具体描述
内容简介
本书内容丰富且新颖， 适用面宽且可操作性强。涉及SAS软件基础和五种高级编程技术、 统计设计中关键技术的SAS实现、 定量与定性资料差异性和预测性分析。这些内容高质量、 高效率地解决了实验设计、 统计表达与描述、 各种常用统计分析、 现代回归分析、 SAS高级编程技术和SAS实现及结果解释等人们迫切需要解决却又十分棘手的问题。 本书第1、 2篇共7章， 介绍了SAS软件应用入门、 SAS语言基础、 五种SAS高级编程技术， 介绍了用SAS实现实验设计的关键技术（包括样本含量与检验效能估计、 随机化和直接生成设计类型）； 第3、 4篇共8章， 对各种单因素和多因素设计下定量与定性结果进行差异性分析； 第5、 6篇共16章， 对定量与定性结果提供了数十种预测性分析方法， 包括定量和定性原因变量的判别分析。还有一些配套的辅助资料， 放在华信教育资源网www.hxedu.com.cn上， 便于读者查询。作者简介
军事医学科学院医学统计学教授；任中国现场统计研究会理事、任中国生物医学统计学会副会长、任《中华医学杂志》等10余种杂志编委。目录
目 录第1篇 SAS软件及相关知识介绍
第1章 SAS软件与SAS用法简介
1．1 SAS软件简介
1．1．1 SAS软件结构
1．1．2 SAS界面简介
1．1．3 SAS过程与SAS程序
1．1．4 运行SAS软件的两种常用方式
1．1．5 SAS程序结构
1．1．6 简单SAS程序中的SAS语句简介
1．1．7 SAS语言简介
1．1．8 SAS数据集简介
1．1．9 如何利用SAS帮助窗口
1．2 SAS用法简介
1．2．1 初学者学习SAS的快捷方式
1．2．2 实际运行SAS
1．2．3 从实验设计角度谈SAS用法
1．2．4 从资料录入角度谈SAS用法
1．2．5 从不同格式数据转换角度谈SAS用法
1．2．6 从资料表达角度谈SAS用法
1．2．7 从统计分析角度谈SAS用法
1．3 本章小结
第2章 SAS语言基础介绍
2．1 SAS数据步中常用SAS语句
2．1．1 数据获取语句
2．1．2 数据步文件管理语句
2．1．3 SAS变量操作语句
2．1．4 SAS观测值操作语句
2．1．5 数据步循环与控制语句
2．2 SAS过程步中常用SAS语句
2．3 可在SAS程序中任何地方出现的SAS语句――全程语句
2．3．1 全程数据存取语句
2．3．2 全程日志控制语句
2．3．3 全程环境控制语句
2．3．4 全局输出控制语句
2．3．5 全程程序控制语句
2．4 SAS函数中的基础知识
2．4．1 SAS函数
2．4．2 SAS参数
2．4．3 函数值
2．4．4 SAS函数分类
2．4．5 SAS函数在使用中的注意事项
2．5 日期时间函数
2．5．1 日期时间函数简介
2．5．2 用DATDIF函数计算两个日期之间的天数
2．5．3 用YRDIF函数计算两个日期之间的年数
2．5．4 用HOUR和MINUTE函数计算当前时间
2．5．5 用YEAR、 QTR、 MONTH和DAY函数计算当前所处的年、 季度、 月份和日期
2．5．6 用HOLIDAY函数计算指定年份指定节日的日期
2．6 截取函数
2．6．1 截取函数简介
2．6．2 用CEIL函数求最小整数
2．6．3 用FLOOR函数求最大整数
2．6．4 用INT函数取整数部分
2．6．5 用ROUND函数按指定的精度取舍入值
2．6．6 用TRUNC函数求截取数值
2．7 分位数函数
2．7．1 分位数函数简介
2．7．2 用CINV函数计算卡方分布曲线下的p分位数
2．7．3 用FINV函数计算F分布曲线下的p分位数
2．7．4 用PROBIT函数计算标准正态分布曲线下的p分位数
2．7．5 用TINV函数计算t分布曲线下的p分位数
2．8 数学函数
2．8．1 数学函数简介
2．8．2 用ABS函数求绝对值
2．8．3 用EXP函数计算e的x次幂
2．8．4 用LOG函数计算以e为底的真数x的自然对数值
2．8．5 用LOG10函数计算以10为底的真数x的对数值
2．8．6 用MOD函数计算余数值
2．8．7 用SQRT函数计算平方根
2．8．8 用SQRT函数、 FNONCT函数和FINV函数计算ψ值
2．8．9 用CNONCT函数和CINV函数计算λ值
2．9 概率函数
2．9．1 概率函数简介
2．9．2 用PROBCHI函数计算服从卡方分布的随机变量小于x的概率
2．9．3 用PROBF函数计算服从F分布的随机变量小于x的概率
2．9．4 用PROBNORM函数计算标准正态分布曲线下的面积
2．9．5 用PROBT函数计算服从t分布的随机变量小于x的概率
2．9．6 用PROBMC函数计算q临界值
2．10 样本统计函数
2．10．1 样本统计函数简介
2．10．2 用MEAN、 MAX与MIN函数计算算术均值、 最大值与最小值
2．10．3 用SUM、 USS与CSS函数计算和、 未校正平方和与校正平方和
2．10．4 用VAR、 STD、 STDERR和CV函数计算方差、 标准差、 标准误与变异系数
2．10．5 用SKEWNESS和KURTOSIS函数计算偏度系数与峰度系数
2．10．6 用NMISS函数计算缺失值的个数
2．11 随机数函数
2．11．1 随机数函数简介
2．11．2 用NORMAL函数或RANNOR函数产生正态分布的随机数
2．11．3 用UNIFORM或RANUNI函数产生均匀分布的随机数
2．11．4 用RANEXP函数产生指数分布的随机数
2．11．5 用RANBIN函数产生二项分布的随机数
2．11．6 用RANPOI函数产生泊松分布的随机数
2．12 SAS call子程序
2．12．1 随机数子程序
2．12．2 其他子程序
2．12．3 随机数子程序的运用
第3章 SAS高级编程技术介绍
3．1 SAS ODS介绍
3．1．1 概述
3．1．2 ODS特点和常用输出目标
3．1．3 常用ODS语句
3．1．4 SAS ODS的应用
3．2 SAS宏介绍
3．2．1 概述
3．2．2 宏变量
3．2．3 宏与宏参数
3．2．4 宏的引用
3．2．5 常用宏语句和系统宏函数
3．2．6 宏与其他模块接口
3．3 SAS SQL介绍
3．3．1 SQL简介
