SAS简单的矩阵运算和变量的协方差矩阵
几种描述性统计分分析的SAS过程
![几种描述性统计分分析的SAS过程](https://img.taocdn.com/s3/m/311218fafc0a79563c1ec5da50e2524de418d042.png)
几种描述性统计分分析的SAS过程描述性统计是统计学中的一种方法,用于总结和描述数据集的主要特征。
它有助于了解数据的整体分布、偏差和离散性等。
SAS(统计分析系统)是一种流行的统计软件,具有丰富的分析功能。
以下是几种常用的SAS过程,用于执行描述性统计分析。
1.PROCMEANS:PROCMEANS是一种计算统计指标的SAS过程,包括均值、总和、最小值、最大值、标准差等。
可以使用该过程对数值变量进行描述性统计,并在输出中显示这些统计指标。
可以通过指定多个变量和分组变量来计算针对不同子组的统计指标。
该过程还可以生成频数和百分比。
2.PROCFREQ:PROCFREQ是一种用于计算分类变量频数和百分比的SAS过程。
它可以计算每个类别的频数,并使用该信息生成频数表。
该过程还可以计算两个或更多分类变量之间的交叉频数表,并计算出每个类别的百分比。
3.PROCUNIVARIATE:PROCUNIVARIATE是一种用于执行单变量分析的SAS过程。
它可以计算变量的均值、标准差、峰度、偏度等统计指标。
该过程可以绘制直方图、箱线图、正态检验图和PP图等,以帮助理解数据的分布特征。
还可以执行分位数分析、离散度分析和异常值识别等。
4.PROCCORR:PROCCORR是一种用于计算变量之间相关性的SAS过程。
它可以计算变量间的皮尔逊相关系数,并使用协方差矩阵和相关系数矩阵来描述变量之间的线性关系。
该过程还可以绘制散点图矩阵和相关系数图,以直观地显示变量之间的关系。
5.PROCGLM:PROCGLM是一种用于执行多因素方差分析的SAS过程。
它可以根据自变量的水平和交互作用来分解因变量的方差,并进行显著性检验。
该过程可以计算组间差异的F值和p值,并生成方差分析表。
PROCGLM还支持使用协变量进行调整的方差分析,以控制对方差的影响。
以上是几种常用的SAS过程,用于执行描述性统计分析。
每个过程都有各自的功能和输出,可以根据数据和分析需求选择合适的过程。
协方差分析的sas程序
![协方差分析的sas程序](https://img.taocdn.com/s3/m/41687f24cf84b9d528ea7ae5.png)
协方差分析的SAS程序GLM过程的语法结构和ANOVA过程完全相同,这可大大的方便了我们的学习。
这里我们只解释协方差分析的做法:由于协变量并非我们研究的处理因素,因此在CLASS语句中可不能有它的位置;但是,另一方面协变量要影响结果变量的取值,因此必须在模型中引入,怎么办?只要在MODEL语句中将其写入即可(写在分析变量的首位)。
瞧,就这么简单!data a.ytli6_1;group=1;if _n_>13 then group=2;input y x@@;cards;3.7 15.73 2.35 11.7 ...... 21.43 9.62 1.3 6.89;proc gplot;做散点图,比较两组的相关趋势plot y*x=group ;按group变量分组绘图symbol1 i=rl v=star;在散点图上加回归线symbol2 i=rl v=plus;proc reg;做x、y的回归分析model y=x;by group;proc glm data=a.ytli6_1;class group;model y= x group;x为协变量run;data a.ytli6_1;group=1;if _n_>13 then group=2;input y x@@;cards;3.7 15.73 2.35 11.7 ...... 21.43 9.62 1.3 6.89;proc gplot;做散点图,比较两组的相关趋势plot y*x=group ;按group变量分组绘图symbol1 i=rl v=star;在散点图上加回归线symbol2 i=rl v=plus;proc reg;做x、y的回归分析model y=x;by group;proc glm data=a.ytli6_1;class group;model y= x group;x为协变量run;data a.ytli6_1;group=1;if _n_>13 then group=2;input y x@@;cards;3.7 15.73 2.35 11.7 ...... 21.43 9.62 1.3 6.89;proc gplot;做散点图,比较两组的相关趋势plot y*x=group ;按group变量分组绘图symbol1 i=rl v=star;在散点图上加回归线symbol2 i=rl v=plus;proc reg;做x、y的回归分析model y=x;by group;proc glm data=a.ytli6_1;class group;model y= x group;x为协变量run;data a.ytli6_1;group=1;if _n_>13 then group=2;input y x@@;cards;3.7 15.73 2.35 11.7 ...... 21.43 9.62 1.3 6.89;proc gplot;做散点图,比较两组的相关趋势plot y*x=group ;按group变量分组绘图symbol1 i=rl v=star;在散点图上加回归线symbol2 i=rl v=plus;proc reg;做x、y的回归分析model y=x;by group;proc glm data=a.ytli6_1;class group;model y= x group;x为协变量run;。
SAS简单的矩阵运算和变量的协方差矩阵
![SAS简单的矩阵运算和变量的协方差矩阵](https://img.taocdn.com/s3/m/257d69bef121dd36a32d825e.png)
SAS/IML矩阵功能简介SAS/IML是SAS提供的一个可以进行矩阵运算编程的工具,详细使用请参见有关资料或系统帮助(Help | Extended Help | SAS System Help: Main Menu | Help for SAS Products | SAS/IML)。
下面给出SAS/IML常用命令:●proc iml 调用SAS/IML矩阵运算编程的工具;●用+、-、*符号表示矩阵的加减乘;●用||表示矩阵左右连接,用//表示矩阵上下连接;●用#表示用某个常数分别乘以矩阵中的每个元素3#x;●用/表示用某个常数分别去除矩阵中的每个元素x/3;●用##矩阵中的每个元素进行乘方运算x##2;●用g=inv(x)表示g是x的逆;●用e=eigval(x) 表示e是x特征值;●用d=eigvec(x) 表示d是x特征向量;●用h=det(x) 表示h是x行列式;●用t=trace(x) 表示t是x的迹;●用rank=round(trace(ginv(x)*x)) 表示rank是x的秩;G = GINV(A) 表示求A的广义逆矩阵,如果G = GINV(A),那么AGA = A,GAG =G,(AG)' = AG和(GA)' = GA;●用下面的程序表示求矩阵x的某个子矩阵proc iml;x={123,456,789};m=x[2:3,1:3]; (矩阵m是x的第2行到第3行和第1列到第3列构成的子矩阵)print m;●用下面的程序求由几个子矩阵构成一个矩阵⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦ABC。
