基本统计描述

基本统计(描述)过程,MEANS过程SUMMARY过程UNIVARIATE过程FREQ过程PLOT过程（略）,集中趋势的描述指标,算术均数：适合单峰和基本对称的分布中位数：适用于任意分布类型截尾均数：数据中有极端值，用截尾均数更好几何均数：适用于原始数据分布不对称，但经过对数转换后呈对称分布的资料众数（Mode）：样本数据中出现频次最大的那个数字调和均数（H）：较少使用，观察值x倒数之均数的倒数，常用于完成的工作量相等而所用时间不同，求平均速度的情况,全距大体了解数据的分布范围，用于预备性检查方差和标准差适用于正态分布百分位数如中位数（P50）、四分位数（P25、P50、P75）四分位间距即P75-P25，适用于任意分布类型，不受极端值影响变异系数（CV）S/，适用于测量尺度相差太大或数据量纲不同时，比较两组数据离散程度的大小,离散趋势的描述指标,SAS默认的关键词（部分）：,均数,方差,标准差,标准误,离均差平方和(SS),变异系数,一、MEANS过程,对计量资料进行统计描述主要可通过MEANS过程和SUMMARY过程实现。这两者功能大致相同，略有差异。MEANS过程没有输出中位数、四分位数和众数的功能，SUMMARY过程则没有输出偏度系数和峰度系数。,格式：PROCMEANS；主语句；分析变量；分组变量RUN；选择项：1、DATA=数据集名-用于指定分析数据集，否则，使用当前数据集2、统计量用于指定需要输出的统计量，包括：N,MEAN,STD,STDERR,MIN,MAX,SUM,CV,t,P等18个。说明：1.默认状态下则不分组计算所有的变量。3.默认状态下输出的统计量为N,MEAN,STD,MIN,MAX。,例2-110年间某医院因心肌梗塞死亡的病例数的数据如表2.1，试作分析。,表2.1某医院心肌梗塞死亡的病例数,程序21,dataex2_1;inputnoxyz;cards;154540502490463935154544450545475492463264854525749949178480452095664936105394927;procmeansmeanstdstderrcvminmax;varxyz;run;,procmeans后面的meanstdstdercvminmax称为选择项，它们分别表示要求计算和输出均数，标准差，标准误，变异系数，最小值和最大值。如procmeans后面的选择项全部缺省，则输出均数，标准差，最小值和最大值。Varxyz;表示所统计的变量是x,y和z。如var语句缺省，则统计所有的数值型变量。,输出结果见下图：,变异系数CV=S/MEAN*100%,例2-2：,变量：2个（分组变量，血压变量）观察：4个,程序2_2：Dataex2_2(drop=obs);dogroup=1to4;doobs=1to4;inputbp;output;end;end;Cards;14513515514012011512011811512012312410098105103;Procmeansnmeanstdstderrtprt;classgroup;Run;,调用MEANS过程，要求计算每组的样本量、均数、标准差、标准误及做单样本t检验输出t和相应的p值。,Class语句指定分组变量group,默认状态下的t检验，检验假设H0:=0t=(mean-)/se,结果如下：,二、SUMMARY过程,格式：PROCSUMMARY；主语句；分析变量；分组变量;RUN；SUMMARY过程的用法与MEANS基本相同。不同点在于：1、在选择项中，SUMMARY过程中可以用MEDIAN、QUARTILE、MODE来输出中位数、四分位数和众数。2、默认状态只输出n，在选择项中如缺少print，则不显示3、SUMMARY过程可以使用OUTPUT语句，把输出的结果存入一个数据集中。,程序2_3：Dataex2_2(drop=obs);dogroup=1to4;doobs=1to4;inputbp;output;end;end;Cards;14513515514012011512011811512012312410098105103;Procsummarynmeanstdmedianprint;classgroup;varbp;Run;,如缺少此选择项则不显示计算结果,三、univariate过程,在SAS软件BASE模块中的统计描述除了means和summary过程外，还可以用univariate过程对一个或多个变量进行更详细的统计描述。,格式：Procunivariate；;频数变量;分组变量;；,选择项说明：1、DATA=数据集名。指定分析的数据集，如缺省则分析当前数据集。2、统计量的选择用于指定需要输出的统计量，包括：NMEANSTDMEANMEDIALMODESKEWENSSKURYOSISNORMALP90P95RANGVARSTDSTDMEANMINMAXPLOT等统计量,其他语句说明：1、var语句：指定分析一个或多个变量，省略则分析指定数据集中所有变量。2、freq语句：指定一个频数变量。3、by语句：指定一个分组变量，用by语句指定的分组变量需用sort过程排序。4、outputout=语句：将计算的统计量输出到指定的数据集中。,例2-3观察了12名健康男子血液第一小时末红细胞沉降率分别为：3，9，8，6，5，5，7，3，10，8，10，4mm，试计算其均数。,程序2_4dataex2_4;inputx;cards;39865573108104;procunivariatedata=ex2_4normalplot;run;,指定分析ex2_4数据集,输出各类描述统计指标,正态性检验,输出百分位数Px,异常值分析,茎叶图和箱式图,表2.2100名健康女大学生血清总蛋白含量,例2_4如下面这个例子已经列成了频数分布表。在数据输入时应按变量值及频数分布读入数据。100名健康女大学生血清总蛋白含量（g/l）的频数分布表如表2-2所示，试作univariate分析：,程序2_5dataex2_5;inputxf;cards;6536756987111732575247710797816830851;procunivariatedata=ex2_5normalplot;varx;freqf;/*指定f为频数变量*/run;,对分析变量x做正态性检验及做图,程序中在input语句中读入x及f两个变量的数值，x为血清总蛋白含量的组中值，f为频数。Varx;说明分析变量为x，freqf;说明频数变量为f。例如，最前面的两个数字x=65,f=3说明有3个65。