3．3．2 SQL过程的语句介绍
3．4 SAS数组介绍
3．4．1 概述
3．4．2 Array语法格式
3．4．3 数组Array定义
3．4．4 数组Array初始化
3．4．5 数组引用
3．4．6 有关数组的SAS函数
3．5 SAS/IML介绍
3．5．1 概述
3．5．2 由矩阵标识创建矩阵
3．5．3 矩阵操作
3．5．4 SAS/IML编程语句
3．5．5 IML中常用函数
3．5．6 IML中数据集的操作
第2篇 统计设计中关键技术的SAS实现
第4章 统计设计核心内容介绍
4．1 统计设计概述
4．1．1 统计设计类型
4．1．2 三类统计设计的共性
4．1．3 三类统计设计的个性
4．1．4 试验设计要点
4．1．5 临床试验设计要点
4．1．6 调查设计要点
4．2 设计类型概述
4．2．1 单因素设计
4．2．2 多因素设计
4．2．3 重复测量设计
4．3 比较类型概述
4．3．1 四种比较类型的概念
4．3．2 四种比较类型下检验假设及结论的正确陈述
4．3．3 合理选择临床试验的比较类型
4．4 样本含量与检验效能估计概述
4．4．1 样本含量估计的概念、 意义与作用
4．4．2 检验效能估计的概念、 意义与作用
4．5 随机化方法概述
4．5．1 随机化的概念
4．5．2 随机化的意义与作用
4．5．3 随机抽样方法
4．5．4 随机分组方法
4．6 本章小节
第5章 构建设计类型的SAS实现
5．1 常用标准多因素设计类型的列表格式
5．1．1 随机区组设计
5．1．2 含一个协变量的随机区组设计
5．1．3 平衡不完全随机区组设计
5．1．4 拉丁方设计
5．1．5 交叉设计
5．1．6 无重复实验的双因素设计
5．1．7 嵌套设计
5．1．8 裂区设计
5．1．9 析因设计
5．1．10 含区组因素的析因设计
5．1．11 正交设计
5．1．12 均匀设计
5．1．13 重复测量设计
5．2 常用标准多因素设计类型的SAS输出格式
5．2．1 如何用SAS实现随机区组设计
5．2．2 如何用SAS实现平衡不完全区组设计
5．2．3 如何用SAS实现拉丁方设计
5．2．4 如何用SAS实现2×2交叉设计
5．2．5 如何用SAS实现3×3交叉设计
5．2．6 如何用SAS实现裂区设计
5．2．7 如何用SAS实现析因设计
5．2．8 如何用SAS实现含区组因素的析因设计
5．3 本章小结
第6章 样本含量与检验效能估计的SAS实现
6．1 估计样本含量与检验效能的前提条件
6．2 抽样调查中样本含量估计
6．2．1 估计总体均值时如何估计样本含量
6．2．2 估计总体率时如何估计样本含量
6．3 定量资料假设检验中样本含量与检验效能估计
6．3．1 单组、 配对或交叉设计定量资料统计分析时样本含量估计
6．3．2 成组设计统计分析时样本含量估计
6．3．3 成组设计等效性检验时样本含量估计
6．3．4 成组设计非劣效或优效性检验时样本含量估计
6．3．5 单因素多水平设计定量资料方差分析时样本含量的估计
6．3．6 两因素析因设计定量资料方差分析时样本含量估计
6．3．7 简单直线相关或回归分析时样本含量的估计
6．3．8 单组、 配对或交叉设计定量资料假设检验时检验效能的计算
6．3．9 成组设计均值差异性检验时检验效能的计算
6．3．10 成组设计均值等效性检验时检验效能的计算
6．3．11 成组设计均值非劣效或优效性检验时检验效能的计算
6．3．12 单因素多水平设计定量资料的方差分析时检验效能的计算
6．3．13 两因素析因设计定量资料方差分析时检验效能的计算
6．4 定性资料假设检验中样本含量与检验效能估计
6．4．1 单组设计率的检验时样本含量的估计
6．4．2 两样本频率比较时样本含量的估计
6．4．3 多个样本频率比较时样本含量的估计
6．4．4 单因素2水平设计定性资料等效性检验时检验效能的估计
6．4．5 单因素2水平设计定性资料非劣效或优效性检验时检验效能的估计
6．4．6 例数相等的两组样本频率比较时检验效能的计算
6．4．7 例数不相等的两组样本频率比较时检验效能的计算
6．4．8 单因素2水平设计定性资料等效性检验时检验效能的计算
6．4．9 单因素2水平设计定性资料非劣效或优效性检验时检验效能的计算
6．5 本章小结
第7章 随机化的SAS实现
7．1 常见随机抽样和随机分组的种类
7．2 调查研究中随机抽样的SAS实现
7．3 试验研究中随机分组的SAS实现
7．4 本章小结
第3篇 对定量结果进行差异性分析
第8章 单因素设计一元定量资料差异性分析
8．1 单组设计一元定量资料t检验与符号秩和检验
8．1．1 问题与数据
8．1．2 对数据结构的分析
8．1．3 分析目的与统计分析方法的选择
8．1．4 SAS程序中重要内容的说明
8．1．5 主要分析结果及解释
8．2 配对设计一元定量资料t检验与符号秩和检验
8．2．1 问题与数据
8．2．2 对数据结构的分析
8．2．3 分析目的与方法选择
8．2．4 SAS程序中重要内容的说明
8．2．5 主要分析结果及解释
8．3 成组设计一元定量资料t检验
8．3．1 问题与数据
8．3．2 对数据结构的分析
8．3．3 分析目的与方法选择
8．3．4 SAS程序中重要内容的说明
8．3．5 主要分析结果及解释
8．4 成组设计一元定量资料两种近似t检验和Wilcoxon秩和检验
8．4．1 问题与数据
8．4．2 对数据结构的分析
8．4．3 分析目的与统计分析方法的选择
8．4．4 SAS程序中重要内容的说明
8．4．5 主要分析结果及解释
8．5 成组设计一元定量资料三种特殊的比较――优效性、 非劣效性和等效性t检验
8．5．1 何为三种特殊的假设检验
8．5．2 成组设计一元定量资料优效性检验
8．5．3 成组设计一元定量资料非劣效性检验
8．5．4 成组设计一元定量资料等效性检验
8．6 单因素k(k≥3)水平设计一元定量资料方差分析和两两比较
8．6．1 问题与数据
8．6．2 对数据结构的分析
8．6．3 分析目的与统计分析方法的选择
8．6．4 SAS程序中重要内容的说明
8．6．5 主要分析结果及解释
8．7 单因素k(k≥3)水平设计定量资料一元协方差分析
8．7．1 问题与数据
8．7．2 对数据结构的分析
