- SAS 教程
- SAS - 首页
- SAS - 概述
- SAS - 环境
- SAS - 用户界面
- SAS - 程序结构
- SAS - 基本语法
- SAS - 数据集
- SAS - 变量
- SAS - 字符串
- SAS - 数组
- SAS - 数值格式
- SAS - 运算符
- SAS - 循环
- SAS - 决策
- SAS - 函数
- SAS - 输入方法
- SAS - 宏
- SAS - 日期和时间
- SAS 数据集操作
- SAS - 读取原始数据
- SAS - 写入数据集
- SAS - 合并数据集
- SAS - 合并数据集
- SAS - 子集数据集
- SAS - 排序数据集
- SAS - 格式化数据集
- SAS - SQL
- SAS - 输出交付系统
- SAS - 模拟
- SAS 基本统计过程
- SAS - 算术平均数
- SAS - 标准差
- SAS - 频率分布
- SAS - 交叉表
- SAS - t 检验
- SAS - 相关分析
- SAS - 线性回归
- SAS - Bland-Altman 分析
- SAS - 卡方检验
- SAS - Fisher 精确检验
- SAS - 重复测量分析
- SAS - 单因素方差分析
- SAS - 假设检验
- SAS 有用资源
- SAS - 快速指南
- SAS - 有用资源
- SAS - 常见问题解答
- SAS - 讨论
SAS - Bland Altman 分析
Bland-Altman 分析是一种用于验证两种旨在测量相同参数的方法之间一致性或不一致性的过程。方法之间的高度相关性表明在数据分析中选择了足够好的样本。在 SAS 中,我们通过计算变量值的平均值、上限和下限来创建 Bland-Altman 图。然后我们使用 PROC SGPLOT 创建 Bland-Altman 图。
语法
在 SAS 中应用 PROC SGPLOT 的基本语法如下:
PROC SGPLOT DATA = dataset; SCATTER X = variable Y = Variable; REFLINE value;
以下是所用参数的描述:
数据集是数据集的名称。
SCATTER 语句创建以 X 和 Y 形式提供的值的散点图。
REFLINE 创建水平或垂直参考线。
示例
在下面的示例中,我们采用两种方法(名为 new 和 old)生成的两个实验的结果。我们计算变量值的差异,以及同一观测值的变量的平均值。我们还计算标准差值,用于计算的上限和下限。
结果显示 Bland-Altman 图作为散点图。
data mydata; input new old; datalines; 31 45 27 12 11 37 36 25 14 8 27 15 3 11 62 42 38 35 20 9 35 54 62 67 48 25 77 64 45 53 32 42 16 19 15 27 22 9 8 38 24 16 59 25 ; data diffs ; set mydata ; /* calculate the difference */ diff = new-old ; /* calculate the average */ mean = (new+old)/2 ; run ; proc print data = diffs; run; proc sql noprint ; select mean(diff)-2*std(diff), mean(diff)+2*std(diff) into :lower, :upper from diffs ; quit; proc sgplot data = diffs ; scatter x = mean y = diff; refline 0 &upper &lower / LABEL = ("zero bias line" "95% upper limit" "95% lower limit"); TITLE 'Bland-Altman Plot'; footnote 'Accurate prediction with 10% homogeneous error'; run ; quit ;
执行上述代码后,将得到以下结果:
增强模型
在上述程序的增强模型中,我们得到了 95% 的置信水平曲线拟合。
proc sgplot data = diffs ; reg x = new y = diff/clm clmtransparency = .5; needle x = new y = diff/baseline = 0; refline 0 / LABEL = ('No diff line'); TITLE 'Enhanced Bland-Altman Plot'; footnote 'Accurate prediction with 10% homogeneous error'; run ; quit ;
执行上述代码后,将得到以下结果:
广告