多元统计分析实验教案

多元统计分析实验教案 该系统1966年开始研制，1976年由美国SAS公司实现商业化，1985年推出SAS/PC版本，1987年推出6.03版，目前已推出Windows系统支持的8.2和9.0版，是目前国际上公认的著名的数据统计分析软件系统之一。 从1976年SAS开发成功至今，SAS的用户遍及119个国家，它已经成为同类产品中的领导者。 在财富500强中，有90%的公司使用SAS。 而在财富500强的前100家企业中，有98%的公司使用SAS。 如此广泛的应用源于SAS系统的强大的分析功能、可组合的模块式软件系统和简单易学。 SAS系统是集数据分析、生成报表于一体的一种集成软件系统。 它由基本部分和外加模块组成，其中基本部分包含的功能如下基本部分:BASE SAS部分;统计分析计算部分:SAS/STAT;绘图部分:SAS/GRAPH;矩阵运算部分:SAS/IML;运筹学和线性规划:SAS/OR;经济预测和时间序列分析:SAS/ETS。 1.1.SAS的启动1.2.SAS8.0软件界面1应用多元统计分析实验教案SAS界面包括三个部分，即程序窗口、日志窗口和输出窗口。 EDITOR(程序窗口)窗口用于SAS源程序文件。 窗口支持全窗口功能，即光标可以在整个窗口内随意移动，支持Windows系统常规操作，如复制、剪切、粘贴等功能操作。 SASV8提供了智能功能，它可根据用户输入的SAS关键字、语句选项、变量名、数据、标记等不同内容显示不同的颜色，当用户输入的字串不正确时，对应颜色不对，警告使用者有错误发生。 LOG（日志窗口）运行记录窗口用于显示和记录SAS程序的运行情况，说明程序运行成功或存在错误，当程序出现错误时，LOG记录窗口中以红色字符显示错误信息，以绿色显示一些警告信息。 提示使用者修改程序中的错误。 OUTPUT(输出窗口)分页显示SAS程序运行所产生的文本输出结果（图形输出通过GRAPHICS窗口显示）。 对于文本结果的输出，可以使用主界面的菜单File|Save As将结果文档保存在磁盘中，保存的文件扩展名为.lst，但实际上是一种文本文件格式，可以使用文字处理软件，如Word或写字板、记事本等打开并进行修改。 对于输出到GRAPHICS窗口的图形，可以使用菜单File|Export asImage将图形导出保存在磁盘中，图形文件格式可以在“保存类型”下拉列表中选择。 1.3SAS程序结构SAS程序采用模块化结构，模块之间相互独立，每个模块完成一个任务。 模块分为两种类型一种类型是数据模块，数据模块以英文单词data作为开始语句。 另一种类型是程序模块，程序模块以proc作为开始语句。 模块中的语句之间用“；”分隔，同一个语句的不同项之间必须用一个以上的空格分隔。 在一个程序中可以包含多个数据模块和程序模块，模块的位置是任意的。 程序按照语句出现的先后顺序执行。 （1）SAS程序的语法编写程序时必须遵循所使用的软件的语法规则，SAS程序的语法规则可以归纳为以下几条标识符或数据之间至少用一个以上的空格分隔；2应用多元统计分析实验教案每个语句用分号作为结束标志；变量名或其他名称最多包含8个字符，并且第一个字符为英文字母，名称中不能有空格，或SAS系统的保留符号，如“-”、“.”、“，”、“?”、“$”等；SAS程序可以处理带有缺失数据的文件，数据缺失值用“.”表示；SAS程序只处理数值和字符串两种类型的变量，为了和数值变量相区别，输入语句中字符串变量名使用“$”作为后缀；程序中可以包含注释语句，注释语句以“/*”开始，以“*/”结束；除数据外，SAS程序不区分英文字母的大小写。 （2）SAS数据集SAS的核心是SAS数据集是SAS文件的一种，一般又以下两部分组成 （1）描述部分包含该数据集的一般信息，包括数据集的名字及其成员类型、数据集建立的日期和时间、观测的数目以及数据集中每一个变量的特征信息，包括Name（变量名）、Type(类型)、Length（长度）、Format（输出格式）、Informat（输入格式）、Label（标签）。 （2）数据部分包含数据集中收集的数据的值，可以看作是一个矩形的表格。 表格的列（columns）称为变量（variables）,对应于原始数据文件或其他一些外部数据库所称的字段（fields）；表格的行称为观测（observations），对应于原始数据文件或其他一些外部数据库所称的记录（records）或数据行（data lines） （3）逻辑库SAS的逻辑库分为临时逻辑库和永久逻辑库两种。 临时库只有一个，名为work，其他的库均为永久库。 SAS每次启动时会自动指定4个库标记work、Sasuser、Sashelp、Sasmap。 存放在work中的SAS文件叫临时文件，当退出SAS系统时这些文件会被自动删除。 永久文件保存在永久库中，在退出SAS系统时不会被自动删除。 所以，通常把作为中间结果或练习使用的数据集保存为临时数据集，而需要以后再用的数据集则可以保存为永久数据集；如果需要备份，最好在退出前把临时文件复制到其他的库中。 