proc iml; a={2 2, 4 4} ;b={6 6,8 8} ;c=block(a,b);print c;2 2 0 04 4 0 00 0 6 60 0 8 8⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦c● 用a=I(k)求k 阶单位矩阵a=I(k) 111k ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦I = ● 用b=j(k)求每个元素均为“1”的k 阶矩阵111111111k⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦J 。
SAS系统和数据分析协方差分析
![SAS系统和数据分析协方差分析](https://img.taocdn.com/s3/m/c2df8da683d049649b6658f4.png)
第二十六课 协方差分析当定量的影响因素对观察结果有难以控制的影响,甚至还有交互作用时,采用协方差分析,这些影响变量称为协变量,扣除(或消除)协变量的影响,可以得到修正后的均值估计。
一、 协方差分析概述1. 协方差分析概念协方差分析(analysis of covariance )又称带有协变量的方差分析(analysis of variance with covariates ),是将回归分析与方差分析结合起来使用的一种分析方法。
在各种试验设计中,对主要变量y 研究时,常常希望其他可能影响和干扰y 的变量保持一致以到达均衡或可比,使试验误差的估计降到最低限度,从而可以准确地获得处理因素的试验效应。
但是有时,这些变量难以控制,或者根本不能控制。
为此需要在试验中同时记录这些变量的值,把这些变量看作自变量,或称协变量(covariate ),建立因变量y 随协变量变化的回归方程,这样就可以利用回归分析把因变量y 中受协变量影响的因素扣除掉,从而,能够较合理地比较定性的影响因素处在不同水平下,经过回归分析手段修正以后的因变量的总体均值之间是否有显著性的差别。
简单地说,协方差分析是扣除协变量的影响,或者将这些协变量处理成相等,再对修正的y 的均值作方差分析。
2. 协方差分析的假定协方差分析需要满足的假定为:①各样本来自具有相同方差2σ的正态分布总体,即要求各组方差齐性。
②协变量与主要变量y 间的总体回归系数不等于0。
③各组的回归线平等,即回归系数 ==21ββ如果上述的假定满足,就作协方差分析。
前述的各种试验设计,如完全随机化设计、随机区组设计、析因设计、拉丁方设计等,都可以带一个或多个协变量,按设计方案扣除协变量的影响后,对主要变量y 的修正均值作比较,得出统计结论。
3. 协方差分析的模型最简单的单因素一元协方差分析的模型,是由单因素效应模型ij i ij a y εμ++=加上协变量的影响因素)(x x ij -β而得出:ij ij i ij x x a y εβμ+-++=)((26.1)其中,x 为协变量,ij x 为协变量在分类水平i 和j 上的记录值,x 为所有协变量的平均值,β为相关的回归系数。
sas计算协方差矩阵
![sas计算协方差矩阵](https://img.taocdn.com/s3/m/af5a8d45b42acfc789eb172ded630b1c59ee9bb3.png)
sas计算协方差矩阵摘要:一、引言1.介绍SAS 软件2.说明协方差矩阵的作用二、SAS 计算协方差矩阵的方法1.使用PROC CORR 过程2.PROC CORR 过程的语法与参数说明3.结果解释与分析三、SAS 计算协方差矩阵的应用1.举例说明协方差矩阵在实际问题中的应用2.分析协方差矩阵对问题解决的影响四、总结1.回顾SAS 计算协方差矩阵的方法2.强调协方差矩阵在数据分析中的重要性正文:一、引言SAS(Statistical Analysis System)是一种广泛应用于数据分析和统计建模的软件。
在数据分析过程中,协方差矩阵是一个重要的工具,用于描述多变量之间的关系。
本文将介绍如何使用SAS 计算协方差矩阵,并探讨其在实际问题中的应用。
二、SAS 计算协方差矩阵的方法1.使用PROC CORR 过程在SAS 中,可以使用PROC CORR 过程计算协方差矩阵。
该过程可以计算多个变量之间的相关系数和协方差矩阵,同时还可以计算主成分和得分。
2.PROC CORR 过程的语法与参数说明以下是PROC CORR 过程的语法:```PROC CORRVAR =变量1 变量2 变量3 ...;```其中,`VAR`表示需要计算相关系数和协方差矩阵的变量。
可以输入一个或多个变量,用空格隔开。
3.结果解释与分析PROC CORR 过程将输出相关系数矩阵、协方差矩阵、主成分和得分。
相关系数矩阵反映了变量之间的相关程度,值越接近1,表示相关性越强;值越接近-1,表示负相关。
协方差矩阵描述了变量之间的共同变化程度,主成分分析可以将多个变量压缩成少数几个主成分,从而简化数据分析。
三、SAS 计算协方差矩阵的应用假设我们有一个数据集,包含以下变量:销售额、广告费用、促销活动和产品类型。
我们希望通过计算协方差矩阵,了解这些变量之间的关系,并找出对销售额影响最大的因素。
1.输入以下命令:```PROC CORRVAR 销售额广告费用促销活动产品类型;```2.分析结果,发现广告费用与销售额的协方差矩阵值最大,说明广告费用对销售额的影响最大。
spss计算均值向量、协方差阵ppt课件
![spss计算均值向量、协方差阵ppt课件](https://img.taocdn.com/s3/m/55cd6038964bcf84b9d57ba5.png)
各观测量所属类成员表
4. Final Cluster Centers(给出聚类结果形成的 类中心的各变量值)
Fi n al C l us te r C e n te rs
Clust er
1
2
3
X1
11 02 .1 4
30 7.61
71 3.28
X2
64 23 .0 1
79 5.41
25 45 .2 0
(一)操作步骤
1. 在SPSS窗口中选择 Analyze→Classify→Hierachical Cluster,调出
系统聚类分析主界面,并将变量X1~X5移入
Variables框中。在Cluster栏中选择Cases单选按钮, 即对样品进行聚类(若选择Variables,则对变量进 行聚类)。在Display栏中选择Statistics和Plots 复选框,这样在结果输出窗口中可以同时得到聚类 结果统计量和统计图。
Distance 1385.72 665.34 1193.46 626.99 226.65 517.50 448.40 756.68 1245.95 381.29 1693.13 1012.80 94.87 621.92 471.44 1143.95
Region 湖北 湖南 广东 广西 海南 重庆 四川 贵州 云南 西藏 陕西 甘肃 青海 宁夏 新疆
5. 由于我们已经在Save子对话框中设置了在数据文
