分类资料的统计描述与简单推断及SAS过程

分类资料的统计描述与简单推断及SAS过程医学统计学核心方法与应用实践Contents目录分类资料的统计描述与简单推断及SAS过程01分类资料统计基础02统计推断核心方法03SAS实现与案例实战Chapter01分类资料统计基础从资料类型认知到描述指标体系构建CLASSIFICATION统计学资料类型辨析正确区分计量、计数、等级资料是统计方法选择的前提。计量资料关注数值分布特征，计数资料侧重频率分布规律，等级资料需考虑顺序属性，三者对应不同的描述指标与推断方法体系。计量资料连续型数值变量，如血压、血糖值，需通过均数±标准差描述正态分布特征偏态分布时改用中位数与四分位间距，如住院天数、术后恢复时间适用t检验、方差分析等参数检验，要求满足正态性与方差齐性正态·连续计数资料离散型分类变量，如血型分布、并发症发生率，需用率或构成比描述二分类资料采用四格表卡方检验，多分类资料使用行列表分析注意理论频数限制，n<40或T<1时改用Fisher确切概率法离散·分类等级资料😊😐😣😫😭0246810疼痛等级量表示意有序分类变量，如疼痛分级（轻/中/重）、疗效评价（无效/好转/显效）构成比描述各等级占比，但不可计算均数等连续型指标组间比较采用秩和检验等非参数方法，避免误用卡方丢失顺序信息有序·分级STATISTICALINDICATORS分类变量描述指标体系率、构成比、相对比构成分类资料描述的核心指标体系。率反映事件发生强度，构成比体现内部结构比例，相对比用于跨组比较，三者应用时需严格区分计算逻辑与适用场景，避免辛普森悖论等统计陷阱。率（Rate）某时期实际发生数÷同期可能发生总数×比例基数，如发病率、死亡率需明确观察单位与时间范围，如"每千人年发病率"需标注观察周期将构成比误作率使用，如用"肿瘤患者占比"推断疾病发生风险发病率·死亡率构成比（Proportion）某组成部分数量÷总体数量×100%，如血型分布、并发症类型占比各组分构成比之和必为100%，不可跨总体直接比较用住院患者疾病构成比推断社区疾病谱，忽略选择偏倚影响构成之和=100%相对比（Ratio）A指标÷B指标，如相对危险度（RR）、比值比（OR）分子分母可为绝对数、率或构成比，需注明比较基准病例对照研究中OR值是评估暴露因素关联强度的核心指标RR·OR值Standardization&ConfoundingControl率的标准化与混杂控制率的标准化通过统一内部构成差异实现跨组可比性。直接法适用于已知标准人口构成且各组分层率稳定的情况，间接法多用于小样本或分层率未知场景，两者均需警惕混杂因素残留导致的生态学谬误。直接标准化法人口年龄构成对比计算步骤：选择标准人口构成→计算各层预期发生数→求标准化率适用场景：大样本研究且各层率稳定，如全国多中心临床试验数据比较注意事项：标准人口选择影响结果，WHO标准人口与本国普查人口结论可能不同间接标准化法职业流行病学队列研究计算步骤：选择标准率→计算预期发生数→求标准化死亡比（SMR）适用场景：小样本或分层率不稳定时，如罕见病职业暴露队列研究典型应用：SMR>1提示暴露组风险高于标准人群，需结合置信区间判断显著性CHAPTER02SAS软件基础操作从数据管理到统计分析的代码实现路径SASProgrammingSAS数据集创建与管理SAS数据集创建需根据数据源特征选择DATA步、PROCIMPORT或SQL语句。DATA步适合结构化录入，PROCIMPORT处理异构数据，SQL实现多表关联，三者均需配合数据清洗步骤确保分析质量。DATA步编程语法：DATA定义→INPUT声明→DATALINES输入场景：小规模实验数据，如20例预试验技巧：@@符号实现单行多记录输入DATAStepPROCIMPORT导入语法：DATAFILE=路径DBMS=类型OUT=数据集场景：Excel/CSV/TXT异构数据批量导入注意：GETNAMES=YES自动识别变量名PROCImportSQL多表关联多表JOIN操作示意图语法：PROCSQL→SELECTJOIN→WHERE筛选场景：HIS系统与随访数据库跨平台整合优化：INDEX语句提升百万级关联效率PROCSQLFUNCTIONSOVERVIEWSAS核心函数应用SAS函数体系覆盖数据清洗、变量转换、日期计算等科研全流程需求。日期函数处理时间依存变量，缺失值函数保障数据完整性，字符串函数解析编码信息，组合使用可显著提升数据处理效率。日期时间函数MDY(m,d,y)将分立数值转换为SAS日期值，如MDY(12,1,2023)=22951INTCK(interval,from,to)计算时间间隔，如住院天数TODAY()获取系统当前日期，常用于计算年龄或随访截止时点时间计算缺失值处理函数MISSING(var)检测数值/字符型缺失值，返回1表示缺失COALESCE(args)返回首个非缺失值，如设定默认随访期NMISS(ofvars)统计多变量缺失个数，用于数据质量评估数据完整性字符串操作函数SUBSTR(str,start,len)提取子串，如获取ICD10疾病大类编码SCAN(str,n,delim)按分隔符拆分，如提取并发症信息COMPRESS(str,mod)删除指定字符，如清理电话号码格式编码解析CONTROLFLOWSAS控制语句与流程控制SAS控制语句实现数据处理的逻辑分支与循环迭代。DO循环构建重复操作，IF条件语句实现数据分组，OUTPUT控制数据集输出，三者组合可完成复杂的数据重构与模拟任务。DO循环结构基础语法：DOindex=startTOendBYincrement;...END;科研应用：生成模拟数据集，如DOi=1TO1000;x=RANUNI(12345);OUTPUT;END;嵌套技巧：外层循环处理受试者，内层循环处理重复测量数据DO...ENDIF条件分支基础语法：IFconditionTHENaction;ELSEIF...ELSE...科研应用：根据BMI值分组（<18.5偏瘦/18.5-24正常/≥24超重）注意事项：字符型比较需加引号，如IFgender='F'THENgroup='女性组'IF...THENOUTPUT控制基础语法：在DATA步中显式控制观测输出时机科研应用：筛选特定条件数据，如IFSBP≥140THENOUTPUThypertension;高级技巧：配合DO循环实现数据长宽格式转换OUTPUTTheoreticalFramework卡方检验的基本思想卡方检验通过量化观测值与期望值的偏离程度进行统计推断。卡方值=Σ(观测值-期望值)²/期望值，其大小反映样本数据与原假设的兼容程度，结合自由度与显著性水平做出统计决策。HYPOTHESIS原假设构建H₀：分类变量间无关联，如两种疗法有效率相同CRITICALVALUE临界值法当χ²>χ²α(ν)时拒绝H₀，如α=0.05,ν=1时临界值为3.84EXPECTEDFREQ期望频数计算E=（行合计×列合计）/总例数，如E₁₁=(a+b)(a+c)/nP-VALUEP值法P<0.05提示差异具有统计学意义，需结合效应量判断实际意义CHI-SQUARE卡方统计量χ²=Σ(A−E)²/E，服从自由度=(行数−1)(列数−1)的卡方分布CAVEAT注意事项卡方检验只能判断关联性，不能推断因果关系分类资料统计推断独立样本四格表卡方检验四格表卡方检验需严格满足样本量与理论频数条件。普通卡方适用于大样本（n≥40且T≥5），校正卡方处理边缘情况（1≤T<5），Fisher确切概率法应对小样本（n<40或T<1），方法误用将导致统计结论失真。适用条件判断01总样本量n≥40且所有理论频数T≥5

