Ch5 SAS基本统计过程(一) mean uni ttest npa

第四章SAS基本统计过程,我们曾经讲过，SAS程序可分为DATA步和PROC步，即数据步和过程步。其中数据步(DATA)的主要作用是建立SAS数据集，而过程步(PROC)则是要求系统从过程库中调出一个过程并执行这个过程。各种统计分析方法在SAS中大都以“过程”的形式存放在SAS过程库中，当我们需要进行某种统计分析时，只需用PROC步去调用相应的过程，即可得到所需要的分析结果。下面分别介绍统计资料的描述和常用的几种假设检验方法。,1计量资料的描述,SAS中可以对计量资料进行描述的过程有很多，我们介绍两个常用的过程：MEANS和UNIVARIATE过程。,1.MEANS过程MEANS过程用来对数据集中的数值变量计算简单描述统计量。该过程由下列语句控制：PROCMEANSoptionsstatistics-keywords;VARvariables;CLASSvariables;该过程除PROC语句(下划线部分)是必须的外，其它的语句都是可选的。,1).PROCMEANS语句PROCMEANSoptionsstatistic-keywords;这里的options可以有：DATA=SASdataset：用以说明过程分析处理的数据集的名字，若省略，则用最近产生的SAS数据集；ALPHA=value：设置计算概率可信区间的置信水平，这个ALPHA在0-1之间取值，默认为0.05。,关于statistic-keywords，在MEANS过程中可计算如下的一些统计量：描述统计量N:例数，MEAN:均数，STD:标准差，MIN:最小值，MAX:最大值，SUM:和，CV:变异系数，STDERR:标准误，SKEW:偏度系数，KURT:峰度系数，CLM:可信区间，LCLM:可信区间下限，UCLM:可信区间上限分位数MEDIAN：中位数QRANGE：四分位数间距P1、P5、P10、P25、P50、P75、P90、P95、P99,2).VAR语句VARvariables;规定要计算描述性统计量的数值变量及顺序。若省略该句，则对所有数值变量计算描述性统计量，除BY、CLASS语句中列出的变量之外。3).CLASS语句CLASSvariables;该语句用CLASS变量定义的观测组分别计算其相应的描述统计量。,例4-1现有40名学生的相关信息，包括编号、性别、体重和身高。试计算：(1)所有40名学生体重和身高的均数和标准差；(2)分男女生分别计算其体重和身高的均数和标准差;(3)结果保留2位小数。,datastudent;inputidsex$heightweight;cards;1女1605921男174702女1634622女158413女1635623女170564女1535024男170575男1806425男165556女1565226女160537女1555027女158458女1494128男160559女1605829男1806510女1585430男1846711女1645631男1736512女1504032女1645213女1675233男1716214女1585034女1584615女1524335男1685516女1604536男1787217女1534537女1605118女1625438女1685119女1524339男1745820女1605440男16756;Run;Procprint;Run;,首先建立SAS数据集并打印出来,PROCMEANSDATA=student;VARweightheight;Run;,(1)所有40名学生体重和身高的均数和标准差；,调用MEANS过程计算常规描述性统计量，DATA=student选项指明分析时数据所在的SAS数据；VAR语句指明要对哪些变量进行统计分析。计算结果如下：,TheMEANSProcedureVariableNMeanStdDevMinimumMaximum-height40163.37500008.6815085149.0000000184.0000000weight4053.60000007.941452440.000000072.0000000-,Variable:变量名N:例数Mean:均数StdDev:标准差Minimum:最小值Maximum:最大值,PROCMEANSdata=student;VARweightheight;CLASSsex;/*添加此行语句*/RUN;,(2)分男女生分别计算其体重和身高的均数和标准差;,Class语句指明按SEX变量的取值(男、女)分别计算VAR语句中变量的统计量；结果如下：,TheMEANSProcedureNsexObsVariableNMeanStdDevMinimumMaximum-男13height13172.61538466.7766568160.0000000184.0000000weight1361.61538466.007474055.000000072.0000000