第四章统计描述与SAS过程解析
sas各过程笔记+描述性统计+线性回归+logistic回归+生存+判别+聚类+主成分+因子分析
第一部分：基本统计方法注：主要讲述过程：means(描述性统计)；freq(算频数表)；univariate(检验)；anova(方差分析)；ttest(检验)；glm(广义线性回归)；npar1way（非参,wilcox）一：计量资料的统计分析方法1.01均值+频数表+百分位数+正态检验、茎叶图、箱形图、正态概率图data ex2_1;input x@@;low=2.3;dis=0.3;z=x-mod(x-low,dis);cards;3.964.23 4.42 3.595.12 4.02 4.32 3.72 4.76 4.164.61 4.263.774.20 4.36 3.07 4.89 3.97 4.28 3.64 4.66 4.044.55 4.254.63 3.91 4.41 3.525.03 4.01 4.30 4.19 4.75 4.144.57 4.264.56 3.79 3.89 4.21 4.95 3.98 4.29 3.67 4.69 4.124.56 4.264.66 4.28 3.83 4.205.24 4.02 4.33 3.76 4.81 4.173.96 3.274.61 4.26 3.96 4.23 3.76 4.01 4.29 3.67 3.39 4.124.27 3.614.98 4.24 3.83 4.20 3.71 4.03 4.34 4.69 3.62 4.184.26 4.365.28 4.21 4.42 4.36 3.66 4.02 4.31 4.83 3.59 3.973.964.495.11 4.20 4.36 4.54 3.72 3.97 4.28 4.76 3.21 4.044.56 4.254.92 4.23 4.47 3.605.23 4.02 4.32 4.68 4.76 3.694.61 4.263.894.21 4.36 3.425.01 4.01 4.29 3.68 4.71 4.134.57 4.264.035.46 4.16 3.64 4.16 3.76;/*freq语句，算频数表*/proc freq;tables z;run;proc means data=ex2_1n mean std stderr clm;var x;run;data ex2_1;input x f@@;cards;3.07 23.27 33.47 93.67 143.87 224.07 304.27 214.47 154.67 104.87 65.07 45.27 2;run;proc means;freq f;var x;run;/*把freq f改成weight f就是把f当权重或频数来算，f则在0，1之间*//*计算x的95%的置信区间*/proc univariate data=ex2_1;var x;output out=pctpctlpre=ppctlpts=2.5 97.5;run;proc print data=pct;run;/*正态检验、茎叶图、箱形图、正态概率图*/proc univariate data=ex2_1normalplot;var x;run;/*Extreme Observation显示的值是最小的5个极值和最大的5个极值*/1.02几何均值data ex2_5;input x f@@;y=log10(x);cards;10 420 340 1080 10160 11320 15640 141280 2;proc means noprint;/*调用means过程，不显示结果*/var y;freq f;output out=b/*结果输出到数据集b中*/mean=logmean;/*把数据集b中均数的变量名mean改为logmean*/run;data c;/*新建数据集c*/set b;/*调用数据集b*/g=10**logmean;/*计算变量logmean的反对数，该值就是x的几何均数，将该值赋值给变量g*/ proc print data=c;var g;run;/*这个是计算平通平均数的值*/proc means data=ex2_5;var x;freq f;run;1.03已知均值和方差求置信区间-单样本+单样本与总体/*单样本*/data ex3_2;n=10;mean=166.95;std=3.64;t=tinv(0.975,n-1);pts=t*std/sqrt(n);lclm=mean-pts;uclm=mean+pts;proc print;var lclm uclm;run;/*单样本与总体均值*/data ex3_5;n=36;/*样本量*/s_m=130.83;/*样本均值*/std=25.74;/*样本标准差*/p_m=140;/*总体均值*/df=n-1;/*自由度*/t=(s_m-p_m)/(std/sqrt(n));p=(1-probt(abs(t),df))*2;/*根据t值计算p值*/run;proc print;var t p;run;1.06双样本均值相等检验+两组分开+两组一起算+两组样本量不同/*双样本分开算*/data