2023年，一起来读‘统计札记’！

点击下方公众号，回复资料分享，收获惊喜

统计札记 1:  我们应该学统计编程吗？

一家之言：应该。作为一个科研人员，用短时间的投入，获得此后职业生涯中高频使用的技能，不仅可以提高研究质量，还可以节省大量时间。

统计札记 2：如何选择统计分析软件？

一家之言：新药临床试验，首选SAS；机器学习，首选Python；有钱想省心，首选SAS；没钱爱折腾，首选R；毕业拿文凭，发文升职称，SPSS。

统计札记  3: 利用“速查表”学习统计编程

很多时候，刚开始接触编程时，一些常用的关键词，语法，总是记不住。如果手头有一张“速查表”（cheat sheet），时不时的查阅一下，几次之后，通常就熟悉记住了。分享一个SAS初学者的“速查表”。

统计札记 4:  R语言的“速查表”

安装Rstudio后，在Help->Cheatsheets 下，即可获得高质量的R 语言“速查表”。更多的速查表，可在 Rstudio 官网  上下载。

统计札记 5：养成良好的编程习惯

医药行业里，基本都听说过GCP，知道临床试验需要有良好质量管理规范。其实，统计编程也一样。因此，有一个术语叫GPP，即良好的编程实践（Good Programming Practices）。如何才是GPP呢？分享一个文件《Good Programming Practices in Healthcare Creating Robust Programs》。

统计札记  6：R语言编程规范

Hadley Wickham 是 Rstudio的首席科学家，也是诸如 ggplot2, tidyverse 等一系列 R 包的作者。其代码风格，有一套完整的体系，这就是《The tidyverse style guide》，这个R代码风格指南，也是 google 所推崇的。

统计札记 7:  SAS绘图其实并不难

提到 SAS 绘图，很多人固有的概念是太难学，太死板，太难看，其实从 SAS 9.2 引入ODS 绘图后，SAS的绘图越来越好。如果你对 SAS绘图还心存畏惧，不妨读一读《如何又快又美地用 SAS 画各种统计图形？》

统计札记 8：SAS ODS 绘图 速查表

The Little SAS Book 的两位作者 Susan J. Slaughter 和 Lora D. Delwiche 在其 SAS Global Forum 2015 的文章里Graphing Made Easy with SG Procedures 里用 5 张表格对ODS绘图做了非常好的总结，非常便于查找。征得作者允许后，我将其翻译成了中文版。

统计札记 9：偏倚风险评估工具第二版

做 RCT 的 Meta 分析时，需要针对偏倚风险做评估，Cochrane 对此有专门的工具，目前已经更新到了第二版版，即 RoB2。RoB2 相对 RoB 在命名，以及评估上，都所不同，值得注意。

统计札记 10：RoB 2 vs RoB 1

偏倚风险评估工具第二版（RoB2）与第一版最大的不同是：RoB2是针对每一个结局做偏倚风险评估，而RoB1是针对纳入的研究做偏倚风险评估。

统计札记 11：诊断研究的meta分析工具

对于诊断研究的meta分析，有什么好的工具吗？推荐阅读 Junfeng Wang. Journal of Laboratory and Precision Medicine 2019, 4, 22-22.

统计札记 12：生存曲线的校正

对于生存数据，单因素分析时，通常绘制K-M曲线，多因素分析时，则通过 Cox 模型计算校正的HR。其实，如果能够同时展示校正的K-M曲线，那结果将会更加生动。如何做校正的K-M，分享一篇小综述。

统计札记 13：生存曲线校正的软件实现

SPSS, Stata, R ，SAS 都可以实现生存曲线的校正。其中的逆概率加权法，是比较推荐的方法，也很容易在 R 的 RISCA 包 通过 ipw.survival  函数实现。具体见分享的文献。

统计札记 14：SAS 中 IPW法的生存曲线校正

熟悉 IPW 法的原理的话，在 SAS 中也很方便实现 IPW 法的生存曲线校正。分享一个SAS 宏程序的实现版本。

统计札记 15：SAS 的图形化绘图界面

自 SAS 9.2 引入ODS 绘图后，SAS 其实有一个图形化的绘图界面：ODS graphics designer。通过此界面，SAS 不仅可以像 SPSS 那样进行菜单式绘图，同时还可以获得图形背后的SAS代码（确切说是GTL代码）方便以后复用。如何操作呢？只要运行 %sgdesign 两次，即可启动 ODS graphics designer。

统计札记 16：趋势检验

趋势检验在医学研究中非常普遍，其中Cochran-Armitage Trend Test 是最为常用的一种。分享一篇SAS  paper，详解 及原理及SAS 中的实现。

统计札记 17：因果推断的科普书

“相关不等于因果”这是统计人员耳熟能详的一句话。统计人员对于谈论“因果”也一直比较避讳。关于因果推断，目前已经有很多专著了，最新又火了一本新书 《 The Book of Why: The New Science of Cause and Effect》，中文版《为什么》也上市了。推荐感兴趣的伙伴阅读。

统计札记 18：SAS 加载数据出现错误的可能原因之一

SAS 在加载别人的SAS 数据集时，有可能出现错误，其中一个原因就是数据集绑定的格式 丢失，此时只需要在程序最前面加一行option nofmterr； 代码即可。

统计札记 19：SAS 加载数据出现错误的可能原因之二

SAS 在加载别人的SAS 数据集时，有可能出现错误，这其中除了数据格式 丢失，还有可能就是数据编码不对应导致。此时，只需要在数据集选项里用encoding= 指定其编码格式即可。比如 data=tmp(encoding = "EUC") 。

统计札记 20：如何让SAS变量名支持中文名称？

默认的SAS命名规则中，SAS变量名和数据集名是无法使用中文等特殊字符的，不过我们可以通过options validmemname=extend validvarname=any 系统选项，突破此限制。

统计札记 21：快速清理SAS的结果窗口

当SAS结果窗口结果太多，希望尽快清理干净，从一个干净清爽的界面重新开始时，dm命令就可以派上用场了。具体代码如下：dm odsresults "clear"continue;。

