附__录____常用生物统计方法的SAS程序.doc

附 录 常用生物统计方法的SAS程序一、SAS系统简介SAS是“Statistical Analysis System”的缩写， 是一个用来管理分析数据和编写报告的组合软件系统。其基本部分是SAS/BASE软件。1966年，美国North Carolina 州立大学开始开发SAS统计软件包，1976年该系统完成，同时成立SAS研究所。当初该系统只能运行于大型计算机系统，1985年出现了当今我们广泛使用的SAS微机版本。SAS系统具有统计分析方法丰富、信息储存简单、语言编程能力强、能对数据连续处理、使用简单等特点。SAS是一个出色的统计分析系统，它汇集了大量的统计分析方法，从简单的描述统计到复杂的多变量分析，编制了大量的使用简便的统计分析过程。二、SAS系统运行的几个重要前提条件（一）SAS系统运行时要同时打开的文件较多，因此在微型计算机的系统配置文件CONFIG.SYS中应指定FILES=50或以上；（二）SAS系统软件有时间租期限制，因此只有机器时间（DATE）在软件有效期内才能运行。时间租期取决于SAS出售版本日期，即所谓的SAS诞生日（BIRTHDAY）。（三）SAS系统应全部安装到硬盘的SAS子目录下，硬盘应至少有10M空间。三、SAS系统的启动与关闭（一）启动 如果SAS系统安装在C盘的子目录SAS下，在WINDOWS操作系统中，可以直接用鼠标双击桌面上SAS系统的快捷键图标，即进入SAS系统。在DOS 操作系统中，则开机后先进入SAS子目录，再输入SAS并按回车键即进入SAS显示管理系统。C:cd sas8 或者C:cdsas8 C:sassas8此时屏幕上出现三个窗口，它们依次是：OUTPUT（SAS结果输出窗口，在这里显示由SAS过程所输出的结果）、LOG（SAS日志窗口，随着SAS语句的执行，显示出SAS系统的信息和已执行的语句）和PGM（SAS程序编辑窗口，在此你能输入和编辑SAS语句，但应注意程序不要写在行号上）。（二）退出SAS 在上述三个窗口的任一窗口的命令行上输入BYE或ENDSAS并按回车键即可退出SAS。四、SAS程序结构、程序的输入、修改调试和运行（一）程序结构 在SAS系统中任何一个完整的处理过程均可分为两大步数据步和过程步来完成。数据步将不同来源的数据读入SAS系统建立起SAS数据集。每一个数据步均由DATA语句开始，以RUN语句结束。过程步调用SAS系统中已编号的各种过程来处理和分析数据集中的数据。每一个过程步均以PROC语句开始，RUN语句结束，并且每个语句后均以“；”结束。（二）程序的输入、修改调试和运行 SAS程序只能在PGM窗口输入、修改，并写在PGM窗口预先设置好的行号区的右边。SAS程序语句可以使用大写或小写字母或混合使用来输入，每个语句中的单词或数据项间应以空格隔开。每行输入完后加上“；”，但在数据步中CARDS语句后面的数据行不能加“；”，必须等到数据输入完后提行单独加“；”。在键入过程中可移动光标对错误进行修改。SAS语句书写格式相当自由，可在各行的任何位置开始语句的书写。一个语句可以连续写在几行中，一行中也可以同时写上几个语句，但每个语句后面必须用“；”隔开。当一个程序输入完后，是否能运行和结果是否正确，只有将其发送到SAS系统中心去执行后，在LOG和OUTPUT窗口检查才能确定。发送程序的命令为F10功能键或SUBMIT。当程序发送到SAS系统后，PGM的程序语句全部自动清除，LOG窗口将逐步记下程序运行的过程和出现的错误信息（用红色提示错误）。如果过程步没有错误，运行完成后，通常会在OUTPUT窗口打印出结果；如果程序运行出错，则需要在PGM窗口用RECALL（或F9）命令调回已发送的程序进行修改。五、常用生物统计方法的SAS程序下面结合本教材介绍几种常用生物统计分析方法的SAS程序,读者应注意，所提供的这些程序并不是一成不变的，根据分析的需要，每一种程序中各语句都有不同的选项，下面的程序只给出了一些最基本的语句。只要大家熟悉并掌握了SAS程序，就可以根据需要灵活应用。（一）t检验 1、样本平均数与总体平均数的差异显著性检验(教材【例5.1】)DATA A；INPUT y；Y=y-114；CARDS；116 115 113 112 114 117 115 116 114 113；PROC MEANS N MEAN STDERR T PRT；RUN；程序说明：样本平均数与总体平均数的差异显著性检验可调用MEANS过程。