SAS统计分析与应用(第三讲)

SAS统计软件及其应用 ANALYST模块 主要功能 第一部分 依分布产生数据分类计算统计量随机抽样变量计算 变换 统计图表 第二部分 描述统计量假设检验回归分析方差分析 启动Analyst模块 启动方法一 菜单 Solutions Analysis Analyst启动方法二 得到Analyst界面 菜单 工具栏 依分布产生数据 Data 数据 RandomVariates 随机变量 可以产生服从特定分布的随机数 可以选择的分布类型包括 正态分布均匀分布二项分布 卡方分布泊松分布指数分布Beta分布Gama分布几何分布极值分布 例1 利用Analyst模块生成100个服从标准正态分布的数据 并把生成的数据命名为Normal保存在Sasuser下 操作步骤 1 Data RandomVariates Normal OK 2 File SaveAsBySASName 均值0 013 标准差0 97 标准正态 分类计算统计量 使用Data菜单下的Summarizebygroup可以分类计算变量的统计量例子 某个班级全体同学的某次考试成绩 利用Analyst模块分性别计算男女生的语文成绩的统计量首先使用File菜单下的OpenbySASname选项打开数据集 选择Data菜单下的Summarizebygroup命令 结果 随机抽样 使用Data菜单中的RandomSample可以从数据集中随机抽取记录例子 从考试成绩中随机抽取10名学生的成绩 1 选择Data菜单下的RandomSample 2 通过移动前后的上下方向键可以增减数值 生成报表 用Report菜单下的Tables选项可以生成各种各样的表格例子 生成一个包含男女生3门成绩平均值的报表选择Tables选项 打开如下样式表 设置AnalysisVariables 设定Statistics RowClasses 行分类变量 报表概要 输出 变量计算 利用Data菜单下的Transform可以完成一些对列的计算 例如 有36只股票的每股收益和价格 利用Compute选项计算每只股票的市盈率 绘制统计图 Histogram BarPlotBoxPlotPieChartProbabilityPlot P P图 概率图 将数值排序 给出每个数值对应的分位数 然后打点作图 如果这些点呈现线性特征 说明他们与理论分布相符 条形图 例子 绘制数据集中math的条形图 条形图 饼形图 绘制数据集中男女生比例的饼形图 选择Graphs菜单下的PieChart 打开对话框 饼形图 概率图 例子 绘制变量math的概率图 选择Graphs下的ProbabilityPlot 弹出对话框 纵轴 样本值 横轴 Normalpercentiles正态分布百分位数 统计分析与计算 1 描述性统计量Statistics Descriptive计算 SummaryStatistics 简单统计量Distribution 分布信息Correlations 变量间的相关系数FrequencyCounts 统计变量的频数 中英文菜单 1 1SummaryStatistics 简单统计量 选择变量 Analysis Statistics选择需要的统计量 SummaryStatistics 输出结果如下 1 2Distribution 分布信息 选择变量 Analysis Fit 选择distributionSampleestimatesEntervalues 1 3Correlations 变量间的相关系数 选择两个或以上变量 Correlate 1 4FrequencyCounts 统计变量的频数 HypothesisTests 假设检验 Statistics 单样本下 均值Z检验 均值t检验 比例检验 方差检验 HypothesisTestsOneSampleZTestsOneSampletTestsOneSampleProportionTestsOneSampletestforavariance 理论说明 正态总体均值检验 1 方差已知2 方差未知正态总体的方差检验 HypothesisTests 假设检验 Statistics 双样本下 均值差t检验 成对样本均值差t检验 比例差检验 方差比检验 HypothesisTestsTwoSampletTestForMeansTwoSamplepairedttestformeansTwoSampletestforproportionsTwoSampletestforVariance 来自独立正态总体的两样本均值差的检验 其中 1 单总体均值Z检验 总体方差已知 OneSampleZ TestsforaMean 检验结果 图形输出 2 单总体均值t检验 总体方差未知小样本 OneSampletTestsforaMean 检验结果 图形输出 3 单总体比例的Z检验 大样本 OneSampleTestforaProportion 检验结果 所要研究的总体属性 图形输出 4 单总体方差的卡方检验OneSampleTestsforaVariance 图形输出 5 两独立总体均值差的t检验Two SampletTestsforMeans 检验结果注意 首先检验方差的同质性 按一个变量分组 差值 图形输出 图形输出 MeansPlot 6 两配对样本均值差的t检验Two SamplePairedt testforamean 检验结果 图形输出 7 两独立总体比例差的t检验Two SampleTestforProportions 搞清楚 分组变量Group和关注水平Levelofinterest 检验结果 图形输出 8 两独立总体方差比F检验Two SampleTestforVariances 检验结果 图形输出 3 Regression 回归分析 对残差的经典假设 回归方程及系数估计 回归方程整体的显著性检验回归方程系数的显著性检验 预测 启动 Statistics Regression 3 1 Simple回归 Simple回归 单一的自变量 单一的因变量 但自变量次数可以是一次 二次或三次 一元线性回归结果 结果列表 预测图PredictedPlots 残差图ResidualPlots 影响图InfluencePlots Statistics设置 回归系数的标准误估计的置信区间估计的相关矩阵估计的协方差矩阵 Predictions设置 Predictoriginalsample预测原样本 Listpredictions预测结果输出 Residuals predictionlimits另外输出残差和预测上下限 预测结果 Murder预测值Murder预测下界Murder预测上界Murder预测残差 MurdervsPRED ScatterPlot Linear回归 Linear回归 多个自变量 多个因变量 对因变量分别进行回归 分为 一元线性回归多元线性回归 主要了解两项设置 分析结果 Model设置模型选择方法及准则 Method FullmodelForwardselectionBackwardeliminationStepwiseselectionMaximumR squareimprovementMinimumR squareimprovementMallows CpR squareAdjustedR square 设定3种方法的选择准则 显著性水平 Statistics选项 仅供后3种方法选择 Akaike sinformationcriterion 简称AIC 赤池信息准则 BayesianinformationcriterionSchwarz sBayesiancriterionAmemiya spredictioncriterionAdjustedR squaresErrorsumofsquareRootmeansquareerror Statistics设置模型拟合优度及模型诊断相关统计量 回归系数