步骤：1)计算DFBETA-like影响量：inf<svyinfluence(model,dsv)2)提取聚类层面最大影响：clinf<svyby(~inf$dfbeta,~PSU,dsv,max)plot(clinf$inf.dfbeta,type="h",main="最大DFBETAbyPSU")解析：svyinfluence返回每个观测的dfbeta；按PSU取最大可定位高影响聚类；可视化为条形图，超出±2/√n提示异常。42.（简答）SAS9.4中，如何利用procsurveylogistic输出设计校正的ROC曲线数据，并绘制AUC的95%置信区间？给出完整代码。答案：procsurveylogisticdata=dt;stratastrata;clusterpsu;weightw;modeloutcome(event='1')=x1x2/link=logit;outputout=predpredprobs=individual;run;procsurveyrocdata=pred/where=(outcome=.);weightw;rocpred;odsoutputROC=rocs;run;procsurveylogisticdata=dt;stratastrata;clusterpsu;weightw;modeloutcome(event='1')=x1x2;roc;odsoutputROCAssociation=auc;run;dataci;setauc;lower=Estimate1.96*StdErr;upper=Estimate+1.96*StdErr;run;procsgplotdata=ci;scatterx=Estimatey=Area;highlowy=Areahigh=upperlow=lower;run;解析：surveyroc过程尚不存在，故采用surveylogistic的roc语句输出AUC及其标准误；手动计算95%CI并绘图。43.（简答）Stata18中，如何对复杂抽样数据的多重插补结果执行多水平logistic回归，并合并系数？给出命令序列。答案：misetwidemiregisterimputedbmimiimputelogitbmi=agei.sexi.strata,add(20)miestimate,cmdok:melogitdiabetesagebmi||psu:,intpoints(7)解析：miimpute支持调查权重（需svyset后自动识别）；melogit在miestimate框架下可正确传递权重与聚类；cmdok允许非线性混合效应。44.（简答）Python3.12中，使用samplics对两阶段PPS数据计算疫苗接种率，如何获得刀切方差并输出层内比例？给出代码。答案：fromsamplicsimportSurveyStatss=SurveyStat(param="proportion",method="jackknife",weights=wt,psu=psu,strata=strata)ss.estimate(y=vaccine,domain=region)print(ss.to_dataframe())解析：SurveyStat自动执行刀切；domain参数支持层内估计；to_dataframe()返回比例与标准误。45.（简答）SPSS29.0中，如何在复杂样本Cox回归后，利用语法输出设计校正的累积风险曲线数据？答案：CSCOXVARIABLES=timedeath/PLANfile='plan.csaplan'/PLOTSURVIVAL=BYgroup/EXPORTSURVIVAL='surv.sav'.解析：CSPLAN提前定义设计；PLOT子命令勾选生存曲线；EXPORT将累积风险表写入sav文件，含标准误。46.（综合）某全国营养调查采用分层、三阶段PPS抽样，目标估计儿童贫血率。提供变量：strata（31省市）、psu（街道/乡镇）、ssu（村/居）、weight（膨胀权重）、anemia（0/1）、agegroup（1=6-11月，2=12-23月，3=24-35月）、region（城乡）。请用R4.4.0完成：1)声明设计对象；2)计算总体贫血率及95%CI；3)按agegroup与region交叉分层给出率差与95%CI；4)检验agegroup与region交互作用；5)输出设计效应。给出完整代码、结果解读及结论。答案：library(survey)dsv<svydesign(ids=~psu+ssu,strata=~strata,weights=~weight,nest=TRUE,data=dat)r0<svyciprop(~anemia,design=dsv,method="logit")print(r0)结果：0.192(0.183,0.201)，设计效应=1.82rd<svyby(~anemia,~agegroup+region,design=dsv,svyciprop,method="logit",deff=TRUE,vartype="ci")print(rd)率差示例：6-11月城市0.26，农村0.31，差值0.05（0.02,0.08）m1<svyglm(anemia~agegroup*region,design=dsv,family=quasibinomial)m0<svyglm(anemia~agegroup+region,design=dsv,family=quasibinomial)anova(m0,m1)F=8.3,p=0.004，交互显著summary(m1)设计效应：agegroup1.75，region1.82解读：贫血率19.2%，城乡差异随年龄组变化；12-23月农村高出城市5个百分点；交互显著提示需分年龄制定干预。47.（综合）SAS9.4M7对同一数据执行procsurveylogistic，要求：1)输出城乡OR及同时置信区间（Bonferroni）；2)利用ESTIMATE语句计算农村vs城市在agegroup=2的预测边际概率；3)将边际概率差异及95%CI存入数据集。给出代码与结果。答案：procsurveylogisticdata=dat;stratastrata;clusterpsu;weightweight;classregionagegroup/param=ref;modelanemia(event='1')=regionagegroupregion*agegroup/link=logit;lsmeansregion*agegroup/diffcladjust=bonferronicovout=diffs;estimate'rural-city@12-23m'region1-1agegroup010region*agegroup0100-10;odsoutputLSMEANDIFFS=diffsESTIMATE=est;run;datawant;setest;prob_diff=exp(estimate)/(1+exp(estimate));lcl=exp(lower)/(1+exp(lower));ucl=exp(upper)/(1+exp(upper));run;结果：边际概率差0.048（0.021,0.075），p<0.01。48.（综合）Stata18中，使用svy:logit拟合后，如何利用marginsplot可视化agegroup与region交互的预测边际概率，并保存高分辨率PNG？答案：svy:logitanemiai.region##i.agegroupmarginsregion#agegroup,vce(uncond