8．7．3 分析目的与统计分析方法的选择
8．7．4 SAS程序中重要内容的说明
8．7．5 主要分析结果及解释
8．8 单因素k(k≥3)水平设计一元定量资料Welch近似方差分析和Kruskal?Wallis秩
和检验及两两比较
8．8．1 问题与数据
8．8．2 对数据结构的分析
8．8．3 分析目的与统计分析方法的选择
8．8．4 SAS程序中重要内容的说明
8．8．5 主要分析结果及解释
8．9 本章小结
第9章 单因素设计一元生存资料差异性分析
9．1 单因素设计一元生存资料分析简介
9．2 生存资料统计描述
9．2．1 问题与数据
9．2．2 对数据结构的分析
9．2．3 分析目的与统计分析方法的选择
9．2．4 SAS程序
9．2．5 主要分析结果及解释
9．3 生存曲线比较
9．3．1 问题与数据
9．3．2 对数据结构的分析
9．3．3 分析目的与统计分析方法的选择
9．3．4 SAS程序
9．3．5 主要分析结果及解释
9．4 本章小结
第10章 多因素设计一元定量资料差异性分析
10．1 随机区组设计一元定量资料方差分析与Friedman秩和检验
10．1．1 问题与数据
10．1．2 对数据结构的分析
10．1．3 分析目的与统计分析方法的选择
10．1．4 SAS程序
10．1．5 主要分析结果及解释
10．2 双因素无重复实验设计一元定量资料方差分析
10．2．1 问题与数据
10．2．2 对数据结构的分析
10．2．3 分析目的与统计分析方法的选择
10．2．4 SAS程序
10．2．5 主要分析结果及解释
10．3 平衡不完全随机区组设计一元定量资料方差分析
10．3．1 问题与数据
10．3．2 对数据结构的分析
10．3．3 分析目的与统计分析方法的选择
10．3．4 SAS程序
10．3．5 主要分析结果及解释
10．4 拉丁方设计一元定量资料方差分析
10．4．1 问题与数据
10．4．2 对数据结构的分析
10．4．3 分析目的与统计分析方法的选择
10．4．4 SAS程序
10．4．5 主要分析结果及解释
10．5 二阶段交叉设计一元定量资料方差分析
10．5．1 问题与数据
10．5．2 对数据结构的分析
10．5．3 分析目的与统计分析方法的选择
10．5．4 SAS程序
10．5．5 主要分析结果及解释
10．6 析因设计一元定量资料方差分析
10．6．1 问题与数据
10．6．2 对数据结构的分析
10．6．3 分析目的与统计分析方法的选择
10．6．4 SAS程序
10．6．5 主要分析结果及解释
10．7 含区组因素的析因设计一元定量资料方差分析
10．7．1 问题与数据
10．7．2 对数据结构的分析
10．7．3 分析目的与统计分析方法的选择
10．7．4 SAS程序
10．7．5 主要分析结果及解释
10．8 嵌套设计一元定量资料方差分析
10．8．1 问题与数据
10．8．2 对数据结构的分析
10．8．3 分析目的与统计分析方法的选择
10．8．4 SAS程序
10．8．5 主要分析结果及解释
10．9 裂区设计一元定量资料方差分析
10．9．1 问题与数据
10．9．2 对数据结构的分析
10．9．3 分析目的与统计分析方法的选择
10．9．4 SAS程序
10．9．5 主要分析结果及解释
10．10 正交设计一元定量资料方差分析
10．10．1 问题与数据
10．10．2 对数据结构的分析
10．10．3 分析目的与统计分析方法的选择
10．10．4 SAS程序
10．10．5 主要分析结果及解释
10．11 重复测量设计一元定量资料方差分析
10．11．1 问题与数据
10．11．2 对数据结构的分析
10．11．3 分析目的与统计分析方法的选择
10．11．4 SAS程序
10．11．5 主要分析结果及解释
10．12 常见多因素实验设计一元定量资料协方差分析
10．12．1 问题与数据
10．12．2 对数据结构的分析
10．12．3 分析目的与统计分析方法的选择
10．12．4 SAS程序
10．12．5 主要分析结果及解释
10．13 多个单因素2水平设计定量资料meta分析
10．13．1 问题与数据
10．13．2 对数据结构的分析
10．13．3 分析目的与统计分析方法的选择
10．13．4 SAS程序
10．13．5 主要分析结果及解释
10．14 本章小结
第11章 单因素设计多元定量资料差异性分析
11．1 问题、 数据及统计分析方法的选择
11．1．1 问题与数据
11．1．2 对数据结构的分析
11．1．3 分析目的与统计分析方法选择
11．2 单因素设计定量资料多元方差和协方差分析
11．2．1 对例11?1资料进行单组设计定量资料二元方差分析
11．2．2 对例11?2资料进行配对设计定量资料二元方差分析
11．2．3 对例11?3资料进行单因素2水平设计定量资料三元方差分析
11．2．4 对例11?4资料进行单因素3水平设计定量资料二元方差分析
11．2．5 对例11?5资料进行单因素2水平设计二元定量资料的一元协方差分析
11．2．6 对例11?6资料进行单因素2水平设计二元定量资料的二元协方差分析
11．3 本章小结
第12章 多因素设计多元定量资料差异性分析
12．1 问题、 数据及统计分析方法的选择
12．1．1 问题与数据
12．1．2 对数据结构的分析
12．1．3 分析目的与统计分析方法的选择
12．2 多因素设计定量资料多元方差和协方差分析
12．2．1 对例12?1资料进行随机区组设计定量资料三元方差分析
12．2．2 对例12?2资料进行两因素析因设计定量资料三元方差分析
12．2．3 对例12?3资料进行含区组因素析因设计定量资料四元方差分析
12．2．4 对例12?4资料进行正交设计定量资料三元方差分析
12．2．5 对例12?5资料进行具有一个重复测量的两因素设计定量资料二元方差分析
12．2．6 对例12?6资料进行两因素析因设计五元定量资料的二元协方差分析
12．3 本章小结
第4篇 对定性结果进行差异性分析
第13章 单因素设计一元定性资料差异性分析
13．1 单组设计一维表资料统计分析
13．1．1 问题与数据
13．1．2 对数据结构的分析
13．1．3 分析目的与统计分析方法的选择
