官琳琳、左相、杨阳、吴香华编著的《基于SAS的属性数据分析》一书是以SAS软件为基础，系统介绍属性数据分析方法和实际应用的新作，值得向读者推荐。该书根据SAS软件的功能，逐一介绍属性数据分析的基本方法和实现这些方法的SAS语句和选项，并通过很多具体实例介绍如何编程和应用。该书指导读者如何阅读并分析SAS输出结果，这就能使一般想作属性数据分析的统计工作者能方便地使用SAS软件解决实际问题。由于该书介绍了SAS软件的主要使用方法，读者通过深层次掌握SAS软件，可以对更多内容作更复杂的属性数据分析。该书既介绍了大样本方法的计算，也介绍了小样本方法的计算，这是许多其他统计软件做不到而实际问题中确有需要的。

第1章 类别变量与属性数据

 1.1 属性数据简介

 1.2 属性数据表示形式

 1.3 SAS指定类别变量水平顺序的方法

 1.4 SAS的属性数据分析过程

 习题1

第2章 列联表分析

 2.1 一维表分析

2.1.1 输出一维表

2.1.2 比例检验

 2.2 2×2列联表

2.2.1 2×2表的比例差

2.2.2 相对风险和优势比

 2.3 二维列联表(r×s表)及其相关性分析

2.3.1 名义类别变量的相关性分析

2.3.2 2×2表的Fisher精确检验

2.3.3 有序类别变量的相关性分析

 2.4 高维列联表相关性分析

2.4.1 条件关联分析

2.4.2 边缘关联分析

2.4.3 辛普森悖论的概率

2.4.4 多重关联的CMH检验

 2.5 二维列联表的一致性分析

2.5.1 简单卡帕系数

2.5.2 加权卡帕系数

 2.6 列联表的对称性检验

 习题2

第3章 logistic回归——类别变量的广义线性回归模型(上)

 3.1 二值logistic回归

3.1.1 二值logistic回归模型简介

3.1.2 SAS的logistic过程简介

3.1.3 事件数一试验数简便输入

3.1.4 含有类别自变量的二值logisl.ic回归

3.1.5 自变量无序的logistic回归

3.1.6 含有有序类别自变量的二值logistic回归

3.1.7 模型选择

3.1.8 含有交互效应的logistic回归

3.1.9 通过模型选择作多项式logistic回归

 3.2 多值logistic回归

3.2.1 多值名义logistic回归：基线一类别logit回归

3.2.2 多值顺序logistic回归

 3.3 条件logisl：ic回归

3.3.1 用exact语句作条件logistic回归

3.3.2 用strata语句作条件logistic回归

 3.4 probit回归和补log-log模型

3.4.1 补log-log模型

3.4.2 累积probit回归

 习题3

第4章 一般广义线性回归模型——类别变量的广义线性回归模型(下)

 4.1 广义线性模型及genmod过程

4.1.1 广义线性模型简介

4.1.2 SAS的genmod过程简介

4.1.3 目前SAS的genmod过程使用的分布

4.1.4 目前SAS的genmod过程使用的链接函数

4.1.5 拟合优度检验与模型选择

4.1.6 GLM模型链接函数的选择

4.1.7 GLM的优势

 4.2 二项分布的广义线性模型

4.2.1 二项分布的线性模型

4.2.2 二项分布的logistic模型

4.2.3 二项分布的probit模型

4.2.4 有序响应的累积logistic回归

 4.3 泊松分布的广义线性模型

4.3.1 泊松分布的线性回归模型

4.3.2 泊松分布的对数线性回归模型

4.3.3 “过度分散”数据的对数线性回归模型

4.3.4 比率数据的对数线性回归模型

 4.4 列联表的对数线性模型

4.4.1 对数线性模型用于列联表计算

4.4.2 对数线性模型用于关联性分析

 4.5 配对数据的分析模型

4.5.1 拟独立性模型在一致性分析中的应用

4.5.2 配对数据边缘分布的齐性检验

4.5.3 配对数据的对称性检验

 习题4

第5章 对应分析

 5.1 简单对应分析

 5.2 多重对应分析

 习题5

第6章 重复测量模型和多层数据GLMM模型

 6.1 重复测量边缘模型

6.1.1 重复测量边缘模型和GEE方法

6.1.2 二分响应边缘logit模型

6.1.3 续存检验和交叉设计

6.1.4 多项响应重复测量模型

6.1.5 计数数据的重复测量模型

6.1.6 缺失数据的重复测量模型

 6.2 重复测量模型的广义线性混合模型(条件模型的特例)

6.2.1 广义线性混合模型和nlmixed过程简介

6.2.2 二分响应logistic-正态模型

6.2.3 多项响应GLMM模型

6.2.4 计数数据的GLMM模型

6.2.5 缺失数据的GLMM模型

6.2.6 多个随机效应的GLMM模型

6.2.7 边缘模型与GLMM模型的比较

 6.3 多层数据的GLMM模型

6.3.1 没有第一层解释变量的两层GLMM模型

6.3.2 没有第二层解释变量的GLMM模型

 习题6

参考文献