统计札记 22：逃离 SAS 的 “黑洞”错误

运行任何 SAS 代码，SAS 结果窗口都没有任何反应，也没有任何错误反馈，只是在 log 里重复显示运行的代码，此时就是中了“黑洞”错误。解决的方法有两个，一个是重启SAS，另一个是重复 运行 *';*";*);*/;%mend; run; 直到 log 中出现错误提示。

统计札记 23：压缩 SAS 数据集，节约磁盘空间

如果SAS 数据集过大，想节约磁盘空间，可以采用系统选项 options compress=yes 来创建压缩的数据集，节约磁盘空间，效果显著。

统计札记 24：启动 Rstudio 时白屏的解决方法

启动 Rstudio 时白屏，先检查 R 是否安装在全英文目录下，如果是，则可能是安装了多个R 版本导致，解决方法是：启动 Rstudio 时按住ctrl 键，选择一个对应的R版本即可。

统计札记 25：在 Rstudio 中交互式的学习R

在Rstudio中交互式的学习R，推荐两个方式：一个是 swirl包，另一个是 learnr包。Rstudio官方还基于 learnr包 做了一个Tutorial。安装 learnr 包后，可在 Rstudio 的 Environment 面板找到 Tutorial。

统计札记 26：Rstudio中最为常用的快捷键

Rstudio 为R 用户提供了非常便利的使用环境，在写R代码时，我有两个非常高频的快捷键。一个是用 Alt和-键，输入R语言中独特的赋值符号 <-；另一个就是在 Rmd 文件中，利用 Ctrl+Alt+I插入代码块。

统计札记 27：官方免费在线的 SAS

如果只是想体验下 SAS ，不想/无法 安装 SAS 软件，或者自己的SAS 版本不够新，可以在 https://welcome.oda.sas.com/login 注册一个账号，尝试下 SAS 官方的免费云端版 SAS。

统计札记 28：免费在线的R

相比SAS, R的安装要简单许多。如果你连R也不想安装，只是想体验下，网上也有很多免费在线可用的R，推荐一个最根正苗红的，那就是 Rstudio 出品的 RStudio Cloud(https://rstudio.cloud/)。

统计札记 29：MOR, 一个有意思的指标

RR, OR, HR 对于医学领域的研究者来说，应该都不会陌生。最近看文献，碰到一个刻画多水平数据变异的指标MOR（Median OR）， 简单来说，其含义是在两个不同的大环境中各随机抽取1个体，其发生某种事件的Odds 的比值。MOR经常用于描述带群组效应的二分类变量的变异水平。

统计札记 30：SAS 里面的因果推断工具

当你看到 Z ==> X ==> Y 这种SAS 语句时，你肯定奇怪，竟然还有这种 SAS 语句？确实有，这其实是 SAS 做因果推断绘制因果图专用过程 PROC CAUSALGRAPH 的独特语句格式。除此之外，SAS 还有几个专门做因果推断的过程，比如 PROC CAUSALTRT 和 PROC CAUSALMED。

统计札记 31：关于带误差限的折线图

绘制带误差限的折线图时，其思路是：先计算出上下限，然后绘制折线及折线上的点和high-low bar。不过，现在的统计软件包，无论是SAS , 还是R， 其实都可以一步到位。SAS 里，借助 Proc sgplot 过程中vline 语句的limits=both limitstat = stddev选项 直接指定误差项的方向和种类即可。R里，借助ggplot2包中的 geom_line(), geom_point(), 以及 geom_errorbar() 亦可轻松实现。

library(ggplot2)
ggplot(mtcars, aes(x = cyl, y = mpg, color = factor(am))) +
  geom_point(stat = 'summary', fun.y = 'mean') +
  geom_line(stat = 'summary', fun.y = 'mean') +
  geom_errorbar(stat = 'summary', width = 0.1)

统计札记 32：SAS 版本号的小秘密

SAS 的版本号，有两种，一种如 9.4 这种短版本号；另一种如  9.4 TS1M5 这种长版本号。长版本号中，TS 表示 technical support, M 表示 maintenance.  TS, M 都是 SAS 的小版本号迭代。

统计札记 33：如何查看 SAS 版本

在启动 SAS 后的log 窗口中的NOTE信息中可以看到，此外也可以通过 %put &SYSVLONG; 获得 长版本号，通过 %put &SYSVER;获得短版本号。

统计札记 34：SAS模块的版本号

SAS 的各个模块，也有自己的版本号。比如，用于统计分析的模块SAS/STAT的目前最新版本号为15.2。就SAS/STAT来说，每次更新，有可能强化一些已有的PROC，也有可能增加一些新的PROC，具体情况可以查看 What’s New in SAS/STAT。

统计札记 35：SAS中如何获得 95% CI?

对于均数，可在proc means 过程增加 mean clm 选项即可；对于率指标，可在proc freq 的 table语句中增加 binominal 选项。

proc means data=sashelp.class mean clm;
    var age;
run;

proc freq data=sashelp.class; 
   table sex/binominal;
run;

统计札记 36：推荐两个SAS 论文资源

很多时候，对于某个统计方法的编程实现，或者某个SAS过程的使用技巧无从下手，我们可以检索下SAS论文：（1）Lexjansen；（2）SAS 的 SGF 大会论文

统计札记 37：SAS绘图的 macro

心理学教授，美国统计学会会士 Michael Friendly 的个人网站 www.datavis.ca上，有大量关于统计绘图的成套的macro，虽然有些老旧，但或可一用。

统计札记  38：UCLA的统计软件科普资源

加州大学洛杉矶分校的数字研究与教育所（UCLA-IDRE），专为研究者提供了一整套的统计教育资源，包含R, Stata, SAS, SPSS 以及 Mplus 的配套操作，非常推荐。

统计札记 39：R的统计分析与绘图的实例代码

如果想通过示例代码，快速了解R 如何做统计分析和绘图，推荐 STHDA , 从R 的基本安装， 数据导入导出，到统计分析，绘图，都有非常短小精炼的示例代码。

统计札记 40：R 中如何快速的制作 table 1 ?

