实验三 SAS描述统计分析

实验三SAS描述统计分析对数据进行频数统计、计算特征统计量和将数据图形化的过程称为描述统计。其目的是为了揭示数据的集中趋势、分散程度和数据分布形态，展示极端数据，最后做出说明现象本质的初步结论。用图形对数据进行描述性统计分析具有直观、鲜明、形象、便捷等特点，在表达统计数据时可以给人留下深刻的印象。统计图形的种类很多，利用SAS可以方便的绘制常用的统计图形。3.1实验目的掌握使用SAS对数据作描述性统计分析的方法。掌握SAS/GRAPH所提供的常用图形功能，能用SAS的统计图形对数据进行描述性统计分析。3.2实验内容一、用INSIGHT计算统计量、绘制统计图形二、用“分析家”计算统计量、绘制统计图形三、编程实现描述性统计（MEANS、UNIVARIATE、FREQ过程）、编程绘制统计图（GPLOT和GCHART过程）3.3实验指导一、用INSIGHT计算统计量【实验3-1】按性别分别计算SASHELP.CLASS中身高的均值、标准差、中位数和其它四分位数，简单分析学生身高的状况。在INSIGHT中打开数据集在菜单中选择“Solution（解决方案）”一“Analysis（分析）”一“InteractiveDataAnalysis（交互式数据分析）”，打开“SAS/INSIGHTOpen”对话框，在对话框中选择数据集：SASHELP.CLASS,单击"Open（打开）”按钮，即可在INSIGHT中打开数据窗口，如图3-1左所示。用Distribution菜单项计算统计量（1）选择菜单"Analyze（分析）”一“Distribution（Y）（分布）”，打开“Distribution（Y）”对话框。在数据集CLASS的变量列表中，选择height，然后单击“Y”按钮，height被选为分析变量，选择sex，然后单击“Group”按钮，sex被选为分组变量，如图3-1右所示。

图3-1在INSIGHT中计算统计量(2)单击“Output(输出)”按钮，在打开的对话框中包含描述性统计的选项，见表3-1。表3-1描述性统计选项选项说明选项说明Moments矩统计量FrequencyCounts频数统计Quintiles分位数RobustMeasuresofScale尺度的稳健估计BasicConfidenceIntervals基本置信区间TestsforNormality正态性检验TestsforLocation位置检验选择矩统计量和分位数选项，取消默认的选项：“BoxPlot/MosaicPlot”和“Histogram/BarChart”，如图3-2所示。图3-2描述性统计选项两次单击“OK”按钮，即可得到变量height按sex分组的各种矩统计量(Moments)和分位数(Quantiles)，如图3-3所示。3.结果分析从结果可以看出女生和男生分别有9个和10个观测，女生的平均身高60.5889低于男生的平均身高63.91，女生的标准差5.0183略大与男生的标准差4.9379，说明女生的身高较为分散一些。