13．1．4 SAS程序中重要内容的说明
13．1．5 主要分析结果及解释
13．2 配对设计四格表资料统计分析
13．2．1 问题与数据
13．2．2 对数据结构的分析
13．2．3 分析目的与统计分析方法的选择
13．2．4 SAS程序中重要内容的说明
13．2．5 主要分析结果及解释
13．3 配对设计扩大形式的方表资料统计分析
13．3．1 问题与数据
13．3．2 对数据结构的分析
13．3．3 分析目的与统计分析方法的选择
13．3．4 SAS程序中重要内容的说明
13．3．5 主要分析结果及解释
13．4 成组设计横断面研究四格表资料统计分析
13．4．1 问题与数据
13．4．2 对数据结构的分析
13．4．3 分析目的与统计分析方法的选择
13．4．4 SAS程序中重要内容的说明
13．4．5 主要分析结果及解释
13．5 成组设计队列研究四格表资料统计分析
13．5．1 问题与数据
13．5．2 对数据结构的分析
13．5．3 分析目的与统计分析方法的选择
13．5．4 SAS程序中重要内容的说明
13．5．5 主要分析结果及解释
13．6 成组设计病例对照研究四格表资料统计分析
13．6．1 问题与数据
13．6．2 对数据结构的分析
13．6．3 分析目的与统计分析方法的选择
13．6．4 SAS程序中重要内容的说明
13．6．5 主要分析结果及解释
13．7 成组设计结果变量为多值有序变量的2×C表资料统计分析
13．7．1 问题与数据
13．7．2 对数据结构的分析
13．7．3 分析目的与统计分析方法的选择
13．7．4 SAS程序中重要内容的说明
13．7．5 主要分析结果及解释
13．8 成组设计结果变量为多值名义变量的2×C表资料统计分析
13．8．1 问题与数据
13．8．2 对数据结构的分析
13．8．3 分析目的与统计分析方法的选择
13．8．4 SAS程序中重要内容的说明
13．8．5 主要分析结果及解释
13．9 单因素多水平设计无序原因变量R×2表资料统计分析
13．9．1 问题与数据
13．9．2 对数据结构的分析
13．9．3 分析目的与统计分析方法的选择
13．9．4 SAS程序中重要内容的说明
13．9．5 主要分析结果及解释
13．10 单因素多水平设计有序原因变量R×2表资料统计分析
13．10．1 问题与数据
13．10．2 对数据结构的分析
13．10．3 分析目的与统计分析方法的选择
13．10．4 SAS程序中重要内容的说明
13．10．5 主要分析结果及解释
13．11 单因素多水平设计双向无序R×C表资料统计分析
13．11．1 问题与数据
13．11．2 对数据结构的分析
13．11．3 分析目的与统计分析方法的选择
13．11．4 SAS程序中重要内容的说明
13．11．5 主要分析结果及解释
13．12 单因素多水平设计有序结果变量R×C表资料统计分析
13．12．1 问题与数据
13．12．2 对数据结构的分析
13．12．3 分析目的与统计分析方法的选择
13．12．4 SAS程序中重要内容的说明
13．12．5 主要分析结果及解释
13．13 单因素多水平设计双向有序R×C表资料统计分析
13．13．1 问题与数据
13．13．2 对数据结构的分析
13．13．3 分析目的与统计分析方法的选择
13．13．4 SAS程序中重要内容的说明
13．13．5 主要分析结果及解释
13．14 数据库形式表达资料的统计分析
13．15 成组设计一元定性资料三种特殊的比较――优效性、 非劣效性
和等效性t检验
13．15．1 成组设计一元定性资料三种特殊的比较概述
13．15．2 优效性检验
13．15．3 非劣效性检验
13．15．4 等效性检验
13．16 本章小结
第14章 多因素设计一元定性资料差异性分析
14．1 用加权χ2检验处理结果变量为二值变量的高维列联表资料
14．1．1 问题与数据
14．1．2 对数据结构的分析
14．1．3 分析目的与统计分析方法的选择
14．1．4 SAS程序中重要内容的说明
14．1．5 主要分析结果及解释
14．2 用CMHχ2检验处理结果变量具有三种性质的高维列联表资料
14．2．1 问题与数据
14．2．2 对数据结构的分析
14．2．3 分析目的与统计分析方法的选择
14．2．4 SAS程序中重要内容的说明
14．2．5 主要分析结果及解释
14．3 用meta分析分别合并处理多个成组设计定性资料
14．3．1 问题与数据
14．3．2 对数据结构的分析
14．3．3 分析目的与统计分析方法的选择
14．3．4 SAS程序中重要内容的说明
14．3．5 主要分析结果及解释
14．4 用ROC方法分析诊断试验资料
14．4．1 问题与数据
14．4．2 对数据结构的分析
14．4．3 分析目的与统计分析方法的选择
14．4．4 SAS程序中重要内容的说明
14．4．5 主要分析结果及解释
14．5 本章小结
第15章 多因素设计一元定性资料的对数线性模型分析
15．1 问题、 数据及统计分析方法的选择
15．1．1 问题与数据
15．1．2 对数据结构的分析
15．1．3 分析目的与统计分析方法的选择
15．2 用对数线性模型分析列联表资料
15．2．1 对数线性模型简介
15．2．2 用SAS分析例15?1资料
15．2．3 用SAS分析例15?2资料
15．3 本章小结
第5篇 对定量结果进行预测性分析
第16章 两变量简单线性相关与回归分析
16．1 问题、 数据及统计分析方法的选择
16．1．1 问题与数据
16．1．2 对数据结构的分析
16．1．3 分析目的与统计分析方法的选择
16．1．4 统计分析方法简介
16．2 Pearson线性相关分析
16．2．1 SAS程序中重要内容的说明
16．2．2 主要分析结果及解释
16．3 Spearman秩相关分析
16．3．1 SAS程序中重要内容的说明
16．3．2 主要分析结果及解释
16．4 Kendall’s Tau?b相关分析
16．4．1 SAS程序中重要内容的说明
16．4．2 主要分析结果及解释
16．5 简单线性回归分析
16．5．1 对例16?4资料的分析
16．5．2 对例16?5资料的分析
16．6 常用于估计LD50的加权线性回归分析