女27height27158.92592595.3488024149.0000000170.0000000weight2749.74074075.509380840.000000059.0000000-,(3)结果保留2位小数,PROCMEANSdata=studentmaxdec=2;VARweightheight;CLASSsex;RUN;,TheMEANSProcedureNsexObsVariableNMeanStdDevMinimumMaximum-男13height13172.626.78160.00184.00weight1361.626.0155.0072.00女27height27158.935.35149.00170.00weight2749.745.5140.0059.00-,maxdec=2选项指明计算结果要保留的小数位数，注意该选项在PROCMEANS语句中；结果如下：,添加此选项,2.UNIVARIATE过程该过程除可以完成类似MEANS过程的基本统计量的计算外，它还可以计算以下统计量：描述变量极端值的情况；计算分位数，如中位数；生成若干个描述变量的分布图；对数据进行正态性检验;对数据进行配对t检验和配对秩和检验。该过程由下列语句控制：PROCUNIVARIATEoptions;VARvariables;CLASSvariables;其中，下划线的部分是必须的，其余语句都是可选的。,下面介绍该过程使用的语句：CLASS语句和BY语句用法与MEANS过程相同，这里就省略了。1).PROCUNIVARIATE语句PROCUNIVARIATEoptions;用于UNIVARIATE过程语句的选项有(与MEANS过程相同用法的选项略去说明)：DATA=SAS-data-set：指定分析的数据集。NORMAL：要求计算关于变量服从正态分布的假设检验统计量，这个检验统计量相应的概率也被输出(即进行正态性检验)。PLOT：要求生成一个茎叶图(或水平直方图)，一个盒形图和一个正态概率图。,PROCUNIVARIATEdata=student;VARheight;RUN;,例4-2：我们利用前面例4-1建立的数据集student来看看univariate过程的输出结果。,用univariate过程对身高变量进行分析程序如下：,MomentsN40SumWeights40Mean163.375SumObservations6535StdDeviation8.68150849Variance75.3685897Skewness0.54153667Kurtosis-0.263264UncorrectedSS1070595CorrectedSS2939.375CoeffVariation5.31385371StdErrorMean1.37266702,BasicStatisticalMeasuresLocationVariabilityMean163.3750StdDeviation8.68151Median161.0000Variance75.36859Mode160.0000Range35.00000InterquartileRange11.00000,Variance：方差,UncorrectedSS：未校正平方和，CorrectedSS：校正平方和SumObservations：总和，CoeffVariation：变异系数，StdErrorMean：标准误,Mode：众数，Range：全距，InterquartileRange：四分位数间距,ExtremeObservations-Lowest-Highest-ValueObsValueObs1491517438150231783215237180915229180181533318420,TestsforLocation:Mu0=0Test-Statistic-pValue-Studentstt119.0201Pr|t|=|M|=|S|W-Sq0.1321Anderson-DarlingA-Sq0.537864PrA-Sq0.1635,四种正态性检验，通常情况下只需看W统计量，此例W=0.960959，P=0.1806，大于0.05，因此，体重数据服从正态分布。注意：一般样本量小于2000时Shapiro-Wilk检验结果比较好；样本量大于2000时，可以看Kolmogorov-Smirnov的检验结果，在样本量小时其结果不可靠。,绘制直方图,程序语句：PROCUNIVARIATEdata=student;Histogramheight;RUN;,语句选项：1、拟合正态曲线Histogramheight/normal;2、指定直方图的组中值Histogramheight/midpoints=3540455055606570;,2计量资料的统计推断,SAS统计分析过程提供了强大的分析模块。我们先介绍t检验、秩和检验及直线相关回归分析模块。,1.两样本均数比较的t-检验在SAS系统中，两组资料比较的t-检验是用TTEST过程来实现的。