最新-学年度第二学期统计分析软件SAS考试试卷(A)(答案)

暨 南 大 学 考 试 试 卷

一、填空题（共10空，每空2分，共20分）

1. 一个完整的SAS 程序由二部分组成: _数据 __步与_ 过程 __步.

2. 多元统计分析中的判别分析与聚类分析的本质区别是: _类别是否已知，若已知，则为判别分析；否则为聚类分析 _.

3. 进行数值资料的描述统计描述的两个基本SAS 过程是: _MEANS _过程与__ _UNIVARIATE _过程.

4. 把多个SAS 数据集进行横向合并、纵向合并所用的语句分别是_MERGE _ 语句、__SET _语句.

5. 进行分类资料的统计分析的两个基本SAS 过程是: _ LOGISTIC __过程与_ FREQ __过程.

6. 进行数值资料的方差分析的两个基本SAS 过程是: _ ANOVA __过程与_ GLM __过程.

7. 在SAS 中,可用于进行相关分析的过程常用的有:简单线性相关及等级相关的_ CORR _过程与典型相关的_ CANCORR _过程.

8. 秩和检验的SAS 过程中最常用的有二种:一是用于配对设计数值变量资料符号秩和验的 UNIVARIATE _过程,另一是用于成组设计两样本比较及多个样本比较的秩和检验的 _ NPAR1WAY _过程.

9. GLM 过程可用于:进行（1）非均衡设计资料的 方差分析 _、(2)协方差分析及建立（3）_ 多项式 _回归.

10. 在SAS 中,可用于进行数值资料回归分析的过程常用的有:一元及多元线性回归的 REG _过程与非线性回归的_ NLIN _过程.

(一)

SAS 数据集E3是对20名25∽34岁的健康妇女进行体检取得的,现需要建立由头肌皮褶厚度(1X ,cm),大腿围(2X ,cm)及中臂围(3X ,cm)预测身体脂肪(Y ,cm)分布的方程. 运行SAS 某些过程,有以下SAS 运行结果:

The REG Procedure

Model: M1

Dependent Variable: y

Analysis of Variance

Sum of Mean

Source DF Squares Square F Value Pr > F Model 3 396.98461 132.32820 21.52 <.0001

Error 16 98.40489 6.15031

Corrected Total 19 495.38950

Root MSE 2.47998 R-Square 0.8014

Dependent Mean 20.19500 Adj R-Sq 0.7641

Coeff Var 12.28017

Parameter Estimates

Parameter Standard Variance Variable DF Estimate Error t Value Pr > |t| Inflation Intercept 1 117.08469 99.78240 1.17 0.2578 0 x1 1 4.33409 3.01551 1.44 0.1699 708.84291 x2 1 -2.85685 2.58202 -1.11 0.2849 564.34339 x3 1 -2.18606 1.59550 -1.37 0.1896 104.60601

The PRINCOMP Procedure

Correlation Matrix

x1 x2 x3

x1 1.0000 0.9238 0.4578

x2 0.9238 1.0000 0.0847

x3 0.4578 0.0847 1.0000

Eigenvalues of the Correlation Matrix

Eigenvalue Difference Proportion Cumulative

1 2.06647268 1.13367198 0.6888 0.6888

2 0.93280070 0.93207408 0.3109 0.9998

3 0.00072662 0.0002 1.0000

Eigenvectors

z1 z2 z3

x1 0.694696 -.050106 -.717557

x2 0.629428 -.440509 0.640135

x3 0.348164 0.896349 0.274482

The REG Procedure

Model: M2

Dependent Variable: y

Analysis of Variance

Sum of Mean

Source DF Squares Square F Value Pr > F

Model 3 396.98461 132.32820 21.52 <.0001

Error 16 98.40489 6.15031

Corrected Total 19 495.38950

Root MSE 2.47998 R-Square 0.8014

Dependent Mean 20.19500 Adj R-Sq 0.7641 Coeff Var 12.28017

Parameter Estimates

Parameter Standard Variance Variable DF Estimate Error t Value Pr > |t| Inflation Intercept 1 20.19500 0.55454 36.42 <.0001 0 z1 1 2.93576 0.39578 7.42 <.0001 1.00000 z2 1 -1.64976 0.58908 -2.80 0.0128 1.00000 z3 1 -27.38341 21.10659 -1.30 0.2129 1.00000

1.为建立Y 关于321,,X X X 的线性回归方程,需应用的SAS 过程为:

A. LOGISTIC 过程

B.NLIN 过程

C.GLM 过程

D.REG 过程 2.由所建立的线性回归方程可见: 用321,,X X X 来解释Y 的变动,只可以解释其中的( )%, 在0.05的显著性水平之下,有显著影响的因素有( )个, 而且三因素间( )共线性现象.

A.80.14%, 0, 存在

B. 80.14%, 0, 不存在

C.76.41%, 0, 不存在

D. 80.14%, 3, 存在

3.根据对321,,X X X 所作的主成分分析,SAS 运行结果表明, 相关矩阵的最大特征值为( ),实际应用中(按80%的原则),需要选取的主成分为( )个. A. 2.06647268,1 B. 1.13367198,1 C. 2.06647268,2 D. 1.13367198,2

4.根据对321,,X X X 所作的主成分分析,SAS 运行结果表明,第一主成分为=1Z

A. 3213481.06294.06947.0X X X ++

B. 3212745.06401.07176.0X X X ++-

C.3218963.04405.00501.0X X X +--

D.以上结果都不对

5. 根据SAS 运行结果,取Y 关于主成分321,,Z Z Z 的线性回归方程,能有效地消除

多重共线性,所得的线性回归方程为 3

32211ˆˆˆ1950.20ˆZ Z Z Y βββ+++=，其中: =1

ˆβ