件中生成新的分类变量,所以,在数据编辑窗口中, 我们可以看到生成的两个表示分类结果的新变量。 变量qcl_1和变量qcl_2分别代表分类号和观测量距 所属类中心的距离。
下表中Cluster列给出了观测量所属的类别, Distance列给出了观测量与所属类中心的距离。
sas 协方差分析
![sas 协方差分析](https://img.taocdn.com/s3/m/1fdf09d2240c844769eaeeb9.png)
如下试验∶分别在通向发电站的凉水河道的5富同位置上各放4袋 牡蛎,每袋 10 个。 用 trt 代表位置因素,它的5个水平是∶ trt=1∶入口处的底部;trt=2∶入口处的表层;trt=3∶出口处的底 部; trt=4∶出口处的表层; trt=5∶电站附近的深水处。 将牡蛎洗干净称出初始体重 x,放在不同位置一个月后称出最后的 体重 y。资料见 SAS程序,试分析定性因素 trt 和定量因素 x 对因变 量 y的影响大小。 [分析与解答] 因入口处水的温度低,出口处水的温度高,可以推 测∶ 定性变量trt 对 y可能有较大影响;然而,牡蛎的初始体重 x 对 牡蛎的最后体重 y 可能也有一定的影响。 故适合选用协方差分析 方法分析此资料。
Dependent Variable: Y Sum of Mean Source DF Squares F Model 4 198.4070000 49.6017500 4.64 0.0122 Error 15 160.2625000 10.6841667 Corrected Total 19 358.6695000 Source DF F TRT 4 198.4070000 49.6017500 4.64 0.0122
/*过程步6; 19.6 23.4 CLASS trt; 25.1 30.3 MODEL y=x trt / SOLUTION SS3; 18.1 21.8 LSMEANS trt / STDERR PDIFF; ; RUN; (程序的第1部分) (程序的第2部分)
[程序修改指导]
Source DF F TRT 4 198.4070000 49.6017500 175.02 0.0001 X 1 156.0401767 156.0401767 550.60 0.0001 X*TRT 4 1.3883141 0.3470785 这是过程步4的输出结果,其作用类似于 1.22 0.3602 过程步3,也说明单独 trt 对 y 的影响有
多元统计分析实验报告,计算协方差矩阵,相关矩阵,SAS
![多元统计分析实验报告,计算协方差矩阵,相关矩阵,SAS](https://img.taocdn.com/s3/m/c3e4b0e569eae009591bec8e.png)
院系:数学与统计学学院专业:__统计学年级:2009 级课程名称:统计分析 ____学号:____________姓名:_________________指导教师:____________2012年4月28日(一)实验名称1. 编程计算样本协方差矩阵和相关系数矩阵;2. 多元方差分析MANOVA。
(二)实验目的1. 学习编制sas程序计算样本协方差矩阵和相关系数矩阵;2. 对数据进行多元方差分析。
(三)实验数据第一题:第二题:(四)实验内容1. 打开SAS软件并导入数据;2. 编制程序计算样本协方差矩阵和相关系数矩阵;3. 编制sas程序对数据进行多元方差分析;4. 根据实验结果解决问题,并撰写实验报告;(五)实验体会(结论、评价与建议等)第一题:程序如下:proc corr data=sasuser.sha n cov;proc corr data=sasuser.sha n no simple cov;with x3 x4;partial x1 x2;run;结果如下:(1)协方差矩阵$AS亲坯曲;15 Friday, Apr: I SB,沙DOCOUR过程x4目由度=30Xi x2x3x4x5X?-10.I9B4944-0.45E2GJ5I.3347097-G.1193E48-£0.e75»GS-ID. 188494669,36&Q3?9-7.22IO&OS1J5692043I5.49ee^91S.Oa97SM-8.45S2645■7,221050829.S78&S46-6.372E47I-15.3084183-21.7352376-11.56747851.3841097 1.G5S2M7t.3726171IJ24«17B 4.e093011 4.4C124732.B747CM-G. I1S3S49 1.GS92043-is.soul aa 4.B09B01I68.7978495劣』S670971S.57ai1B3-IH.05l6l?a15.43S6569-J1.73S2376孔耶124TB27.0387097105.103225&S7.3505S7E:-2D K5752??319-11337204-1L55M7S52r9747?3i19,573118337.3S0&87E33.3SQ6452 (2) 相关系数矩阵Pearson相关系数” N =引当HO: Rho=0 时.Prob > |r|Xi Xixl1.QQ000x2-C.239540.2061x3-0,304590.0957x40.18975Q.3092x5'0.141570.4475x6-0.837870.0630-0.492920.0150x2-0.23354 1.00000-0.162750.143510.022700.181520.24438 x20.20C10.31:1?0.441?0.90350.32640.1761x3-0.30459-0.16275 1.00000-0.06219-0.34641-0.^797-0.23674 x30.095?0.381?<.00010.0563o.oses0 JS97x40.1S8760.14351-0.86219L000000.400540,313650.22610 x40.30920.4412<.0001 D.02EG Q.085S0.2213x5-0J 41570.02270-0.946410.40054 1.000000.317370.26750 x50.4J750.90350.0G68Q.025&0.08130+1620x6-0.33?e?0.1S162-0.397970.813650.31787LOOOOO0.82976 x60.0S300.32840.02660.08580.0813C0001辺-0.432920.24938-0.288740.22810 D.267600.92976 1.00000 x70,01500J7610.19970.22130JG20<.0001第二题:程序如下:proc anova data=sasuser.hua ng;class kind;model x1-x4=k ind;manova h=k ind;run;结果如下:(1)分组水平信息The ANNA ProcedureCla^s Level Informat ionClass Level®Valueskind 3 123Number of observatIons CO(2) x1、x2、x3、x4的方差分析Dependent Variable : xl xlSource DFSum of SquaresMea n Square F Value Pr > F Model 25221.30000 