±1Quanti1已m±1Quanti1已m100%Max66.500099.0%66.5000100%Max72.000099.0%72.000075%Q364.300097.5%66.500075%Q367.000097.5%72.000050%Med62.500095.0%66.500050%2d64.150095.0%72.000025%QI56.500090.0%66.500025%QI59.000090.0%70.50000%Min51.300010.0%51.30000%Min57.300010.0%57.4000Rarise15.20005.0%51.3000Ranse14.70005.0%57.3000Q3-Q17.80002.5%51.3000Q3-Q18.00002.5%57.3000Mode.1.0%51.3000Mode1.0%57.3000上Jsex=FAlsex=M上Jsex=FAlsex=MMomentsN9.0000SumWgts9.0000Mean60.5889Sl.UTL545.3000Std□已v5.0183Varianc已25.1836Skewness-0.7239Ktirtosis-0.3465USS33240.5900CSS201.4689CV8.2826StdMean1.6728Moments10.0000SumVgts10.0000Mean63.9100Si-im639.1000Std口已v4.9379Varianc已24.3832Skevniess0.0410Ktirtosis-0.9349USS41064.3300CSS219.44907.7264StdM已an1.5615女生的中位数、四分之一分位数和四分之三分位数分别为62.5、56.5和64.3,说明身高大于或小于62.5的女生各占一半，有四分之一的女生身高不超过56.5，而另有四分之一的女生身高超过了64.3；男生的中位数、四分之一分位数和四分之三分位数分别为64.15、59.0和67.0，说明身高大于或小于64.15的男生各占一半，有四分之一的男生身高不超过59.0，而另有四分之一的男生身高超过了67.0。二、用“分析家”计算统计量【实验3-2】从某大学总数为500名学生的“概率统计学”课程的考试成绩中，随机地抽取60名学生的考试成绩如表3-2所示（数据集为：MYLIB.SY3-2，变量名为F1）：表3-2“概率统计学”考试成绩6375839145819330728082838176678472588364936375997476959183618285834488726694687888719485827910090838884487280858087766296求出上述数据的平均值、方差、极差、中位数、四分之一分位数及四分之三分位数，并分析成绩分布情况。在“分析家”中打开MYLIB.SY3-2数据集（1）选择主菜单“Solutions（解决方案）”一“Analysis（分析）”一“Analyst（分析家）”，打开“分析家”窗口。（2）选择主菜单"File（文件）”一“AsSASNameOpen…（按SAS名称打开）”，在打开的对话框中，选择MYLIB.SY3-2。用SummaryStatistics菜单项计算描述性统计量（1）选择主菜单“Statistics（统计）”一“Descriptive（描述性统计）”一“SummaryStatistics（汇总统计量）”，打开“SummaryStatistics”对话框，选择变量列表中的F1，单击“Analysis”按钮，选定分析变量，如图3-4左所示。

图3-4选定分析变量与统计量（2）单击“Statistics”按钮，打开“SummaryStatistics：Statistics”对话框。对话框中列出可以计算的所有统计量，见表3-3。表3-3可计算统计量Mean均值Numberofobservations观测数Standarddeviation标准差Numberofmissingvalues缺失数Standarderror标准误Skewness偏度Variance方差Kurtosis峰度Minimum最小值Student'stt检验值Maximum最大值Probabilityoftp值Range极差Coefficientofvariation变异系数Sum和Correctedsumofsquares校正平方和Median中位数Uncorrectedsumofsquares未校平方和选择输出统计量平均值、方差、极差，如图3-4右所示。两次单击“OK”按钮后，得到平均值、方差、极差如图3-5所示。TheMEANSProcedtireAnalysisVariable:FlMeanVarianc：eRange77.7166667194.070904070.0000000图3-5描述性统计量3.用Distributions菜单项计算分位点在“分析家”窗口选择主菜单“Statistics（统计）”一“Descriptive（描述性统计）”一“Distributions（分布）”，打开“Distributions”对话框，选择变量列表中的F1,单击“Analysis”按钮，选定分析变量。单击“OK”按钮，即可得到关于变量F1的矩统计量和基本统计测度，如图3-6所示。TheUI'HVARIATEProcedi-weVariable:Fl(Fl)MohlentsNMeanStdDeviationSkevaiessUncorr已ct已dSSCoeffVariationSO77.716666713.9309333-1.1484247373S4317.9252842SlurW已ightsSumObservationsVarianceKurtosisCorr已ct已dSSStdErrorMeanSO^663194.0709041.7809271411450.18331.79847576BasicStatisticalM已astir已mLocalionVariabilityM已an77.71667Std口已viation13.93093Median81.00000Variance194.07090Mode83.00000Range70.00000InterquartileRange14.00000图3-6矩统计量和基本统计测度另外，还有位置检验、分位数以及极值观测（最大和最小的5个观测），如图3-7所示。TestsforLocation：Mu0=0TestTestsforLocation：Mu0=0Test-Statistic-pValueStudent'stt43.21252Pr>111<.0001SignJi!30Pr>=Im|<.0001SignedRankS915Pr>=|s|<.0001QuantileEstimate100%Max100.099%100.095%95.590%93.575%Q386.050%Median81.025%QI72.010%61.55%46.51%30.00%Min30.0Quantiles(Definition5)TheUNIVARIATEProcedtireVariable:Fl(Fl)ExtremeObservationsLowestHighestValueObsValueObs308944344349527455966048529924581810047图3-7位置检验、分位数以及极值观测4.结果分析学生成绩的均值、方差和极差分别为77.72、194.07和70，方差和极差较大，说明成绩的分布很分散。中位数、四分之一分位数及四分之三分位数分别为81、72和86,说明成绩大于或小于81的学生各占一半，有四分之一的学生成绩不超过72；而有四分之一的学生成绩超过了86,从均值和中位数可以看出有一大半学生的成绩超过了平均数。三、编程实现描述性统计【实验3-3】编程实现描述性统计。1.用FREQ过程编制频数表编制SASUSER.CLASS中age（年龄【实验3-3】编程实现描述性统计。1.用FREQ过程编制频数表编制SASUSER.CLASS中age（年龄）的频数表，代码如下：procfreqdata=SASUSER.CLASS;tablesage;RUN;运行结果如图3-8所示。T1*FEEijFTsctdurt祯fInyearsCiuu)ativeCUiulat土veigePerciEfitTxequenjeyPercetit12345gTx.1.11Tx昊蹄的Ecfi跚

