sas描述统计08课件

基础统计描述与SAS第二讲基础统计描述与SAS

主讲人：张国权邮编:手机:一SAS基础服务过程CHART、GPLOT（绘图）SORT（排序）PRINT（按要求输出结果）STANDARD(数据标准化)BaseSAS功能1、Base/SAS软件是SAS系统的基本部分，主要用于：信息存储和检索、数据修改与程序设计、报表生成、基础统计计算、文件管理。2、Base/SAS软件还提供了几十个Base/SAS过程，主要用于基础统计计算、生成报表、绘图及文件管理等方面，是更简捷、易用、有效的方法。3、按用途可归为四大类：基础统计计算、报表生成、得分方法、实用方法(二)、过程简介(1)、SAS基础统计过程：分别计算单个变量的关于位置、变异性及形状等方面的基础统计量；关于检验均值假设的有关统计量；关于检验正态性假设的有关统计量；还有两个变量的有关相关性统计量。例：MEANS，SUMMARY，UNIVARIATE，CORR，FREQ，TABULATE，CHART(2)、SAS报表过程：生成一些信息显示。显示的信息可以是数据的列表，或图形显示。许多统计过程也用报表来输出结果。例：PRINT，PLOT，CHART，FORMS，CALENDAR，TIMEPLOT，TABULATE(3)SAS得分过程：用来产生包含新变量的输出数据集。这些新变量是输入数据集中数据的变换。例：STANDARD，RANK(4)、SAS实用过程：完成中间操作或数据处理的特殊形式。例：SORT，FORMAT，TRANSPOSE，APPEND，CONTENTS，DAASETS1对数据排序的sort过程简介sort过程常用于将数据集分类排序，以便其它SAS过程通过使用BY语句，可以直接调用它。语句说明PROCSORT选择项；BY[descending(递减)]变量；1.学生成绩按平均分排序后输出

title'0401班学生成绩排名';datac0401;inputname$1-10sex$mathchinese;avg=math*0.5+chinese/120*100*0.5;cards;李明男9298张红艺女89106王思明男8690张聪男98109刘颍女80110;procprint;run;procsortdata=c0401;bydescendingavg;procprint;run;0401班学生成绩原始输出0401班学生成绩排名Obsnamesexmathchineseavg1李明男929886.83332张红艺女8910688.66673王思明男869080.50004张聪男9810994.41675刘颍女8011085.83330401班学生成绩按平均分排序(递减)后输出0401班学生成绩排名Obsnamesexmathchineseavg1张聪男9810994.41672张红艺女8910688.66673李明男929886.83334刘颍女8011085.83335王思明男869080.5000学生成绩按分组排序程序dataa;inputNAME$xyg$@@;datalines;a83.00101b119.95112c145.22163d129.98234e37.95311f103.49472g39.95493h37.95511i65.79522j69.95634k100.79721l33.12892m88.05913n97.95991;

proc

sortdata=aout=b;bygx;run;

proc

printdata=b;varNAMEgxy;run;

2.学生成绩按分类输出dataa;inputNAME$xyg$;datalines;a83.00101b119.95112c145.22163d129.98234e37.95311f103.49472g39.95493h37.95511i65.79522j69.95634k100.79721l33.12892m88.05913n97.95991;

dataaa;seta;ify<40thenyy=“不称职";if40<=yandy<80thenyy="称职";ify>=80thenyy=“优秀";

proc

printdata=aa;varNAMEgyyxy;run;

学生成绩按分类输出ObsNAMEgyyxy1a1不称职83.00102b2不称职119.95113c3不称职145.22164d4不称职129.98235e1不称职37.95316f2称职103.49477g3称职39.95498h1称职37.95519i2称职65.795210j4称职69.956311k1称职100.797212l2优秀33.128913m3优秀88.059114n1优秀97.95992对数据集进行转置的TRANSPOSE过程OBSABCOBS_NAME_COL1COL2COL311231A14724562B25837893C369一、简介该过程读入一个SAS数据集并通过转置创建一个新的数据集作为它的唯一输出集。原数据集中的行变为列、列变为行。dataa;inputxyz;cards;123456789;proctranspose;varxyz;procprint;run;使用ID语句后转置结果；datab;inputabx$;cards;12x34y56.78z;proctranspose;idx;procprint;run;Obs_NAME_xyz1a1372b248对数据进行标准化的standard过程procstandardm=0s=1;var变量表;Freq变量;Weight变量;By变量;语句说明freq：该语句用来指定输入SAS数据集中的一个数值变量，它的值表示该观测重复的次数。weight：该语句规定输入SAS数据集中的一个数值变量，它的值用来对相应观测加权。by：由by变量定义的几个观测组分开的分析结果。二、输出SAS数据集包含给定变量的标准化变量。标准化值计算公式：3.数据标准化dataa;inputNAME$xyg$@@;datalines;a83.00101b119.95112c145.22163d129.98234e37.95311f103.49472g39.95493h37.95511i65.79522j69.95634k100.79721l33.12892m88.05913n97.95991;Procprint;varxy;run;procstandardm=0s=1;varxy;run;Procprint;varxy;run;