：使用普通Pearson卡方检验Pearsonχ²02n≥40但1≤T<5

：使用连续性校正卡方公式（Yates校正）Yates03n<40或T<1

：必须采用Fisher确切概率法，避免I类错误膨胀Fisher公式选择策略01普通卡方：

χ²=n(ad−bc)²/[(a+b)(c+d)(a+c)(b+d)]02校正卡方：

χ²=n(|ad−bc|−n/2)²/[(a+b)(c+d)(a+c)(b+d)]03Fisher法：

直接计算超几何分布概率，适用于小样本或稀疏数据StatisticalMethods配对设计四格表Mcnemar检验Mcnemar检验专用于配对设计的二分类资料分析。其核心是关注不一致对子（b+c）的分布特征，通过χ²=(b-c)²/(b+c)检验处理效应，相比普通卡方能更充分利用配对设计的信息优势。设计类型识别01自身前后对照：同一受试者干预前后的二分类结局比较适用于治疗前后疗效评估、干预措施效果检验等纵向研究设计02配对病例对照：按混杂因素匹配的病例组与对照组暴露史比较通过匹配年龄、性别、病情等因素控制混杂，提高研究效率03诊断试验评价：两种检测方法对同一样本的阳性率比较评估新诊断技术与金标准的一致性差异，控制个体差异影响统计量计算01四格表结构：a(前后均阳),b(前阳后阴),c(前阴后阳),d(前后均阴)其中a和d为一致对子，b和c为不一致对子，检验仅关注后者02检验公式：χ²=(b-c)²/(b+c)，自由度=1分子为不一致对子数之差的平方，分母为不一致对子总数03校正条件：当b+c<40时需使用连续性校正公式校正公式：χ²=(|b-c|-1)²/(b+c)，提高小样本时的检验准确性CHI-SQUARE·R×CTABLE行列表卡方检验与多重比较行列表卡方检验扩展了四格表方法至多分类变量分析。其整体检验判断变量间是否存在关联，若结果显著需进一步两两比较，此时必须采用Bonferroni等方法校正检验水准，避免I类错误率膨胀。方法适用场景