流行病SAS期末考试历年考题(文档).doc

该【流行病SAS期末考试历年考题(文档) 】是由【春天春雨】上传分享，文档一共【6】页，该文档可以免费在线阅读，需要了解更多关于【流行病SAS期末考试历年考题(文档) 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。一、不定项选择1、以下哪些资料合用于生计剖析(1、2、3、4)1两组生计率的比较2白血病术后的两组复发状况3两组心脏病术后发病间隔4乳腺癌随访资料2、定群研究,y为连续性变量,要建展望自变量为定量的模型,可选择(1、4)1多元回归2logistic回归3cox模型4协方差3结局变量y为连续变量,两组在各样外面影响条件下疗效或影响要素选择(1、4)1多元回归2logistic回归3cox模型4协方差4结局为二分类或等级资料,确立联系大小应选择(2)=-,且该变量为危险要素,计算or值(E)Y=0(冠芥蒂)1(非冠芥蒂)x=0(非高血压)1(高血压)二、填空:哪个是条件logistic回归,哪个是非条件logistic回归1配对设计____条件________________1:m配比设计____条件_________________医院基础成组________非条件_____________4社区基础成组非条件三、简答:、和的差别。表1ANOVA和GLM过程步的差别自变量定性定性/定量应用方差剖析方差剖析协方差剖析回归剖析偏有关剖析重复丈量方差剖析资料种类均衡实验设计/均衡实验设计/不均衡的完整随机设计不均衡实验设计运转速度快较慢、医院的住院病例作为研究对象,研究者将居住底气作为一个影响发病的要素进行商讨,居住地按全国六大行政区区分,即东北、西北、西南、华北、华中和华南。为了比较不一样地域之间发病的值,该研究者将检查获取的的有关居住地域按定性资料进行指标数目化。他将上述地域一次赋值为,,,,,后进行剖析。请问他的这一作法能否正确?不论你以为正确与否,都请讲出原因,并写出你采纳的定性资料进行指标数目化设计结果。答:(引入亚(哑)变量的目的在于区分某个变量的不一样属性。当自变量为属性变量,特别是不一样属性之间无等级高低之分,为说明不一样属性对因变量的影响大小,常需引入亚(哑)变量。)有时自变量(如年纪)固然是连续变量,但按其每改变一个单位(一岁),来预计其对因变量的影响很轻微,如将其区分红大小不一样的几种属性,并建立亚变量,则可看出不一样属性对因变量的影响大小。这类指标分解方法的长处是有助于分清终究哪一种属性对所研究疾病危险性的作用较大,也便于研究要素间的交互作用。)不正确。原因:当自变量为属性变量,特别是不一样属性之间无等级高低之分,为说明不一样属性对因变量的影响大小,常需引入亚变量。地域变量属于无序变量,假如依据研究者的按次赋值方法,则最后所获取的地域与鼻咽发病之间的联系强度将人为的区分为个由低到高的等级,这与实质是不符的。方法是以华南为比较,设个哑变量,d1d2东北10西北01西南00华北00华中00华南00方法二程序为:Ifd=东”北”thend1=1;d3001000d4000100d5000010Elsed1=0;Ifd=西”北”thend2=1;Elsed2=0;Ifd=西”南”thend3=1;Elsed3=0;Ifd=华”北”thend4=1;Elsed4=0;Ifd=华”中”thend5=1;Elsed5=0;、多元回归剖析时,方程的自变量都能够是什么种类的资料?怎样解说不一样种类资料的结果?用什么程序步?答:PHREG(proportionalharzardregression,比率风险回归)过程鉴于Cox比率危险模型对生计数据进行回归分析,该模型以生计结局和生计时间为因变量,可同时剖析众多要素对生计期的影响,剖析带有删失生计时间的资料,且不要求资料听从特定的散布种类。模型中的自变量能够是连续性、分类变量、时间依存的自变量。