§44.秩得分过程（rank）简介通过SAS数据集中的观测计算一个或几个数值变量的秩得分，这些秩得分被输出到新的SAS数据集中。语句

procrankties=mean;var变量表;Ranksrankx;Run;二、秩及秩的应用

rank把数值从最小到最大排列，对最小值赋予秩1，对第二小值赋予秩2，等等一直到秩为n，即未丢失的观测个数。出现结值时，其秩可以赋予平均秩或最高秩、最低秩。许多非参数统计方法使用秩而不用原始变量值。例如，对一个数据集首先通过rnak得到响应变量的秩，然后使用anova,glm过程至秩拟合方差分析模型。三、实例测得两组数据，并对每个数据求比率得分。(1):556791213151821(2):171820253443dataaa;inputxg@@;datalines;5151617191121131151181211172182202252342432442;procrankties=mean;varx;Ranksrankx;run;Procprint;run;比如，ifmax(a)<20thenp=0;elsep=1;上述程序当max(a)<20时p=0，否则p=1。下述程序则是复合的IF结构。IFx>0THENDO;PUT'X为正数';x=2*x;PUTx=;END;注意SAS的分支结构的写法与其它语言有些不同，它不用ENDIF结束。循环结构

SAS数据步可以使用循环结构，主要的是两种：计数DO循环和当型、直到型循环。计数DO循环的写法是：

DO计数变量＝起始值TO结束值BY步长; 循环体语句…… END;

在循环体中可以用LEAVE语句跳出循环，相当于C语言的break语句;用CONTINUE语句可以立即结束本轮循环并转入下一轮循环的判断与执行.当型循环的语法是： DOWHILE(循环继续条件);

循环体语句…… END;程序先判断循环继续条件是否成立，成立时执行循环体语句，再判断循环继续条件，如此重复，直到循环继续条件不再成立。直到型循环的写法是： DOUNTIL(循环退出条件);

循环体语句…… END;程序先执行循环体，然后判断循环退出条件是否成立，成立则结束循环，否则继续。注意每轮循环都是先执行循环体再判断是否退出。如：data;DOi=1TO20BY2;j=i**3;puti3.j5.;END;run;可以输出一个1，3，5，7，…，19的立方表。

成绩姓名第一学期第二学期常识算术填图常识算术填图zhang141328151420li101415151318liu191422201028yang91014101210zeng9825111024he9912131115用循环语句输入数据例dataa;labeli='姓名'j='学期'x='常识'y='算术'z='制图';doi=1to6;doj=1to2;inputxyz@@;output;end;end;cards;1413281514201014151513181914222010289101410121098251110249912131115;title'学生成绩';procprintdata=alabel;run;6SAS函数(一).SAS函数的定义

SAS函数是一个子程序，它由0个或几个自变量返回一个结果值。每个SAS函数都有一个关键词名字。为了引用函数，要写出它的名字，然后写出一个自变量或几个自变量，它们用括号括起来，这个函数对这些自变量执行某种运算。SAS函数的形式

functionname(argument,...)

例如：INT(1.453)SUM(X1,X2)MIN(SUM(cash,credit),1000)(二)SAS函数自变量和结果1.SAS函数的自变量 1)自变量的类型：自变量可以是简单的变量名、常数或者表达式。这个表达式还可以包含其它的函数。例如：m=max(cash,credit)n=sqrt(2500)h=min(sum(ofx1-x10),y)

2)自变量的个数：有些函数不需要自变量(如DATE()),有些只需要一个自变量，有些函数是对几个自变量作分析处理。所有函数都不允许超过2000个自变量。如果函数的自变量是表达式，则先计算作为自变量的表达式。如：LOG(x+y)这个函数，是先计算x+y，然后调用对数函数LOG来计算x+y的对数。