10.泓1E.Z1.Z1.5.En—ud-c-图3-8频数表2.用NEANS过程计算均值、标准差、极差和分位数按性别分别计算SASUSER.CLASS中体重的均值、标准差、极差、中位数、四分之一分位数和四分之三分位数，代码如下：procmeansdata=SASUSER.CLASSmeanstdrangemedianq1q3;varweight;classsex;run;运行结果如图3-9所示。TheNEANSProc已AnalysisVariable:veightWeightinpoundsJend已tNObsMeanStd□已wRangeMedianLoverQuartileUpperQuartile丁990.lllllll19.3B3913762.000000090.000000084.0000000102.500000010I08.950000022.7271864■0000000107.250000085.0000000120.0000000图3-9使用class语句分类计算均值、标准差、极差、中位数和分位数或者procsortdata=SASUSER.CLASS;bysex;run;procmeansdata=SASUSER.CLASSmeanstdrangemedianq1q3;

varweight;bysex;run;运行结果如图3-10所示。说明：1）通常使用BY语句时要求数据集须按BY变量排序，使用CLASS语句无此要求。2）在means过程中使用BY语句时输出按BY变量的每个值分别提供一个表，使用CLASS语句则将所有结果排列在一个表之中。图3-10图3-10使用by语句计算均值、标准差、极差、中位数和分位数3.用UNIVARIATE过程计算众数和分位数计算SASUSER.CLASS中age（年龄）的众数、2.5%和97.5%分位数。procunivariatedata=SASUSER.CLASS;varage;outputout=pctpctlpre=ppctlpts=2.597.5;run;procprintdata=pct;run;运行结果如图3-11所示，age（年龄）的众数为12,2.5%分位数为11，97.5%分位数为16。BasicStatisticalM已asuresLoc：ationVariability10bsp2_5p97_511116TOC\o"1-5"\h\z1［已mn13.31579StdDeviation1.49267Median13.00000Varianc：e2.22807Mode12.00000Flange5.0000010bsp2_5p97_511116图3-11众数和分位数说明:UNIVARIATE过程中的output语句表示将UNIVARIATE产生的统计量输出到“out=”后定义的新数据集中，本例新数据集名称为pct，output语句中的选项pctlpre用于指定新数据集中变量的前缀，本例表示百分位数变量的前缀为p；选项pctlpts表示需要计算百分位数，本例需要计算2.5%和97.5%分位数。四、用INSIGHT绘制统计图形【实验3-4】研究Sasuser.gpa中gpa分数的分布：画出gpa的直方图、盒形图；通过直方图、盒形图简述不同性别的gpa数据的特点。在INSIGHT中打开数据集Sasuser.gpa。

