七、线性相关与回归（因变量为连续型变量）
线性相关： 研究两个（或多个）随机变量间相互联系的一种统计方法。 （proc corr） 为了了解变量间关系的密切程度及方向。 变量都正态分布时，用pearson相关系数r
有一个不正态，用 spearman等级相关系数rs （统计线性相关关系的存在，是由专业知识给出的，统计软件是根据数据找出具体的直线关系）
步骤：绘制散点图 计算相关系数
对样本的相关系数进行假设检验（原假设：不存在相关关系）
3
根据p拒绝原假设，所以存在相关关系，且为正相关。
线性回归： 研究变量与变量间是否存在线性依存关系。（原假设：不存在线性关系） （proc reg） 因变量为随机变量，自变量为随机、非随机变量。 要求资料满足线性、独立、正态、等方差（line条件）。
步骤：绘制散点图 计算回归系数
对样本回归系数进行假设检验 写出回归方程的表达式
方法：向前法，向后法，逐步回归法，全子集法 Model y=x/selection=stepwise sle=0.10 sls=0.15 cli clm
（值越小，选取变量的标准越严格） Clm总体均数?的置信区间 Cli 个体值?的置信区间 Clb 回归系数?的置信区间 Conf 总体均数?的置信带 Pred 个体值?的预测带 STUDENT.标准化残差
八、logistic回归（因变量为分类变量，医学研究中用的比较多）
原假设：模型无效
Model y=x/selection=stepwise sle=0.10 sls=0.15 stb（要求输出标准化偏回归系数）
非条件：
Descending因变量由大到小 Proc logistic des
OR>1 危险因素
条件：
Strata 分层变量（匹配变量） Model outcome（event=‘1’）=gall hyper（因变量=自变量）
（制定用gall hyper作为自变量，按outcomes=1即病例，拟合概率模型） Response profile
响应变量的主要信息 Model fit statistic 模型拟合统计量
九、生存分析
生存率的估计有寿命表法（LT）和乘积极限法（PL） 生存分析基本方法：统计描述
非参数统计检验（总体分布形式已知） 半参数模型回归分析（部分线性回归模型，经典线性模型和非参数回归
模型的一个混合体）
参数模型回归分析
Cox模型（比例风险模型）
Pdf probability denstiny function（概率密度函数）
Testing Homogeneity of Survival Curves for days over Strata 时间变量day分层曲线的一致性检验
The marked survival times are censored observations 标记的生存时间是删失观测值的生存时间