《统计软件》期末报告

得分

《统计软件》

期末课程总结报告

课程名称：统计软件

学期：201A2014—1

学院：应用数学学院

专业：］0级统计专业

姓名：何飞官

学号：1017030020

日期：2013.11.14

统计软件应用数学学院10级统计班

10级《统计软件》课程总结要求

一、根据自己出勤和学习效果，客观给出自己的课程评分；

（20分）（按与老师综合评分的一致性评分）

自评分：

二、给出学习本课程内容的简要总结、学习体会和特别事例；

（40分）

答：学了九周，从未曾旷课，基本都坐前面，能跟上老师的脚步，偶尔

会请病假，只是回家之后自己没有多加练习，因为我1、3、5要上班，2、

4满课，周六一天的四级课，还有各槿工作，但是我从来不因各种理由逃课,

只要可以我都六点多起床，争取七点半过去，因为一般课室开门都在七点

半到七点四十分，我要坐前面，因为后面听不清，容易开小差，每节课我

都能跟上老师的脚步，就是记不住，不太熟练。

内容的简要总结：sas软件的了解，每个组成的使用，还有数据集

的建立，临时数据集和永久数据集，SAS/ASSIST.SAS/INSIGHT.SAS/分析

家的应用、描述性统计分析的解读，统计绘图的读解、数学里面解释拆分

数据的各种数学方法在sas软件的使用：因子分析、主成分分析、判别分

析、聚类分析、方差分析等等。在学完sas和spss软件之后，个人觉得spss

软件的操作会相对简单许多，而sas软件需要编程和C语言的功底，字符

的灵活运用，相对于spss来说，相对的难，当然功能也会比其强大一些。

所学实例操作演练（部分）：

统计软件应用数学学院10级统计班

1、SAS/ASSIST应用的操作过程

陂方案⑹国口般帮助的

一・昌女电图阿H夫①。

.1Users'［开MU菜单'程序'SAS

：0节1”，行7列:1字数型竺@拼写检查单位空

统计软件应用数学学院10级统计班

<X）xl1&（g）任务®®I3（X）帮助也）

▼□Q御文。•

铝SAS/ASS1ST:SujuiaryStatistics<0ntitled>

卜able:|-REQUIRED-〔Subsetdata：|NO

[Columns：]-REQU1RED-

[class：]-HOIE-

[Outputtable：|-NOIE-

□Numberofnonnissingvalues□Variance

□Numberofmissingvalues□Standarddeviation

□Miniaim□Standarderroroftheaean

□Maxinun□CoefficientofvarialIon

□Range□Skewness

□Sum□Kurtosis

□Mean

[AdditionalOptions]

国输出-（无标题）］口日志-（无标题）|团编辑器二^题1||^SAS/ASSIST:S.

喀理器

?e■WPS文档泳儿-京歌争阳教*1-25

oO各种截图

2、聚类分析

命2J大X①V

-DATACULTURE;

INPUTAREA$DXBZCZBZWMBZ鲍.

CARDS;

北京9.3030.558.70天津4.6729.388.92

河北0.9624.6915.21山西1.3829.2411.30

内蒙1.4825.4715.39辽宁2.6032.328.81

吉林2.1526.3110.49黑龙江2.1428.4610.87

上海6.5331.5911.04江苏1.4726.4317.23

浙江1.1723.7417.46安徽0.8819.9724.43

福建1.2316.8715.63江西0.9918.8416.22

山东0.9825.1816.87河南0.8526.5516.15

湖北1.5723.1615.79湖南1.1422.5712.10

广东1.3423.0410.45广西0.7919.1410.61

海南1.2422.5313.97四川0.9621.6516.24

贵州0.7814.6524.27云南0.8113.8525.44

西藏0.573.85<14.43陕西1.6724.3617.62

甘肃1.1016.8527.93青海1.4917.7621.70

宁夏1.6120.2722.06新疆1.8520.6612.75

RUM

-PROCACECLUSOUT=ACEP=0.04MOPRINT：

-PROCCLUSTERDATA=ACEOUTTREE=TREEMETHOD=MEDIANCCCPSEUDO.

IDAREA;

RUN.

