1、平衡和不平衡的设计。
2、多元方差分析和重复测量。
3、线性模型。
1、用于广义线性模型的内置贝叶斯建模和推断、加速的失效时间模型、Cox 回归模型和有限混合模型。
2、可用于通用 MCMC 模拟程序的多种贝叶斯模型。
3、贝叶斯离散选择建模。
1、列联表和关联测度。
2、生物测定分析。
3、广义线性模型。
1、倾向评分分析。
2、因果处理效应估计。
1、多元数据或距离数据的层次聚类。
2、大型数据集的相斥式聚类。
3、非参数聚类与集群数量假设检验。
1、盒须图。
2、直接和间接计算研究人群的标准化比率和风险。
1、典型判别分析。
2、逐步判别分析。
单变量和双变量核密度估计。
1、用于众多基于单路和 n 路频率表的测试统计和测量的精确 p 值和置信区间。
2、逻辑回归模型参数精确测试。
3、泊松回归模型参数精确测试。
1、组件分布和混合概率建模。
2、极大似然法和贝叶斯方法。
1、期中分析设计。
2、进行期中分析。
1、14 SAS/STAT 程序是多线程的。
2、12 SAS® 高性能统计程序可通过 SAS/STAT 实现单机使用。
1、边际模型和混合模型。
2、连续和分类结果。
1、简单和多元对应分析。
2、双路和三路度量和非度量多维尺度模型。
3、离散选择模型。
1、多重补缺。
2、加权广义估计方程。
3、调查数据补缺。
1、线性和非线性混合模型。
2、广义线性混合模型。
3、嵌套模型。
1、线性模型。
2、广义线性模型。
3、分位数回归模型。
1、探索性和验证性因素分析。
2、主成分分析。
3、典型相关性和部分典型相关性。
1、自动衍生工具。
2、自助置信区间。
1、Kruskal-Wallis、Wilcoxon-Mann-Whitney 和 Friedman 测试。
2、用于平衡或不平衡单路或双路设计的其他等级测试。
3、众多非参数统计的确切概率。
1、多元自适应回归样条。
2、广义加法模型。
3、局部回归。
4、薄板平滑样条。
1、假设检验。
2、预测图。
3、评分。
1、线性模型计算,包括 MANOVA 重复测量。
2、众多假设检验、等效检验和关联分析计算。
3、二元逻辑回归和生存分析计算。
1、分类和回归树。
2、将数据划分为训练、验证和测试集。
3、现代模型选择方法,例如弹性网和组 LASSO。
1、多维尺度法。
2、联合分析与变量转换。
3、项目反应理论 (IRT) 模型。
1、单纯形、内点和平滑算法。
2、删失数据分析。
3、线性回归模型的模型选择。
1、最小二乘回归。
2、主成分回归。
3、二次响应面模型。
4、病态数据的准确估计。
1、M 估计和高分解方法。
2、离群值诊断。
1、二维普通克里金法。
2、空间点模式分析。
3、变异函数诊断。
18 种标准化方法。
1、众多可用于分析的统计图。
2、提供定制服务。
3、基本 SAS“SG”程序可创建用户指定的统计图形。
1、使用流行建模语言的指定结构方程模型。
2、约束和无约束问题参数估计和假设检验。
1、样品选择。
2、描述性统计。
3、线性和逻辑回归。
4、比例风险回归。
5、缺失值填充。
1、非参数生存率函数估计。
2、竞争风险模型。
3、加速的失效时间模型。
4、比例风险模型。
5、间隔删失数据分析。