16．6．1 SAS程序中重要内容的说明
16．6．2 主要分析结果及解释
16．6．3 用于比较LD50和斜率的SAS程序中重要内容的说明
16．6．4 两两比较的主要分析结果及解释
16．7 本章小结
第17章 两变量可直线化曲线回归分析
17．1 问题、 数据及统计分析方法的选择
17．1．1 问题与数据
17．1．2 对数据结构的分析
17．1．3 分析目的与统计分析方法的选择
17．2 对数函数、 幂函数和双曲函数曲线回归分析
17．2．1 SAS程序中重要内容的说明
17．2．2 主要分析结果及解释
17．3 指数函数曲线回归分析
17．3．1 SAS程序中重要内容的说明
17．3．2 主要分析结果及解释
17．4 Logistic函数曲线回归分析
17．4．1 SAS程序中重要内容的说明
17．4．2 主要分析结果及解释
17．5 本章小结
第18章 各种复杂曲线回归分析
18．1 多项式曲线回归分析
18．1．1 问题与数据
18．1．2 分析目的与统计分析方法的选择
18．1．3 SAS程序
18．1．4 主要分析结果及解释
18．2 logistic曲线回归分析
18．2．1 问题与数据
18．2．2 分析目的与统计分析方法的选择
18．2．3 SAS程序
18．2．4 主要分析结果及解释
18．3 Gompertz曲线回归分析
18．3．1 问题与数据
18．3．2 分析目的与统计分析方法的选择
18．3．3 SAS程序
18．3．4 主要分析结果及解释
18．4 二项型指数曲线回归分析
18．4．1 问题与数据
18．4．2 分析目的与统计分析方法的选择
18．4．3 SAS程序
18．4．4 主要分析结果及解释
18．5 三项型指数曲线回归分析
18．5．1 问题与数据
18．5．2 分析目的与统计分析方法的选择
18．5．3 SAS程序
18．5．4 主要分析结果及解释
18．6 本章小结
第19章 多重线性回归分析
19．1 问题、 数据及统计分析方法的选择
19．1．1 问题与数据
19．1．2 对数据结构的分析
19．1．3 分析目的与统计分析方法的选择
19．2 多重线性回归分析概述
19．3 产生哑变量和派生变量的方法
19．3．1 如何产生哑变量
19．3．2 如何产生派生变量
19．4 自变量各种筛选方法介绍
19．4．1 筛选自变量的必要性
19．4．2 筛选自变量的方法
19．4．3 如何在多个多重线性回归方程中选择最佳者
19．5 自变量各种共线性诊断方法介绍
19．5．1 共线性的概念
19．5．2 共线性的诊断
19．6 各种异常点诊断方法介绍
19．6．1 异常点的概念
19．6．2 异常点的诊断
19．7 自变量作用大小的评价
19．8 多个多重回归方程优劣的评价
19．9 多重线性回归分析的SAS实现
19．9．1 SAS程序及说明
19．9．2 主要分析结果及解释
19．10 REG过程语法简介
19．11 本章小结
第20章 主成分回归分析
20．1 问题、 数据及统计分析方法的选择
20．1．1 问题与数据
20．1．2 对数据结构的分析
20．1．3 分析目的及统计分析方法的选择
20．2 主成分回归分析应用场合及关键技术
20．3 主成分回归分析
20．3．1 对例20?1资料进行主成分回归分析
20．3．2 对例20?2数据进行分析
20．4 本章小结
第21章 用SAS实现岭回归分析
21．1 问题、 数据及统计分析方法的选择
21．1．1 问题与数据
21．1．2 对数据结构的分析
21．1．3 分析目的与统计分析方法的选择
21．2 岭回归分析应用场合及关键技术
21．3 岭回归分析
21．3．1 进行多重线性回归分析并进行共线性诊断
21．3．2 进行岭回归分析
21．4 与岭回归分析有关的SAS语句说明
21．5 本章小结
第22章 Poisson回归分析
22．1 问题、 数据及统计分析方法的选择
22．1．1 问题与数据
22．1．2 对数据结构的分析
22．1．3 分析目的与统计分析方法的选择
22．2 Poisson回归分析应用场合及关键技术
22．2．1 Poisson回归模型简介
22．2．2 Poisson回归定义
22．2．3 Possion回归的参数估计
22．2．4 Possion回归估计系数的假设检验
22．2．5 Possion拟合优度检验
22．3 Poisson回归分析的SAS实现
22．3．1 对例22?1资料进行分析
22．3．2 对例22?2资料进行分析
22．4 本章小结
第23章 负二项回归分析
23．1 问题、 数据及统计分析方法的选择
23．1．1 问题与数据
23．1．2 对数据结构的分析
23．1．3 分析目的与统计分析方法的选择
23．2 负二项回归分析应用场合及关键技术
23．3 负二项回归分析的SAS实现
23．3．1 SAS程序及说明
23．3．2 主要分析结果及解释
23．4 GENMOD过程及COUNTREG过程简介
23．5 本章小结
第24章 Probit回归分析
24．1 问题、 数据及统计分析方法的选择
24．1．1 问题与数据
24．1．2 对数据结构的分析
24．1．3 分析目的与统计分析方法的选择
24．2 Probit回归分析应用场合及关键技术
24．2．1 适于进行Probit回归分析的资料表达形式
24．2．2 Probit回归模型简介
24．3 Probit回归分析的SAS实现
24．3．1 对例24?1资料进行Probit回归分析
24．3．2 对例24?2资料进行Probit回归分析
24．4 PROBIT过程语法简介
24．5 本章小结
第25章 生存资料Cox模型回归分析
25．1 实例
25．1．1 问题与数据
25．1．2 对数据结构的分析
25．1．3 分析目的与统计分析方法的选择
25．2 生存资料Cox模型回归分析简介
25．3 生存资料Cox模型回归分析的SAS实现
25．3．1 SAS程序
25．3．2 主要分析结果及解释
25．4 本章小结
第26章 生存资料参数模型回归分析
26．1 实例
26．1．1 问题与数据
26．1．2 对数据结构的分析
26．1．3 分析目的与统计分析方法的选择
26．2 生存资料参数模型回归分析简介
26．3 生存资料参数模型回归分析的SAS实现