-PROCTREEDATA=TREEOUT=HEVRAPHICSHAXIS=AXIA1HORIZONTAL;

RUN

-3-

统计软件应用数学学院10级统计班

幽幻V

SAS系统2013年05月13日星期一上午10时41分54秒1

TheCLUSTERProcedure

MedianHierarchicalClusterAnalysis

EigenvaluesoftheCovarianceMatrixeJ-1MdskHouse试用群

型？|★(500人群)兴趣爱好-其融

EigenvalueDifferenceProportionCumulative

1105.15317870.9368570.71040.7104.冒1聊天“◎空间X应用

234.21632225.5637620.23120.9415

38.6525608.6525600.05851.0000瘦脸搜道(646271773)10:43:52

40.0000000.0000000.00001.0000

50.0000000.0000000.00001.0000你几岁了还上课

6-0.000000-0.00001.0000u8718986-范亚楠(274024181)10:44:0C

点到那页就卡了

Root-Mean-SquareTotal-SampIeStandardDeviation4.966925

U8787484+沫小汐(879315191)10:44:02

Root-Mean-SquareDistanceBetweenObservations17.20593我老婆是讲师！！！

u87727244^文姣＜li*eniiao525@qa,com〉

ClusterHistory老子是去讲课

MedianU8787484+沫小沙(879315191)10:44:1C

--ClustersJoined---FREQSPRSQRSQERSQCCCPSFPST2Dist嗯嗯!I

云

贡州

29南瘦脸搜道(646271773)10:4422

甘肃20.00031.001320.0884

28W海

山东

27河20.0003.9991240.0975

南•哦忘记了你是僵尸

浙江0.0004

26陕2.9991190.1036

西

湖南20.0004.9991140.1128,我要重启电脑先

25广

东

24河北20.0004.9981130.1129

CL30.0006.99810570.118

.27

AgA沙直•日后西巴

注意：SAS软件很多程序里都有一个不可缺少的步骤，没

了它很多方法没办法使用，如数据库、永久数据集、临时

数据集、分析家、统计绘图等等，那个步骤就是把源文件

放进我们在课室使用的电脑里面的一个命名为"V8”的文

件夹里，并知道路线，因为没有这一部很多东西都没办法

操作，它就显得非常重要。因为我在我的电脑里找这个一

个类似V8的同样功能的文件夹找了三个小时，因为没有方

法。

三、给出3〜5个本课程具体应用实例(包括知识点的掌握；不同统计方法

的实际操作过程和结果解读；数据、程序、结果和解读)。

(40分)

统计软件应用数学学院10级统计班

1、因子分析的运用:

因子分析法解析洛杉矶的社会经济情况

2005年洛杉矶的12各地区的5项社会经济指标，包括：人口总数xl、

教育程度x2、就业人数x3、服务业人数x4、中等房价x5.我将使用因子分

析法对洛杉矶地区的社会经济状况进行分析。

数据集：

POPSCHOOLEMPLOYSERVICESHOUSE

1570012.8250027025000

2100010.96001010000

334008.81000109000

4380013.6170014025000

5400012.8160014025000

682008.326006012000

7120011.44001016000

8910011.533006014000

9990012.5340018018000

10960013.7360039025000

1196009.633008012000

12940011.4400010013000

sas程序的编写：

procfactordata=sasuser.chartl56n=2rotate=varimaxout=out831；

varPOPSCHOOLEMPLOYSERVICESHOUSE;

procfactordata=sassuser.chartl56n=2priors=smcrotate=varimax；

varPOPSCHOOLEMPLOYSERVICESHOUSE;

procfactordata=sasuser.chartl56n=2method=mlheyhoodrotate=varimax；

统计软件应用数学学院10级统计班

varPOPSCHOOLEMPLOYSERVICESHOUSE;

procplot；

plotfactor2*factorl=alphabet；

run；

结果程序的显示与分析:

EigenvaluesoftheCorrelationMatrix：Total=5Average=1

EigenvaIueDifferenceProportionCumuIative

1

22.873313591.076653500.57470.5747

31.796660091.581823210.35930.9340

40.214836890.114902830.04300.9770

50.099934050.084678680.02000.9969

0.015255370.00311.0000

2factorswillberetainedbytheNFACTORcriterion.

