SAS分析法代码

1、SAS 分析常用的过程 过程步大全为区分过程名称的拼写，故意部分小写，以便识别和记忆。 基本SAS程序代码结构：-PROC MODE data=Arndata.moddat;          /* 命令的解释 */                var y x1-x6;                           /*

2、 命令的解释 */                model y = x1-x6;run;-   正态性检验PROC UNIvariate-PROC UNIvariate data=Arndata.unidat;                var x1;run; -    相关分析和回归分析PROC REG 回归-PROC REG data=A

3、rndata.regdat;                var y x1-x6;                model y = x1-x6 / selection=stepwise; /* 加入逐步回归选项 */                print cli;             &

4、#160;                              /* 加入输出预测结果部分，还可以输出acov,all,cli,clm,collin,collinoint,cookd,corrb,                                &#

5、160;                                           covb,dw(时序检验统计量),i,influence,p,partial,pcorr1,pcorr2,r,                        

6、0;                                                   scorr1,scorr2,seqb,spec,ss1,ss2,stb,tol,vif(异方差检验统计量),xpx*/                pl

7、ot y*x2 / conf95;                            /* 做散点图 */run; -DATA Arndata.regdat;x2x2 = x2*x2;x1x2 = x1*x2;PROC REG data=Arndata.regdat;                var y x1 x2 x2x2 x1x2 ;

8、                                /* 多项式回归,非线性回归 */                model y = x1 x2 x2x2 x1x2 / selection=stepwise;    /* 加入逐步回归选项 */        &#

9、160;       print cli;                 plot y*x2 / conf95;                              /* 做散点图 */run; -PROC RSreg 二次响应面回归PROC ORTHOreg 病态数据回归PROC NLIN 非线性回归PROC

10、 TRANSreg 变换回归PROC CALIS 线性结构方程和路径分析PROC GLM 一般线性模型PROC GENmod 广义线性模型  方差分析PROC ANOVA 单因素均衡数据和非均衡数据-PROC ANOVA data=Arndata.anovadat;          /* 命令的解释 */                class typ;             &#

11、160;                     /* 命令的解释 */                model y = typ;                            /* 可以看出此处是 单因素方差分析(分类型自变量对数值型自变量的影响) */ru

12、n;-PROC GLM 多因素非均衡数据:- PROC GLM data=Arndata.glmdat;          /* 命令的解释 */                class typea typeb;                /* 命令的解释 */               

13、model y = typea typeb;        /* 可以看出此处是 不考虑交互作用的多因素方差分析(分类型自变量对数值型自变量的影响) */run;- PROC GLM data=Arndata.glmdat;          /* 命令的解释 */                class typea typeb;         

14、0;      /* 命令的解释 */                model y = typea typeb typea*typeb;        /* 可以看出此处是 考虑交互作用的多因素方差分析(分类型自变量对数值型自变量的影响) */run;-    主成分分析PROC PRINcomp-PROC PRINcomp data=Arndata.pmdat  

15、 n=4  out=w1 outstat=w2 ;                          var x1-x6;                        PROC print data=w1;PROC plot data=w1 vpct=80;           

16、;                               /* 一句话，其实print就是plot输出图形的文字形式而已 */         plot prin1*prin2 $ districts='*'/                haxis=-3.5 to 3 by 0.5 HREF=

17、-2,0,2                vaxis=-3 to 4.5 by 1.5 HREF=-2,0,2;              /* 主成分的散点图，也就是载荷图 */run;- 因子分析PROC FACTOR-PROC FACTOR data=Arndata.factordat simple corr ;               

18、0;         var y x1-x6;                                         title'18个财务指标的分析'                title2'主成分解'run;PROC F

19、ACTOR data=Arndata.factordat n=4 ;                        /* 选择4个公共因子 */                var y x1-x6;   run;PROC FACTOR data=Arndata.factordat n=4           

20、60;   rotate=VARImax REorder;                                   /* 因子旋转：方差最大因子法 */                var y x1-x6;   run;-PROC SCORE -PROC FACTOR data=Arn

21、data.factordat n=4                rotate=VARImax REorder score out=score_Out;     /* 输出因子得分矩阵 */run;PROC print data=score_Out;         var districts factor1 factor2 factor3 factor4;run; PROC plot data=score_Out;

22、0;        plot factor1*factor2 $ districts='*' / href=0 Vref=0;     /* 因子的散点图，也就是载荷图 */run;-    典型相关分析PROC CANcorr基本SAS程序代码结构：-DATA jt(TYPE=CORR);                        &#

23、160;      /* TYPE=CORR 表明数据类型为相关矩阵，而不是原始数据, type还可以是cov,ucov,factor,sscp,ucorr等*/         input names$ 1-2(x1 x2 y1-y3)(6.);   /* name $ 表示读取左侧的变量名，1-2表示变量名的字符落在第1,2列上 */         cards;x1 1 0.8 x2 y1 y2 y3 ;PROC CANcorr data=

24、Arndata.cancorrdat                edf=70 redundancy;                  /* 误差自由度的参考值，默认值是n=1000； redundancy表示输出冗余度分析的结果 */                var x1 x2;     

25、;           with y1 y2 y3;run;-对应分析                 /* 交叉表分析的拓展，寻找行和列的关系，一般行指代各种cases，而列代表各种visions */ PROC CORResp -PROC CORResp data=Arndata.correspdat out=result;             &#

26、160;           var x1-x6;                                        id Type;run;options ps=40;proc plot data=result;       plot dim2*dim1="*" $ Type

27、 / box             haxis=-0.2 to 0.3 by 0.1             Vaxis=-0.1 to 0.3 by 0.1             Href=0 Vref=0;run;- 聚类分析PROC CLUSTER-PROC CLUSTER data=Arndata.clusdat       

28、               method=ave outtree=clusdat_Out;                        var x1-x6;                        id datid;run;proc tree horizont

29、al;                 /* 做聚类树 */run;-PROC FASTclus-PROC FASTclus data=Arndata.clusdat                        maxclusters=3 list out=clusdat_Out;             

30、          var x1-x6;                        id datid;run;-  PROC ACEclusPROC VARCLUS-PROC VARclus data=Arndata.clusdat; /* 系统默认使用主成分法聚类 */                 

31、      var x1-x6; run; -PROC VARclus hierarchy data=Arndata.clusdat; /* 保证分析过程中不同水平的谱系结构 */                       var x1-x6; run; -PROC VARclus centroid data=Arndata.clusdat outtree=clusdat_out; /* 使用重心法聚类

32、*/var x1-x6; run; -PROC TREE-PROC TREE data=Arndata.clusdat horizontal; /* 使用TREE过程绘制聚类谱系图 */var x1-x6; run; - 判别分析PROC DISCRIM-PROC DISCRIM data=Arndata.discrimdat                       list out=discrimdat_Out dist

33、ance pool=yes;                        class Typ; /* 指定分类变量 */                       var x1-x6; /* 用于建立判别识别函数的变量 */                 

34、;      id iddiscrim; /* 标注样本的变量 */run;-第二种方法，将需要判别的新样本放在testdata里：-PROC DISCRIM data=Arndata.discrimdat1 testdata=Arndata.discrimdat2                       testlist testout=discrimdat_Out; /* 将原来的几个选项加注test标示 */                       class Typ