DATA语句产生临时数据集A，表明数据步的开始；INPUT语句指明读取变量y，表示读入一条观测值后不换行，连续读入数据，使用符号可在一个物理行中输入多条观测值，减少数据输入行；CARDS语句表明以下为数据行，数据行下的“；”表示数据行结束；PROC MEANS 语句指明调用MEANS过程对数据集A进行分析，输出样本含量N、平均数MEAN、平均数的标准误STDERR、学生氏T值和t值概率PRT；RUN语句表示过程步结束，开始运行过程步。2、配对试验资料的t检验（教材【例5.5】）DATA B；INPUT ID x1 x2；d=x1-x2；CARDS；1 37.8 37.9 2 38.2 39.0 3 38.0 38.9 4 37.6 38.45 37.9 37.9 6 38.1 39.0 7 38.2 39.5 8 37.5 38.69 38.5 38.8 10 37.9 39.0；PROC MEANS MEAN STDERR T PRT； VAR d；RUN；程序说明：配对试验资料的t检验可调用MEANS 过程。3、非配对试验资料的t检验（教材【例5.3】）DATA C；INPUT breed y；CARDS；1 1.20 2 2.00 1 1.32 2 1.85 1 1.10 2 1.60 1 1.28 2 1.78 1 1.35 2 1.96 1 1.08 2 1.88 1 1.18 2 1.82 1 1.25 2 1.701 1.30 2 1.68 1 1.12 2 1.92 1 1.19 2 1.80 1 1.05；PROC TTEST；CLASS breed；VAR y；RUN；程序说明：非配对试验资料的t检验需调用TTEST过程。INPUT语句读入处理变量breed（品种）和试验结果y（增重）；CLASS语句定义分类变量，TTEST过程要求分类变量只能有两个水平，此处为1（长白猪）和2（蓝塘猪）。（ 二）方差分析 对于一般的方差分析（平衡资料，即各处理重复数相等）可用ANOVA过程；对于非平衡资料（各处理重复数不等）的方差分析可用GLM过程。下面分别ANOVA过程和GLM过程。1、ANOVA过程的程序格式PROC ANOVA 选项；CLASS 变量；MODEL 依变量=效应/选项；MEANS 效应/选项；程序说明：PROC ANOVA 语句中的“选项”DATA=输入数据集，OUTSTAT=输出数据集，用于存储方差分析结果；CLASS语句指明分类变量，此语句一定要设定，并且应出现在MODEL语句之前；MODEL语句定义分析所用的线性数学模型；MEANS语句计算各处理效应的平均数，“选项”用于设定多重比较方法常用的有LSD法、DUNCAN（Duncan新复极差法）、TUKEY（Tukey固定极差检验法）、DUNNETT和DUNNETU（Dunnett氏最小显著差数两尾和一尾检验法），显著水平的确定采用如ALPHA=0.01（表示将显著水平设定为0.01），缺省为0.05。上述语句中，关键语句在于定义线性数学模型。同一试验资料，根据模型不同而异。常用的模型定义语句有：MODEL y=a（单因素试验资料的方差分析）、MODEL y=a b（两因素试验资料无互作模型）、MODEL y=a b c（三因素主效模型）、MODEL y=a b a*b（两因素试验资料有互作模型，也可写成y=a|b）、MODEL y=a b(a)（两因素试验资料嵌套模型，用于系统分组资料）、MODEL y1 y2=a b（两元两因素主效模型）。结果输出包括分类变量信息表、方差分析表和多重比较表等。2、GLM过程的程序格式PROC ANOVA 选项；CLASS 变量；MODEL 依变量=效应/选项；MEANS 效应/选项；RANDOM 效应/选项；CONTRAST “对比说明”效应 对比向量；OUTPUT OUT=输出数据集 PREDICTED| P=变量名 RESIDUAL|R=变量名；程序说明：PROC GLM 语句设定分析数据集和输出数据集；CLASS语句指明分类变量，此语句一定要设定，并且应出现在MODEL语句之前；MODEL语句定义分析所用的线性数学模型和结果输出项；MEANS语句计算平均数，并可选用多种多重比较方法；RANDOM语句指定模型中的随机效应，“选项”Q给出期望均方中主效应的所有二次型；CONTRAST语句用于对比检验；OUTPUT语句产生输出数据集，P=定义y预测值变量名，R=定义误差变量名。