3)自变量的表示法：一般地，当函数有几个自变量时，它们必须用逗号分隔开。不过，以下三种写法均是合法的：

functionname(OFvariable1-variablen)functionname(OFvariablevariable...)functionname(variable,variable,...)例如：sum(ofx1-x5)sum(ofx1x2x3x4x5)sum(x1,x2,x3,x4,x5)是等价的。

2.函数的结果

作为函数结果的目标变量(因变量)，其取值通常取决于自变量，当自变量是字符变量时，因变量取字符为值；当自变量为数值变量时，因变量取数值为值。对大多数函数而言，数值目标变量的长度是8个字节，字符目标变量的长度为200个字节。(三).函数的分类

SAS函数主要分为以下四类：数学函数abs():求绝对值mod(var1,var2):求var1除以var2后的余数sqrt():求平方根值 log():计算以e为底的对数值log10():计算以10为底的对数值样本统计函数

max():求最大值min():求最小值

mean():求均数std():求标准差

sum():求和随机函数

normal():产生一个正态分布的伪随机数

rannor():产生一个标准正态分布的随机数日期时间函数

year():从变量中抽取“年份”值

month():从变量中抽取“月份”值

day():返回变量的天数值data;x=0.5;y=sin(x);put'Sinefunctionvalueof'x'is'y;run;结果将在运行记录窗口显示一行Sinefunctionvalueof0.5is0.4794255386在PUT语句中使用“变量名＝”来指定输出项可以显示带有变量名的输出结果，比如把上程序中的PUT语句改为putx=y=;则结果在LOG窗口显示为X=0.5Y=0.4794255386二利用SAS作样本数据描述性统计1.PROCUNIVARIATE、2.PROC

MEANS定量资料的描述、配对t检验，一个样本对应总体与一个已知总体的比较t检验SAS过程(一)univariate过程一、过程简介该过程是单变量过程。用来估计描述统计量的过程，除可以完成类似means过程的基本统计量的计算外，还可以计算其它统计量：计算变量值分布的位置参数，生成若干个描述变量分布的图，对数据进行正态性检验，描述极端值的情况。二、语句结构procunivariate选择项；var变量表；by变量表；freq变量；weight变量；id变量表；outputout=输出数据集关键字=名1名2….；三、输出结果1、prob>|T|的含义及判断标准A学生t统计量大于T绝对值的概率。B如PRT<,则拒绝原假设（检验总体均值为0的假设）2、proc<w的含义及判断标准A检验数据来自正态总体假设时，相应的显著性概率。B如PRT<，拒绝原假设（检验数据来自正态总体的假设）或W<，拒绝原假设。DATAEX1;inputx@@;cards;75.054.864.064.847.462.266.952.062.265.062.265.057.563.555.266.673.564.057.057.063.969.058.056.957.550.052.272.057.055.448.557.075.550.562.963.461.058.561.552.561.069.562.5;procunivariatenormalplot;varx;RUN;例1给出了43个试验田的小麦产量，数据如下：试作统计描述,并检验数据是否符合正态分布.75.054.864.064.847.462.266.952.062.265.062.265.057.563.555.266.673.564.057.057.063.969.058.056.957.550.052.272.057.055.448.557.075.550.562.963.461.058.561.552.561.069.562.5SAS程序

TheUNIVARIATEProcedureVariable:xMoments(容量)N43(权重和)SumWeights43(均值)Mean60.744186(总和)SumObservations2612(标准差)StdDeviation6.91021681(方差)Variance47.7510963(偏度系数)kewness0.18055079峦(峰度系数)Kurtosis-0.2825567(未校正平方和)UncorrectedSS160669.36(未校正平方和)

CorrectedSS2005.54605(变异系数)CoeffVariation11.3759312(标准误)StdErrorMean1.05379818BasicStatisticalMeasuresLocationVariability(均值)Mean60.74419(标准差)

StdDeviation6.91022(中位数)Median61.50000(方差)Variance47.75110(众数)Mode57.00000(极差)

Range28.10000(内间距Q3-Q1=64.8-56.9=7.9)InterquartileRange7.90000

作均值为0的检验H0:u0=0

TestsforLocation:Mu0=0Test-Statistic------pValue------(t检验)Student'stt57.64309Pr>|t|<.0001(非参数的符号检验)SignM21.5Pr>=|M|<.0001(非参数符号秩检验)SignedRankS473Pr>=|S|<.0001拒绝H0用4种统计量检验数据符合正态分布与否H0:数据符合正态分布TestsforNormalityTest--Statistic--------pValue------Shapiro-WilkW0.978021Pr<W0.5711Kolmogorov-SmirnovD0.082943Pr>D>0.1500Cramer-vonMisesW-Sq0.050824Pr>W-Sq>0.2500Anderson-DarlingA-Sq0.307263Pr>A-Sq>0.2500不拒绝H0TheUNIVARIATEProcedureVariable:x