2610.650003.380.0411Error57 44069.55000773.15000Corrected Total 5949290.85000R-Square Coeff Var Rcot MSE xl Mean 0.10592832.3508727.8055785.95000Source DF Anova SS Mean Square F ValuePr > F kind25221.300000 2610.6500003.380.0411The ANOVA ProcsdureDependent Variable : x2 x2S UB ofSource DFSquares Mean Square F ValuePr > F Model 2 518.533333 259.26666?1.620.2078Error57 9148.050000160.492105Corrected Total 599666.583333R-Square Coeff Var Root MSE 0.05364222.9988812.6685555.08333Source DF Anova SS Mean Square F ValuePr > Fkind2518.5333333259.26666671.620.2078The ANOVA Procedure)epende 「t Variable : x:3 x3S UM ofSource DF Squares Mean SquareF Value Pr > FModel2 2480.8333 1240.41670.170.8478Error57 427028.50007491.7281Corrected Total 59429509.3333R-Square Coeff Var Root MSE x3 Mean0.00577621.1798088.55477408.66672480.8333331240.4166670.17 0.8478The ANOVA Procedurex2 Mean SourceAnova SS Mean Square F Value Pr > Fkind(3) 多元方差分析The ProcedureMulti var I ate Ana lysis of Vari sinceCharacteri st ic Roots and Vectors of :: E Inverse 水 H, whereH =舫ow SSCP Matrix for kindE = Error SSCP MatrixChareucteri st icRoot Percent Characteristic Vector V F EV=1x1 x2 x30.33804686 73J7 -0.00045795 -0.00379096 0.00090988 0.00279339 0.12323983 26,C3 0.00424111 0.00236878 0.00D01B42 0.00002832 0.00000000 0.00 0.00121062 -0.00032401 0.00157046 -0.00006539 0.000000000,00-0.003177880.010435260.000070140.00078872MANOVA Test Criteria and F ApproxI nat Ions for the Hypothesis of No Overall kind EffectH 二 Anova SSCP Matr ix for kindE = Error SSCP MatrixS=2M=0*5 N=26 Stat ist icVa 1 ueF Value Num DFDsn DF Pr > F Wilks' Lambda0*660359533.04 8 IDS 0.0040 Pi 1lai f s Trace0.36123585 3,03 e 110 0.0041 Hote11 ing-Law 1ey Trace Q.45927921 3.07 e 74.85G0.0048 Roy s Greatest Root 0.336045804.624550.0027NOTE : F Statistic for Roy's Greatest Root iis an upper boundsNOTE: F Statist ic f or Wilks' Lambdei is exact.根据多元分析结果,p 指小于0.05,表明在0.05的显著水平下,四个变量有 显著差异SourceDF Sum of Squares Mean iSouare F ValuePr > F Model239529,3000 192B4.8E0D 8.010.0009Error57 197115.10002405.5281Corrected Totiii59175644.4000R-SqusreGreff Vir Root M SE x4 Mean0.21936018.96604 49.04610 250.6000SourceDFA JWVI SSMean ^4j&re F V&luePr > F kind2 38529.3000019264.650008.010.0009The ANOVA ProcedureDependent Var iabls : x4 x4。
SASIML模块与矩阵运算
![SASIML模块与矩阵运算](https://img.taocdn.com/s3/m/5d1386320912a21614792981.png)
SAS/IML模块与矩阵运算一、SAS/IML模块1.SAS/IML模块简介IML是Interactive Matrix Language的缩写,即交互式矩阵语言,也是一种程序设计语言。
它提供了程序设计语言所需的条件转移和循环等一系列完整的程序流控制语句。
SAS/IML模块提供了一个动态的交互式环境,在此环境下,用户按照IML语法输入语句,然后系统交互的输出计算结果。
SAS/IML模块还提供了用户自定义函数和子程序(过程)的功能。
IML语句、函数、子程序、及用户自定义函数和子程序按照一定的规则组成IML程序。
IML程序可存放在外部文件中,可随时递交给系统连续执行。
2. IML变量所有IML变量都为矩阵类型变量,最小为1 1阶矩阵。
矩阵元素可为数值型,也可为字符型,缺失值用点号“.”表示。
多维矩阵每一行的元素个数(列数)必须相同。
1) 数值型矩阵中的元素可以是整数、小数,也可以用科学计数法表示,如1E-5。
所有数值均以双精度格式存储。
2) 字符型矩阵中,若元素中含有空格或某些特殊字符,如“?”、“=”、“*”、“:”、“(”、“)”等,则须将字符串用单引号“'”或双引号“"”括起来。
在同一个字符型矩阵中,每个元素的字符串长度不必相等,但存储的长度等于最大字符串的长度,此长度不超过32676。
3) IML变量的取名规则:(1) 可由下划线、字母和数字组成,但不能以数字开头。
(2) 不可超过8(32)个字符。
(3) 不区分大小写。
3. 启动和退出IML模块1) 启动IML模块PROC IML;2) 退出IML模块QUIT;4. 设置和关闭IML交互模式1) 设置IML交互模式RESET PRINT;2) 关闭IML交互模式RESET NOPRINT;二、矩阵变量的建立矩阵变量可通过定义,赋值,或函数返回来建立。