SAS系统2012年08月2。日星期一下午06

TheFACTORProcedure

InitialFactorMethod：PrincipalComponents

FactorPattern

FactorlFactor2

POPPOP0.580960.80642

SCHOOLSCHOOL0.76704-0.54476

EMPLOYEMPLOY0.672430.72605

SERVICESSERVICES0.93239-0.10431

HOUSEHOUSE0.79116-0.55818

VarianceExplainedbyEachFactor

Factor!Factor2

2.87331361.7966601

FinalCommunalityEstimates：Total=4.689974

POPSCHOOLEMPLOYSERVICESHOUSE

0.987826290.885105550.979305830.880235620.93750041

从上面图所示的分析结果中，首先输出的是关于原始变量的简单统计量，

包括均值和方差；然后输出了原始变量之间的相关性矩阵。通过观察发现,

统计软件应用数学学院10级统计班

有些变量之间存在较大程度的相关性（如POP和EMPLOY的相关性为

0.97245）,所以做因子分析是有必要的。

从图中所示是根据相关矩阵计算的特征值以及方差贡献率。根据方

差贡献率，可以确定应当选择的公因子数目。由于前两个特征值的贡献率

分别为0.5747和0.3593,二者的累计贡献率达到93.4%,已经可以反映原

始数据绝大部分的信息，因此只选择前两个公共因子进行分析。

数据为本文中模型的因子模式阵，这是用公因子预报原始变量的回

归系数。第一公因子在所有的5个变量上都有正的较大的载荷，可见这个

因子能够反映不同地区的综合发展水平；第二公因子在人口、就业上的载

荷较大，因此第二个公因子可以在一定程度上反映不同地区的人口规模。

输出结果还给出了公因子解释能力的估计，如上图所示，这里

给出了公因子对每一个原始变量的解释能力的量度，是用原始变量对公因

子的副相关系数平方（取值为。〜1）来计算的。CommunalityEstimate是这

些复相关系数平方都比较大，所以可以认为两个公因子可以很好地解释原

始变量中的信息。

统计软件应用数学学院10级统计班

SAS系统2012年08月20日星期一下午0K时44分35秒

TheFACTORProcedure

InitialFactorMethod：MaximumLikelihood

PriorCommunalityEstimates：SMC

POPSCHOOLEMPLOYSERVICESHOUSE

0.968591600.822285140.969180820.785724400.84701921

PreIiminaryEigenvalues：Total=76.1165859Average=15.2233172

EigenvalueDifferenceProportionCumulative

ooOAQOoA9

oQouuo.h

163.701008650,6462895o145nn34

—

—uu

213.054713112,7270798onn43n127

VV-—

30.32763930.6749199ooo4co*O1—

-ouu

4-0.34728050.2722202oAooonno

5-0.6195007-uoluu

2factorswi11beretainedbytheNFACTORcriterion.

IterationCriterionRidgeChangeCommunalities

10.34312210.00000.04711.000000.806720.950580.793480.89412

20.30721780.00000.03071.000000.808210.960230.810480.92480

30.30678600.00000.00631.000000.811490.959480.816770.92023

40.30673730.00000.00221.000000.809850.859630.814980.92241

输出一（无标超）

PreliminaryEigenvalues：Total=76.1165859Average=15.2233172A

EigenvalueDifferenceProportionCunulalive

1G3.701008650.64628950.83690.8369

213.054719112.72707980.17151.0084

30.32763930.67491990.00431.0127

4-0.34728050.2722202-0.004g1.0081

5-0.6195007-0.00811.0000

2factorswi11beretainedbytheNFACTORcriterion.

dg

IterationCriterioneChangeCommunalIties

Roiooo

10,3431221oooo0.04711.000000.806720.350580.793480.89412

20.3072178oooo0.03071.000000.808210.960230.810480.92480

30.3067860oooo-0.00631.000000.811490.359480.816770.92023

40.3067373u0.00221.000000.809850.959630.814980.92241

统计软件应用数学学院10级统计班

己标题）

Convergencecriterionsatisfied.

SignificanceTestsBasedon12Observations

Pr>

TestDFChi-SquareChiSq

HO：Nocommonfactors1054.2517<.0001

HA：Atleastonecommonfactor

HO：2Factorsaresufficient12.19820.1382

HA：Morefactorsareneeded

Chi-SquarewithoutBartlett'sCorrection3.3740530

Akaike'sInformationCriterion1.3740530

Schwarz'sBayesianCriterion0.8891463

TuckerandLewis'sReliabilityCoefficient0.7292200

TheFACTORProcedure

InitialFactorMethod：MaximumLikeIihood

FactorPattern

FactorlFactor2

POPPOP1.000000.00000

SCHOOLSCHOOL0.009750.90003

EMPLOYEMPLOY0.972450.11797

SERVICESSERVICES0.438870.78930

HOUSEHOUSE0.022410.95989

VarianceExp1ainedbyEachFactor

FactorWeightedUnweighted

Factorl24.43297072.13886057

Factor219.78531432.36835294

FinalCommunalityEstimatesandVariableWeights

TotalCommunality：Weighted=44.218285Unweighted=4.507214

VariableCommunalityWeight

POP1.00000000Infty

SCHOOL0.810144895.2682940

EMPLOY0.9595714224.7246669

目日志-（无标题）团编辑器一无标题11^1CHART156.sas...