模型定义仍是GLM过程使用的关键（同上）。通过设定模型（MODEL），即可对不同的试验设计资料进行分析。当处理效应为固定效应时，通过MEANS语句计算平均数，进行多重比较，当处理效应为随机效应时，可利用RANDOM语句或VARCOMP过程估计方差分量。（三）线性回归分析1、一元线性回归分析（教材【例8.1】）DATA G；INPUT x y；CARDS；80 2350 86 2400 98 2720 90 2500 120 3150 102 2680 95 2630 83 2400 113 3080 105 2920 110 2960 100 2860；PROC REG CORR；MODEL y=x / CLM CLI；RUN；程序说明：一元线性回归分析可调用REG过程。PROC 语句选项CORR，要求输出简单相关系数；MODEL 语句指明输出CLMy总体平均数的置信区间和CLI单个y值的置信区间。2、多元线性回归分析（教材第九章习题的第9题）DATA H；INPUT number x1 x2 x3 y；CARDS；1 23.73 5.49 1.21 15.02 2 22.34 4.32 1.35 12.62 3 28.84 5.04 1.92 14.864 27.67 4.72 1.49 13.98 5 20.83 5.35 1.56 15.91 6 22.27 4.27 1.50 12.477 27.57 5.25 1.85 15.80 8 28.01 4.62 1.51 14.32 9 24.79 4.42 1.46 13.7610 28.96 5.30 1.66 15.18 11 25.77 4.87 1.64 14.20 12 23.17 5.80 1.90 17.0713 28.57 5.22 1.66 15.40 14 23.52 5.18 1.98 15.94 15 21.86 4.86 1.59 14.3316 28.95 5.18 1.37 15.11 17 24.53 4.88 1.39 13.81 18 27.65 5.02 1.66 15.5819 27.29 5.55 1.70 15.85 20 29.07 5.26 1.82 15.28 21 32.47 5.18 1.75 16.4022 29.65 5.08 1.70 15.02 23 22.11 4.90 1.81 15.73 24 22.43 4.65 1.82 14.7525 20.44 5.10 1.55 14.37；PROC REG DATA=H OUTEST=EST；MODEL y=x1 x2 x3；RUN；程序说明：多元线性回归分析同样可调用REG过程。假设该数据资料被已经被建立在A：H.DAT标准文件中，则前面的数据步可以简化，从而直接调用A：盘上的数据，具体程序为：DATA H；INFILE A：H.DAT；INPUT number x1 x2 x3 y；PROC REG DATA=H OUTEST=EST；MODEL y=x1 x2 x3；RUN；（四）协方差分析 （教材【例10.1】）DATA K；INPUT t $ x y；CARDS；ck 1.50 12.40 ck 1.85 12.00 ck 1.35 10.80 ck 1.45 10.00 ck 1.40 11.00ck 1.45 11.80 ck 1.50 12.50 ck 1.55 13.40 ck 1.40 11.20 ck 1.50 11.60ck 1.60 12.60 ck 1.70 12.501 1.35 10.20 1 1.20 9.40 1 1.45 12.20 1 1.20 10.30 1 1.40 11.301 1.30 11.40 1 1.15 12.80 1 1.30 10.90 1 1.35 11.60 1 1.15 8.50 1 1.35 12.20 1 1.20 9.30 2 1.15 10.00 2 1.10 10.60 2 1.10 10.40 2 1.05 9.20 2 1.40 13.002 1.45 13.50 2