,部分输出结果：,基本统计量,t检验及秩和检验,输出百分位数Px,异常值分析,茎叶图,P75分位数,P50分位数,P25分位数,正态概率图（PP图）,箱式图,例2_5某地13人接种疫苗后抗体滴度（稀释度）为1:20，1:20，1:40，1:40，1:40，1:80，1:80，1:80，1:80，1:80，1:80，1:160，1:320。试求其几何均数。几何均数的计算公式为：,程序2_6,dataex2_6;inputxf;y=log10(x);cards;20240380616013201;procmeans;freqf;vary;outputout=outmeanmean=logmean;procprintdata=outmean;datageomean;setoutmean;g=10*logmean;procprintdata=geomean;varg;run;,对变量x取对数，新变量名为y,调用means过程计算y的均数,将计算的结果输出到outmean数据集均数的变量名为logmean,创建一个新的数据集geomean取反对数，命名为g,首先建立数据集ex2_6。数据以频数分布表形式输入，x为变量值，f为频数。然后产生变量值x的常用对数的对数值y。用procmeans求y的均数，freqf；及vary;指定了频数变量为f及求均数的变量为y。至此我们已经可以求出y的均数。此均数必须再取反对数才能得到几何均数。由于SAS过程中没有直接求几何均数的程序，我们必须再对对数值的均数y取反对数。但如何对y取反对数却存在一个问题。因为计算反对数必须在建立数据集时进行。为此我们要另外建立一个包含均数y这个变量的数据集。,如果在means过程中加上以下语句：outputout=outmeanmean=logmean;就可以把means过程统计分析的结果放入数据集outmean。该数据集中包括y的均数放在变量logmean中。以下的print语句打印出此数据集，其中包括变量logmean，即y的均数。Procprintdata=outmean;Run;OBS_TYPE_FREQ_LOGMEAN10131.81047,由于要取反对数，必须另外建立数据步，为此又用数据步datageomean建立数据集goemean。该数据集通过调用已有的数据集outmean来建立。为此用set语句。Setoutmean;这时已从outmean数据集中得到数据。即可用outmean中的变量logmean求反对数来得到几何均数g，我们知道g=10*logmean,最后的结果不难得出。,Outmean数据集,几何均数,四、FREQ过程,分类变量的统计描述主要是计算率和构成比，常用的是FREQ过程。FREQ过程可以产生一维或多维频数表。,格式：PROCFREQ；TABLES/；WEIGHT；RUN；,TABLES语句中的选择项说明：1、out=数据集指定将频数表作为数据集输出3、每个单元格输出的内容，默认值为输出频数、行百分比、列百分比和总百分比。（norownocolnopercent等）2、对二维或多维表作假设检验（pearson卡方、分层卡方、精确概率检验等）,例2_5以例2_4为例输出频数表程序2_7Procfreqdata=ex2_5;Tablesx;Weightf;Run;,频数表,指定权重变量,例2_6:抽样调查了某地120名18-35岁健康居民的血清铁蛋白含量（mol/L），结果如下：试编制频数表。7.428.6523.0221.6121.3121.469.9722.7314.9420.1821.6223.0720.388.4017.3229.6419.6921.6923.9017.4519.0820.5224.1423.7718.3623.0424.2224.1321.5311.0918.8918.2623.2917.6715.3818.6114.2717.4022.5517.5516.1017.9820.1321.0014.5619.8919.8217.4814.8918.3719.5017.0818.1226.0211.3413.8110.2515.9415.8318.5424.5219.2626.1316.9918.8918.4620.8717.5113.1211.7517.4021.3617.1413.7712.5020.4020.3019.3823.1112.6723.0224.3625.6119.5314.7714.3724.7512.7317.2519.0916.7917.1919.3219.5919.1215.3121.7519.4715.5110.8627.8121.6516.3220.7522.1113.1717.5519.2612.6518.4819.8323.1219.2219.2216.7227.9011.7424.6614.1816.52,程序2_7:Dataex2_7;INPUTx;gr=2;x0=gr*INT(x/gr)+gr/2;CARDS;7.428.6523.0221.6121.3121.469.9722.7314.9420.1821.6223.0720.388.4017.3229.6419.6921.6923.9017.4519.0820.5224.1423.7718.3623.0424.2224.1321.5311.0918.8918.2623.2917.6715.3818.6114.2717.4022.5517.5516.1017.9820.1321.0014.5619.8919.8217.4814.8918.3719.5017.0818.1226.0211.3413.8110.2515.9415.8318.5424.5219.2626.1316.9918.8918.4620.8717.5113.1211.7517.4021.3617.1413.7712.5020.4020.3019.3823.1112.6723.0224.3625.6119.5314.7714.3724.7512.7317.2519.0916.7917.1919.3219.5919.1215.3121.7519.4715.5110.8627.8121.6516.3220.7522.1113.1717.5519.2612.6518.4819.8323.1219.2219.2216.7227.9011.7424.6614.1816.52;Procfreqdata=ex2_7;Tablesx0/out=f1;Run;,例2：一个2*2表datat_2;dose