定量数据的统计描述

1、数据的统计描述,Means过程 Summary过程 Univariate过程,定量数据统计指标计算的三种过程,Means过程格式： Proc means ; Var 变量列表；（规定需要计算的数值变量及顺序） Class 变量名列表；（分组计算） Freq 变量；（该语句指定一个数值型的变量，它的值表示输入数据集中相应观测出现的频数。该变量的值应为正整数。若freq变量值,Means过程,Proc means中的其它选项包括 Maxdec=n;规定输出结果中的小数部分的最大位数（0-8）。缺省时是2。 Fw=n；给出该过程用来打印每个统计量的域宽。缺省是12。 Alpha=a;设置计算置信区间

2、的置信水平a。a在0-1之间。假如，若规定a=0.05,则得到均值的95%的置信区间 Missing要求该过程把class变量的缺失值作为有效分组值处理,Means过程,Proc means data=class; Var height; Run; 在上述用法中，没有指定输出的统计量，缺省的会对每个选定的变量计算有效记录(N)、均值(Mean)、标准差(Std)、最大值(Maximum)和最小值(Minimum)五个统计量,Means过程最简单的用法,可以用means过程 计算的统计量分别 用关键词表示,Proc means data=class mean var clm alpha=0.01

3、 maxdec=3 fw=8; Var height weight; Output out=mclass mean= var=vh vw lclm=lc uclm=uc; Run,Means过程示例,该程序要求输出的结果占8个字符，其中小数位为3。把运行结果输出到数据集mclass中,包括变量 height（height的均值） weight（weight的均值） vh（height的方差） vw（weight的方差） Lc(置信度为99%的置信下限) uc(置信度为99%的置信上限,1、统计关键字=代表统计值的变量名称串 Proc means data=class; Var height w

4、eight; Class sex; Output out=test mean=m_h m_w; Run,Output的四种方式,这种界定方式自动计算出var指令所列举之所有变量的统计值。 因此，等号右边所列举的变量，必须与var指令中所列举的变量前后对应而且数目相同,2、统计关键字（变量名称串）=代表统计值的变量名称串 Proc means data=class; Var height weight; Class sex; Output out=test mean=m_h m_w std(height)=v_h; Run,Output的四种方式,这种界定方式将产生var指令所列举之部分变量的统

5、计值。 例如，上例文件test中包括变量m_h， m_w 和v_h,3、统计关键字= Proc means data=class; Var height weight; Class sex; Output out=test mean=; Run,Output的四种方式,这种表达方式在等号右边是空白，未界定任何代表统计值的变量名称。因此，将以原变量的名称来代表。例如，在上例中，输出文件test中变量height与weight分别代表相应的均值。 须注意，若使用这种界定方式，则一个var变量，只能产生一种统计值，而不能同时产生其他统计值。这是因为一个var变量的名称只能同时代表一种统计值,4、统计

6、关键字（变量名称串）= Proc means data=class; Var height weight; Class sex; Output out=test mean=m_h m_w max(height)=; Run,Output的四种方式,这种表达方式在等号右边是空白，未界定任何代表统计值的变量名称。在等号左边的括号内列举部分var指令中所提到的变量。因此，这些变量的统计值，仍以变量的原名表示。例如，在上例中，输出文件test中变量m_h和m_w分别代表height与weight的均值，height代表height的最大值。 须注意，一个在var指令中界定的变量名称只能代表一种统计值。

7、因此，使用这种界定方式时，不要同一个变量重复界定在不同的统计值关键字之后,Output 语句中 的统计 关键字,频数语句（freq语句）：通过不同的sas过程被用来指定一个变量，这个变量的值表示在相应的这个观测中其他变量值出现的频数。 当freq语句出现时，过程处理这个数据集就好像每个观测出现n次一样，其中n是那个观测中freq变量的值。 如果在某个观测中，freq变量的值小于1，这个观测在分析中不使用；如果freq变量的值不是整数，仅取整数部分使用,Freq语句,Freq语句,对40名麻疹易感儿童接种麻疹疫苗一个月后，测得其血凝抑制抗体滴度如下，求其平均滴度,Data a; Input f

8、x; Cards; 1 4 5 8 6 16 2 32 7 64 10 128 4 256 5 512 ; Proc means; Var x; Freq f; Output out=b mean(x)=m_x; Run,By与class的区别,Class sex school;的分组结果： 组别 sex school 1 男和女 重点和非重点 男 重点和非重点 女 重点和非重点 男和女 重点 男和女 非重点 男 重点 男 非重点 女 重点 女 非重点,By sex school;的分组结果： 组别 sex school 1 男 重点 男 非重点 女 重点 女 非重点,设有两个分组变量：sex