Quantiles(Definition5)百分位数与四分位数的估计QuantileEstimate100%Max75.599%75.595%73.5P(X<69.5)=90%90%69.5P(X<64.8)=75%75%Q364.8

50%Median61.525%Q156.910%52.05%50.01%47.40%Min47.4分别列出5个最小值与最大值和它们的序号

ExtremeObservations----Lowest--------Highest---ValueObsValueObs47.4569.54248.53172.02850.02673.51750.53475.0152.0875.533

数据的探索性分析画出数据的盒子图径叶图,描述数据的集中和波动趋势StemLeaf#Boxplot

74052|

72052|

70|

68052|

66692|

64008005+-----+Q3

62222594598||

600053*--+--*Q2

58052||

5690000557+-----+Q1

548243|

520253|

50052|

4851|

4641|----+----+----+----+TheUNIVARIATEProcedureVariable:xNormalProbabilityPlot75+*++*|**+++|+++|**+|+**|****|*****61+**+|+*|****|**+|***|**+|*++47+*++++----+----+----+----+----+----+----+----+----+----+-2-10+1+2画出分布形态图,从直观上检验数据的是否正态分布,当*与+重合较多表明数据基本符合正态分

画出直方图的输出(1).给定中位数及间隔proc

chart;VBAR变量/MIDPOINTS=44TO76BY4;(2).proc

capabilitygraphics;varX;histogram;

run;(3).procgchart;vbarx;run;dataEX1;inputx@@;cards;75.054.864.064.847.462.266.952.062.265.062.265.057.563.555.266.673.564.057.057.063.969.058.056.957.550.052.272.057.055.448.557.075.550.562.963.461.058.561.552.561.069.562.5;proc

univariatedata=EX1normalplot;varx;RUN;proc

chartdata=EX1;VBARX/MIDPOINTS=44TO76BY4;proc

capabilitygraphicsnoprint;varX;histogram;

run;procgchart;vbarx;run;DATAt;INPUTx@@;gr=2;x1=gr*INT(x/gr);CARDS;7.428.65 23.0221.6121.3121.469.97 22.7314.9420.1821.6223.0720.388.4017.3229.6419.69 21.6923.9017.4519.0820.5224.1423.7718.36 23.04 24.22 24.13 21.53 11.09 18.8918.26 23.29 17.67 15.38 18.6114.27 17.40 22.55 17.55 16.10 17.98 20.1321.00 14.56 19.89 19.82 17.4814.89 18.37 19.50 17.08 18.12 26.02 11.34 13.81 10.25 15.94 15.83 18.5424.52 19.26 26.13 16.99 18.89 18.46 20.87 17.51 13.12 11.75 17.40 21.36PROC

FREQDATA=t;TABLESx1;PROC

GCHARTDATA=t;VBARx1/DISCRETETYPR=FREQSPACE=0;VBARx/TYPR=FREQMIDPOINTS=7TO29BY2SPACE=0;RUN;

(二)计算描述统计量的MEANS、SUMMARY过程一、简介对数值变量计算单个变量的基本统计量。如果使用by语句，可把数据按by变量分为几个观测组，并对每个观测组计算数值变量的描述统计量。二、语句介绍procmeans选择项；var变量表；by变量表；class变量表；freq变量；weight变量；id变量；output选择项；MEANS过程所计算的统计量是用关键词及其含义如下： N：输入的观测值个数 NMISS：每个变量所含缺失值的个数 MEAN：变量的平均数 STD：变量的标准差 MIN：变量的最小值 MAX：变量的最大值 RANGE：变量的极差 SUM：变量所有值的和 VAR：变量的方差 USS：每一变量原始数据的平方和（未校正平方和） CSS：每一变量的离均差平方和（校正平方和） CV：变异系数 STDERR：每一变量的标准误（平均数的标准差） T：在H0:μ=0时的t值PRT：在H0:μ=0的假设下，统计量t大于t临界值绝对值的概率MEANS过程所计算的统计量是用关键词及其含义如下：

SKEWNESS：偏斜度 KURTOSIS：峭度 CLM：置信区间的上限和下限 LCLM：置信区间的下限 UCLM：置信区间的上限ALPHA＝（α值）：选用的统计显著性水平