Table 1 表格的制作，其实有很多工具，R 中也有各种各样的软件包，比如 table1， tableone , 但良莠不齐，如何选择合适的软件包呢? 推荐一篇文章 : How to Easily Create Descriptive Summary Statistics Tables in R Studio – By Group，总结了近10个快速制作 Table 1 的 R 工具。

统计札记  41：SAS 中如何快速的制作 table 1 ?

SAS 当然也可以快速制作 Table 1，不过需要借助宏程序。此前，也有部分作者分享过一些SAS 宏程序制作table 1, 但易用性/可获得性不高。我曾公开过一个 SAS 宏 %ggBaseline，可以比较完美的解决table 1 的制作， 具体可见《SAS 编程演义》的 Github 代码仓库。

统计札记 42：一本关于R书的书

R有很多开源的书，但一旦多了起来，也就不好选择。于是 Oscar Baruffa 便写了一个关于 R 书的书，Big Book of R, 从各个方面总结了众多类似的R书，让读者可以快速对这些R书有一个大致的了解。

统计札记 43：大部分人都会答错的一个问题

一个简单的问题，很多人都会模棱两可，也有很多人会自信满满的答错。这个问题就是：Logistic regression 是 linear model 还是 non-linear model？先抛出一个答案：linear model. 参考文章 How to Choose Between Linear and Nonlinear Regression

统计札记  44：Linear model 与 Linear effect

线性模型（Linear model）与 线性效应（linear effect）不是两个等同的概念。线性模型里，也可以拟合非线性效应。比如说，y=a+bx^2^ 拟合出来的就是 U 型效应。

统计札记 45：查看 SAS 安装的模块

想要了解你的SAS安装了哪些模块，以及各模块的版本，可以采用下面的SAS 语句。

proc product_status;
run;

统计札记 46：查看 SAS 许可的模块

安装的模块，不等于可用的模块。想要了解你的SAS获得了哪些模块的许可，以及各模块的到期的期限，可以采用下面的SAS 语句。

proc setinit;
run;

统计札记 47：巧用 SAS obs 数据集选项

在正式允许SAS程序之前，可以先用 obs 数据集选项，限定在一个小的数据集进行测试，没有问题后，再正式允许程序。

data tmp(obs=100);
    sas statement;
run;

统计札记 48：我已经很久不在 word 里面码字了

不知道大家写东西的时候，是不是还是自然而然的打开 word 。我在写 《SAS 编程演义》时，虽然也是用word，但后来深受其害。后来成熟的 markdown 工具越来越多，就再也不想在 word 里写字了。如果有好的工具或者方案能解决 markdown  中文献引用的问题，那写学术文章也能很轻便了。

统计札记 49：读入excel 文件，dbms=excel or dbms=xlsx ?

如果用 SAS import 过程导入 Excel 文件时，我们可以设置  dbms=excel  或者 dbms=xlsx，但这两者有何区别呢?  反正我会推荐后者。因为，当你的数据列很多时，用  dbms=excel  就有危险了。

统计札记 50：哪里写 SAS 代码 舒服?

我们可以在 SAS 的 enhanced editor 里写，也可以在 SAS studio 里写， 还可以在 SAS EG 里。大部分人用前者较多，因为测试代码快捷方便，如果你写边代码SAS 边给你补充提示，那不妨试试后两者。

统计札记 51：代码的稳定与发展

5年前的SAS 代码，现在拿出来，跑起来丝毫没有问题。1年前的R代码，现在一跑，各种报错。唉，不得不感叹，更新迭代太快，也是一个烦恼。

统计札记 52:  更新 SAS SID 的秘诀

打开 google,  输入 filetype: txt SID_header SAS 9.4 WX64 2021, 你就可以获得网络上分享的 SAS 9.4, Windows 64 位操作系统， 2021年到期的 SAS  SID了。其它的情况，可以做相应的替换，比如操作系统版本（LIN X64），比如到期的时间等。

统计札记 53：快速标化数据

很多的统计分析过程，比如主成份分析，都建议先对数据进行标化。我们可以手动操作，即每个变量都减去其均数后再除以其方差。不过SAS 中有一个过程，可以非常方便的进行数据标化，那就是 proc stdize。

proc stdize data=sashelp.class out=stdclass;
   var age weight height;
run;

统计札记 54：快速填补缺失值

SAS 的 proc stdize 过程，本意用于数据的标化，不过，利用 missing选项，它还有一个妙用：连续变量缺失值的填补。可以设定用均值或者中位数填补，也可直接指定一个具体的值填补。

proc stdize data=sashelp.heart  out=impheart missing=mean  reponly oprefix sprefix=imp_;
  var Cholesterol;
run;

统计札记 55：POSIT::CONF( )

喜欢 R 的同学，不要错过了 R 的盛会， posit 公司每年举办的 posit::conf ()。全程24 小时，全球 50 多位讲者， 通过网络分享关于 R 和 Rstudio 的一切话题。

统计札记 56：快速熟悉一个SAS数据集

要想快速熟悉一个 SAS 数据集里面的变量内容，一个途径是打开数据集直接查看，另一个是右击数据集，选择 View clumns 。不过这些都是权宜之计，长久之法是，用 proc contents 直接 打印出所有的变量，保存起来。

proc contents data=sashelp.class order=varnum;
run;

统计札记 57：熟悉 SASHelp 库下的数据集

SASHelp 逻辑库下有很多SAS 自带的数据集，熟悉其中的数据集，对我们做一些测试非常有帮助。比如 class 数据集，我经常用其做一些编程测试；heart 数据集，可以用来拟合一些统计模型；cars 数据集，可以用来做绘图测试。

统计札记 58：SAS 出版社出版的一本科技英语写作书

你可能不相信，其实SAS 出版社出版过一本科技英语写作的书，书名就是 The Global English Style Guide: Writing Clear, Translatable Documentation for a Global Market。其实 SAS 的官方文档，一直以高质量著称，因此出一本高质量的科技英语写作，也就不足为怪了。