统计软件应用数学学院10级统计班

TheFACTORProcedure

RotationMethod：Varimax

0rthogonaITransformationMatrix

12

10.021340.99977

20.99977-0.02134

RotatedFactorPattern

FactorlFactor2

POPPOP0.021340.99977

SCHOOLSCHOOL0.90003-0.00946

EMPLOYEMPLOY0.138690.96971

SERVICESSERVICES0.798490.42193

HOUSEHOUSE0.960150.00193

VarianceExpIainedbyEachFactor

FactortteightedUnweighted

Factorl20.00233992.38921346

Factor224.21594512.11800005

TheFACTORProcedure

RotationMethod：Varimax

FinalCommunalityEstimatesandVariableWeights

TotalCommunality：Weighted=44.218285Unweighted=4.507214

VariableCommuna1ityWeight

POP1.00000000Infty

SCHOOL0.810144895.2682940

EMPLOY0.9595714224.7246669

SERVICES0.815603485.4256462

HOUSE0.9218937212.7996793

统计软件应用数学学院10级统计班

输出的是因子旋转的结果(只显示了旋转阵和旋转后的因子载荷阵)。

从因子旋转的结果可以看出，各原始变量在Factor1和Factor2两个因子上

载荷数值的差距。

由因子载荷可以看出，Facto”与HOUSE、SCHOOL、SERVICES3个

变量的正相关性都比较强，载荷达到了0.79以上。而Factor2与POP和

EMPLOY两个变量的正相关性比较强，载荷达到了0.97以上。

通过分析可知，第一因子反映了房价、教育水平、服务业人数，这些

与发达程度有关，因此可以把公因子Factorl命名为”发达程度“因子；第

二因子反映了人口和就业情况，这些与城市规模有关，因此可以把公因子

Factor2命名为"城市规模“因子。

对提取出来的公因子进行实际意义的命名之后，还可以根据标准化的

得分系数来计算各个观测记录在这两个公因子上的得分。

结论与建议：

因子得分显示排在前3位的地区分别是地区10、地区1、地区4,也就

是说他们的社会经济发展状况相对比较好。

我们可以向这三个地区教育经济模式学习，提高地区的经济情况。

2、判别分析

判别分析解释中国94年的经济发展

对全国30个省市自治区1994年影响各地区经济增长差异的制度变量：XI-经济增长率

(%)>X2-非国有化水平(%)、X3-开放度(%)>X4-市场化程度(%)作判别分析。

统计软件应用数学学院10级统计班

类别序号地区X1x2x3x4

1辽宁11.257.2513.4773.41

2河北14.967.197.8972.33

3天津14.364.7419.4172.33

4北京13.555.6320.5977.33

5山东16.275.5111.0672.08

组6上海14.357.633.0077.35

7浙江20.083.9415.9989.50

8福建21.868.0339.4271.90

9广东19.078.3183.0380.75

10广西16.057.1112.5760.91

11海南11.949.9730.7069.20

12黑龙江8.730.7215.4160.25

13吉林14.337.6512.9566.42

14内蒙古10.134.637.6862.96

15山西9.156.3310.3066.01

16河南13.865.234.6964.24

17湖北15.355.626.0654.74

第18湖南11.055.558.0267.47

二

组19江西18.062.856.4058.83

20甘肃10.430.014.6160.26

21宁夏8.229.286.1150.71

22四川11.462.885.3161.49

23云南11.628.579.0868.47

24贵州8.430.236.0355.55

25青海8.215.968.0440.26

26新疆10.924.758.3446.01

27西藏15.621.4428.6246.01

28江苏16.580.058.8173.04

待判样

29安徽20.681.245.3760.43

品

30陕西8.642.068.8856.37

sas程序的编写：

procdiscrimdata=sasuser.examp58listerrcrosslisterr；

varxl-x4；

classg；

run；

结果显示和分析:

统计软件应用数学学院10级统计班

分组水平信息及联合协方差矩阵信息

TheDISCRIMProcedure

30

TotalSampleSize4DFTotal29

Variables3DFWithinClasses27

CIassesDFBetweenClasses2

NumberofObservationsRead38

NumberofObservationsUsed30

ClassLevelInformation

VariablePrior

吝NameFrequencyWe1ghtProportionProbabi1ity

1_11111.00000.3666670.333333

2-216