1.通过矩阵定义建立矩阵变量1) 定义矩阵的语法<矩阵变量名> =<矩阵初值>;示例(1) 1×1阶矩阵(数)a=12;a=. ;a='hi there';a="Hello";(2) 行向量x={1 2 3 4 5 6};(3) 字符型行向量a={abc defg};print a;结果:AABC DEFG(4) 字符型行向量a={'abc' 'DEFG'};print a;结果:Aabc DEFG(5) 列向量y={1,2,3,4,5};(6) 3 ×2阶矩阵z={1 2, 3 4, 5 6};2) 重复因子的使用重复因子符号用表示[] 。
协方差矩阵运算规则
![协方差矩阵运算规则](https://img.taocdn.com/s3/m/ea0e27385bcfa1c7aa00b52acfc789eb172d9ed9.png)
协方差矩阵运算规则
协方差矩阵是描述两个或多个随机变量之间关系的重要工具。
它可以帮助我们了解变量之间的线性关系以及它们的方差。
在实际应用中,协方差矩阵常用于风险评估、投资组合优化和金融建模等领域。
协方差矩阵的运算规则是基于对样本数据的统计分析得出的。
通过计算两个变量之间的协方差,我们可以得到一个方阵,即协方差矩阵。
协方差矩阵的对角线元素是各个变量的方差,而非对角线元素则表示两个变量之间的协方差。
在协方差矩阵的运算中,我们需要注意以下几个规则:
1. 对称性:协方差矩阵是对称矩阵,即矩阵的元素关于主对角线对称。
2. 非负定性:协方差矩阵是一个半正定矩阵,即对于任意非零向量x,都有x'Σx≥0,其中Σ表示协方差矩阵。
3. 线性性:对于两个协方差矩阵Σ1和Σ2,以及两个常数a和b,有aΣ1 + bΣ2的协方差矩阵为aΣ1 + bΣ2。
4. 乘法规则:对于两个协方差矩阵Σ1和Σ2,它们的乘积Σ1Σ2的协方差矩阵为Σ1Σ2。
协方差矩阵的运算规则是数学中的重要基础,它们在各个领域都有广泛的应用。
在金融领域,协方差矩阵可以帮助我们评估不同资产
之间的相关性,从而构建有效的投资组合。
在工程领域,协方差矩阵可以用于信号处理和模式识别等任务。
在统计学中,协方差矩阵被用于拟合多元正态分布和进行参数估计。
协方差矩阵的运算规则是我们进行数据分析和建模的重要工具。
通过对变量之间的关系进行描述和分析,我们可以更好地理解数据背后的规律,并作出相应的决策。
无论是在学术研究中还是实际应用中,协方差矩阵都发挥着重要的作用,为我们提供了丰富的信息和洞察力。
SAS中的矩阵运算
![SAS中的矩阵运算](https://img.taocdn.com/s3/m/c01655c55fbfc77da269b1fe.png)
矩阵运算:SAS/IML 模块简介IML (Interactive Matrix Language )交互式矩阵语言,可以处理各种矩阵运算,拥有丰富的可以直接用于矩阵运算的算符和大量的数学函数,是用SAS 系统开发的应用软件。
一、启动和退出IML在PGM 窗口键入语句:proc iml; /*启动IML*/reset print; /*从LOG 窗口获得语句执行的有关信息*/quit; /*退出IML ,返回SAS 状态*/二、矩阵的创建1. 直接输入法例1a=2;/* a=2,一行一列的矩阵*/b={1 2 3,4 5 6};;/* b=⎪⎪⎭⎫ ⎝⎛654321,2行3列的矩阵*/ c={1 2,3 4 ,5 6};;/* c=⎪⎪⎪⎭⎫ ⎝⎛654321,3行2列的矩阵*/d={[3] 0 [2] 3 };/* d ={0 0 0 3 3},行向量*/proc iml;reset print;a=2;b={1 2 3,4 5 6};c={1 2,3 4,5 6};d={[3] 0 [2] 3};quit;2. 利用函数创建矩阵IML 带有很多可以直接生成矩阵的函数,利用这些函数来创建矩阵不但出错率少,而且可以减少输入工作,提高效率。
(1) B LOCK 函数功能:根据给定的矩阵(必为方阵)来产生一个对角方阵格式:BLOCK (matric1,matric2,…,matric15)例2proc iml;reset print;a=block(5,6);b=block(5,6,7);quit;输出为:A 2 rows 2 cols (numeric)5 00 6B 3 rows 3 cols (numeric)5 0 00 6 00 0 7例3proc iml;reset print;a={1 1,3 3};b={5 5,7 7};c=block(a,b);quit;A 2 rows 2 cols (numeric)1 13 3B 2 rows 2 cols (numeric)5 57 7C 4 rows 4 cols (numeric)1 1 0 03 3 0 00 0 5 50 0 7 7(2) I函数功能:产生一个单位阵。
SAS矩阵运算语言(IML)
![SAS矩阵运算语言(IML)](https://img.taocdn.com/s3/m/fa7e854b172ded630a1cb65c.png)
1.3.2 利用函数创建矩阵
2. I函数
此函数的功能是产生一个单位阵,即对角线上的元素 为1,其余元素都为0。
格式:I(dimension):”dimension”为具体数字, 表示方阵的阶数。
1.3.2 利用函数创建矩阵
Hale Waihona Puke 1.3.1 直接输入法创建矩阵
2.创建多元素的数值型矩阵
当创建的数值型矩阵只包含一个元素时,创建方法就 是上述标量的创建方法。
当矩阵包含多个元素时,要用大括号“{}”把等号右 边的元素括起来,并用逗号“,”来分隔矩阵的行。
1.3.2 利用函数创建矩阵
1.BLOCK函数
此函数的功能是根据给定的矩阵(须是方阵)来产生 一个对角块矩阵。
B
b2
叫做列矩阵,在
IML
中记作
m1
,称为列向量。
bm
只有一个元素的矩阵在 IML 中记作11,称为标量。
1.3 矩阵的创建
在IML中创建矩阵的方式有三种:
一种方法是直接输入创建矩阵; 另一种是利用IML中的函数来产生矩阵; 第三种是在IML的环境中把外部文件或SAS数
据集转换成矩阵。
1.3.1 直接输入法创建矩阵
在进行矩阵操作时,直接输入法主要用来创建 比较简单的矩阵。
创建方法是将矩阵名称和它所要包含的元素以 等号连接起来,等号左边为要创建的矩阵名称, 等号右边为矩阵所要包含的元素。
矩阵的元素一般情况下需要用大括号“{}”括 起来。
1.3.1 直接输入法创建矩阵
1.创建标量
行。 column为列下标,为数字或表达式,用以选择矩阵的
多元统计分析实验报告,计算协方差矩阵,相关矩阵,SAS
![多元统计分析实验报告,计算协方差矩阵,相关矩阵,SAS](https://img.taocdn.com/s3/m/483f83d3a6c30c2259019ef3.png)
(一)
院系:数学与统计学学院
专业:__ _统计学
年级: 2009级
课程名称:统计分析
学号:
姓名:
指导教师:
2012年 4月 28 日
(一)实验名称
1.编程计算样本协方差矩阵和相关系数矩阵;
2.多元方差分析MANOV A。
(二)实验目的
1.学习编制sas程序计算样本协方差矩阵和相关系数矩阵;
2.对数据进行多元方差分析。
(三)实验数据
第一题:
第二题:
(四)实验内容
1.打开SAS软件并导入数据;
2.编制程序计算样本协方差矩阵和相关系数矩阵;
3.编制sas程序对数据进行多元方差分析;