统计札记 59：SAS 数据集中变量与观测的操作

SAS 数据集中变量与观测的操作，我们用 3 个阶段 2 种类型来总结，所谓 3 个阶段可以归纳为：①读入阶段；②编程阶段；③输出阶段；所谓 2 种类型是指：①可以对行进行操作；②也可以对列进行操作。

统计札记 60: SAS 数据集中变量与观测的操作续

SAS 数据集中变量与观测的操作，我们用 3 个阶段 2 种类型来总结。
（1）在读入阶段，数据读入缓冲区进入 PDV 之前，我们可以对变量进行筛选、重命名，对观测进行筛选。
（2）在编程阶段，数据进入 PDV 之后，我们可以对观测进行筛选、对变量执行其他操作（如生成、分组等）以及对变量进行筛选、重命名。
（3）在输出阶段，数据出 PDV 到输出数据集，我们可以对变量进行筛选、重命名，对观测进行筛选。

统计札记 61：SAS 中变量重新分组切割

在生成新变量时，我们经常需要依据条件语句进行条件赋值。大众最先想到的办法是 if-else 及其嵌套。其实，除了 if-else, 我们有更好的选择，比如：SELECT-WHEN， SELECT-CASE 以及 format 。

统计札记 62：哥伦比亚大学的中介分析资源

哥大有几位专注中介分析的教授 Linda Valeri, Caleb Miles 等， 开了一个暑期线上培训班，培训班太贵，但他们还弄了一个网站，里面有些不错的资源：https://www.publichealth.columbia.edu/research/population-health-methods/causal-mediation， 对于想了解中介分析的，很有帮助。

统计札记 63：哈佛大学的中介分析课程

哈佛大学 的Tyler VanderWeele 在中介分析领域，提出很多重要原创性思想， 也是著作 Explanation in Causal Inference 的作者。其主页上：https://www.hsph.harvard.edu/tyler-vanderweele/tools-and-tutorials/ 有很多关于中介分析的资源，其中有一个 一天的中介分析培训班的视频，已经在 YouTube 上公开。

统计札记 64：多个中介变量的中介分析

传统的中介分析，往往只讨论一个中介变量，当同时有多个中介变量时，如何估算中介效应呢？可参考Linda Valeri 的 CMAverse R 包：https://bs1125.github.io/CMAverse/index.html

统计札记 65：SAS 中的中介分析工具

SAS 中有个一个专用的中介分析过程 proc causalmed, 顾名思义，过程名是 causal mediation的缩写。其用法主要通过model, mediator, covar 三个语句分别指定模型，中介变量和协变量。不过SAS 的这个过程，目前仅支持一个中介变量。

统计札记 66：SAS 函数的名称

SAS 中的很多函数、例程都是家族式的，长得非常相似，功能也比较接近，比如：FIND、FINDC、FINDW，INDEX、INDEXC、INDEXW等，末尾的“C”代表“Character”（字母）, “W”代表“Word”（单词）。此外还有CATS 、CATT、CATX中的“S”、“T”、“X”分别代表“Strip”(掐头去尾)、“ Trailing”（去尾）、“Extend”（扩展），此外还有函数末尾有“N” （数字型） 或“C”（字符型），如 PUTN, PUTC。

统计札记 67：SAS 如何赋值为缺失值

SAS中，有同学经常用 var =“”或者 var =. 来为变量赋缺失值，其实有一个更稳健的做法。call missing(var); 这也是例程妙用的一个小例子。

统计札记 68 ：SAS 中的倾向性评分工具

以前在 SAS 里面做倾向性评分，只能自己组合 data 步 和  proc 步，其实 psmatch 过程出来后，基于ps 得分，无论是做PSM，还是IPW, 都非常方便。不要被 psmatch 这个名字给骗了。

统计札记 69：SAS 的 Stat Topic 资源

SAS 官方整理的，统计话题资源，对于经常使用SAS做统计分析的人来说，可以临时检索备用，也可以系统的过一遍。地址：https://support.sas.com/rnd/app/stat/procedures/psmatch.html

统计札记 70：为什么变量越多，ROC 反而下降?

在做多因素模型的时候，一定要注意先检查单个变量的缺失情况及分布状况，否则容易出现一些反常的结果。比如，增加预测因子的个数，ROC 反而下降了，其原因很可能就是因为缺失值导致每次纳入模型的观测数不一样了。

统计札记 71：关于 Brier Score 的取值范围

预测模型中，常用 Brier Score 来作为模型的校准度指标来评价模型的预测性能。Brier Score 的计算其实非常简单：模型预测的概率（0~1）与实际观察的结果（0或1）的差值的平方。由此可知：Brier Score 的取值范围是其实是 0~1。

• 取值为 0 时，表示所有的预测分毫不差；

• 取值为 1 时，表示所有的预测截然相反；

• 取值为 0.25 时，那就相当于随机猜测的结果，模型也就毫无预测价值。

统计札记 72：SAS 的 图形化编辑器

SAS ODS Graphics 编辑器需要在 ODS Destination 里用 SGE=ON 设置打开。设置后，再生成 ODS Graphics 时，就会生成可编辑的 ODS SGE 文件。在结果树形目录里，可以看到生成的SGE文件，双击即可启动 SAS ODS Graphics 编辑器对图片进行简单的编辑工作。

ods html sge=on;
ods graphics on/width=20cm height=18cm  noborder 
                imagename="failureplot"  outputfmt=jpg;
proc lifetest data=sashelp.bmt plots=(s(f));
    time t*status(0);
    strata group;
run;
ods html sge=off;

统计札记 73：SAS 连续变量重新分组切割 （1）

此前提及过，SAS中进行连续变量的分割，有多种方法。其中最容易想到的一种方法便是 if-else 语句。以 BMI 来判断肥胖程度为例。

data Obese;
    length status $ 15; /*指定字符长度*/
    set sashelp.class;
    BMI= weight*0.4536/(height*0.0254)**2;
    if BMI<18.5 then Status="Underweight";
    else if BMI<25 then Status="Normal";
    else if BMI<30 then Status="Overweight";
    else Status="Obese";
run;