ex3_4;n1=29;n2=32;m1=20.10;m2=16.89;s1=7.02;s2=8.46;ss1=s1**2*(n1-1);ss2=s2**2*(n2-1);sc2=(ss1+ss2)/(n1+n2-2);se=sqrt(sc2*(1/n1+1/n2));t=tinv(0.975,n1+n2-2);lclm=(m1-m2)-t*se;uclm=(m1-m2)+t*se;proc print;var t se lclm uclm;run;/*双样本相减后再算*//*用MEANS作配对资料两个样本均数比较的t检验*/data ex3_6;input x1 x2 @@;d=x1-x2;cards;0.840 0.5800.591 0.5090.674 0.5000.632 0.3160.687 0.3370.978 0.5170.750 0.4540.730 0.5121.200 0.9970.870 0.506;proc means t prt;var d;run;/*用UNIVARIATE过程作配对资料两样本均数比较的t检验*/ proc univariate data=ex3_6;var d;run;/*双样本两组样本量不同*/data ex3_7;input x@@;if _n_<21 then c=1;/*当观测数小于21时，变量c的值为1，表示试验组*/else c=2;/*其余变量c的值为2，表示对照组*/cards;-0.70 -5.60 2.00 2.80 0.70 3.50 4.00 5.80 7.10 -0.502.50 -1.60 1.703.00 0.404.50 4.60 2.50 6.00 -1.403.70 6.50 5.00 5.20 0.80 0.20 0.60 3.40 6.60 -1.106.00 3.80 2.00 1.60 2.00 2.20 1.20 3.10 1.70 -2.00;proc ttest;/*调用ttest过程*/var x;/*定义分析变量为x*/class c;/*定义分组变量为c*/run;1.08-1.13anova方差分析过程+一维分组+二维分组+三维分组/*只有一组分组因素*/data ex4_2;input x c @@;cards;3.53 1 2.42 2 2.86 3 0.89 44.59 1 3.36 2 2.28 3 1.06 44.34 1 4.32 2 2.39 3 1.08 42.66 1 2.34 2 2.28 3 1.27 43.59 1 2.68 2 2.48 3 1.63 43.13 1 2.95 2 2.28 3 1.89 43.30 1 2.36 2 3.48 3 1.31 44.04 1 2.56 2 2.42 3 2.51 43.53 1 2.52 2 2.41 3 1.88 43.56 1 2.27 2 2.66 3 1.41 43.85 1 2.98 2 3.29 3 3.19 44.07 1 3.72 2 2.70 3 1.92 41.37 12.65 2 2.66 3 0.94 43.93 1 2.22 2 3.68 3 2.11 42.33 1 2.90 2 2.65 3 2.81 42.98 1 1.98 2 2.66 3 1.98 44.00 1 2.63 2 2.32 3 1.74 43.55 1 2.86 2 2.61 3 2.16 42.64 1 2.93 23.64 3 3.37 42.56 1 2.17 2 2.58 3 2.97 43.50 1 2.72 2 3.65 3 1.69 43.25 1 1.56 2 3.21 3 1.19 42.96 13.11 2 2.23 3 2.17 44.30 1 1.81 2 2.32 3 2.28 43.52 1 1.77 2 2.68 3 1.72 43.93 1 2.80 2 3.04 3 2.47 44.19 1 3.57 2 2.81 3 1.02 42.96 1 2.97 23.02 3 2.52 44.16 1 4.02 2 1.97 3 2.10 42.59 1 2.31 2 1.68 33.71 4;proc anova;/*调用anova过程*/class c;/*定义分组变量为c*/model x=c;/*定义模型，分析g对x的影响*/means c/dunnett;/*用LSD法对多组均数过行两两比较*/means c/hovtest;/*作方差齐性检验，默认levene法，p值大于0.05，则认为是g组方差相等*/run;quit;/*有两组分组因素*/data ex4_4;input x a b@@;cards;0.82 1 10.65 2 10.51 3 10.73 1 20.54 2 20.23 3 20.43 1 30.34 2 30.28 3 30.41 1 40.21 2 40.31 3 40.68 1 50.43 2 50.24 3 5;proc anova;class a b;/*定义分组变量a和b*/model x=a b;/*定义模型，分析a和b对x影响*/means