图解数据分析(二)：和其他过程。本文介绍利用软件进行数据以及其他常见方法包括相关(适用于两个变量的相关关系)、多元线性回归、、cox回归和生存分析的详细过程。正态性、方差齐性是t检验和方差分析的基本的条件，看过文章图解数据分析(一)的小伙们可能已经注意到，t检验和方差分析的结果中，已经有了方差齐性检验的结果。在一般的中，想要p<0.05，说明差异有统计学意义；但是在和方差齐性检验中，想要的是p>0.05说明方差齐或服从正态分布。
：
一般来说，若影响某一数量指标的随机因素很多，而每个因素起的作用均不是太大，那么这个指标服从正态分布(可以自己直观地判断一下)。另外，当足够大时(通常n>100)，任意分布的数据，其样本均数的分布近似于正态分布(不是小编瞎说的，这可是有数理统计理论证明的哟)。当然最客观地就是做个了，的操作如下(采用相关中例1的数据，判断age、x变量是否服从正态分布)：
(1)依次点击：分析、描述统计、 探索，打开探索框，下图①。
(2)将age，x选入因变量列表，点击：统计量，勾选描述性，点击：继续，如下图②。
(3)点击：绘制，按照下图③勾选(仅供参考，也可根据自己兴趣选择)，点击：继续。
(4)其他都默认，点击：确定，结果就出来了。
结果如下：
下面就开始接着上次的继续介绍方法了。
1、相关(适用于两个变量的相关关系)：
相关一般可分为：线性相关(计量资料)、秩相关(等级资料)、分类变量的相关分析(计数资料)、非线性相关。今天我们就说一下最常见的简单线性相关(pearson积矩相关)，要做线性相关就需要满足二元正态分布，所谓二元正态分布，就是要分析的两个变量必须服从正态分布，否则就要用秩相关。现在就看例题吧(上面的已表明：年龄和尿肌酐含量都服从正态分布)。
的操作如下：
(1)依次点击：分析、相关、双变量，如下图①。
(2)将age、x选入变量框，相关性勾选pearson，显著性检验勾选双侧检验，勾选标记显著性相关，点击：选项，统计量勾选均数和标准差，缺失值选默认即可，点击继续，如下图②，点击：确定，结果就出来了。
结果如下：
2、多元线性回归：
多元线性回归是探索一个连续型变量(因变量y)和其他多个变量(自变量x)(计量、计数、等级均可)间线性关系。此时，仅需因变量y满足正态分布即可。
的操作如下：
(1)依次点击：分析、回归、线性，如下图①。
(2)将y选入因变量框，x1、x2、x3、x4均选入自变量框，方法选择进入(也可以选择其他进入方法)，如下图②。
(3)点击：统计量，按下图②勾选，点击：继续。其他都选默认就可。点击：确定。结果就出来了。
结果如下：
3、：
与多元线性回归类似，只是的因变量y变成了分类变量，而多元线性回归的因变量y必须是数值变量。
的操作如下：
(1)操作前，需要先对f进行加权。依次点击：分析、回归、二元logistic，将y选入因变量框，x1、x2均选入自变量框，如下图①。
(2)点击：选项，按下图②勾选，点击：继续。其他都选默认就可。点击：确定。结果就出来了。
结果如下：
4、cox回归：
cox回归与多元线性回归、类似，只是cox回归的因变量y有两个因素，一个是生存结局，一个是生存时间，主要分析生存资料。
的操作如下：
(1)依次点击：分析、生存函数、cox回归，将t选入时间框，将y选入状态框，将x1、x2、x3、x4、x5、x6均选入自变量框，方法选择进入，如下图①。
(2)点击：定义事件，在单值处写1，如下图②，点击：继续。
(3)点击：绘图，勾选生存函数，点击：继续。点击：选项，按下图②勾选，点击：继续。其他都选默认就可。点击：确定。结果就出来了。
结果如下：
5.生存分析：寿命表法求生存时间
的操作如下：
(1)依次点击：分析、生存函数、寿命表，将t选入时间框，显示时间间隔可根据自己数据生存时间选择，将y选入状态框，点击：定义事件，在单值处写1，点击继续。如下图①。
(2)点击：选项，勾选寿命表、生存函数。如下图②，点击：继续。点击：确定。结果就出来了。
结果如下：
kalan-meier法比较两组生存率的差异
的操作如下：
(1)依次点击：分析、生存函数、kalan-meier，将t选入时间框，将y选入状态框，点击：定义事件，在单值处写1，点击继续。将x2(性别)选入因子框，如下图①。
(2)点击：比较因子，按下图②勾选。
(3)点击：选项，按下图③勾选。点击：继续。点击：确定。结果就出来了。
结果如下：
图解数据分析(二)：和其他过程的分享到此结束。
参考资料：
《卫生统计学》第7版，方积乾主编，人民卫生出版社，2014年5月
《sas统计软件应用》，贺佳主编，人民卫生出版社，2014年4月