统计札记 74：SAS 连续变量重新分组切割 （2）

此前提及过，SAS中进行连续变量的分割，有多种方法。以 BMI 来判断肥胖程度为例，今天分享第二种方法：SELECT-WHEN 。

data obese;
    length status $ 15; /*指定字符长度*/
    set sashelp.class;
    BMI= weight*0.4536/(height*0.0254)**2;
    select ;
    when(BMI<18.5) Status="Underweight";
    when(BMI<25) Status="Normal";
    when(BMI<30) Status="Overweight";
    other Status="Obese";
    end;
 run;

统计札记 75：SAS 连续变量重新分组切割 （3）

此前提及过，SAS中进行连续变量的分割，有多种方法。以 BMI 来判断肥胖程度为例，今天分享第三种方法 ：SELECT-CASE 。

proc sql;
    create table obese as
    select *, weight*0.4536/(height*0.0254)**2 as BMI,
    case when(calculated BMI<18.5 ) then "Underweight"
         when(calculated BMI<25)    then "Normal"
         when(calculated BMI<30)    then "Overweight"
    else "Obese"
    end as Status
    from sashelp.class;
quit;

统计札记 76：SAS 连续变量重新分组切割 （4）

此前提及过，SAS中进行连续变量的分割，有多种方法。以 BMI 来判断肥胖程度为例，今天分享第四种方法 ：自定义格式 。

proc format;
    value obefmt low-18.5="Underweight"
    18.5-<25="Normal"
    25-<30="Overweight"
    30-high="Obese";
run;
data obese;
    length status $ 15;
    set sashelp.class;
    BMI= weight*0.4536/(height*0.0254)**2;
    Status=put(BMI,obefmt.);
run;

统计札记 77：GitHub 与 R

不知道大家对“可重复性研究”有何感想。要实现“可重复性研究”，需要有：运行的计算机环境、研究数据、以及脚本代码。此外，如何做好版本管理也是一个问题。因此，GitHub可能是一个必备的技能。对于常用R的统计分析人员， 这里有一份非常详细的关于 GitHub 的指南：https://rfortherestofus.com/2021/02/how-to-use-git-github-with-r/

统计札记 78：dplyr 发布了三个升级版本

Hadley Wickham 的 dplyr 包 发布了三个升级版本：（1）支持多核的 multidplyr；（2）支持 data.table 的dtplyr；（3）支持 SQL 的 dbplyr 。具体：https://www.tidyverse.org/blog/2021/02/dplyr-backends/。

统计札记 79：生存分析中的竞争风险

生存分析中，当有多个结局事件时，且某结局事件的发生会影响甚至阻止其它结局事件的发生，此时就会存在竞争风险。针对竞争分析，常用三种分析策略: (1) 复合终点; (2) 原因别风险; (3) Fine-Gray模型。三种分析策略的总结见下表：

处理策略	具体方法	解读
复合终点	-  K-M估计曲线   -  Log-rank检验   - Cox比例风险函数	- 联合事件不一定  具有临床意义，可解释性差   - 无法精细分析  各成分事件，造成信息损失
原因别风险	- Nelson-Aalen累积风险曲线 - Gray’s检验   - 原因别风险函数	- 将其它事件视为删失，分别对每个事件采用传统Cox回归 - 适合病因学问题   - 相对作用
Fine-Gray模型	- Nelson-Aalen累积风险曲线 - Gray’s检验   - 次分布风险函数	- 发生其它事件的研究对象仍纳入风险集，估计关注事件的CIF   - 适合预测预后问题   - 绝对效应

统计札记 80：生存分析中的竞争风险分析的软件实现

针对竞争风险分析的软件实现，比较方便的是借助 SAS 的 proc lifetest 和 proc phreg 两个过程，或者 R 软件的 Survival/rms 和 cmprsk / riskRegression 软件包。具体总结如下：

处理策略	内容	R  软件操作	SAS软件操作
复合终点	- K-M估计曲线 - Log-rank检验   - Cox比例风险函数	- Survival::survfit, survminer::ggsurvplot   - Survival::survdiff   - Survival::coxph, rms::cph	- Proc lifetest   - Proc phreg
原因别风险	- Nelson-Aalen累积风险曲线 - Gray’s检验   - 原因别风险函数	-  cmprsk::cuminc   - Survival::coxph, rms::cph - riskRegression::CSC	- Proc lifetest plot=cif   - Proc phreg 过程model 语句eventcode(cox)=  选项
Fine-Gray模型	- Nelson-Aalen累积风险曲线 - Gray’s检验   - 次分布风险函数	- cmprsk::cuminc - Survival::coxph, rms::cph,   -  Cmprsk::crr, riskRegression::riskRegression	-  Proc lifetest plot=cif   -  Proc phreg 过程model 语句eventcode=  选项

统计札记 81：Cox 模型中的比例风险假定的判定

Cox 模型中的比例风险假定判定的方法和软件操作，推荐 UCLA 的 IDRE 官方网页：https://stats.idre.ucla.edu/other/examples/asa2/testing-the-proportional-hazard-assumption-in-cox-models/。

统计札记 82：Cox 模型中基于殃残差的比例风险判定

Cox 模型中基于殃残差的比例风险判定，在SAS的 phreg 过程步中有一个非常方便的实现方法，那就是经常被大家忽略的 assess 语句。

proc phreg    data=sashelp.bmt;
     class group;
     model T * Status(0)=group /rl ;
     assess ph;
run;

统计札记 83：读 SAS help 有感

SAS help 写的真的是太良心了。虽然以前我自己也总是强调读 help 的重要性，这次我系统的读了几个新 SAS 过程步的 help，不得不得说，SAS 的 help 对是一个方法学从入门到深入的精品小综述。Overview  基本上能把方法的历史渊源，来龙去脉弄个大概；Details 能基本梳理好核心方法学要点；而 Syntax 里基本上就是告诉读者SAS配备了哪些实现这些方法的利器; 配合 Getting Started 和 Examples ，能快速掌握这些方法和代码。