绘制直方图图3-12“Histogram/BarChart(Y)”对话框选择菜单“Analyze(分析)”—“Histogram/BarChart(Y)(直方图/条形图)”，打开“Histogram/Bar图3-12“Histogram/BarChart(Y)”对话框在数据集gpa的变量列表中，选择gpa变量，然后单击“Y”按钮，gpa变量被选定，如图3-12所示。单击“OK”按钮，即可得到直方图，如图3-13左所示。单击图形框左下角处的三角形，在打开的菜单中选择“Values(值)”，即可在图中显示频数值，如图3-13右所示。图3-13在INSIGHT中绘制直方图图3-14不同性别gpa分数的直方图(5)如果在“Histogram/BarChart(Y)”对话框中选定gpa变量作为分析变量，然后选择sex变量后再单击“Group(分组)”按钮，单击“OK”后可将图3-13在INSIGHT中绘制直方图图3-14不同性别gpa分数的直方图绘制盒形图选择菜单“Analyze(分析)”—“BoxPlot/MosaicPlot(Y)(盒形图/马赛克图)”，打开“BoxPlot/MosaicPlot(Y)”对话框。在数据集gpa的变量列表中，选择gpa变量，然后单击“Y”按钮，gpa变量被选定，如图3-15左所示。单击“Output(输出)”按钮，取消“YAxisVertical(垂直的Y轴)”如图3-15右所示。单击“OK”按钮返回对话框。

图3-15“BoxPlot/MosaicPlot(Y)”对话框单击“OK”按钮，即可得到盒形图，如图3-16左所示。单击图形框左下角处的三角形，在打开的菜单中选择“Means(均值)”，可以在盒形图中显示均值的位置，如图3-16右所示。图3-16在INSIGHT中绘制盒形图(5)按(1)中方法打开“BoxPlot/MosaicPlot(Y)”对话框，选择gpa变量，单击“Y”按钮，再选择sex变量，然后单击“X”按钮，如图3-17左所示，可以将男女生gpa分数的两个盒形图画在同一个坐标系下，如图3-17右所示，便于查看男女生gpa分数的分布情况。图3-17画在一个坐标系下(6)单击图3-17右图中左下角的三角，在弹出的菜单中选中“Means”和“Values”，可在盒形图上标出男女生gpa分数的均值、中位数、四分之一分位数和四分之三分位数等。图3-18显示均值、中位数、四分之一分位数和四分之三分位数等图3-18显示均值、中位数、四分之一分位数和四分之三分位数等结果分析从图3-13和3-16可以看到gpa分数在均值两边的分布是不对称，有半数以上学生的gpa

分数超过了平均值。这部分高分学生的分数比较集中，因为盒形图中均值线右边部分较短，而其他低分部分的学生成绩较为分散，gpa分数的总体分布为左偏。另外，有四个学生的gpa分数是极端值，它不具有代表性。从男女生各自的gpa分数直方图（图3-14）和盒形图（图3-17右）可以看到，男女生gpa分数的分布情况类似，都略微左偏。两条中位数线位置没有明显区别，但女生中位数线左方部分更长一些，说明女生的gpa分数低分部分更分散一些。五、用“分析家”绘制统计图形【实验3-5】某高校对学生逃课的情况进行抽样调查的结果如表3-4所示:表3-4学生逃课情况表年级性别逃课的情况年级性别逃课的情况2004级男从不逃课2005级男从不逃课2004级男偶尔逃课2005级男从不逃课2004级男偶尔逃课2005级男从不逃课2004级男偶尔逃课2005级男从不逃课2004级男偶尔逃课2005级女从不逃课2004级男偶尔逃课2005级女从不逃课2004级男偶尔逃课2005级女从不逃课2004级男偶尔逃课2005级男偶尔逃课2004级男偶尔逃课2005级男偶尔逃课2004级男偶尔逃课2005级男偶尔逃课2004级男偶尔逃课2005级男偶尔逃课2004级男偶尔逃课2005级男偶尔逃课2004级男偶尔逃课2005级男偶尔逃课2004级男偶尔逃课2005级男偶尔逃课2004级男偶尔逃课2005级男偶尔逃课2004级女偶尔逃课2005级男偶尔逃课2004级女偶尔逃课2005级男偶尔逃课2004级女偶尔逃课2005级男偶尔逃课2004级女偶尔逃课2005级男偶尔逃课2004级女偶尔逃课2005级男偶尔逃课2004级女偶尔逃课2005级男偶尔逃课2004级女偶尔逃课2005级男偶尔逃课2004级女偶尔逃课2005级女偶尔逃课2004级女偶尔逃课2005级女偶尔逃课2004级女偶尔逃课2005级女偶尔逃课2004级女偶尔逃课2005级女偶尔逃课2004级女偶尔逃课2005级女偶尔逃课2004级女偶尔逃课2005级女偶尔逃课2004级女偶尔逃课2005级女偶尔逃课2004级女偶尔逃课2005级女偶尔逃课