在Explorer窗口中单击鼠标右键，在右键菜单中选择New，打开New Library对话框，可以建立新库（如把一个库名为Mylib）。 如果选中Enable atstartup复选框，则每次打开SAS时所建逻辑库都有效。 （4）数据集的导入建立数据集的方法很多，但是，无论是在Explorer窗口中使用VIEWTABLE程序，或是使用INSIGHT模块和“分析家”，还是使用编程操作中专门的数据读入方法来建立数据集，都需要将数据现场输入，费时费力。 较为简便的方法是利用Excel录入数据，并做简单处理，然后将Excel数据表导入到SAS数据集中。 导入Excel数据表的步骤如下在SAS应用工作间中，选择菜单File下的Import data?，打开导入向导Import Wizard第一步选择导入类型（Select import type），默认的类型为Excel数据表，单击Next按钮进入下一步。 在第二步的Select file对话框中，单击Browse按钮，在“打开”对话框中选择所需要的Excel文件，返回。 然后，单击Option按钮，选择所需工作表，单击OK按钮返回。 单击Next按钮进入下一步。 在第三步的Select libraryand member对话框中，选择导入数据集所存放的逻辑库以及数据集的名称，单击Next按钮进入下一步。 在第四步的Create SASStatements对话框中，可以选择将系统生成的程序代码存放的位置，也可不做选择，直接单击Finish按钮，完成数据集的导入。 3应用多元统计分析实验教案第一讲SAS软件应用基础（2学时） 一、实验目的1.了解SAS程序结构及SAS8.0的使用方法；2.掌握使用DATA步建立SAS数据集的方法。 二、实验要求1会建立数据集；2会计算样本的数字特征。 三、实验相关SAS知识例 1、SAS数据集的导入和导出内容 (1)将SAS数据集L3.Stu01导出为Excel数据集ex1.xls; (2)将Excel数据集ex2.xls导入SAS数据集为L3.Stu02；解 （1）菜单方式File/Export data选择库名,数据集名(L3.stu02)Next选择要导出的数据格式,默认的是ExcelNext指定存放数据的路径及名称在Brose中选择要保存相应程序的路径及名称（可省略）Finish编程方式 （2）菜单方式先建立好Excel数据,并关闭文件.(注意:Excel数据文件中,第一行应为数据变量名,这个名称只能用英文字母和数字)File/Import data选择要导入的数据格式,默认的是ExcelNext选择Excel数据文件ex2.xlsNext指定存放数据的库名及名称在Brose中选择要保存相应程序的路径及名称（可省略）Finish编程方式例 2、建立以下数据集，并计算数学和英语的平均成绩。 姓名王红李明张平江出生日期学号数学9082884英语9690951977-06-029810011978-03-239810021978-12-23981003应用多元统计分析实验教案解（一）建立数据集菜单方式. （1）打开SAS界面在explorer窗口双击Libraries选择自己常用的逻辑库，右击点击new点击table点击OK，即可出如下现viewtable表格 （2）右击A，然后点击column attributes,出现如下窗口将变量名（name）框中的A改为”name”,Label框填“姓名”，点击“Apply”,然后关闭该窗口,出现并在姓名下方的三个表格中分别输入王红，李明，张平江. （3）右击B，然后点击column attributes,出现如下窗口将变量名（name）框中的B改为”birth”,Label框填“出生日期”，type中选“Numeric”,format中点击”出现5应用多元统计分析实验教案在Name下方选择“yymmdd”,width中选择“10”，点击OK；在informat中点击”,然后在出现的窗口中，用同样的方法处理，出现点击”Apply”，关闭该窗口，出现在出生日期栏，分别输入“19770602”、“19780323”、“19781223” （4）右击C，然后点击column attributes,出现如下窗口6应用多元统计分析实验教案将变量名（name）框中的C改为”no”,Label框填“学号”，type中选“Numeric”,点击“Apply”,然后关闭该窗口,出现输入对应的学号即可.