a/snk;/*用SNK法对变量a的多组均数进行两两比较*/run;quit;1.15嵌套设计资料的方差分析glm过程一级因素+二组因素(glm过程要先class再model)/*嵌套设计资料的方差分析*/data ex11_6;input x a b @@;cards;82 1 184 1 191 1 288 1 285 1 383 1 365 2 461 2 462 2 559 2 556 2 660 2 671 3 767 3 775 3 878 3 885 3 989 3 9;proc glm;/*调用glm过程*/class a b;/*定义分组变量为a和b*/model x=a a(b);/*定义模型，以a为一组因素，b为二级因素*/run;quit;1.17重复测量资料的方差分析data ex12_2;input t1 t2 g@@;/*确定变量名称，t1和t2分别为两个时间点的分析变量，g为处理因素变量，b为区组变量*/cards;130 114 1124 110 1136 126 1128 116 1122 102 1118 100 1116 98 1138 122 1126 108 1124 106 1118 124 2132 122 2134 132 2114 96 2118 124 2128 118 2118 116 2132 122 2120 124 2134 128 2;proc glm;/*调用glm过程*/class g;/*定义分组变量g*/model t1 t2=g;/*定义模型，分析g对变量t1和t2的影响*/repeated time 2/*命名重复因子为time，有2个水平*/contrast(1)/*表示以第一时间点为对照点*//summary;/*考察不同时间点与对照时间点比较的结果*/run;quit;data ex12_3;input t0-t4 g@@;cards;120 108 112 120 117 1118 109 115 126 123 1119 112 119 124 118 1121 112 119 126 120 1127 121 127 133 126 1121 120 118 131 137 2122 121 119 129 133 2128 129 126 135 142 2117 115 111 123 131 2118 114 116 123 133 2131 119 118 135 129 3129 128 121 148 132 3123 123 120 143 136 3123 121 116 145 126 3125 124 118 142 130 3;proc glm;class g;model t0-t4=g;repeated time 5/*命名重复因子为time，有2个水平*/contrast(1);run;quit;二：计数资料的统计分析方法2.1四格表资料的卡方检验data ex7_1;input r c f@@;/*确定变量名称，r为行变量，c为列变量，f为频数变量*/ cards;1 1 991 2 52 1 752 2 21;proc freq;/*调用freq过程*/weight f;/*定义f为频数变量*/tables r*c/*作r*c的列联表*//chisq/*对列联表作卡方检验*/expected;/*输出每个格的理论频数*/run;2.5阳性事件发生的概率（二项分布）data ex6_1;do x=6 to 8;/*建立循环，变量x从6到8*/p1=probbnml(0.7,10,x);/*计算二项分布随机变量不大于x的概率*/p2=probbnml(0.7,10,x-1);/*计算二项分布随机变量不大于x-1的概率*/p=p1-p2;*/计算出现x的概率*/output;/*结果输出*/end;proc print;var x p;run;2.6正态分布法计算总体率的可信区间data ex6_3;n=100;x=55;p=x/n;sp=sqrt(p*(1-p)/n);u=probit(0.975);usp=u*sp;lclm=p-usp;uclm=p+usp;proc print;var n p sp lclm uclm;run;2.7样本率与总体率的比较（直接法——单侧检验）data ex6_4;d=probbnml(0.55,10,8);p=1-d;proc print;var p;run;2.8样本率与总体率的比较（直接法——双侧检验）data ex6_5;p01=probbnml(0.6,10,9);p02=probbnml(0.6,10,8);p0=p01-p02;/*计算出现9的概率*/do i=0to10;/*建立循环，变量i从0到10*/p11=probbnml(0.6,10,i);p12=probbnml(0.6,10,i-1);p1=p11-p12;/*计算出现i的概率*/if i=0then p1=p11; /*定义出现0的概率*/if p1<=p0 then output; /*如果出现i的概率小于出现9的概率，则保留在数据集中*/ end;proc means sum;var p1;run;2.9两个样本率比较的z检验data ex6_7;n1=120;n2=110;x1=36;x2=22;p1=x1/n1;p2=x2/n2;pc=(x1+x2)/(n1+n2);/*计算合并发生率*/sp=sqrt(pc*(1-pc)*(1/n1+1/n2));/*计算两个率相差的标准误差*/u=(p1-p2)/sp;/*计算u值*/p=(1-probnorm(abs(u)))*2;/*计算p值*/format u p 5.4;/*输出格式为小数点后保留4位*/proc print;var pc sp u p;run;2.10．