属性数据分析在经济、生物、医药、管理、社会调查等方面有重要应用，其研究方法具有许多特色，是当今许多应用统计工作者和统计学家关心的统计分支之一。由于属性数据和传统研究的数值数据类型不同，计算起来有很多困难，SAS作为最强有力的统计软件，有很精深的分析属性数据的功能，很适宜深入广泛地分析属性数据。 本书主要介绍了由SAS软件计算的列联表分析（包括相关性分析和一致性分析）；二值和多值logistic回归分析；因变量为二点分布，二项分布，泊松分布，负二项分布的广义线性模型；对应分析；响应变量是定性变量的重复测量模型（包括边缘模型和条件模型）。本书既介绍了大样本方法，也介绍了小样本方法以及精确方法，还介绍了删失数据的列联表分析和重复测量模型的分析。 本书的特点在于：起点低、终点高，避免了理论推导，通过实例介绍方法，只要读者具有一般概率论基础知识，通过阅读本书就能掌握利用SAS软件作各种属性数据分析的方法。为了便于学习，书中先对每种统计模型作通俗介绍，然后介绍用软件分析该统计模型的要领，再通过实例介绍相关的程序（包括每一SAS语句的作用），最后分析计算的结果。本书还留有练习题以达到巩固所学知识的效果。读者从出版社网站上能查到每一例题和练习题的数据及SAS程序，便于初学者套用。 本书可供希望高精尖分析属性数据的科研人员使用，也可供统计专业的本科生、研究生和需要应用统计的非统计专业大学生学作为参考书或教材。希望本书成为科研人员进行高级研究的利器，使数据精细分析人员和精细管理人员如虎添翼，使想作属性数据统计分析的大学生和研究生得到称心如意的武器。

官琳琳，女，南京信息工程大学滨江学院，讲师 左相，男，南京信息工程大学滨江学院，讲师 杨阳，女，南京信息工程大学滨江学院，讲师 吴香华，女，南京信息工程大学，讲师

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
1.3SAS指定类别变量水平顺序的方法
1.4SAS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
2.22×2列联表
2.2.12×2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
2.3.22×2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
3.1.2SAS的logistic过程简介
3.1.3事件数—试验数简便输入
3.1.4含有类别自变量的二值logistic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-类别logit回归
3.2.2多值顺序logistic回归
3.3条件logistic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
3.4probit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
4.1.2SAS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
4.1.6GLM模型链接函数的选择
4.1.7GLM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