描述性统计 Summary Statistics

用 n、均值、标准差、中位数、范围及频数百分比描述分析人群和终点分布。

统计原理

连续变量的样本均值与样本标准差为：

\bar{x}=\frac{1}{n}\sum_{i=1}^{n}x_i, \qquad s=\sqrt{\frac{\sum_{i=1}^{n}(x_i-\bar{x})^2}{n-1}}

均值和 SD 对极端值敏感；中位数和四分位数更稳健。分类变量百分比为某水平频数除以预先定义的分母，因此同一个 n 在不同分母规则下会得到不同百分比。

先看分布，再选摘要

柱高表示频数；中位数和四分位数对极端值更稳健。

什么时候用

需要描述分析人群、基线特征或疗效终点的分布，而不是做组间推断时，用描述性统计。连续变量通常报告 n、Mean、SD、Median、Min、Max；分类变量通常报告 n (%)。

SAP 里长这样：

Demographic and baseline characteristics will be summarized by treatment group for the Safety Analysis Set. Continuous variables will be summarized using n, mean, standard deviation, median, minimum, and maximum; categorical variables will be summarized using frequency and percentage.

看到 descriptive statistics / n, mean, SD / frequency and percentage，即可定位到本页。

适用条件速查卡

项	条件
变量类型	连续型和分类变量均可
目的	描述样本，不直接回答组间差异是否显著
分析数据范围	示例仅纳入 `SAFFL='Y'` 的 ADSL 记录，每名受试者一行
连续变量	明确缺失值、小数位和异常值处理规则
分类变量	明确百分比分母及缺失是否作为类别

核心 SAS 代码

/* example.csv 为原创模拟 ADSL；程序只纳入 SAFFL='Y' 的受试者 */
proc import datafile="example.csv" out=adsl_raw dbms=csv replace;
  guessingrows=max;
run;

data adsl;
  set adsl_raw;
  where saffl='Y';
run;

/* 连续变量：按计划治疗组汇总年龄 */
proc means data=adsl n mean std median min max maxdec=1;
  class trt01p;
  var age;
run;

/* 分类变量：组内性别构成，输出 Frequency 与 Row Pct */
proc freq data=adsl;
  tables trt01p*sex / nocol nopercent;
run;

PROC MEANS 的统计量和显示小数位应按 shell 规则设置，MAXDEC= 只是示例。
NOCOL NOPERCENT 保留组内 Row Pct；若 shell 使用其他分母，须调整表结构或自行计算。
代码先冻结分析范围，再汇总，避免把未进入分析集的受试者混入分母。

变量解释表

变量	含义	典型来源
USUBJID	受试者唯一标识	ADSL.USUBJID
TRT01P	计划治疗组	ADSL.TRT01P
SAFFL	安全性分析集标志	ADSL.SAFFL
AGE	年龄	ADSL.AGE
SEX	性别	ADSL.SEX

输出对照

以下为字段定位，不预填未经 SAS 9.4 核验的数值。

PROC MEANS 汇总字段

输出字段	编号	对应 shell
N	①	`n`
Mean	②	`Mean (SD)` 中的 Mean
Std Dev	③	`Mean (SD)` 中的 SD
Median	④	`Median`
Minimum / Maximum	⑤ / ⑥	`Min, Max`

PROC FREQ 交叉表字段

输出字段	编号	对应 shell
Frequency	⑦	分类水平的 `n`
Row Pct	⑧	分类水平的 `(%)`

典型的 Table 14.1.x Demographics and Baseline Characteristics 中，连续变量填写 ①、② (③)、④、⑤–⑥，分类变量填写 ⑦ (⑧%)。

示例数据与程序

example.csv — 20 例原创模拟 ADSL 数据
example.sas — 数据读取、分析集限定和两类汇总程序

常见坑

小数位不按 shell：Mean、SD、Median 的显示位数通常分别有规则，不能依赖过程默认值。
百分比分母混用：治疗组总 N、非缺失 N 和可评价 N 含义不同，必须按 SAP 定义。
把缺失当成 0：连续变量缺失不应参与均值；分类变量缺失是否单列需预先规定。
只看均值：偏态或有极端值时应同时核对 Median、Min/Max 或四分位数。