Poisson分布的样本均数与总体均数比较（直接法）data ex6_12;n=120;/*确定样本例数*/pai=0.008; /*确定总体率*/lam=n*pai; /*计算总体均数lamda*/x=4; /*确定实际发生数*/p=1-poisson(lam,x-1);/*计算实际发生数所对应的概率*/proc print;var lam p;run;2.11 Poisson分布的样本均数与总体均数比较（正态近似法）data ex6_12;n=25000;/*样本量*/x=123; /*样本均数*/pi=0.003; /*确定总体率*/lam=n*pi; /*计算总体均数*/u=(x-lam)/sqrt(lam*(1-pi)); /*计算u值*/p=1-probnorm(abs(u)); /*计算u值所对应的p值*/proc print;var lam u p;run;2.14负二项分布的参数估计data ex6_16;input x f@@;cards;0 301 142 83 44 25 06 2;proc univariate;var x;freq f;output out=mv2var=v;run;data k;set mv2;k=mu**2/(v-mu);proc print;var mu k;run;三、非参数统计方法3.2单个样本中位数和总体中位数比较data ex8_2;input x1@@;median=45.30;/*假设中位数为45.30*/d=x1-median; /*计算x1和假设中位数的差值*/cards;44.21 45.30 46.39 49.47 51.05 53.1653.26 54.37 57.16 67.37 71.05 87.37;proc univariate; /*调用univariate过程度*/var d;run;proc means median; /*调用means过程计算x1实际的中位数*/var x1;run;3.3两个独立样本比较的Wilcoxon秩和检验(R对应函数wilcox.test())data ex8_3;input x c @@;/*确定变量名称，x、c分别为分析变量和分组变量(类别多于两类一样的写法)*/2.78 13.23 14.20 14.87 15.12 16.21 17.18 18.05 18.56 19.60 13.23 23.50 24.04 24.15 24.28 24.34 24.47 24.64 24.75 24.82 24.95 25.10 2;proc npar1way wilcoxon;/*调用npar1way过程，进行wilcoxon分析*/var x;/*定义分析变量为x*/class c;/*定义分组变量为c*/run;3.4等级资料的两样本比较data ex8_4;input c g f@@;/*确定变量名称，f为频数，c为分类，g为要分析的变量（分类多种类似）*/ cards;1 1 11 2 81 3 161 4 101 5 42 1 22 2 232 3 112 5 0;proc npar1way wilcoxon;/*调用npar1way过程，进行wilcoxon分析*/freq f;/*确定频数变量为f*/var g;/*定义分析变量g*/class c;/*定义分组变量c*/run;第二部分：多元统计分析方法注：主要讲述过程:reg(回归)，corr(相关分析)，nlin(对数曲线回归)，logistic(逻辑回归)，phreg(条件logistic回归分析+cox回归)，life test(生存分析)，discrim(判别分析)，stepdisc(逐步回归)，cluster(聚类)，varclus(指标聚类)，princomp(主成分分析)，factor(因子分析)，cancorr(典型相关分析)一：回归和相关分析1.1两个变量的直线回归分析data ex9_1;input x y;/*确定变量名称*/cards;13 3.5411 3.019 3.096 2.488 2.5610 3.3612 3.187 2.65;proc reg;/*调用reg过程*/model y=x;/*定义模型，以y为应变量，以x为自变量*//*在model语句后面加上选项，得到一些有用的统计量，常用的有：stb（输出标准化偏回归系数）、p（输出每个观测的实际值、预测值和残差）、cli（输出每个观测预测值均数的双侧95%置信区间）、clm（输出每个观测预测值的双侧95%置信范围）*//*例如：model y=x /stb p cli */plot