SAS语言的常用函数
1input函数主要用于把字符型转换为数值型，put函数主要用于把数值型转换为字符型。input（变量，输入格式） ：字符型转换为数值型，或将字符型转换为其他格式的字符型。put（变量，输入格式） ：数值型转换为字符型。
2scan函数： scan（s，n，char）表示从字串string中以char为分隔符提取第n个字串。
3compress（变量或字符串，欲去除的字符，修饰符） 该函数的作用是从变量或字符串中去掉“欲去除的字符”，如果不指定“欲去除的字符”，默认是去除空格。
4SAS中COMPRESS 函数的功能：从一个字符串移除特定的字符。语法表达式为COMPRESS（ ， chars ， modifiers ） ，其中，第一个参数表示的是：字符串，变量或者表达式，是将要被做处理的数据源。
5Scan函数在sas的定义为“Returnsthe nth word from a character string.”，这个函数相对简单，具体见查看与帮助。
如何用SAS或SPSS求最小二乘均值
1打开spss统计软件，选择“分析”菜单，选中“比较平均值”一项的“平均值”选项。窗口出现平均值数据，准备选择相应的选项。将“性别”放入“自变量列表”内容中，将“血糖”放入“因变量列表”列表内。
2用X*表示X的均值，∑Xi=nX*。因为∑（Xi-X*）=∑Xi-nX*=0。均值*样本数=样本内的样本之和。最小二乘估计量是具有最小方差的线性无偏估计量。
3如果不是这种情况（例如，变量间的关系是双向的），则使用普通最小平方法（OLS）的线性回归不再提供最佳模型估计。
4打开spss统计软件，依次点击“分析——比较均值——平均值”随后，出现“平均值”窗口。将“性别”放入“自变量列表”框中，将“血糖”放入“因变量列表”框中。点击“选项”，出现“平均值：选项”窗口。
5第一种常规格式（非加权格式），一行代表一个样本，如果有100个样本即为100行；一列代表一个属性；这类格式最为常见，而且此类数据格式可以做任何的分析。因为其携带着所有最原始的数据信息。
6Descriptives只要把需要计算的变量选入就可以得出结果。【注意】需要注意的是要在option中选择mean和variance方框前打钩。
求问怎样用SAS软件操作得出一致性检验的KAPPA系数值和组内相关系数(IC...
这是做相关的，Kappa是一致性系数，在做相关的语句中加入Kappa即可（cor a*bagree）a，b是两个做相关的变量，agree就是得出Kappa的，在结果中能找到，算积矩相关或秩相关就用pearson或spearman。
若Cohens kappa系数大于0，说明研究对象之间存在一定的一致性，Cohens kappa系数越接近1，一致性越大。
根据上表可知，两位医生对于MRI检查诊断结论具有较强（Kappa值=0.644）的一致性。（2）ICC组内相关系数 ICC组内相关系数可用于研究评价一致性，评价信度，测量复测信度（重测信度）等。
学术界普遍采用内部一致性系数（Cronbachs α值），检验数据信度。在spss中的操作程序如下：进spss输入数据，然后选择scale，再选择reliability analysis。注意在分析问卷信度时，要一个一个分析潜在变量。
pvalue 值，也称为观测到的显著性水平，它表示为如果原假设 正确时得到实际观测样本结果的概率。pvalue 值越小，说明实际观测到的数据与 之间的不一致的程度就越大，检验的结果就越显著。
检验问卷信度信度系数可以用相关系数来表示。第一次测量时的观测值是X，第二次的观测值是Y，那么重测信度就等于X与Y的相关系数。他们的相关系数就是重测信度。
用SAS求线性一元回归拟合方程及预测值置信区间
1input y x1 x2 @@；cards；... x1值 x2值 . 代表缺失值，最后一行将y设置成缺失值，x1 x2值 正常写。
2分析结果： fit 值即为x=0.16时y的预测值，lwr和upr分别表示预测区间的上下限。一般的回归分析做到这里就可以了。
3点击【分析】---【回归】---【线性】。在弹出的线性回归框中设置自变量和因变量，其他的选项用默认设置即可，其他的选项只是用来更加精确地去优化模型。【模型汇总表】中R表示拟合优度，值越接近1表示模型越好。
4回归方程的系数。 根据这些系数我们能够得到完整的多元回归方程。观测以下的回归值，都是具有统计学意义的。
5两种方法：b=regress（y，X）；根据输入参数y与X，用最小二乘法求线性回归系数b。
6具体计算方法如下：根据线性回归方法得到样本的回归线。然后，根据置信度95%，求出预测值均数的95%可信区间。最后，根据样本数据和置信水平计算出预测值均数的95%可信区间。