数学和英语的成绩变量名分别为Math和English，其输入方式学号的类似，输入完后注意保存，最后可得数据集编程方式DATA S2;INPUT NAME$1-8BIRTH YYMMDD10.no MATHENGLISH;CARDS;王红李明1977-06-0298100190961978-03-239810028290张平江1978-12-239810038895;Run;PROC PRINT;FORMAT BIRTHyymmdd10.;RUN;打印出的结果是（二）计算平均数在上面的程序的第二行和第三行之间添加一句“avg=(math+english)/2;”7应用多元统计分析实验教案即DATA S2;INPUT NAME$1-8BIRTH YYMMDD10.no MATHENGLISH;avg=(math+english)/2;CARDS;王红李明1977-06-0298100190961978-03-239810028290张平江1978-12-239810038895;Run;PROC PRINT;FORMAT BIRTHyymmdd10.;RUN;打印的结果 四、实验内容学生管理数据库中数据集如下姓名出生日期年龄入学日期学号数学1xx2130109100140英语7368788478781977-06-02221978-03-23211978-11-14211978-04-12211978-10-24211978-12-23211998-09-1098100121998-09-1098100041998-09-1098100341998-09-1098100231998-09-1098100241998-09-109810005王红李明徐凯歌吴青云李清华张平江分别用菜单方式和编程方式建立以上数据集。 五、课后练习学生管理数据库中数据集如下姓名出生日期年龄学号981001298100049810034981002398100249810005数学908892898396英语736878847878王红李明徐凯歌吴青云李清华张平江1977-06-02221978-03-23211978-11-14211978-04-12211978-10-24211978-12-2321 (1)要求用菜单方式将上数据集建立成一个SAS数据集；(2）请计算数学成绩的均值、方差、标准差、变异系数、偏度、峰度。 8应用多元统计分析实验教案第二讲描述性统计分析（2学时） 一、实验目的1.了解SAS程序结构及SAS9.2的使用方法。 2.掌握使用DATA步建立SAS数据集的方法。 3.掌握使用Means、Univariate、Corr等PROC步进行描述性统计分析。 二、实验要求4会用SAS软件对建立的数据集进行分析5学会用Gplot画出统计散点图。 三、实验原理及常用统计量设x1,x2,?,x n是总体X?F?x?的一个样本。 有如下概念样本均值(Mean)1nx?x ini?12样本方差（Var）1ns?(x i?x)2?n?1i?1样本标准差(Std)样本变异系数(CV)s?s2sCV?100?(%)x3(x?x)?ii?1n偏度(SKEWNESS)峰度(KURTOSIS)ng1?(n?1)(n?2)s22nn(n?1)(n?1)4g2?(x?x)?34?i(n?2)(n?3)(n?1)(n?2)(n?3)si?1中位数(MEDIUM)xn?1,n?2i?1(i?N)?()?2M?1(x?x),n?2i(i?N)?(n)(n?1)2?22x(np?1),np?Z?1(x?x),np?Z(np)(np?1)?2分位数Mp上四分位数Q3?M0.75下四分位数Q1?M0.259应用多元统计分析实验教案三均值?1Q?1M?1Q M13424极差（RANGE）RANGE?Max(x i)?Min(x i) 四、实验相关SAS知识Proc步具有大致相同的程序结构PROC过程名;Var variables;Run;其中option(s)Data=要分析的数据集（缺省为最新建立的数据集）；variables要进行统计分析的变量列表（缺省为数据集中的全部变量）。 （1）Proc means过程Proc means过程的完整语句proc meansoptions;by variables;var variables;output out=sas dataset keyword=name?.;data=sas dataset:即在等号后指明所要分析的sas数据集名称。 若此项没有，则sas系统对最新建立的数据集作分析。 MAXDEC=k:其中k为介于0与8之间的一个整数，该项指明在输出数据时小数点保留k位。 Sas系统默认值为k=2。 关键词逐个列出要计算其值的统计量的名称的关键词，最常用的有以下几个统计量N VarCV样本容量Mean方差STD均值标准差变异系数Skewness偏度Kurtosis峰度Midian中位数Q3上四分位数Q1下四分位数QRange四分位极差P1第一百分位数P5第五百分位数P10第十百分为数P90第九十百分为数P95第九十五百分位数P99第九十九百分位数Var variables;10应用多元统计分析实验教案该语句是指出数据集中要计算简单描述性统计量的变量名称。 若省略此句，则sas系统对数据集中所有数值变量均计算各自在前一句指定的那些描述性统计量的值。 output out=sas dataset keyword=name?;此句建立一个由proc means过程的分析结果构成的sas数据集，以备进一步分析之用。 