y*x;/*画出散点图*/run;1.2两个变量的直线相关分析data ex9_5;input x y;cards;43 217.2274 316.1851 231.1158 220.9650 254.7065 293.8454 263.2857 271.7367 263.4669 276.5380 341.1548 261.0038 213.2085 315.1254 252.08;proc corr;/*若要求作spearman相关分析，则可以写成proc corr spearman */ var x y;run;/*得到一个相关系数矩阵*/1.4加权直线加回data ex9_9;input x y;w=1/(x*x); /*设置权重变量w*/cards;0.11 4.000.12 5.100.21 9.500.30 9.000.34 17.200.44 14.000.56 18.900.60 29.400.69 22.100.80 41.50;proc reg;weight w;/*定义权重变量w*/model y=x;/*定义模型，以y为因变量，以x为自变量*/run;1.5两个直线回归系数的比较data ex9_12;input x y c@@;cards;13 3.54 111 3.01 19 3.09 16 2.48 18 2.56 110 3.36 112 3.18 17 2.65 110 3.01 29 2.83 211 2.92 212 3.09 215 3.98 216 3.89 28 2.21 27 2.39 210 2.74 215 3.36 2;proc glm;class c;model y=x c x*c;/*定义模型，分析x、c以及x和c的交互作用对y的影响，即判断两总体直线回归系数是否相同*/run;proc glm;class c;model y=x c;/*上一步已排除协变量的影响，然后再分析两分析变量是否来自同一总体*/run;1.6两个变量的对数曲线回归data ex9_13;input x y;cards;0.005 34.110.050 57.990.500 94.495.000 128.5025.000 169.98;proc nlin;/*调用nlin过程*/parms a=0 b=0; /*定义初始值*/model y=a+b*log10(x); /*定义对数模型，以y为因变以量，x为自变量*/ run;1.7两个变量的指数曲线回归分析data ex9_14;input x y;cards;2 545 507 4510 3714 3519 2526 2031 1634 1838 1345 852 1153 860 465 6;proc nlin;parms a=4 b=0.03;/*定义初始值*/model y=exp(a+b*x);/*定义指数模型，以y为因变量，x为自变量*/run;1.8多元回归data ex15_1;input x1-x4 y@@;/*确定变量名称，x1，x2，x3，x4分别为自变量，y为应变量*/ cards;5.68 1.90 4.53 8.20 11.203.79 1.64 7.32 6.90 8.806.02 3.56 6.95 10.80 12.304.85 1.075.88 8.30 11.604.60 2.32 4.05 7.50 13.406.05 0.64 1.42 13.60 18.304.90 8.50 12.60 8.50 11.107.08 3.00 6.75 11.50 12.103.85 2.11 16.28 7.90 9.604.65 0.63 6.59 7.10 8.404.59 1.97 3.61 8.70 9.304.29 1.97 6.61 7.80 10.607.97 1.93 7.57 9.90 8.406.19 1.18 1.42 6.90 9.606.13 2.06 10.35 10.50 10.905.71 1.78 8.53 8.00 10.106.40 2.40 4.53 10.30 14.806.06 3.67 12.797.10 9.105.09 1.03 2.53 8.90 10.806.13 1.71 5.28 9.90 10.205.78 3.36 2.96 8.00 13.605.43 1.13 4.31 11.30 14.906.50 6.21 3.47 12.30 16.007.98 7.92 3.37 9.80 13.2011.54 10.89 1.20 10.50 20.005.84 0.92 8.616.40 13.303.84 1.20 6.45 9.60 10.40;proc reg;model y=x1-x4;/*也可以写成model y=x1 x2 x3 x4;*/run;1.9逐步回归data ex12_2;input x1-x4 y@@;cards;5.68 1.90 4.53 8.20 11.203.79 1.64 7.32 6.90 8.806.02 3.56 6.95 10.80 12.304.85 1.075.88 8.30 11.604.60 2.32 4.05 7.50 13.406.05 