26．3．1 SAS程序
26．3．2 主要分析结果及解释
26．4 LIFEREG过程简介
26．5 本章小结
第27章 时间序列分析
27．1 时间序列分析简介
27．2 指数平滑法
27．2．1 指数平滑法简介
27．2．2 应用实例
27．2．3 SAS程序
27．2．4 主要分析结果及解释
27．3 ARIMA模型
27．3．1 ARIMA模型简介
27．3．2 应用实例
27．3．3 SAS程序
27．3．4 主要分析结果及解释
27．4 谱分析
27．4．1 谱分析简介
27．4．2 应用实例
27．4．3 SAS程序
27．4．4 主要分析结果及解释
27．5 X12方法
27．5．1 X12过程简介
27．5．2 应用实例
27．5．3 SAS程序
27．5．4 摘录主要分析结果
27．6 本章小结
第6篇 对定性结果进行预测性分析
第28章 非配对设计定性资料多重logistic回归分析
28．1 问题、 数据及统计分析方法的选择
28．1．1 问题与数据
28．1．2 对数据结构的分析
28．1．3 分析目的与统计分析方法的选择
28．1．4 logistic回归分析简介
28．2 二值变量的多重logistic回归分析
28．2．1 SAS程序及说明
28．2．2 主要分析结果及结论
28．3 多值有序变量的多重logistic回归分析
28．3．1 SAS程序及说明
28．3．2 主要分析结果及结论
28．4 多值名义变量的多重logistic回归分析
28．4．1 SAS程序及说明
28．4．2 主要分析结果及结论
28．5 本章小结
第29章 配对设计定性资料多重logistic回归分析
29．1 问题、 数据及统计分析方法的选择
29．1．1 问题与数据
29．1．2 对数据结构的分析
29．1．3 分析目的与统计分析方法的选择
29．1．4 条件logistic回归分析简介
29．2 11配对设计定性资料的多重logistic回归分析
29．2．1 SAS程序及说明
29．2．2 主要分析结果及解释
29．3 mn配对设计定性资料的多重logistic回归分析
29．3．1 SAS程序及说明
29．3．2 主要分析结果及解释
29．4 本章小结
第30章 原因变量为定量变量的判别分析
30．1 实例
30．1．1 问题与数据
30．1．2 对数据结构的分析
30．1．3 分析目的与统计分析方法的选择
30．2 原因变量为定量变量的判别分析简介
30．3 原因变量为定量变量的判别分析
30．3．1 SAS程序
30．3．2 主要分析结果及解释
30．4 本章小结
第31章 原因变量为定性变量的判别分析
31．1 实例
31．1．1 问题与数据
31．1．2 对数据结构的分析
31．1．3 分析目的与统计分析方法的选择
31．2 原因变量为定性变量的判别分析简介
31．3 原因变量为定性变量的判别分析
31．3．1 SAS程序
31．3．2 主要分析结果及解释
31．4 本章小结
前言/序言
用户评价
《SAS常用统计分析教程（第2版）》这本书，我早就听说过，但一直没机会深入学习。这次下定决心，买了它，想着能不能系统地梳理一下SAS在统计分析方面的应用。拿到书的时候，它的厚度就让我有点小压力，但翻开目录，感觉内容覆盖得挺广的，从基础的数据处理到各种高级的统计模型，几乎都有涉及。我一直觉得，学SAS不仅仅是学一些代码怎么写，更重要的是理解背后的统计思想。这本书在这方面做得怎么样，我还在探索中。比如，它在讲回归分析的时候，有没有详细解释模型的假设条件，以及如何去检验这些假设？在做方差分析的时候，有没有给出不同类型方差分析的应用场景和注意事项？这些细节对我来说非常重要。而且，作为一本教程，例子的实用性也直接关系到学习效果。我希望书中的案例能够贴近实际工作中的问题，这样我才能举一反三，真正掌握SAS的应用技巧。我特别关心它有没有提供一些“隐藏的宝藏”，比如一些SAS函数的妙用，或者是一些提高效率的小技巧。毕竟，在实际工作中，时间就是金钱，能用更少的时间完成更复杂的分析，绝对是加分项。目前为止，我已经初步翻阅了前几章，感觉它在基础知识的讲解上还是比较扎实的，数据导入、管理这些基本功它都有涉及。但究竟能不能帮我解决我在实际工作中遇到的那些棘手的数据问题，还需要时间来检验。我对这本书的期待，就是它能成为我手中的一把利器，让我在数据分析的道路上走得更远、更稳。
评分《SAS常用统计分析教程（第2版）》这本书，我早就听说它在业内很有口碑，这次终于下定决心入手。我购买这本书的主要目标是，希望它能帮助我提升SAS在实际统计分析中的应用水平，尤其是那些我工作中经常会遇到的、比较棘手的问题。我特别关注教程的“实用性”和“创新性”。我希望它在讲解SAS的各种统计分析方法时，能够提供一些“不为人知”的技巧和窍门，让我在处理复杂数据时，能够事半功倍。比如，在讲解SAS进行数据挖掘和机器学习应用时，它是否会介绍一些SAS内置的机器学习过程，如Trees、Logistic、Neural Network等，并且指导如何对模型进行调参和评估？在进行文本挖掘时，SAS有没有提供一些高效的文本预处理和特征提取的方法，并且能否与常见的文本分析技术相结合？我还非常期待它能提供一些关于SAS在并行计算和分布式计算方面的应用介绍，以便我在处理海量数据时，能够充分利用SAS的性能优势。另外，我一直觉得，好的教程应该能够引发读者的思考，所以，我希望这本书在讲解每一个统计分析方法时，都能提出一些启发性的问题，引导读者去思考方法的局限性以及在不同场景下的适用性。我期待这本书能成为我SAS统计分析的“秘密武器”，让我能够从容应对各种数据分析的挑战。从目前的初步翻阅来看，它在基础理论的解释上做得相当不错，但它在提供解决复杂实际问题的“创新思路”方面，还有待我的进一步发掘。