2004级女偶尔逃课2005级女偶尔逃课2004级女偶尔逃课2005级女偶尔逃课2004级男经常逃课2005级女偶尔逃课2004级男经常逃课2005级女偶尔逃课2004级男经常逃课2005级女偶尔逃课2004级男经常逃课2005级女偶尔逃课2004级男经常逃课2005级女偶尔逃课2004级男经常逃课2005级女偶尔逃课2004级男经常逃课2005级女偶尔逃课2004级男经常逃课2005级女偶尔逃课2004级男经常逃课2005级女偶尔逃课2004级男经常逃课2005级女偶尔逃课2004级男经常逃课2005级男经常逃课2004级女经常逃课2005级男经常逃课2004级女经常逃课2005级男经常逃课2004级女经常逃课2005级男经常逃课2004级女经常逃课2005级男经常逃课2004级女经常逃课2005级女经常逃课2004级女经常逃课2005级女经常逃课2004级女经常逃课2005级女经常逃课利用统计图形从整体上对逃课情况进行分析。利用统计图形对两个年级逃课状况进行比较分析。利用统计图形对男女生逃课状况进行比较分析。数据预处理由于“分析家”对汉字处理效果不是很好，用变量grade、sex和case分别代表年级、性别、逃课情况，“2004”和“2005”分别表示“2004级”、“2005级”，“M”和“F”分别表示“男”和“女”，“N”、“S”和“A”分别表示“从不逃课”、“偶尔逃课”和“经常逃课”。-I-■「：1挣财二MN3M34M31.M3>:■M37M382CWM3图3-19数据表sy4_2.xls首先将表3-4处理成Excel表格(sy4_2.xls)，如图3-19所示。图3-19数据表sy4_2.xls将sy4_2.xls导入为SAS数据集Mylib.sy4_2。或在“分析家”中直接打开sy4_2.xls后存为数据集Mylib.sy4_2。以下操作总假定已经在“分析家”中打开数据集Mylib.sy4_2。利用统计图形从整体上对逃课情况进行分析(1)绘制三维饼图选择主菜单"Graphs(图形)”一“PieChart(饼图)”，打开“PieChart”对话框，选择变量列表中的case，单击"Chart”按钮，选定分析变量，选中3-D选项，如图3-20左。图3-20总体情况三维饼图再单击“Options”按钮，进入“Options”窗口。单击“SliceValues图3-20总体情况三维饼图再单击“Options”按钮，进入“Options”窗口。单击“SliceValues”选项卡，选中“Percent”单选按钮，如图3-20右所示，两次单击“OK”按钮，得到标有百分比的立体三维饼图，如图3-21所示。（2）绘制三维条形图选择主菜单"Graphs（图形）”一“BarChart（条形图）”—“Vercital…（垂直）”，打开“VercitalBarChart”对话框，选择变量列表中的case，单击“Chart”按钮，选定分析变量。再选中3-D选图3-21总体情况三维饼图项，如图3-22上所示。单击“Options”按钮，进入“Options”窗口，单击"Statistics”选项卡，选中“DisplayStatistics”复选框，如图3-22下所示。两次单击“OK”按钮，得到标有频数的立体三维条形图，如图3-23所示。图3-22设置三维条形图（3）结果分析从图3-21和图3-23中可以看出从不逃课的仅占8%,经常逃课的占26%，偶尔逃课的占66%，这说明绝大多数学生逃过课，众数为“偶尔逃课”，说明偶尔逃课能代表逃课的状况，有一小部分经常逃课，这是值得我们注意的。图3-23图3-23总体情况条形图图3-24Variable对话框PieChart图3-24Variable对话框PieChartofCASEOS冈3.利用统计图形对两个年级逃课状况进行比较分析（1）分别绘制两个年级的二维饼图选择主菜单“Graphs（图形）”一“PieChart（饼图）”，打开“PieChart”对话框，选择变量列表中的case，单击"Chart”按钮，选定分析变量，选中2-D选项，再单击“Options”按钮，打开“Options”对话框。单击“SliceValues”选项卡，选中“Percent”单选按钮，单击“OK”返回，再单击“Variables”按钮，打开分组变量设置对话框，将GRADE选为分组变量，如图3-24所示。两次单击“OK”，可以分别得到标有百分比的两个年级的二维饼图，如图3-25所示。图3-25两个年级二维饼图（2）分别绘制两个年级的二维条形图选择主菜单"Graphs（图形）”—“BarChart（条形图）”—“Vercital…（垂直）”，打开“VercitalBarChart”对话框，选择变量列表中的case，单击"Chart”按钮，选定分析变量，选中2-D选项，再选择grade变量，单击“GroupBy”按钮，选定分组变量，如图3-26左所示。单击“Options”按钮，进入“Options”窗口，单击"Statistics”选项卡，选中“DisplayStatistics”复选框，两次单击“OK”按钮，得到标有频数的两个年级的二维条形图，如图3-26右所示。