4.根据实验结果解决问题,并撰写实验报告;(五)实验体会(结论、评价与建议等)
第一题:
程序如下:
proc corr data=sasuser.shan cov;
proc corr data=sasuser.shan nosimple cov;
with x3 x4;
partial x1 x2;
run;
结果如下:
(1)协方差矩阵
(2)相关系数矩阵
第二题:
程序如下:
proc anova data=sasuser.huang;
class kind;
model x1-x4=kind;
manova h=kind;
run;
结果如下:
(1)分组水平信息
(2)x1、x2、x3、x4的方差分析
(3)多元方差分析
根据多元分析结果,p指小于0.05,表明在0.05的显著水平下,四个变量有显著差异。
SAS学习系列32. 协方差分析资料报告
![SAS学习系列32. 协方差分析资料报告](https://img.taocdn.com/s3/m/09c3a443ba0d4a7302763ae4.png)
32. 协方差分析(一)原理一、基本思想在实际问题中,有些随机因素是很难人为控制的,但它们又会对结果产生显著影响。
如果忽略这些因素的影响,则有可能得到不正确的结论。
这种影响的变量称为协变量(一般是连续变量)。
例如,研究3种不同的教学方法的教学效果的好坏。
检查教学效果是通过学生的考试成绩来反映的,而学生现在考试成绩是受到他们自身知识基础的影响,在考察的时候必须排除这种影响。
协方差分析回归分析与方差分析的结合,在做两组和多组均值之间的比较前,用直线回归的方法找出各组因变量Y与协变量X之间的数量关系,求得在假定X相等时的修正均均值,然后用方差分析比较修正均值之间的差别。
简单来说,协方差分析就是扣除协变量的影响,或者将这些协变量处理成相等,再对修正的Y的均值作方差分析。
根据协变量的个数的不同,协方差分析分为一元协方差分析和多元协方差分析。
二、协方差分析需要满足的条件(1)自变量是分类变量,协变量是定距变量,因变量是连续变量;对连续变量或定距变量的协变量的测量不能有误差;(2)协变量与因变量之间的关系是线性关系,可以用协变量和因变量的散点图来检验是否违背这一假设;协变量的回归系数(即各回归线的斜率)是相同的,且不等于0,即各组的回归线是非水平的平行线。
否则,就有可能犯第一类错误,即错误地接受虚无假设;(3)自变量与协变量相互独立,若协方差受自变量的影响,那么协方差分析在检验自变量的效应之前对因变量所作的控制调整将是偏倚的,自变量对因变量的间接效应就会被排除;(4)各样本来自具有相同方差σ2的正态分布总体,即要求各组方差齐性。
三、基本理论1. 观测值=均值+分组变量影响+协变量影响+随机误差. 即()ij i ij ij y u t x x βε=++-+ (1)其中,X 为所有协变量的平均值。
注:在方差分析中,协变量影响是包含在随机误差中的,在协方差分析中需要分离出来。
用协变量进行修正,得到修正后的y ij (adj)为(adj)()ij ij ij i ij y y x x u t βε=--=++就可以对y ij (adj)做方差分析了。
矩阵(基于SAS的详细讲解)
![矩阵(基于SAS的详细讲解)](https://img.taocdn.com/s3/m/fe65cc41a88271fe910ef12d2af90242a895abc8.png)
矩阵(基于SAS的详细讲解)12. SAS数组使用SAS数组(ARRAY语句),主要是对多个变量做相同操作时,可以通过数组存储这些变量,借用数组下标执行循环结构来实现,从而大大简化和缩短程序代码。
SAS数组是存储一组同类型(数值型或字符型)的变量,这些变量可以是已存在的,也可以是新创建的。
一、基本语法ARRAY 数组名[n] <$>变量列表;说明:(1)n是数组的长度(即变量个数);也可以用“[*]”不指定数组长度,而是让SAS 根据变量列表数目自己判断;也可以指定数组的下标范围,例如,array Year[2005:2010] YR2005 - YR2010;(2)若是字符型变量需要加“$”,也可以指定字符的长度(“$1”表示数组元素是1个字节的字符);(3)若变量列表各变量是“相同字符+连续数字”可以简写(下面两句代码功能相同):array Cat8 - Cat12;array Cat8 Cat9 Cat10 Catll Cat12;示例:array store[4] Macys Penneys Sears Target;定义数组store,含有4个数值型变量:Macys,Penneys,Sears,Target使用数组变量Sears用“store[3]”即可。
注意:数组本身不储存在数据集中,只在数据步中定义和使用,即不会创建变量“store[1],store[2]……”;例1 广播电台KBRK做了一份歌曲的听众调查,对5首歌进行打分,分值在1-5,如果没听过则填9. 数据文件(C:\MyRawData\KBPK.dat)包括了被访者姓名、年龄、以及5首歌的打分:读取数据,将打分为9的改为缺省值。
data songs;infile 'c:\MyRawData\KBRK.dat';input City $ 1-15 Age wj kt tr filp ttr;array song[5] wj kt tr filp ttr;do i = 1 to 5;if song[i] = 9 THEN song[i] =.;end;run;proc print data = songs;title 'KBRK Song Survey';run;运行结果:注意:循环变量i会自动作为一列新变量写入数据集,要想避免它,需要加上一句“drop i;”。
SAS中的矩阵运算
![SAS中的矩阵运算](https://img.taocdn.com/s3/m/c01655c55fbfc77da269b1fe.png)
矩阵运算:SAS/IML 模块简介IML (Interactive Matrix Language )交互式矩阵语言,可以处理各种矩阵运算,拥有丰富的可以直接用于矩阵运算的算符和大量的数学函数,是用SAS 系统开发的应用软件。
一、启动和退出IML在PGM 窗口键入语句:proc iml; /*启动IML*/reset print; /*从LOG 窗口获得语句执行的有关信息*/quit; /*退出IML ,返回SAS 状态*/二、矩阵的创建1. 直接输入法例1a=2;/* a=2,一行一列的矩阵*/b={1 2 3,4 5 6};;/* b=⎪⎪⎭⎫ ⎝⎛654321,2行3列的矩阵*/ c={1 2,3 4 ,5 6};;/* c=⎪⎪⎪⎭⎫ ⎝⎛654321,3行2列的矩阵*/d={[3] 0 [2] 3 };/* d ={0 0 0 3 3},行向量*/proc iml;reset print;a=2;b={1 2 3,4 5 6};c={1 2,3 4,5 6};d={[3] 0 [2] 3};quit;2. 利用函数创建矩阵IML 带有很多可以直接生成矩阵的函数,利用这些函数来创建矩阵不但出错率少,而且可以减少输入工作,提高效率。