在“out=”后命令要建立的数据的名称，但要想将此数据文件保留起来，就要建立一个永久性数据文件，需要用两级名称，如“RESULT.OUT”。 （2）Proc Univariate过程主要语句形式如下Proc Univariateoptions；Var variables；Output out=SAS dataset keyword=name?；语句中“options”部分可以是下列内容的部分或全部data=数据集名指明所要分析的数据集，若省略则表示分析最新生成的数据集。 plot要求对所分析的各变量的观测值产生一个茎叶图（或水平直方图）、一个箱线图和一个正态QQ图。 若某区间的观测值超过48，则不绘制茎叶图，而改绘制直方图。 在正态QQ图中，以“*”表示正态QQ图上的点，以“+”表示相应的参考直线。 freq要求生成包括变量值、频数、百分数和累计百分数的表。 normal要求对分析的各变量的观测值进行正态性检验，并输出相应的p值。 若样本容量不超过2000则使用W统计量进行检验；若样本容量大于2000则使用D统计量进行检验。 正态分布的均值和方差分别取样本均值和样本方差。 （3）Proc Corr过程主要语句形式如下Proc corroptions；Var variables；With variables；其中“options”部分可以是下列内容的部分或全部data=数据集名指明所要分析的数据集，若省略则表示分析最新生成的数据集。 pearson要求输出pearson相关系数矩阵（SAS系统默认的输出结果）。 spearman要求输出spearman秩相关系数矩阵。 cov要求计算协方差矩阵。 nosimple指明不输出每个变量的简单描述性统计量。 Var variables中的“variables”则指出了要计算相关系数矩阵或协方差阵的变量名称，它可以是原数据中数值变量的一部分；若省略此句则SAS系统计算关于数据集中所有数值的相关系数矩阵。 11应用多元统计分析实验教案 (4)proc gplot过程proc gplot过程的一般格式proc gplotdata=;plot*=/；symboln;run;此句是用来画散点图的，其中Symbol语句是专门指令绘制的格式，一个GPLOT程序中允许使用多个Symbol语句，所以就有Symbol1，Symbol2，?,Symboln.Symbol语句中有许多选项，最常用的三大选项是C-图线的颜色，可以自由选择red（红色）、black（黑色）、green（绿色）、blue（蓝色）、pink（粉色）等。 V-表示观察值的图形，可自由选择star（星形）、dot（点）、circle（圆圈）、diamond（菱形）等各种形状，也可选择none(不使用特别图形标注观察值)。 I-观察值之间的连线，可自由选择join(线性连接)、spline（光滑连接）needle（作观察值到横轴的悬垂线）等各种连线方式，也可选择none(不作任何连接)。 五、实验举例例1某单位对100名女学生测定血清蛋白含量（g/L）,数据如下74.378.868.878.070.480.580.569.771.273.579.575.675.078.872.072.072.074.371.272.075.073.578.874.375.865.074.371.269.768.073.575.072.064.375.880.369.774.373.573.575.875.868.876.570.471.281.275.070.468.070.472.076.574.376.577.667.372.075.074.373.579.573.574.765.076.581.675.472.772.767.276.572.770.477.268.867.367.367.372.775.873.575.073.573.573.572.781.670.374.373.579.570.476.572.777.284.375.076.570.4请计算均值、方差、标准差、变异系数、偏度、峰度。 解利用A.Proc means过程如下data xueqingdanbai;input x;cards;74.378.868.878.070.480.580.569.771.273.579.575.675.078.872.072.072.074.371.272.075.073.578.874.375.865.074.371.269.768.073.575.072.064.375.880.369.774.373.573.575.875.868.876.570.471.281.275.070.468.012应用多元统计分析实验教案70.472.076.574.376.577.667.372.075.074.373.579.573.574.765.076.581.675.472.772.767.276.572.770.477.268.867.367.367.372.775.873.575.073.573.573.572.781.670.374.373.579.570.476.572.777.284.375.076.570.4;run;proc