DATAEX2;INPUTX@@;CARDS;20.321.522.019.822.523.725.424.323.226.818.721.924.422.826.221.4;

PROC

MEANSmeanstdstderrnCLM;proc

chartdata=EX2;VBARX/MIDPOINTS=14TO28BY2;RUN;结果输出

TheMEANSProcedureAnalysisVariable:XLower95%Upper95%MeanStdDevStdErrorNCLforMeanCLforMean----------------------------------------------------------------------------------22.80625002.27082030.56770511621.596215324.0162847----------------------------------------------------------------------------------DATAEX2;INPUTX@@;CARDS;20.321.522.019.822.523.725.424.323.226.818.721.924.422.826.221.4;

PROC

MEANSmeanstdstderrnCLM;proc

capabilitygraphicsnoprint;varX;histogram;

run;procgchart;vbarx;run;proccapabilitygraphicsnoprint; varx; histogram/midpoint=20to28by1 vscale=count; run;Datazhili;inputname$x1x2x3;cards;Zhang 14 13 28Li 10 14 15Liu 19 14 22Yang910 14Zeng9 8 25He 9 9 12;Procprintdata=zhili;Procmeansdata=zhili;varx1x2x3;run;

在这个例子中，我们看到：data,input,cards,proc,var,run是关键词；zhili是数据集名；name,x1,x2,x3是变量名；means是过程名；data=是means语句中的选项；$是特殊字符。

TheMEANSProcedureVariableNMeanStdDevMinimumMaximum-----------------------------------------------------------------------------x1611.66666674.08248299.000000019.0000000x2611.33333332.65832038.000000014.0000000x3619.33333336.562519812.000000028.0000000-----------------------------------------------------------------------------三.用菜单系统INSIGHT或分析员应用：

1.启动SAS系统＝>进入INSIGHT环境＝>打开CLASS数据集＝>Analyze＝>Multivariate(Y’s)=>选Y变量Age,Height,Weight＝>Output=>在弹出Output窗口选Univariate=>OK＝>OK，显示结果。

2.在分布窗口指定SEX（性别）为GROUP变量及Y变量Age,Height,Weight,在Output窗口选Univariate=>OK=>OK.

3.启动SAS系统＝>进入分析员应用＝>打开CLASS数据集＝>Statistics＝>HypothesisTests＝>Two-Sample-testforMeans＝>指定分析变量（Weight)和分组变量（Sex)＝>OK，则显示结果。SAS常用功能键

按功能键“F9”，激活Keys窗口，可查看功能键的定义。§2SAS提供的基本运行环境－SAS常用的交互式运行方式1.用SAS编程实现各种任务2.用SAS提供的菜单系统实现各种任务3.用SAS/ASSIST进入SAS/ASSIST:使用工具栏图标发命令ASSIST下拉菜单选Globals=>ASSIST4.用SAS桌面系统发命令DESKTOP下拉菜单选Globals=>Desktop§2SAS提供的基本运行环境－SAS菜系统SAS系统提供几个交互式地心菜单系统用来完成各种上分析任务。1.SAS/INSIGHT软件2.分析员应用（ANALYST）3.市场研究应用（MARKET）4.SAS/LAB软件5.SAS/ETS软件的时间序列预报SASAWS是Windows环境下使用显示管理系统运行SAS系统的工作界面。SASAWS的请窗口是标题为SAS的窗口SASAWS还包括：1.所有条形的SAS窗口（含最小化的窗口）2.子窗口和对话框3.菜单条，工具栏，命令框，状态栏…§2SAS提供的基本运行环境－应用工作界面（AWS）正态性检验

对随机变量X,其密度如果存在函数为则称X付出正态分布,记为讨论参数的区间估计及进行统计检验时，我们都是假定总体分布为正态分布,但正态性假定是否成立，对于数据分析结论的可靠性是至关重要的。为此我们要对于数据正态性作统计检验.例1下面给出了100个农场的小麦产量，检验其正态性。数据如下：75.054.864.064.847.462.266.952.062.265.062.265.058.757.563.555.266.673.564.057.057.063.969.058.056.957.550.052.272.057.055.448.557.075.550.562.963.461.058.561.552.561.069.562.552.660.063.956.854.066.260.066.255.954.458.472.858.065.362.249.846.566.758.063.252.265.759.366.368.674.959.561.563.177.065.550.058.559.875.563.357.058.467.071.849.863.068.355.558.564.059.068.055.564.862.064.069.948.6