(1) B LOCK 函数功能:根据给定的矩阵(必为方阵)来产生一个对角方阵格式:BLOCK (matric1,matric2,…,matric15)例2proc iml;reset print;a=block(5,6);b=block(5,6,7);quit;输出为:A 2 rows 2 cols (numeric)5 00 6B 3 rows 3 cols (numeric)5 0 00 6 00 0 7例3proc iml;reset print;a={1 1,3 3};b={5 5,7 7};c=block(a,b);quit;A 2 rows 2 cols (numeric)1 13 3B 2 rows 2 cols (numeric)5 57 7C 4 rows 4 cols (numeric)1 1 0 03 3 0 00 0 5 50 0 7 7(2) I函数功能:产生一个单位阵。
多元统计分析 实验报告,计算协方差矩阵,相关矩阵,SAS
![多元统计分析 实验报告,计算协方差矩阵,相关矩阵,SAS](https://img.taocdn.com/s3/m/f6302a7949649b6649d7475b.png)
(一)院系:数学与统计学学院专业:__ _统计学年级: 2009级课程名称:统计分析学号:姓名:指导教师:2012年 4月 28 日(一)实验名称1.编程计算样本协方差矩阵和相关系数矩阵;2.多元方差分析MANOV A。
(二)实验目的1.学习编制sas程序计算样本协方差矩阵和相关系数矩阵;2.对数据进行多元方差分析。
(三)实验数据第一题:x1 x2 x3 x4 x5 x6 x744 89.47 44.609 11.37 62 178 18240 75.07 45.313 10.07 62 185 18544 85.84 54.297 8.65 45 156 16842 68.15 59.571 8.17 40 166 17238 89.02 49.874 9.22 55 178 18047 77.45 44.811 11.63 58 176 17640 75.98 45.681 11.95 70 176 18043 81.19 49.091 10.85 64 162 17044 81.42 39.442 13.08 63 174 17638 81.87 60.055 8.63 48 170 18644 73.03 50.541 10.13 45 168 16845 87.66 37.388 14.03 56 186 19245 66.45 44.754 11.12 51 176 17647 79.15 47.273 10.6 47 162 16454 83.12 51.855 10.33 50 166 17049 81.42 49.156 8.95 44 180 18551 69.63 40.836 10.95 57 168 17251 77.91 46.672 10 48 162 16848 91.63 46.774 10.25 48 162 16449 73.37 50.388 10.08 76 168 16857 73.37 39.407 12.63 58 174 17654 79.38 46.08 11.17 62 156 16552 76.32 45.441 9.63 48 164 16650 70.87 54.625 8.92 48 146 15551 67.25 45.118 11.08 48 172 17254 91.63 39.203 12.88 44 168 17251 73.71 45.79 10.47 59 186 18857 59.08 50.545 9.93 49 148 15549 76.32 48.673 9.4 56 186 18848 61.24 47.92 11.5 52 170 17652 82.78 47.467 10.5 53 170 172第二题:kind x1 x2 x3 x41 125 60 338 2101 119 80 233 3301 63 51 260 2031 65 51 429 1501 130 65 403 2051 69 45 350 1901 46 60 585 2001 146 66 273 2501 87 54 585 2401 110 77 507 2701 107 60 364 2001 130 61 391 2001 80 45 429 2701 60 50 442 1901 81 54 260 2801 135 87 507 2601 57 48 400 2851 75 52 520 2601 76 65 403 2501 55 42 411 1702 66 54 455 3102 82 45 403 2102 65 65 312 2802 40 51 477 2802 67 54 481 2932 38 50 468 2102 42 45 351 1902 113 40 390 3102 80 55 520 2002 76 60 507 1892 94 33 260 2802 60 51 429 1902 55 40 390 2952 65 48 481 1772 69 48 442 2252 125 63 312 2702 120 56 416 2802 70 45 468 3702 62 66 416 2242 69 60 377 2803 65 33 480 2603 100 34 468 2953 65 63 416 2653 117 48 468 2503 114 63 395 3803 55 30 546 2353 64 51 507 3203 110 90 442 2253 60 62 440 2483 110 69 377 2603 88 78 299 3603 73 63 390 3203 114 55 494 2403 103 54 416 3103 100 33 273 3123 140 61 312 3453 80 36 286 2503 135 54 468 3453 130 69 325 3603 60 57 273 260 (四)实验内容1.打开SAS软件并导入数据;2.编制程序计算样本协方差矩阵和相关系数矩阵;3.编制sas程序对数据进行多元方差分析;4.根据实验结果解决问题,并撰写实验报告;(五)实验体会(结论、评价与建议等)第一题:程序如下:proc corr data=sasuser.shan cov;proc corr data=sasuser.shan nosimple cov;with x3 x4;partial x1 x2;run;结果如下:(1)协方差矩阵(2)相关系数矩阵第二题:程序如下:proc anova data=sasuser.huang;class kind;model x1-x4=kind;manova h=kind;run;结果如下:(1)分组水平信息(2)x1、x2、x3、x4的方差分析(3)多元方差分析根据多元分析结果,p指小于0.05,表明在0.05的显著水平下,四个变量有显著差异。
SAS 协方差分析
![SAS 协方差分析](https://img.taocdn.com/s3/m/d9ff4e2cbb68a98271fefa2f.png)
•
• • • • • • • • •
means trt;
lsmeans trt /stderr tdiff;
means和lsmeans语句要求输出分组变量trt各水平下y的未修正均 值和修正后的均值,选择项stderr要求输出y的修正均值的标准误 差、各修正均值与0比较的假设检验结果;选择项tdiff要求输出y 的各修正均值之间两两比较所对应的t值和p值。