meansdata=xueqingdanbai meanvar stdcv skewkurt;/*mean均值,var方差,std标准差,cv变异系数,skew偏度kurt峰度*/run;运行结果为图1简单统计量从而均值73.668方差15.51273标准差3.9389246变异系数5.3468597偏度0.0540593峰度0.0370225BProc Univariate过程data xueqingdanbai;input x;cards;74.378.868.878.070.480.580.569.771.273.579.575.675.078.872.072.072.074.371.272.075.073.578.874.375.865.074.371.269.768.073.575.072.064.375.880.369.774.373.573.575.875.868.876.570.471.281.275.070.468.070.472.076.574.376.577.667.372.075.074.373.579.573.574.765.076.581.675.472.772.767.276.572.770.477.268.867.367.367.372.775.873.575.073.573.573.572.781.670.374.373.579.570.476.572.777.284.375.076.570.4;proc univariatedata=xueqingdanbai freqnormal plot；/*选项freq输出变量频数分配表normal检验样本是否符合正态分布plot绘制茎叶图,盒形图,正态概率图*/var x;run;输出的部分结果:13应用多元统计分析实验教案图2正态性检验结果图3位置检验结果表格说明 （1）Tests forNormality:正态分布检验若检验概率值p0.05,则认为变量不服从正态分布.当样本量=2000时，采用Kolmogorov-Smirnov检验； （2）Tests forLocation:Mu0=0:检验变量的平均值是否为0.若检验概率值p0.05,所以变量服从正态分布；并由Students t检验的p值为0.000150);表示选择数据集data1中的变量“x1x2x3x4”在满足x150的观测上的变量值，如果忽略VAR项和WHERE项，则表示打开data1中的全部内容。 2读取并转换SAS数据集READrange;这里“range”代表数据集中观测的范围，如果要将范围指定为全部，“range”的取值为“all”.VAR项用以限制所要读取的变量范围，“operand”即为要读取的变量名称（列表），WHERE项用以限制读取的观测的范围，INTO关键字后的“name”代表所读取的数据要存入的矩阵的名称。 Proc iml;proc iml;Use data1;use data1;Read allvarx1x2x3x4;read allinto a;Quit;print a;Quit; 五、实验举例【例1】已知某地区12岁男孩平均身高为?0?142.3cm，还有1973年某市测量120名12岁男孩身高资料，要求用SAS系统的MEANS过程检验该市12岁男孩身高与该地区12岁男孩身高平均值是否相等(即H0:050).(?0)。 身高资料如下（单位cm）142.3134.5145.2151.1141.2143.5134.7150.8125.9160.9134.7129.4156.6148.8141.8144.0141.5139.2147.3144.5132.7154.2138.5142.5142.7134.4146.8145.4148.8144.720应用多元统计分析实验教案138.1140.1150.3141.6139.6140.9147.9150.0139.6137.1139.3143.3151.3147.7136.9142.3148.9144.4152.9140.2150.6133.1142.5143.5141.4146.7142.1137.9147.1141.9156.3140.8152.3148.1143.3142.4138.9147.9137.4139.5142.7130.5142.9146.7143.4141.2139.9142.9147.8141.9149.8146.6144.0140.2145.7137.7141.8145.1146.4143.9132.1146.5138.7148.8148.9149.7134.9140.5140.7143.6139.2137.4135.1138.2138.5141.4145.8143.8142.4135.5145.4146.2137.9154.0147.5143.6138.9145.9149.0139.9解在DATA步中输入数据，然后在PROC步中调用MEANS（均值）过程，并规定计算统计量为T，PRT（即检验统计量t和p值）。 