sas多元统计例题程序.ppt

procprincompdata=duo.innovationprefix=zout=o;run;procplotdata=o;plotz2*z1$region=*/href=0vref=0;run;procsortdata=o;bydescendingz1;run;procprintdata=o;varz1z2;run;quit;,主成分分析在SAS中用princomp过程：,plot过程已经很熟悉了。href=0表示在横坐标z1=0处画一条垂线，vref=0表示在纵坐标z2=0处画一条垂线。$region=*表示每个点在图上用*表示，并且在*后显示该样本点的region变量的值。,主成分分析有一个princomp过程就足够了。prefix=z表示，在输出数据集中（o中），主成分变量是z1、z2、,sort和print过程也是很熟悉的过程了。,procstandarddata=vregex1out=svmean=0std=1;varx1-x3y;run;procprincompdata=svprefix=zout=opcr;varx1x2x3;run;procprintdata=opcr;varz1z2y;run;procregdata=opcr;modely=z1z2;run;quit;procregdata=vregex1outest=out;modely=x1-x3/pcomit=1,2;run;quit;procprintdata=out;run;,首先对数据标准化,然后对标准化后的数据进行主成分分析。这也就相当于是对相关系数进行的主成分分析。,作回归分析，自变量取第1、2主成分，因变量为y。,直接作主成分回归分析。pcomit=1,2表示分别作两个回归，分别是剔除1个主成分，和剔除2个主成分，所做的主成分回归。,主成分回归的结果:,由于刚才我们分析了y与z1、z2的回归，z1、z2的回归系数非0都是99%显著的。而z1、z2又有99%的累积贡献率。因此我们可以认为我们对y与z1、z2、z3之间的回归，取y对z1、z2的回归最佳。y对z1、z2的回归，还原为x1、x2、x3的系数后就是上图中红线圈起的第2行。这是看_PCOMIT_=1知道的，这表示，这一行是主成分回归，而且删除了最不重要的一个主成分后，回归的结果。而y与z1回归，再还原为x1、x2、x3的系数，就是上图中最后一行。因这一行_PCOMIT_=2。,procprincompdata=文件名n=？out=文件名1outstat=文件名2covprefix=？;run;,SAS程序,指定基于协差阵分析，若省略，基于相关系数矩阵,procfactordata=文件名r=vn=？out=文件名1outstat=文件名2;run;,SAS程序,6,procfactordata=tmp1.innovationr=vn=4out=out;run;dataa1;setout;f=(5.8617*factor1+2.6989*factor2+2.0995*factor3+1.5842*factor4)/14;run;dataa2;seta1;keepregionffactor1factor2factor3factor4;run;procsortdata=a2;bydescendingf;run;procprintdata=a2;run;,Procclustermethod=选项data=文件名outtree=文件名1standard;varvariable-list;idvariable;run;Proctreedata=文件名1horizontalgraphics;idvariable;run;,Method选项,single最短距离法complete最长距离法median中间距离法centroid重心法average类平均法ward离差平方和法（Ward法）,聚类分析SAS程序,Procfastclusmaxcluster=data=文件名seep=文件名mean=文件名out=文件名;varvariable-list;run;,Maxcluster=n,快速聚类程序,指定所允许的最大分类个数,seep=指定一个SAS数据集，其中包括要选择的初始凝聚点，可以缺省,Mean=生成一个输出数据集，其中包含每个类的均值和一些统计量,Out=生成一个输出数据集，其中包含原始数据和新变量CLUSTER和DISTANCE,9,Proccancorrdata=SAS数据集out=SAS数据集outstat=SAS数据集all;,with变量名;,Var变量名;,Run;,典型相关SAS程序,用来列出被分析的两组变量中的第二组变量,用来列出被分析的两组变量中的第一组变量,OUT=包含原始数据和典型变量得分的数据集OUTSTAT=包含分析中用到的各种统计量,producesimplestatistics,inputvariablecorrelations,andcanonicalredundancyanalysis,proccorrespdata=tmp1.examp911out=resultsrpcpall;tables行变量名,列变量名;weight变量名；run;procplotdata=results;plotdim1*dim2=_NAME_/boxvspace=6hspace=10haxis=-.30to.30by.15vaxis=-.30to.30by.15;run;,对应分析原始数据,作图字符由变量=_NAME_给出，box指要求画出的边框围住整个图形，vspace=6，hspace=10规定图中纵坐标、横坐标单位格在图中的实际长度.,dataexamp911;inputmental$ABCDE;cards;0(好)121577236211(轻微症状形成)18810514197712(中等症状形成)112657754543(受损)8660947871；proccorrespdata=examp911out=resultsrpcpshort;varABCDE;idmental;run;procplotdata=results;plotdim1*dim2=*$ment