9、（分男，女）及school（下分重点和非重点,By与class的区别,Class sex; By school；的分组结果： 组别 sex school 男和女 重点 男 重点 女 重点 男和女 非重点 男 非重点 女 非重点,示例,Proc means data=class; Class sex age; var height weight; output out=class1 mean= min=h w; Run,types ：对_type_进行选择输出,proc means data = class; var height; class sex age; types sex*age; o

10、utput out=height mean=; run; proc print data=height; run,两个过程类似，都是用来对数值变量计算单个变量的基本统计量。而且这两个过程使用的语句和选项都相同。它们的差别 缺省时，summary不打印输出计算结果；means总是打印输出计算的统计量，除非你在proc means过程中明确规定选项noprint。如果使用summary过程时希望打印输出统计量，必须在proc summary语句中规定选项print。 若省略var语句，summary过程只给出观测个数（Nobs）；而means过程对输入数据集中除用在by，Id，freq，class

11、，weight语句之外的所有数值变量计算统计量,means过程与summary过程的区别,Proc univariate Var By Freq Weight Id Output Probplot qqplot Histogram,选项串； 变量名称串； 变量名称串； 变量名称； 变量名称； 变量名称串； Out=统计值输出文件名称/统计值关键字符串； ； ；,PROC UNIVARIATE 过程,Proc univariate选项串,Data=sas数据集名 Noprint Freq 要求生成包括变量值，频数、百分数和累计频数的频数表 Normal 要求计算关于输入数据服从正态分布的假的检验

12、统计量。 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 Mu0= 设定t检验的样本均值是否等于mu0=，设置的值必须和var语句顺序对应,Univariate的输出（缺省）包括五个部分 第一部分是矩统计量； 第二部分为基本的位置和分散程度统计量，位置统计量包括均值、中位数、众数，分散程度统计量包括标准差、方差、极差、四分位间距； 第三部分为关于均值等于零的三种检验的结果，包括t检验、符号检验和符号秩检验； 第四部分为各个重要的分位数； 第五部分是观测数据的五个最低值和五个最高值,例如： Proc univariate data=class ; Var height

13、weight; Class sex; Id name; Run; 结果解释见课本98页,Probplot,Proc univariate data=class; Var height; probplot/normal(mu=60.6 sigma=5 color=red L=2 W=3 ) ctext=blue square grid pctlorder= 1, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95,99; inset mean=m(height); label height=gaodu

14、; title height; footnote h; Run; Color 定义曲线的颜色；L和W分别定义线型和线的宽度；ctext=定义字体的颜色； Sqare画个方块把图像包起来；grid在每个横坐标上画一个垂线；pctlorder=指定横坐标的百分位数，蓝颜色的必须指定； Inset 给图形附加说明，label给变量加标签,Position= Height= font= ctext=分别指定插入文字说明的位置、高度、字体及颜色 Cframe=和cshadow=分别规定文字说明框和阴影的颜色 Position可取N,NE,E,SE,S,SW,W,NW,常用字体见 http:/www.sf

15、u.ca/sasdoc/sashtml/gref/z1onts.htm#zt-lists,常用颜色： WHITE BLACK RED GREEN BLUE CYAN MAGENTA GRAY PINK ORANGE BROWN YELLOW,Inset语句选项,Qqplot,proc univariate data=class; qqplot height / normal(mu=est sigma=est color=green) square ctext=blue; inset mean=m(height); title height2; footnote h2; Run,Histogra

16、m,proc univariate data=class noprint; histogram weight; inset n = Number of observations mean=mean of weight/ position=ne; title Mean of weight; footnote This is a footnote; run,Inset 中的position=ne; 是来调整插入文字的位置，ne表示northeast，n表示north，其余类似,Histogram,proc univariate data=class; histogram height / norm

17、al(mu=est sigma=est color=red) midpoints =45 50 55 60 65 70 75 80 85 90 ctext=blue; run,Output语句的选项串,该语句要求创建一个包含指定统计量的输出数据集。新数据集中的变量个数和名字用户可以自己规定。使用该语句时要求有var语句。在一个单变量过程中可以使用多个output语句，每个output语句创建一个输出数据集 首先列出统计量的关键词，接着是一个等号，然后是包含统计量的一个或多个变量名。例如 output out=new mean=ave1 ave2 var=v,Output 语句示例,Proc u

18、nivariate data=class; Var height weight; Output out=test mean=m_h m_w var=v_h; Run; Univariate 中的output选项不能用 统计量（变量名）=名字；如上例中不能用 var（height）=v_h 不可以用 统计量（变量名）=；如上例不能用 var（height）或var,Output 语句示例,Proc univariate data=class mu0=62; Var height; Output out=t_test t=t_value probt=p_value; Run; 对变量height的均值做t检验（ mu0=62,Output 语句示例,Proc