评分这本书，我一直期待着它的出现，因为它承诺了对SAS常用统计分析的深入讲解。我个人非常看重教程的“实践导向性”，我希望这本书不仅仅是讲解理论，更能提供大量贴近实际应用的SAS代码示例，并且这些示例能够清晰地解释代码背后的逻辑。我特别想知道，它在讲解回归分析、方差分析、因子分析等经典统计方法时，有没有深入探讨SAS在处理不满足理想假设条件的数据时，有哪些可选的稳健方法和SAS实现？比如，在回归模型中，如何检测和处理多重共线性、异方差等问题？在方差分析中，如何处理非正态分布的残差？这些实际操作中的细节，对我来说至关重要。而且，我希望这本书能提供一些关于如何选择最适合的统计分析方法的指导。因为在实际工作中，面对大量的数据和各种潜在的分析需求，选择正确的分析方法往往是决定成败的关键。SAS在这方面有没有提供一些决策树或者流程图式的指导？我非常看重SAS在数据可视化方面的能力，我希望这本书能介绍一些利用SAS进行高质量图形绘制的方法，比如如何制作具有统计信息并且美观的散点图、箱线图、热力图等。这对于结果的展示和沟通非常重要。我期待这本书能帮助我从“会用SAS”提升到“精通SAS”，能够独立解决更加复杂和具有挑战性的统计分析问题。初步的翻阅让我觉得它在基础知识的讲解上还是比较全面的，但它在提供解决复杂实际问题的“独家秘籍”方面，还需要我进一步去探索。
评分我一直认为，SAS作为一款功能强大的统计分析软件，其潜力远未被充分挖掘。这本书的出现，让我看到了一线希望。《SAS常用统计分析教程（第2版）》这本书，我非常关注它在讲解SAS统计分析过程中的“细节魔法”。我希望它能像一位经验丰富的老师，不仅教你“是什么”，更能教你“为什么”。比如，在讲解聚类分析时，它是否会对比不同的聚类算法（如K-means、层次聚类、DBSCAN等）的原理、优缺点以及在SAS中的实现？是否会指导如何评估聚类结果的质量？在讲解因子分析时，它是否会深入阐述因子提取的方法（如主成分法、最大似然法等），以及因子旋转的作用和不同旋转方式（如正交旋转、斜交旋转）的适用场景？这些都是我在实际工作中经常会遇到的困惑。而且，我特别希望这本书能提供一些关于SAS在进行假设检验时的“高级技巧”，比如如何自定义检验的功效水平，如何进行多重比较的校正（如Bonferroni、Holm等），以及如何进行样本量计算。这些细节往往能决定分析结果的可靠性和科学性。我期待这本书能成为我SAS统计分析的“葵花宝典”，让我能够深入理解SAS的统计原理，并且能够灵活运用SAS来解决各种现实世界中的数据分析挑战。从目前的阅读体验来看，它在基础理论的解释上做得比较扎实，但它在提供解决复杂实际问题的“高级内功心法”方面，还有待我的进一步发掘。
评分我购买《SAS常用统计分析教程（第2版）》这本书，主要还是想把它作为我数据分析工具箱里的一个重要补充。我平时的工作涉及大量的数据处理和分析，虽然已经接触过一些统计软件，但总觉得在某些特定场景下，SAS的强大功能还没有得到充分的发挥。这本书的出现，让我看到了一个深入学习SAS的契机。我特别想知道，它在讲解SAS程序设计方面，有没有给出一些通用的、高效的编程思想和技巧？比如，如何写出可读性强、易于维护的SAS代码？如何利用SAS宏来自动化重复性的分析任务？这些对我日常工作效率的提升至关重要。而且，我一直觉得，一个好的教程，不仅仅是教你“怎么做”，更要让你明白“为什么这么做”。所以，我希望这本书在解释SAS的各个统计过程时，能够深入浅出地剖析其背后的统计原理，而不是简单地给出几行代码。比如，在讲解ANOVA的时候，会不会深入解释F检验的逻辑，以及如何解读P值和置信区间？在讲解主成分分析的时候，会不会讲解其降维的原理以及如何评估主成分的解释能力？这些深层次的理解，才能让我真正地掌握SAS，而不是变成一个只会复制代码的“码农”。我还特别期待它能在“数据挖掘”和“预测建模”方面有所着墨，因为这些都是当前数据分析领域的热点。如果这本书能在这方面提供一些SAS的实现方法和实例，那将是极大的惊喜。目前看来，这本书的篇幅不小，内容应该很丰富，我正一步一步地跟着它学习，希望它能帮助我打开SAS统计分析的新天地。
评分这本书的排版和设计，给我的第一印象就挺舒服的。虽然我还没有深入到每一个细节，但整体的逻辑结构和章节安排，感觉还是比较合理和清晰的。尤其是在介绍一些比较抽象的统计概念时，作者似乎尝试用比较直观的方式来解释，这对我这种非统计科班出身的人来说，是个福音。我之前在学习其他统计软件的时候，常常会遇到一个问题，就是书上讲的理论知识很扎实，但到了实际操作的时候，总感觉跟书本脱节。这本书能不能做到理论与实践的有机结合，是我非常关注的一点。我希望它不只是简单地罗列SAS代码，而是能在每一段代码的背后，解释清楚它对应了哪个统计原理，为什么这样写能够达到我们想要的效果。比如，在讲卡方检验的时候，是不是会顺带解释一下卡方统计量的分布以及它的应用前提？在讲解聚类分析的时候，会不会对比不同聚类方法的优缺点，以及在实际数据中如何选择最合适的算法？这些都是我学习过程中的“知识盲区”。另外，这本书在案例的选择上，有没有一些比较有代表性的，涵盖不同行业和领域？这样我才能更好地理解SAS在不同场景下的应用。我期待它能提供一些“进阶”的内容，不仅仅是基础的统计分析，更能触及一些更复杂的模型，比如时间序列分析、生存分析，或者是一些机器学习在统计学中的应用。如果它能在这方面有所建树，那这本书的价值就大大提升了。目前我还在摸索阶段，但希望这本书能够真正成为我提升SAS统计分析能力的“垫脚石”。
评分这本书，对我来说，不仅仅是一本教程，更像是一个能够带领我深入SAS统计分析世界的向导。《SAS常用统计分析教程（第2版）》这本书，我最看重的是它能否提供一些“融会贯通”的视角。我希望它在讲解SAS的每一个统计分析方法时，都能将其置于更广阔的统计学理论体系中，并且能够与SAS的其他功能模块（如数据管理、宏编程、可视化等）进行有机结合。我特别想知道，它在讲解SAS进行假设检验时，是否会深入探讨各种检验方法的统计学原理，以及SAS在实现这些检验时的注意事项？比如，在进行t检验或ANOVA时，SAS是如何计算检验统计量的？在进行卡方检验时，SAS如何处理连续性校正？这些细节的深入解释，对我理解SAS的统计分析逻辑至关重要。而且，我希望这本书能提供一些关于如何利用SAS进行“深度探索性数据分析”（EDA）的技巧，比如如何通过SAS的宏和过程来自动化一些常用的EDA步骤，或者如何利用SAS进行异常值检测和处理。这些都能大大提高我分析的效率和质量。我期待这本书能够成为我SAS统计分析的“终极指南”，让我在面对任何复杂的数据问题时，都能找到最恰当、最有效的SAS解决方案。从目前的初步阅读来看，它在基础知识的讲解上做得比较扎实，但它在提供解决复杂实际问题的“综合性策略”方面，还有待我的进一步探索。