当βj>0时,RRj>1,说明Xj增添时,风险函数增添,即Xj为危险要素;当βj<0时,RRj<1,说明Xj增添时,风险函数降落,即Xj为保护要素;当βj=0时,RRj=1,说明Xj增添时,风险函数不变,即Xj为没关要素。的变量种类:连续性变量:自变量相差一个单位的危险比分类变量:不一样种类变量与参照组间对比较的危险比等级变量:相邻等级变量间的危险比?COX回归语法格式:PROCPRREGDATA=[选项];MODEL<生计时间变量*截尾指示变量(数值)>=<自变量名>/[选项];STRATA<分组变量名列>;FREQ<变量名列>;BY<变量名列>;run;在一项有关乙型肝炎疫苗不一样剂量增强免疫实验的成效评论中,结局指标是乙肝病毒表面抗体()血清学丈量值,影响免疫成效的潜伏混淆要素有加免时的年纪、家中能否有乙肝表面抗原()携带者、首次免疫的疫苗剂量(三针微克或三针微克),研究设计者将受试对象分为两组:微克疫苗加免组和微克疫苗加免组。请问在比较两种剂量疫苗加免成效的血清学指标值时,用什么统计剖析方法来控制混淆偏倚可能产生的影响?软件中可采纳什么剖析模块(程序)来进行剖析?协方差广义线性模型剖析协方差剖析考虑到协变量对因变量的影响,利用回归剖析的方法来除去协变量的影响;它是方差剖析和回归分析联合的一种统计剖析方法,是一种典型的广义线性模型剖析。协方差剖析前,需要对其应用条件进行假定查验:(1)正态性查验:Univariate过程(2)方差齐性查验过程/多个协变量:glm过程:Discrim过程(3)因变量与协变量线性关系查验:只有一个协变量:reg(4)效应因子不一样水平,因变量与协变量线性关系的斜率能否同样:Glm过程,交互作用协方差剖析过程步基本构成:procglmdata=xx;classgroup;/*grouop是效应要素*/modely=groupx;/*x是协变量*/lsmeansgroup/stderrtdiffpdiff;/*输出效应要素各水平下y的修正均数*/run;三、中彝族农民和彝族移民缩短压水平能否有差别,控制年纪和体重危险要素。data=bpnormal;classrace;查验各组y正态性varmsbp;;data=bppool=test;查验各组y方差齐性classrace;varmsbp;;data=bp;byrace;;data=bp;/*线性有关性查验*/各组y与两个协变量的线性关系modelmsbp=age;byrace;;data=bp;/*线性有关性查验*/modelmsbp=weight;byrace;;data=bp;做单要素和交互的协方差剖析classrace;modelmsbp=raceageweightage*raceweight*race/ss3;;data=bp;classrace;把存心义的放入模型再做一遍modelmsbp=raceageweight;lsmeansrace/stderrtdiffpdiff;;、心脏研究中,获取了有关男性冠芥蒂与研究的危险要素之间的多元回归模型以下:{}试达成下述三项工作:()某男性各危险要素裸露状况为:年纪为岁,胆固醇为缩短压为为相对体重为,血红蛋白为,抽烟状况为不抽烟取值,心电图正常取值为,请预计该男子发生冠芥蒂的概率,写出计算式,可不用计算出结果。()另一男性个危险要素裸露状况为:年纪大岁,其余危险要素裸露均同样,该男子发生冠芥蒂的危险是增添仍是降低?()请计算男子与男子反生冠芥蒂的相对危险度值,出计算式即可。(1)P=1/{1+exp[-(-+*45+*210+*130+*100-*120+*0+*0)]}(2)增添OR=exp(*20)=:自变量xi的回归系数,大小由要素xi决定,是控制了其余要素的混淆效应后的i值。i>0:表示P与xi有关,变量xi是疾病发生的危险要素。