TTEST过程计算用CLASS变量的两个水平识别两个观测组中每一个的样本均值，并检验总体均值相等的假设。.两组观测的方差相等；.在每个组内，各个观测独立且服从正态分布。如果两组观测的方差不等，则计算近似的t统计量(t),一.t-检验,语句格式：PROCTTESToptions;CLASSvariables;VARvariables;下划线部分是必须的，其余语句是可选的。procttestoptions;这里的选项常用的有：Data=SAS-data-set：指定TTEST过程所用的SAS数据集；如果缺省，则使用最近生成的SAS数据集。Alpha=p，p默认为0.05，设置可信区间水平：100(1-p)%h0=数值，默认为0，设置要检验的总体参数值。,2)Classvariables;给出分类变量名(组别变量)，这里的分类变量必须且只须有两个水平(变量只有两个取值)。TTEST过程对按分类变量分成的两个观测组进行t检验。Class变量可以是数值型的，也可以是字符型的。3)Varvariables;指出要比较其均值的变量名。如果缺省，则对输入数据集中的所有数值型变量进行分析，除出现在Class语句中的数值变量以外。下面是关于t检验的一个例子：,例4-3(两样本均数比较的t检验)：两组雌性大鼠分别以含高蛋白和低蛋白饲料喂养后，观察第28天到第84天之间，每只大鼠所增体重(g)，结果见下表，试作两样本比较的t检验。,Dataex1;Inputxgrp;Cards;134114617021182;,PROCTTESTdata=ex1;CLASSgrp;VARx;RUN;,TheTTESTProcedure,variable:：分析的变量Mean：均数，StdDev：标准差，SteErr：标准误LowerCLXX：95%可信区间下限如LowerCLMean:均数的95%可信区间下限LowerCLStdDev:标准差的95%可信区间下限UpperCLXX：95%可信区间上限,分组变量,方差齐性检验P=0.8735,两组资料总体方差齐同,看此表之前应先看下面的方差齐性检验表，由于两组资料总体方差齐同（P=0.8735,两组资料总体方差齐同），故看“Equal”一行的结果：t=1.81,p=0.0885；如果方差不齐，则看“Unequal”一行的结果。,2.配对资料比较的t-检验进行配对资料比较时，我们是利用各对子的差值d与零均数进行比较来实现的。此时，问题的实质已经转化为单变量(d)的统计分析问题了。,例4-4(配对资料的t检验)：某医师用一种中药治疗高血压患者，观察患者治疗前后舒张压(mmHg)的变化，数据如下表，试用配对t检验比较中药是否对高血压患者治疗前后舒张压的变化有影响。,注意在录入数据时一定要一对一对数据的录入!,dataex2;inputx1x2;d=x1-x2;cards;1109011511613310113313112611010888110921101041401261048612088120112;run;,procmeansnmeanstdtprt;vard;run;,方法1：(用MEANS或UNIVARIATE过程处理),procunivariate;vard;run;,PROCTTESTdata=ex2;PAIREDx1*x2;RUN;,方法2：(用TTEST过程来处理),PROCTTESTdata=ex2;vard;RUN;,1.NPAR1WAY过程(单因素非参数过程)NPAR1WAY过程是一个单因素的非参数过程，它分析变量的秩，计算几个相应的统计量，并检验一个变量的分布在不同组中具有相同的位置参数，或者检验在不同组中的变量具有相同的分布。NPAR1WAY过程处理独立组，不处理成对数据。关于成对数据的情形，用单变量统计分析(UNIVARIATE)过程来处理。,二.非参数统计分析,语句说明PROCNPAR1WAYoptions；CLASSvariable;VARvariables;这里，前两句(下划线部分)是必须的语句，后两句是可选的。,PROCNPAR1WAYoptions;这里的选项options有较多选择，下面介绍两个常用的选项：Data=SAS-data-set：指定分析数据集名。Wilcoxon：对数据或wilcoxon的秩次得分进行秩分析。对于两组，为wilcoxon秩和检验；对于多组，为Kruskal-WallisH检验。,2)Classvariable;这个语句是必须的，它指定一个且只能指定一个分类变量。该变量用来识别数据中的各个类。Class变量可以数值变量，也可以是字符变量。3)VARvariables;该语句命名要分析的响应变量或自变量。如果省略，则过程分析数据集中所有数值变量，除了Class变量以外。,例4-6.(两样本比较的秩和检验)10名健康人与7名铅作业工人血铅测得值如下：,试作两样本比较的秩和检验。,Dataex;Inputx;If_n_=10theng=1;Elseg=2;Cards;55