0.64 1.42 13.60 18.304.90 8.50 12.60 8.50 11.107.08 3.00 6.75 11.50 12.103.85 2.11 16.28 7.90 9.604.65 0.63 6.59 7.10 8.404.59 1.97 3.61 8.70 9.304.29 1.97 6.61 7.80 10.607.97 1.93 7.57 9.90 8.406.19 1.18 1.42 6.90 9.606.13 2.06 10.35 10.50 10.905.71 1.78 8.53 8.00 10.106.40 2.40 4.53 10.30 14.806.06 3.67 12.797.10 9.105.09 1.03 2.53 8.90 10.806.13 1.71 5.28 9.90 10.205.78 3.36 2.96 8.00 13.605.43 1.13 4.31 11.30 14.906.50 6.21 3.47 12.30 16.007.98 7.92 3.37 9.80 13.2011.54 10.89 1.20 10.50 20.005.84 0.92 8.616.40 13.303.84 1.20 6.45 9.60 10.40;proc reg;model y=x1-x4/selection=stepwise/*定义模型，以y因变量，x1-x4为变量进行多元回归分析*/ sle=0.10/*定义入先变量的界值*/sls=0.10;/*定义剔除变量的界值*/run;三：logistic回归3.1 两个变量logistic回归分析data ex16_1;input y x1 x2 f@@;/*确定变量名称，y为发病情况，x1为吸烟情况，x2为饮酒情况，f为发生频数*/cards;1 0 0 631 0 1 631 1 0 441 1 1 2650 0 0 1360 0 1 1070 1 0 570 1 1 151;proc logistic;/*调用logistic过程*/freq f;/*定义频数变量f*/model y=x1 x2;/*定义模型，以y为因变量，x1和x2为自变量*/run;3.2 1:M配对资料的条件logistic回归分析data ex16_3;input i y x1-x6 @@;/*确定变量名称，i为区组变量，y为病人情况，1为病例，0为对照，x1-x6为危险因素*/t=2-y;/*定义时间变量*/cards;1 1 3 5 1 1 1 01 0 1 1 1 3 3 01 0 1 1 1 3 3 02 1 13 1 1 3 02 0 1 1 13 2 02 0 1 2 13 2 03 1 14 1 3 2 03 0 1 5 1 3 2 03 0 14 1 3 2 04 1 1 4 1 2 1 14 0 2 1 1 3 2 05 1 2 4 2 3 2 0 5 0 1 2 1 3 3 05 0 2 3 1 3 2 06 1 1 3 1 3 2 1 6 0 1 2 1 3 2 06 0 1 3 2 3 3 07 1 2 1 1 3 2 1 7 0 1 1 1 3 3 07 0 1 1 1 3 3 08 1 1 2 3 2 2 0 8 0 1 5 1 3 2 08 0 1 2 1 3 1 09 1 3 4 3 3 2 0 9 0 1 1 1 3 3 09 0 1 4 1 3 1 010 1 1 4 1 3 3 1 10 0 1 4 1 3 3 010 0 1 2 1 3 1 011 1 3 4 1 3 2 0 11 0 3 4 1 3 1 011 0 1 5 1 3 1 012 1 1 4 3 3 3 0 12 0 1 5 1 3 2 012 0 1 5 1 3 3 013 1 1 4 1 3 2 0 13 0 1 1 1 3 1 013 0 1 1 1 3 2 014 1 1 3 1 3 2 1 14 0 1 1 1 3 1 014 0 1 2 1 3 3 015 1 1 4 1 3 2 0 15 0 1 5 1 3 3 015 0 1 5 1 3 3 016 1 1 4 2 3 1 0 16 0 2 1 1 3 3 016 0 1 1 3 3 2 017 1 2 3 1 3 2 0 17 0 1 1 2 3 2 017 0 1 2 1 3 2 018 1 1 4 1 3 2 0 18 0 1 1 1 2 1 0 18 0 1 2 1 3 2 019 0 1 1 1 2 1 019 0 2 2 2 3 1 020 1 1 4 2 3 2 120 0 1 5 1 3 3 020 0 1 4 1 3 2 021 1 1 5 1 2 1 021 0 1 4 1 3 2 021 0 1 2 1 3 2 122 1 1 2 2 3 1 022 0 1 2 1 3 2 022 0 1 1 1 3 3 023 1 1 3 1 2 2 023 0 1 1 1 3 1 123 0 1 1 2 3 2 124 1 1 2 2 3 2 124 0 1 1 1 3 2 024 0 1 1 2 3 2 025 1 1 4 1 1 1 125 0 1 1 1 3 2 025 0 1 1 1 3 3 