统计札记 84：临床大夫科研教育的缺失

作为统计师，和临床大夫科研合作多年，一个最大的感受就是：在国内，针对临床大夫的科研教育这一块是缺失的。学生时代，流行病和统计等科研基础课程是比较敷衍，不受重视的。工作后，各种轮转，但没有专门、系统的科研思维培训教育。这样导致的后果是一部分大夫确实想做科研，但是起步艰难。他们临床很好，但要做科研，就不懂研究设计，不懂数据分析，没有章法，思维混乱。真正能够野蛮生长起来的，成为有科研思维，懂科研路数和技术的PI，真的是非常难得了。

统计札记 85：关于样本量估算（1）

样本量计算，是一个非常重要又是一个非常敷衍的话题。说非常重要，从形式上来说，是因为很多课题申请标书中，必须要有样本量计算这部分内容；从科学性上来说，样本量估算是研究设计中可以以点带面的核心“点”。说非常敷衍，是因为大部分研究课题（RCT研究除外），其实对样本量并没有，也不需要严格的统计学估算。

统计札记 86：关于样本量估算（2）

为什么说除了RCT，其他研究中样本量估算是一个很敷衍的话题。RCT，尤其是三期临床试验，目的是为了在预估的条件下，验证/否定研究假设，因此，需要严格的参数预估，样本量估算，以获得统计检验足够的把握度。但观察性研究中，大多是为了“提出假设”，此时，对于样本量，大多数情况下“就地取材，就汤下面” 即可，不必过于苛求。此外，观察性研究中，常常需要采用多因素回归控制混杂，但基于多因素回归的样本量估算，理论上比较匮乏，常见的 EPV， PPV 原则，其实只是基于模型的稳定性的要求，而非效应量做的统计模拟。

统计札记 87：关于样本量估算（3）

样本量的估算，本质是基于假设检验倒推过而来。因此，样本量估算是基于预知的“果” （效应量）来倒推现在需要满足的“因” （样本量）。如果对预知的果（效应量）的假定出现了较大的偏离，比如过分乐观估计治疗效应，基于此的研究设计在验证当初的假设时，肯定也会出现问题，这就是“搬起石头砸自己的脚”。

统计札记 88：关于样本量估算（4）

样本量的估算时，对于效应量的估计，有几个途径：（1）基于研究文献；（2）基于预实验；（3）基于临床经验。基于文献时，可以基于单篇文献，也可基于多篇文献的 meta 分析结果。但基于文献的效应估计，应考虑到临床实践和场景不同，经可能的选择研究人群、干预措施、终点指标定义和测量与自己研究一致的研究。基于预实验的预估，如果设计合理，取样足够，应该是最可靠的效应量的预估。

统计札记 89：关于样本量估算（5）

样本量估算，是研究设计中的画龙点睛之笔，唯有对研究方案有完全的了解，才能做出更加准确的样本量估算。比如临床试验里面，要考虑是优效、非劣效、还是等效性设计，非劣效设计中，非劣效界值是多少？临床实践中，脱落率大概在什么水平等？如果不说明整个研究设计，不提供基本的参数，就直接去问一个统计师，我要做一个三期临床试验，需要多大的样本量?这种问题是无法回答的。

统计札记  90：流程图的制作工具 （1）

如何选择合适的工具制作流程图？你可能会想到用 word, ppt；或许更笨重的 Microsoft Visio 。我此前推荐过 draw.io 这款小软件，制作起来非常顺手。具体可参考 这篇推文。

统计札记 91：流程图的制作工具 （2）

对于临床研究人员来说，最常用的流程图其实就是 Figure 1. Study flow chart。制作研究流程图，几乎没有什么其他的高深的统计技巧，无非就是统计各条件排除的频数及百分比。不过，这里面有一个容易踩的坑。如果分别统计各条件排除的频数，那据此相加所得的排除总人数很可能会高于实际排除的人数，因为各条件之间可能有重叠，因此比较推荐的做法是采用层次排除法。具体可见这篇推文。

统计札记 92：流程图的制作工具 （3）

其实，类似draw.io 画流程图的工具不少，比如中文软件有 processon 等。不过此类工具都有共同的缺陷：非编程，无法文本化，修改不方便。最近尝试了下 markdown 下 的 mermaid，语法简单，使用顺手，美观简洁，值得花点时间学习下。具体可参考: https://mermaidjs.github.io/ 。

统计札记 93：PRISMA 更新了

手头有 Meta 分析，准备要写 Meta 分析的同学留意了，系统评价和 Meta 分析的报告准则更新了，详情请见：The PRISMA 2020 statement: an updated guideline for reporting systematic reviews。

统计札记 94: 临床研究报告规范

不同类型的临床研究，在写作和报告时，需要遵循一些各自的注意事项，因此，研究者们针对各种类型的研究，分别开发了适宜的报告规范，比如 针对研究设计方案的SPRIT, RCT 的 CONSORT, 观察研究的 STROBE以及系统综述和 meta 分析的 PRISMA。临床预测模型，其实也有专用的报告规范 TRIPOD, 具体可见我们的案例解读：TRIPOD 解读上  及TRIPOD 解读下

统计札记 95：临床研究报告规范的解释和阐述

临床研究报告规范，除了规范本身及其 check list ，很多的报告规范还配备了解释和阐述（explanation and elaboration，E&E），这些 E&E文件，为我们更好的理解报告规范的条目内容、产生背景及背后逻辑提供了非常好的材料，是不容错过的学习素材。

统计札记 96：如何写临床研究文章的摘要

如何写临床研究文章的摘要？大部分的期刊都遵循 IMRaD（introduction, methods, results and discussion） 的模式，几乎的所有的临床研究报告规范里面，也有涉及摘要的条目，不过研究显示，大部分研究报告的摘要质量堪忧。因此，很多临床研究报告规范都为摘要部分专门设立了报告规范，比如，TRIPOD for Abstract, CONSORT for Abstract, STARD for Abstracts, 你知道的，还有哪些？