图3-26两个年级三维条形图（3）结果分析从图3-25和图3-26右看出两个年级学生逃课的状况的差异，主要在两个极端，即“从不逃课”和“经常逃课”上。2004级“经常逃课”的比2005级高出20%，而“从不逃课”的低12%，这说明2004级逃课的情况比2005级严重得多。两个年级的逃课状况中，众数均为“偶尔逃课”，但2004级的异众比例为38%，2005级的异众比例为30%，这说明“偶尔逃课”并不能很好地代表2004级逃课的状况，相比之下“偶尔逃课”能够很好地代表2005级逃课的状况。利用统计图形对男女生逃课状况进行比较分析（1）分别绘制男女生的饼图图3-27Variable对话框比的男女生立体三维饼图，如图3-28所示。选择主菜单“Graphs（图形）”一“PieChart（饼图）”，打开“PieChart”对话框，选择变量列表中的case，单击"Chart”按钮，选定分析变量，选中3-D选项，再单击“Options”按钮，进入“Options”窗口，单击"SliceValues”选项卡，选中“Percent”单选按钮，单击“OK”返回，再单击“Variable”选项卡，进入分组变量的设置窗口，将Sex选为分组变量，如图3-27所示。两次单击“OK”分别得到标有百分图图3-27Variable对话框比的男女生立体三维饼图，如图3-28所示。（2）分别绘制男女生的三维条形图选择主菜单"Graphs（图形）”—“BarChart（条形图）”—“Vercital…（垂直）”，打开“VercitalBarChart”对话框，选择变量列表中的case，单击"Chart”按钮，选定分析变量，再选择sex变量，单击“GroupBy”按钮，选定分组变量。选中3-D选项，再单击“Options”按钮，进入“Options”窗口，单击"Statistics”选项

卡，选中“DisplayStatistics”按钮，两次单击“OK”按钮，得到标有频数的男女生的两个的三维条形图，如图3-29所示。(3)结果分析,VerticalBarCtwiriofCASE□HE■mh[^■■5观察图3-28和3-29。男女生均以“偶尔逃课”为众数，分别占逃课情况的58%和74%，但男生的异众比例为42%，女生的异众比例为26%，这说明用“偶尔逃课”代表男生逃课的,VerticalBarCtwiriofCASE□HE■mh[^■■5图3-29男女生三维条形图六、编程绘制统计图使用GCHART过程绘制条形图和饼图【实验3-6】使用GCHART过程绘制实验3-5中有关图形。（图形略）goptionsftext="宋体”htitle=1;title'总体情况三维饼图'；procgchartdata=Mylib.sy4_2;pie3dcase/type=PCT;run;title'总体情况三维条形图'；procgchartdata=Mylib.sy4_2;vbar3dcase/outside=FREQ;run;title'两个年级二维饼图'；procgchartdata=Mylib.sy4_2;piecase/group=gradetype=PCT;run;title'两个年级二维条形图'；procgchartdata=Mylib.sy4_2;vbarcase/group=gradeoutside=FREQ;run;title'男女生三维饼图'；procgchartdata=Mylib.sy4_2;pie3dcase/group=sextype=PCT;run;title'男女生三维条形图'；proc