对主要变量y的修正均值作比较,得出统计结论。
协方差分析的模型
最简单的单因素一元协方差分析的模型,是由单因素效应模型 y ij ai ij
加上协变量的影响因素 ( xij x ) 其中 x 为协变量, xij 为协变量在分类水平i和j上的记录值, 为所有协变量的平均值, 为相关的回归系数。设 0 为平均截距。上式可以化简成 而得出: yij
结果分析
• 而在协方差分析中,分组变量trt的类型1的平方和等于方差分析中的
平方和198.40700000,分组变量trt的类型3的平方和为12.08935928,
大大小于类型1的平方和,是因为类型3的平方和反映了经过共同的协 变量x调整后的平方和,减去了协变量的影响,所以平方和大幅减小。
• 类型1是一种未经过调整的平方和,因为它的优先级高于协变量的调
contrast 'trt12 vs trt34' trt -1 -1 1 1 0;
Contrast语句是用来比较入口处 底部和顶部均值之和与出口处底 estimate 'trt1 adj mean' intercept 1 trt 1 0 0 0 0 x 25.76; 部和顶部均值之和是否相等。前 estimate 'trt2 adj mean' intercept 1 trt 0 1 0 0 0 x 25.76; 三条estimate语句是用来估计入 estimate 'adj trt diff' trt 1 -1 0 0 0; 口处底部和顶部调整后的均值及 estimate 'trt1 unadj mean' intercept 1 trt 1 0 0 0 0 x 29.75; 它们之差,并假设检验是否为0, 后三条estimate语句是用来估计 estimate 'trt2 unadj mean' intercept 1 trt 0 1 0 0 0 x 27.175; 入口处底部和顶部未调整的均值 estimate 'unadj trt diff' trt 1 -1 0 0 0 x 2.575; 及它们之差,并假设检验是否为 0。程序输出的主要结果见表 Run; 26.2(a)(b)(c)所示。
用SAS软件进行方差分析
![用SAS软件进行方差分析](https://img.taocdn.com/s3/m/6d5832d580eb6294dd886c55.png)
SAS软件与统计应用教程
STAT
条件3:方差齐性,用anova过程中的means语句+hovest选 项。程序如下:
proc anova data=数据集名;
class 分组变量名;
model 数值型变量名=分组变量名; means 分组变量名 / hovest ; /*或hovest=levene*/ run; 第二步 输出方差分析表
r s
1 s i . ij s j 1
1 r . j ij r i 1
因子A的第i个水平效应 因子B的第j个水平效应
i i .
j . j
若
ij i j ,则称无交互作用;
若 ij i j ,则称有交互作用。
SAS软件与统计应用教程
STAT
第五章 方差分析
5.1 单因子方差分析 5.2 两因子方差分析
SAS软件与统计应用教程
STAT
方差分析中的基本概念
例5.1 为比较五种牌子的合成木板的耐久性,对每种牌子 取4个样品做试验,测量磨损量。推断不同牌子的磨损量 间有无显著性差异。
牌子 磨损量
A
B
2.2
2.2
A:A1, A2,…,Ar , 即A有r个水平
B:B1, B2,… ,Bs , 即B有s个水平 若Y仅受Ai和Bj各自的影响,与组合( Ai , Bj )无关,则称为 无交互作用,否则称有交互作用。
SAS软件与统计应用教程
STAT
5.2.1 无交互作用的方差分析(无重复试验的方差分析)
1.模型的假定条件
SAS软件与统计应用教程
STAT
5.1. 单因素方差分析
1. 数学模型
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
SAS/IML矩阵功能简介
SAS/IML是SAS提供的一个可以进行矩阵运算编程的工具,详细使用请参见有关资料或系统帮助(Help | Extended Help | SAS System Help: Main Menu | Help for SAS Products | SAS/IML)。
下面给出SAS/IML常用命令:
●proc iml 调用SAS/IML矩阵运算编程的工具;
●用+、-、*符号表示矩阵的加减乘;
●用||表示矩阵左右连接,用//表示矩阵上下连接;
●用#表示用某个常数分别乘以矩阵中的每个元素3#x;
●用/表示用某个常数分别去除矩阵中的每个元素x/3;
●用##矩阵中的每个元素进行乘方运算x##2;
●用g=inv(x)表示g是x的逆;
●用e=eigval(x) 表示e是x特征值;
●用d=eigvec(x) 表示d是x特征向量;
●用h=det(x) 表示h是x行列式;
●用t=trace(x) 表示t是x的迹;
●用rank=round(trace(ginv(x)*x)) 表示rank是x的秩;
G = GINV(A) 表示求A的广义逆矩阵,如果G = GINV(A),那么AGA = A,GAG =
G,(AG)' = AG和(GA)' = GA;
●用下面的程序表示求矩阵x的某个子矩阵
proc iml;
x={123,
456,
789};
m=x[2:3,1:3]; (矩阵m是x的第2行到第3行和第1列到第3列构成的子矩阵)
print m;
●用下面的程序求由几个子矩阵构成一个矩阵⎡⎤
⎢⎥
⎢⎥
⎢⎥
⎣⎦
A
B
C。
proc iml; a={2 2, 4 4} ;
b={6 6,
8 8} ;
c=block(a,b);
print c;
2 2 0 04 4 0 00 0 6 60 0 8 8⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦
c
● 用a=I(k)求k 阶单位矩阵a=I(k) 111k ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣
⎦I = ● 用b=j(k)求每个元素均为“1”的k 阶矩阵
111111111k
⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦J 。
用CORR 过程计算相关系数和偏相关系数
相关系数可以反映变量两两之间的线性相关,偏相关系数反映在某些变量给定的条件下,两个变量之间的相关关系的密切程度。
程序示例: data a; input x1-x7@@; cards;
数据行省略 ; proc corr cov nosimple noprob; var x1-x7; proc corr cov; var x1;
with x3;
partial x7;
run;
proc corr:计算相关系数;
cov 给出协方差矩阵;
nosimple 不计算简单的描述统计量,省略时给出描述统计量;
noprob 不做相关系数检验,仅仅计算相关系数的值
var 变量名分析变量的名字
with 变量名关系变量
partial 变量名条件变量
输出分为两个部分,第一部分是各变量的简单统计量,第二部分是三个变量两两之间的相关系数矩阵。