医学统计学习题《医学统计学》习题集第⼀章绪论1.下⾯的变量中，属于分类变量的是（ B ）。
A.脉搏B.⾎型C.肺活量D.红细胞计数E.⾎压2.某⼈记录了50名病⼈体重的测定结果：⼩于50kg的13⼈，介于50kg和70kg间的20⼈，⼤于70kg的17⼈，此种资料本属于（ A ）。
A.定量资料B.分类资料C.有序资料D.⼆分类资料E.名义变量资料%第⼆章定量资料的统计描述1.欲⽐较⾝⾼（cm）和体重（kg）哪个指标变异程度⼤，应采⽤（D ）。
A.标准差B.极差C.四分位数间距D.变异系数2.已知某疾病患者10⼈的潜伏期（天）分别为：6，13，5，9，12，10，8，11，8，>20，其潜伏期的平均⽔平约为（ B ）天。
.3.调查测定某地107名正常⼈尿铅含量（mg/L）如下：0~ 4~ 8~ 12~ 16~ 20~ |24~ 28~ 合计尿铅含量例数14 22 29 18 —15 6 1 2 107 （1）描述该资料的集中趋势，宜⽤（B ）。
A.均数B.中位数C.⼏何均数D.极差（2）描述该资料的离散趋势，宜⽤（C ）。
.A.极差B.变异系数C.四分位间距D.标准差第三章定性资料的统计描述1.某医院某年住院病⼈中胃癌患者占5%，则（ B ）。
%是强度指标 B. 5%是频率指标C. 5%是相对⽐指标D. 5%是绝对数—2.某病患者120⼈，其中男性114⼈，⼥性6⼈，分别占95%与5%，则结论为（ D ）。
A.该病男性易得B.该病⼥性易得C.该病男性、⼥性易患程度相等D.尚不能得出结论3.⼀项新的治疗⽅法可延长病⼈的⽣命，但不能治愈该病，则最有可能发⽣的情况是（ A ）。
A.该病的患病率增加B.该病的患病率减少C.该病的发病率增加D.该病的发病率减少-4.某市有30万⼈⼝，2002年共发现2500名肺结核患者，全年总死亡⼈数为3000，其中肺结核死亡98⼈，要说明肺结核死亡的严重程度，最好应⽤（）。
分层回归其实是对两个或多个回归模型进行比较。
我们可以根据两个模型所解释的变异量的差异来比较所建立的两个模型。
一个模型解释了越多的变异，则它对数据的拟合就越好。
假如在其他条件相等的情况下，一个模型比另一个模型解释了更多的变异，则这个模型是一个更好的模型。
两个模型所解释的变异量之间的差异可以用统计显著性来估计和检验。
模型比较可以用来评估个体预测变量。
检验一个预测变量是否显著的方法是比较两个模型，其中第一个模型不包括这个预测变量，而第二个模型包括该变量。
假如该预测变量解释了显著的额外变异，那第二个模型就显著地解释了比第一个模型更多的变异。
这种观点简单而有力。
但是，要理解这种分析，你必须理解该预测变量所解释的独特变异和总体变异之间的差异。
一个预测变量所解释的总体变异是该预测变量和结果变量之间相关的平方。
它包括该预测变量和结果变量之间的所有关系。
预测变量的独特变异是指在控制了其他变量以后，预测变量对结果变量的影响。
这样，预测变量的独特变异依赖于其他预测变量。
在标准多重回归分析中，可以对独特变异进行检验，每个预测变量的回归系数大小依赖于模型中的其他预测变量。
在标准多重回归分析中，回归系数用来检验每个预测变量所解释的独特变异。
这个独特变异就是偏相关的平方（Squared semi-partial correlation）-sr2（偏确定系数）。
它表示了结果变量中由特定预测变量所单独解释的变异。
正如我们看到的，它依赖于模型中的其他变量。
假如预测变量之间存在重叠，那么它们共有的变异就会削弱独特变异。
预测变量的独特效应指的是去除重叠效应后该预测变量与结果变量的相关。
这样，某个预测变量的特定效应就依赖于模型中的其他预测变量。
标准多重回归的局限性在于不能将重叠（共同）变异归因于模型中的任何一个预测变量。
这就意味着模型中所有预测变量的偏决定系数之和要小于整个模型的决定系数（R2）。
总决定系数包括偏决定系数之和与共同变异。
REG过程(回归过程)REG过程是一个通用的回归过程，它采用最小二乘方法拟合线性回归模型，还提供多种“最佳”回归模型的方法，是一个应用最广泛的回归过程。
§1 REG过程简介一、REG过程的功能设考察的指标(或称因变量，响应变量)为1,,pY Y，影响这些指标的因素(或称自变量，回归变量)为1,,mX X。
已知这些变量的n次观测数据组成的一个SAS数据集。
REG过程可以完成以下几方面的计算：(1) 利用具有多项选择的MODEL语句来建立用户需要的线性回归模型；(2) 提供九种选择“最佳”回归模型的方法；(3) 允许采用交互方式修改模型及用于拟合这个模型的数据；(4) 可建立线性约束回归模型；(5) 检验线性假设和多变量假设；(6) 生成原始数据和一些统计量的散点图；对散点图还有“着色”，加亮功能；(7) 产生偏回归杠杆图，并进行共线性诊断，影响诊断；(8) 可以输出预测值、残差、标准残差、置信区间的上下限和影响统计量等；并把它们存储到一个SAS 数据集里；(9) 可以使用1,,pY Y和1,,mX X的相关阵和离差阵作为输入数据；(10) 可以把离差阵(叉积阵)存贮到一个输出SAS数据集里，以便将来使用；(11) 在6．11版本，REG过程完成岭回归和不完全的主成分分析(IPC)；(12) 在6．11版本，PROC REG语句可使用选项GRAPHICS，它使得你能够要求PLOT语句用高分辩率图形设备绘图。
二、选择最优回归模型方法设Y 和1,,m X X 的n 次观测数据为()1,,,t tm t x x y ()1,2,,t n = 满足线性回归模型：011t t m tm t y x x βββε=++++ .利用矩阵符号可简记为Y X βε=+.因考察的m 个自变量对Y 的作用有大有小，且自变量之间一般存在相关性。
为了从Y 与1,,m X X 的所有可能回归模型中选出拟合这组观测数据的最优回归子集，REG 过程提供了九种选择回归模型的方法，它们通过MODEL 语句中的选项selection=来规定。