0;proc phreg;/*调用phreg过程*/model t*y(0)=x1-x6/*定义模型，以t为时间变量，y为截尾变量，x1-x6为自变量*//selection=stepwise/*选择逐步回归方法筛选变量*/sle=0.1sls=0.1/*入选和剔除的界值均为0.1*/ties=discrete;/*用离散logistic模型替代比例危险模型*/strata i;/*定义区组变量*/run;2.3 应变量为多分类资料的logistic回归data ex16_5;input x1 x2 y f;/*x1是两个社区，x2是性别，Y是获取健康知识途径（传统大众媒介=1，网络=2，社区宣传=3，f为频数）*/cards;0 0 1 200 0 2 350 0 3 260 1 1 100 1 2 270 1 3 571 0 1 421 02 171 1 1 161 12 121 1 3 26;proc logistic;freq f;/*定义频数变量为f*/model y(ref='3')/*定义模型，以y为因变量，ref语句指时参照的类别为“社区宣传”，最后得到结果均为与“社区宣传”相对应*/=x1 x2/*定义x1和x2为自变量*//link=glogit;/*指定多分类应变量回归模型*/run;四：生存分析4.1乘积极限法估计生存率，例17-2甲、乙两种手术方法的生存率估计data ex17_2;input t d@@;/*确定变量名称，t为时间变量，d为截尾变量*/cards;1 13 15 15 15 16 16 16 17 18 110 110 114 017 119 020 022 026 034 134 044 159 1;proc lifetest;/*调用lifetest过程*/time t*d(0);/*定义模型，以t为时间变量，d为截尾变量，变量值为0表示截尾数据*/ run;4.2寿命表法估计生存率data ex17_3;input t d f@@;cards;0 0 00 1 4561 0 391 1 2262 0 222 1 1523 0 233 1 1714 0 244 1 1355 0 1075 1 1256 0 1336 1 837 0 1027 1 748 0 688 1 519 0 649 1 4210 0 4510 1 4311 0 5311 1 3412 0 3312 1 1813 0 2714 0 3314 1 615 0 2015 1 0;proc lifetest method=life/*调用lifetest过程，指定用寿命表法估计生存率*/ width=1;/*表示每间隔1估计生存率*/freq f;/*表示以f为频数变量*/time t*d(0);/*定义模型，以t为时间变量，d为截尾变量，变量值为0表示截尾数据*/ run;4.3生存曲线比较的log-rank检验及制作生存曲线data ex17_4;input t d g @@;cards;1 1 13 1 15 1 15 1 15 1 16 1 16 1 16 1 17 1 18 1 110 1 110 1 114 0 117 1 119 0 120 0 122 0 126 0 131 0 134 1 134 0 144 1 159 1 11 1 21 1 22 1 23 1 23 1 24 1 24 1 24 1 26 1 26 1 28 1 29 1 29 1 210 1 211 1 212 1 213 1 215 1 217 1 218 1 2;proc lifetest plot=(s);/*调用lifetest过程并做生存曲线图*/ time t*d(0);strata g;/*定义变量g为分组变量*/run;4.4.cox回归分析data ex17_5;input x1-x6 t y @@;cards;54 0 0 1 1 0 52 057 0 1 0 0 0 51 058 0 0 0 1 1 35 143 1 1 1 1 0 103 048 0 1 0 0 0 7 140 0 1 0 0 0 60 044 0 1 0 0 0 58 036 0 0 0 1 1 29 139 1 1 1 0 1 70 042 0 1 0 0 1 67 042 0 1 0 0 0 66 042 1 0 1 1 0 87 051 1 1 1 0 0 85 055 0 1 0 0 1 82 052 1 1 1 0 1 74 0 48 1 1 1 0 0 63 0 54 1 0 1 1 1 101 0 38 0 1 0 0 0 100 0 40 1 1 1 0 1 66 1 38 0 0 0 1 0 93 0 19 0 0 0 1 0 24 1 67 1 0 1 1 0 93 0 37 0 0 1 1 0 90 0 43 1 0 0 1 0 15 149 0 0 0 1 0 3 150 1 1 1 1 1 87 0 53 1 1 1 0 0 120 0 32 1 1 1 0 0 120 0 46 0 1 0 0 1 120 043 1 0 1 1 0 120 044 1 0 1 1 0 120 0 62 0 0 0 1 0 120 0 40 1 1 1 