3)RR=PA/PBRR=1/3{1+exp[-(-+*45+*210+*130+*100-*120+*0+*0)]}1/3{1+exp[-(-+*65+*210+*130+*100-*120+*0+*0)]}=exp(*20)?????,exp{(65-45)*}RR=:.某人研究叶酸预防输精管畸形()的成效,回归模型剖析获取的结果为请回答下述问题:()式中变量为年纪,这结果能说明年纪是发生的危险要素吗?()式中变量为叶酸(为服用;为不服),这结果说明服用叶酸能预防发生吗?()式中变量为职业(为农民;为其余),研究结果表示农民发生的危险性是其余职业者的倍数为多少(例出算式即可)?(1)不可以,由于这与因变量的赋值有关,假如按以下模式对因变量赋值,发生输精管畸形者为0,不然为1,则根据模型结果,可以为年纪是危险要素。对β值还需要进行假定查验,对单个回归系数进行Wald查验。(2)设服用叶酸的危险度为P0,不服用叶酸的危险度为P1,则服用叶酸的危险度比不服用的危险度比值为[P0/(1-p0)]/[P1/(1-P1)]=e0**=e-<1,因此服用叶酸为保护要素3)、=重生儿体重(0为正常,1为低出生体重),(1)以低体重患儿为因变量求危险要素及回归模型(2)一名体重180磅的孕妇和100磅的孕妇产生低出生体重儿的危险度的多少倍?Stepwisesle==:程序以下:filenameaa桌面sle=sls=;\';;db3=aaout=bb;部分结果:;nn;one;setbb;setbb;data=nndesc;data=onedesc;modellow=agelwtsmokeptlhtuiftvclassrace/param=ref;/stepwisesle=sls=;modellow=agelwtracesmokeptlhtuiftv/selection=stepwise;低体重患儿对危险要素(抽烟、HT和UI)的逻辑回归模型为:logit(p)=-*LWT-*RACE1+*RACE2+*SMOKE+*HT+*UI)()()协方差剖析与方差剖析、回归剖析的关系:方差剖析:全部的自变量(效应因子)都是失散型分类变量,该分类变量是用来比较在自变量的各个不一样水平上因变量均值的差别。变量种类:自变量:定性变量因变量:定量变量回归剖析:回归剖析全部自变量都是连续型数值变量,它是用来预计自变量改变一个单位时因变量的改变量。变量种类:自变量:定量变量因变量:定量变量?b2X2...bpXpYab1X1协方差剖析考虑到协变量对因变量的影响,利用回归剖析的方法来除去协变量的影响;它是方差剖析和回归剖析联合的一种统计剖析方法,是一种典型的广义线性模型剖析。协方差剖析的意义医学研究中应用宽泛,解决了好多条件不易控制的实验问题;能够除去多个混淆要素对办理效应的影响,获取校订均数;提升方差剖析结果的正确性和真切性在一项有关抽烟与肺癌的病因研究中,研究者将抽烟作为研究要素,商讨其裸露状况与肺癌的关系。该项研究设计采纳病例比较研究,研究者将氡气、厨房空气污染、年纪和性别作为潜伏的混淆要素考虑,资料剖析准备选择多因想念剖析方法。你建议他选择什么剖析模型较好?在软件中可使用什么剖析模块(程序)来进行剖析?回归剖析非条件回归剖析data=testdescending;classsmoke(param=refref='0');modelcancer=smokedongairpolutionagesex;;商讨缩短压与年纪、性别、体重指数、腰围、臀围和民族的关系数据库:变量:均匀缩短压-;()年纪-;(岁)性别-(=男性;=女性)体重指数-()腰围-()臀围-()民族-(=汉族;藏族)内容总结(1)不论你以为正确与否,都请讲出原因,并写出你采纳的定性资料进行指标数目化设计结果(2))有时自变量(如年纪)固然是连续变量,但按其每改变一个单位(一岁),来预计其对因变量的影响很轻微,如将其区分红大小不一样的几种属性,并建立亚变量,则可看出不一样属性对因变量的影响大小