统计札记 97：临床研究报告规范的扩展

针对不同的具体研究，临床研究报告规范还有相应的扩展版本，最典型的比如 临床试验报告规范 CONSORT, 就有针对非劣效临床试验的 CONSORT Non-inferiority；针对整群设计的 CONSORT Cluster 和 Stepped wedge cluster randomised trials；针对多臂平行对照的 CONSORT for multi-arm parallel-group randomised trials；针对实效临床试验的 CONSORT Pragmatic Trials；针对 病人报告结局的 CONSORT PRO；针对 N-of-1 试验的 CONSORT-CENT；针对预实验的CONSORT for pilot and feasibility trials；还有赶时髦的 针对 AI 的 CONSORT-AI。你颤抖了嘛？

统计札记 98：关于 AI 与临床试验

大数据和AI的浪潮，已经“波及”了传统的临床试验。随着AI 临床研究设计规范 SPIRIT-AI 和 报告规范 CONSORT-AI 的发布，未来AI 将更加深入的参与临床试验。关于 SPIRIT-AI 和 CONSORT-AI, 我们已经引入并翻译后发表在了《中国卒中杂志》，详见：中国卒中杂志. 2020;15:1228-1238， 中国卒中杂志. 15:1327-1336.

统计札记 99：关于 AI 与临床研究报告规范

其实除了SPIRIT-AI 和 CONSORT-AI，还有其他更多将AI 用于医学研究的规范，比如 MINIMAR （J Am Med Inf Assoc. 2020;27:2011-2015.）， MI-CLAIM （Nat Med. 2020;26:1320-1324.），CLAIM (Radiology: Artificial Intelligence. 2020;2:1-6.)。最近，AI 用于临床预测模型的报告规范 TRIPOD-AI 也已经开始征求专家意见了。

统计札记 100：如何自己开发一个临床研究报告规范？

读了这么多临床研究报告规范，有没有突发奇想，自己开发一个？我真想过。这事其实也靠谱，遵循开发临床研究报告规范的规范，也即“meta-guideline ” 即可，还别说，真有一个，详见：PLoS Med. 2010;7:e1000217. 一起搞一个idea，做一回临床研究报告规范的开发 PI 吧？

统计札记 101：SAS 中，如何绘制组合图？

研究中，通常会把多张图片组合在一起做成一张面板（panel）图。很多的同学会先会先画出单个图，然后借助其他工具，比如 PPT 进行组合。其实，完全没有必要，面板图直接在 SAS 里即可完成。想知道如何实现，来看这篇推文 。

统计札记 102：SAS 画图，其实没有那么复杂

以前用 SAS 的人懒得用 SAS 画图，不过自从SAS  9.2 推出 ODS Graphics  System 之后，SAS 的绘图变得简单统一了。一般来说， 三行代码即可完成一张统计图形的绘制。具体可参考此前的教程

统计札记 103：怎么画一个NEJM 期刊的生存曲线？

NEJM 期刊的生存曲线， 有两个特点：曲线带 No. at risk 的表格；大图内嵌了一个局部放大的K-M曲线小图。如何通过 SAS 来直接绘制呢？第一点：No. at risk 表格，利用 SAS 自带的生存分析过程步 proc lifetest中plot选项的atrisk子选项，可以轻松实现；第二点：大图套小图，比较复杂，需要用到 GTL 啦。具体参考 这篇推文

统计札记 104：SAS 画图 是如何一步步变身 ggplot2的？

SAS 绘图的默认样式都是比较“老成稳重”的，不过利用自定义style ，可以为SAS备上各华丽的外套。我曾利用自定义style 模仿 过 ggplot2 。更换一下样式，一秒钟即可实现 统计图形的改头换面。如果你想知道细节，看SAS是如何变身ggplot2 风格的，可戳 这篇推文 。

统计札记 105：SAS 画图，如何导出符合期刊的格式

大多数期刊要求的图片的格式，无非两种格式：PDF 或者 TIFF。统计软件里面直接输出的 PDF 图 都是矢量图，放大不会变模糊，后期也方便编辑。因此，我强烈建议直接输出PDF格式，至于TIFF格式，我个人建议是能不用就别用了吧。关于 SAS 的实现方法，可戳  这篇推文

统计札记 106：SAS 画图，各种案例

我用 SAS 绘制过各种统计图形，精选了选一部分案例，希望快速上手，依葫芦画瓢的同学，请瞅 这篇推文

统计札记 107：森林图的种类

医学研究中，森林图 （forest plot）其实非常常见。我曾给森林图下这个这样一个定义：以无效线（横坐标刻度为0或1的竖线）为中心，同时结合数字、文本以及图形，以展示各研究以及汇总各研究结果，或者亚组分析、回归分析结果的综合图形。如此说来，细究的话，森林图其实至少有三种：（1）meta 分析森林图；（2）亚组分析森林图；（3）回归分析森林图。经过meta 的洗礼，大家对第一种一定不会陌生；经常读 NEJM 的 大型临床试验 paper 的话，对第二种也不会陌生。第三种，其实和第二种一样，都是将效应指标（OR, RR, HR）用带 95% CI 的 点图呈现出来而已。

统计札记 108：森林图的实现方法之Excel 大法

森林图的实现方法，多种多样。最笨（麻烦），也可能是最容易上手的方法，其实是 Excel 。我曾写过一篇教程，教大家如何用 Excel 复现 NEJM 风格的 森林图，广大的临床医生经常使用，爱得不得了。你也试试的话，参考这篇推文 。

统计札记 109：森林图的实现方法之 R 大法

森林图的实现方法, 除了此前分享的 Excel 大法，如果你会一点R，用两三行代码就能轻松解决。R 包 forestplot ，forestmodel 都提供了非常方便的函数。关于 forestplot ，可戳 这篇推文，关于 forestmodel，可戳这篇推文。

统计札记 110：森林图的实现方法之 SAS 大法

森林图的实现方法, SAS 也可以。以前SAS 画森林图需要借助 GTL , 随着 SAS 加入了 yaxistable  语句 和 indentweight 选项，即便是亚组分析的森林图， SAS 也能很好的处理了。如果你一直习惯了用 SAS, 或者好奇如何用 SAS 绘制森林图，可戳这篇推文。