具体程序如下data boy;input x;y=x-142.3;cards;142.3134.5145.2151.1141.2143.5134.7150.8125.9160.9134.7129.4156.6148.8141.8144141.5139.2147.3144.5132.7154.2138.5142.5142.7134.4146.8145.4148.8144.7138.1137.1152.9137.9138.9141.2145.7148.8135.1146.2140.1139.3140.2147.1147.9139.9137.7148.9138.2137.9150.3143.3150.6141.9137.4142.9141.8149.7138.5154141.6151.3133.1156.3139.5147.8145.1134.9141.4147.5139.6147.7142.5140.8142.7141.9146.4140.5145.8143.6140.9136.9143.5152.3130.5149.8143.9140.7143.8138.9147.9142.3141.4148.1142.9146.6132.1143.6142.4145.9150148.9146.7143.3146.7144146.5139.2135.5149139.6144.4142.1142.4143.4140.2138.7137.4145.4139.9;proc meansdata=boy tprt clm;var y;run;运行后的结果从上表可以看出检验结果（p=0.16160.05）拒绝原假设，认为某市测量12岁男孩身高均值非142.3cm。 【例2】为了研究销售方式对商品销售额的影响，选择四种商品（甲、乙、丙和丁）按三种不同的销售方式（、和）进行销售。 这四种商品的销售分别为x1,x2,x3,x4,其数据如21应用多元统计分析实验教案下编号销售方式x1x2x311256033821198023336351260465514295130654036694535074660585814666273987545851011077507111076036412130613911380454291460504421581542601613587507175748400187552520197665403205542411销售方式x4x1x2x3210665445533082454032036565312150405147720567544811903850468xx2453512501134039024080555202707660507xx433260xx0514292705540390190654848128069484422601256331228512056416260704546825062664161706960377销售方式x4x1x2x3310653348021010034468280656341628011748468293114633952105530546190645150731011090442xx062440189110693772808878299190736339029511455494177103544162251003327327014061312280803628637013554468224130693252806057273x4260295265250380235320225248260360320240310312345250345360260检验H0?1?2?3，H1?1,?2,?3中至少有两个不相等其中?1,?2,?3分别为销售方式、和的总体均值向量。 假定这三个总体均为多元正态总体，且它们的协差阵相同。 解data xs;input gx1x2x3x4;cards;11256033821026654455310365334802601119802333302824540321031003446829516351260203265653122803656341626516551429150240514772803117484682501130654032052675448129331146339538016945350190238504682103553054623514660585xx4245351190364515073xx46662732502113403903103110904422251875458524028055520xx606244024822应用多元统计分析实验教案11107750727027660507189311069377260110760364xx94332602803887829