评分这本书的面市，无疑为我这类希望在统计分析领域精进的从业者，提供了一份宝贵的学习资料。我关注的重点在于，它能否在SAS的实际应用中，提供一些“独门秘籍”般的技巧，让我在处理复杂数据时，能够游刃有余。我希望它在讲解SAS的各个统计过程时，不仅仅是给出标准化的流程，更能深入挖掘SAS的一些高级特性，比如它在数据可视化方面的潜力，或者是在处理大规模数据集时的性能优化技巧。我个人非常看重统计分析结果的可解释性，所以，我希望这本书在讲解各个统计方法时，能够清晰地阐述其假设前提、适用条件，以及如何对结果进行审慎的解读。例如，在进行时间序列分析时，它是否会详细介绍ARIMA模型的各个参数的含义，以及如何通过残差分析来检验模型的拟合优度？在进行生存分析时，它是否会详细解释Kaplan-Meier曲线的绘制和log-rank检验的原理？这些细节的补充，对于我建立扎实的统计学理论基础至关重要。此外，我一直觉得，学习SAS的过程，也是一个不断尝试和优化的过程。所以，我希望这本书能提供一些“避坑指南”，或者是一些在实际操作中可能遇到的常见错误及其解决方法。这能大大节省我摸索的时间，让我更快地投入到实际应用中。从目前的阅读体验来看，这本书在基础知识的铺陈上做得还不错，但能否满足我在高级统计分析方面的需求，还需要进一步的验证。我期待它能成为我工作中的得力助手，帮助我解决那些棘手的数据难题。
评分这本书，我早已耳闻其名，一直想找机会深入学习。我购买《SAS常用统计分析教程（第2版）》的初衷，是希望它能帮助我系统地梳理SAS在统计分析领域的应用，尤其是在我工作中经常会遇到的一些“疑难杂症”。我非常看重教程的“系统性”和“深入性”。我希望它在讲解SAS的各个统计过程时，不仅仅是罗列程序，更能深入剖析其背后的统计学原理，以及SAS是如何实现这些原理的。例如，在讲解广义线性模型（GLM）时，它是否会详细解释不同连接函数（如log, logit, identity）的含义和适用范围，以及如何对模型进行拟合优度和残差诊断？在讲解非参数统计方法时，它是否会对比各种非参数检验（如Wilcoxon秩和检验、Kruskal-Wallis检验等）与参数检验的异同，以及在SAS中的实现？我还特别关注SAS在进行因果推断方面的应用，比如它是否会介绍一些SAS的程序来估计倾向得分匹配（PSM）、工具变量法（IV）等，并且对结果进行详细的解读？这些都是我工作中常常需要面对但又觉得不够得心应手的领域。我期待这本书能帮助我建立起更加坚实的统计学理论基础，并且能够熟练地运用SAS来解决更加复杂和前沿的统计分析问题。从目前的初步阅读来看，它在基础知识的讲解上做得比较到位，但它在提供解决复杂实际问题的“深度策略”方面，还有待我的进一步探索。
评分我购买《SAS常用统计分析教程（第2版）》这本书，是抱着一种“温故而知新”的心态，希望能在已有的SAS基础上，进一步提升我的统计分析能力。我一直认为，SAS的强大之处在于其灵活性和深度，而这本书能否挖掘出这种潜力，是我非常关注的。我希望它在讲解SAS的常用统计分析方法时，能提供比官方文档更具人文关怀的解释，比如，它能否结合一些生动的案例，来阐述这些统计方法是如何在现实世界中发挥作用的？我特别想知道，它在讲解数据预处理和探索性数据分析（EDA）方面，是否有提供一些创新的方法或高效的SAS代码模板。因为在我看来，高质量的EDA是后续统计分析成功的基础。而且，我一直对SAS在进行高级统计建模方面的能力感到好奇，比如，它在进行多层次模型分析、面板数据分析，或者是非参数统计分析时，是否有提供详细的SAS实现步骤和结果解读的指南？这些都是我工作中经常会遇到的，但又觉得不够得心应手的领域。这本书的篇幅看起来很可观，我希望它能包含一些SAS程序的调试技巧，以及一些关于如何提高SAS代码运行效率的建议。毕竟，在处理大数据集时，程序的运行速度往往是制约分析效率的关键因素。我期待这本书能够为我打开SAS统计分析的“任督二脉”，让我在面对各种复杂的数据问题时，都能找到有效的解决方案。目前的初步翻阅，让我对它在基础统计概念的阐释上比较满意，但它在挖掘SAS的深层应用潜力方面，还有待时间的检验。
评分很详细
评分六面平平，八角尖尖，包装得很硬实！没有损坏，纸质也挺好！喜欢！
评分不解释，好书，比较全面，不过没有光碟，第1版还有的
评分好用好用好用好用好用好用
评分没有光盘，学习中，
评分值得拥有，讲的比较全，看完之后会对统计基本原理有个清晰掌握的感觉！分类分的比较好（关键点）
评分书很好，讲解很到位，高级统计学部分希望以后能更新
评分非常好，很喜欢，学习了，相信京东的品牌
评分这本书的第二章节就出现了大量的低级错误，有些代码无法执行，需要进行一些修改，因为错误低级，所以推测作者没有对这本书的代码进行测试。
相关图书
![数据驱动建模及科学计算――复杂系统和大数据处理方法 [Data-Driven Modeling and Scientific Computation: M] pdf epub mobi 电子书 下载](https://pic.windowsfront.com/12106998/5885700dN410ccbf1.jpg)
![人体解剖生理学（第2版）/普通高等教育“十一五”国家级规划教材 [Human Anatomy and Physicology] pdf epub mobi 电子书 下载](https://pic.windowsfront.com/10858155/5652a699N824b3234.jpg)
![21世纪MBA规划教材·数据、模型与决策：基于Excel的建模和商务应用（第2版）（附CD-ROM光盘1张） [Data,Models and Decisions] pdf epub mobi 电子书 下载](https://pic.windowsfront.com/11220538/rBEQWVF3LrIIAAAAAAmdAg4gMZwAAE0FgF_2MEACZ0a868.jpg)
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 book.coffeedeals.club All Rights Reserved. 静流书站 版权所有