统计札记 111：Big Book of R

Big Book of R  是一本R书籍的索引，目前已经收集了 200 多本 R 书籍，其中大部分都是免费开源的，推荐感兴趣的同学去扫一遍。

统计札记 112：关于 Meta 分析

Meta 分析确实是非常适合作为科研训练的入门技能。如果真的能深入理解 PI(E)COtS 准则，理清研究的效应量，搞懂合并效应量合并的统计方法和原理，那科研思维就是真的能建立起来了。

统计札记 112：关于 Meta 分析的学习材料

说起 meta 分析的学习材料，最正统的当然 Cochrane 的 Handbook，目前最新版是 6.2：https://training.cochrane.org/handbooks， 网上也有四川大学华西医院中国 Cochrane 中心和兰州大学循证医学中心 翻译的 5.2 版的中文版。理念建立起来了，后续操作，就简单了。可以用官方的无需编程的 RevMan, 不过我更推荐使用 R 软件，可以更方便的做更丰富的分析。

统计札记 113：Meta 分析的 R 软件操作

Meta 分析的 操作软件，我推荐 R。几个原因：1. R 免费开源，易获得；2. meta 分析的 R 软件包 丰富；3. 相关开源教程多，学习方便。随手推荐一本 非常优秀的 bookdown 开源书籍：Doing meta-analysis in R, 地址：https://bookdown.org/MathiasHarrer/Doing_Meta_Analysis_in_R/ 。

如果你喜欢吃快餐，那可以看看我几年前写的极简教程：Meta 分析的10个问题：从理论概念到编程实践 。

统计札记 114：SAS 宏编程

SAS 宏编程的本质是文本替代，可以实现用“元编程”的功能，即“让代码自己写代码” 。我的一个好哥们，曾经写一个SAS 宏编程的系列教程：SAS 岩论，非常用心，质量非常高。推荐给大家。SAS 岩论首篇。

统计札记 115：校正 RR 的计算

即便是在 RCT 和前瞻性队列研究中，研究者也将校正的 OR 作为主要的效应指标，这种做法背后原因是啥？对吗？可以计算报告校正的 RR 吗？有哪些方法？其原理是啥？该如何选择？又如何实现呢？这篇文章 一次性帮你搞定。

统计札记 116：校正的率计算方法总结

关于校正的率的计算，其实有多种不同的思路，一种是基于”标化“的方法，另一种是基于模型的校正方法。不过两种方法，并不是完全割裂的。这篇文章做了一个详细的总结，请戳这篇推文

统计札记 117：又一个精品 R 学习教程

一个基于 learR 软件包开发的 R 学习教程：adventr , http://milton-the-cat.rocks/home/adventr.html 。还有相应的 配套教材 https://www.discoveringstatistics.com/books/an-adventure-in-statistics/

统计札记 118：校正 RD 的计算方法及比较

关于校正的RD, 有一篇文章做个系统介绍 （BMC Med Res Methodol. 2016;16(1):113.），比较了6 种方法:  binomial identity, Poisson identity , normal identity (linear), log binomial, log Poisson, and logit binomial (logistic )。其中，binomial identity 是一种方便可用的方法。

统计札记 119：ICC 的理解

对于ICC，其实有多种不同的定义。一个比较通用的定义是：组间的变异占总体变量的比例。但这个解读和其名称“矛盾”，明明是组内相关系数，为什么说的是组间的变异。其实可以这样来理解：ICC = 0 时，说明组间没有差别，那就是没有什么“组”，大家都是独立的个体；ICC=1 时，说明变异全是组间变异，组内没有什么差别，也即“组内”几乎是完全等同(相关)的个体。

统计札记 120：Rethinking RCT

NIH 出品的 关于 RCT 的思考：https://rethinkingclinicaltrials.org/，非常值得一读，里面有关于PCT 的详细介绍，更多的 slide 可见：https://dcricollab.dcri.duke.edu/sites/NIHKR/KR/Forms/AllItems.aspx

统计札记 121：一个网页版屏幕共享小软件

基于网页版的屏幕共享小软件，非常轻量、方便。https://app.screego.net/

统计札记 122：关于森林图

绘制森林图时，若效应指标是绝对效应指标，则可以用原始尺度；若是相对效应指标，应当用 log 尺度的横坐标，如此，0.5 和 2 与 1 的距离才是等距的。SAS 中具体实现的技巧是 给 sgplot 的 xaxis 语句添加 type=log logbase=e logstyle=LOGEXPAND logvtype=EXPANDED 选项。

统计札记 123：预测模型的校准度评价

校准度是预测模型评价中非常重要的指标，此前具体展现时用的校准度曲线是十分法的散点和45度斜线的组合，目前推荐用同时用图+统计量的展示方法。图：基于 loss 平滑或者样条函数的个体水平的非线性曲线；统计量：（1）（总体校准度  （calibration-in-the-large）：限定校准斜率为1 时的校准截距，O/E。（2）校准斜率（3） 其他 如 ECI (Estimated  Calibration Index)，ICI (Integrated Calibration Index) 。

统计札记 124：binary vs binomial

Binary 和 binomial 这两个词特别容易弄混。与之相关的两个术语就是 Bernoulli 和 binomial 分布。Binary 就是单纯指 0，1 取值分布，也即 Bernoulli  分布。模型中 Y 的取值是 0，1。Binomial 是 重复n 次 Bernoulli 试验，也即 Bernoulli  随机变量的和。模型中 Y 的形式是：n/m 。

统计札记 125：关于匹配的case-control 的两个误解

对于匹配的case-control ，一直以来有两个误解：一是匹配可以消除混杂；二是匹配的数据需要用“匹配”的分析，如条件 logistic 回归。BMJ 这篇文章告诉你，正确的做法：匹配的case-control 分析时需要校正 匹配的变量，但并不总是需要采用 “匹配” 数据分析方法。

推荐： 可以保存以下照片，在b站扫该二维码，或者b站搜索【庄闪闪】观看Rmarkdown系列的视频教程。Rmarkdown视频新增两节视频（写轮眼幻灯片制作）需要视频内的文档，可在公众号回复【rmarkdown】

R沟通｜Rmarkdown教程（4）

R沟通｜Rmarkdown教程（3）

R沟通｜Rmarkdown教程（2）