0 1 40 1 50 1 0 0 1 0 26 1 33 1 1 0 0 0 120 0 57 1 1 1 0 0 120 0 48 1 0 0 1 0 120 0 28 0 0 0 1 0 3 1 54 1 0 1 1 0 120 1 35 0 1 0 1 1 7 1 47 0 0 0 1 0 18 1 49 1 0 1 1 0 120 0 43 0 1 0 0 0 120 0 48 1 1 0 0 0 15 1 44 0 0 0 1 0 4 1 60 1 1 1 0 0 120 0 40 0 0 0 1 0 16 1 32 0 1 0 0 1 24 1 44 0 0 0 1 1 19 1 48 1 0 0 1 0 120 0 72 0 1 0 1 0 24 1 42 0 0 0 1 0 2 1 63 1 0 1 1 0 120 0 55 0 1 1 0 0 12 1 39 0 0 0 1 0 5 1 44 0 0 0 1 0 120 0 42 1 1 1 0 0 120 061 0 1 0 1 0 40 145 1 0 1 1 0 108 038 0 1 0 0 0 24 162 0 0 0 1 0 16 1;proc phreg;model t*y(1)=x1-x6/*定义模型，以t为时间变量，y为截尾变量，变量值1表示截尾数据，x1-x6为危险因素*//selection=stepwisesle=0.05sls=0.05;run;五：判别和聚类分析5.1判别分析data ex18_4;input x1-x4 g; /*确定变量名称，x1-x4为用于进行判别分析的指标，g为分组变量*/ cards;6.0 -11.5 19 90 1-11.0 -18.5 25 -36 390.2 -17.0 17 3 2-4.0 -15.0 13 54 10.0 -14.0 20 35 20.5 -11.5 19 37 3-10.0 -19.0 21 -42 30.0 -23.0 5 -35 120.0 -22.0 8 -20 3-100.0 -21.4 7 -15 1-100.0 -21.5 15 -40 213.0 -17.2 18 2 2-5.0 -18.5 15 18 110.0 -18.0 14 50 1-8.0 -14.0 16 56 10.6 -13.0 26 21 3-40.0 -20.0 22 -50 3;proc discrim;class g;/*定义分组变量为g*/var x1-x4;/*定义用于分析的指标变量为x1-x4*/run;(结果横向是真实值，竖向的预测值)5.2逐步判别分析data ex18_5;input x1-x4 g;cards;6.0 -11.5 19 90 1-11.0 -18.5 25 -36 390.2 -17.0 17 3 2-4.0 -15.0 13 54 10.0 -14.0 20 35 20.5 -11.5 19 37 3-10.0 -19.0 21 -42 30.0 -23.0 5 -35 120.0 -22.0 8 -20 3-100.0 -21.4 7 -15 1-100.0 -21.5 15 -40 213.0 -17.2 18 2 2-5.0 -18.5 15 18 110.0 -18.0 14 50 1-8.0 -14.0 16 56 10.6 -13.0 26 21 3-40.0 -20.0 22 -50 3;proc stepdisc /*调用stepdisc过程*/slentry=0.2/*确定入选标准为0.2*/slstay=0.3;/*确定剔除标准为0.3*/class g;/*定义分组变量为g*/var x1-x4;/*定义用于分析的指标变量为x1-x4*/run;（筛选出变量后，调用discrim过程对筛选出的变量作判别分析，即先做5.2再做5.1）5.3作样品聚类和指标聚类data ex19_3;input x1-x9;cards;46 25 5 2138 1.68 0.35 8.11 4 4 35 12 20 3510 2.76 1.43 6.84 3 3 52 25 20 2784 2.19 0.54 4.11 3 3 32 7 20 2451 1.93 0.47 11.45 9 6 38 22 0 3247 2.56 0.80 11.68 5 5 51 31 30 3710 2.92 0.37 11.60 2 2 40 9 10 3194 2.51 0.40 11.40 5 5 34 17 20 4658 3.67 0.46 11.35 3 3 50 29 0 5019 3.95 0.47 13.45 10 8 42 20 20 7482 5.89 0.12 13.11 0 0 57 30 15 3800 2.99 0.19 10.76 2 236 15 20 2478 1.95 0.25 10.00 0 037 12 0 3827 3.01 0.82 10.50 4 4 52 32 0 2984 2.35 0.16 11.15 3 3 52 32 10 3749 2.95 0.72 11.45 11 10 42 27 30 4941 3.89 0.73 13.80 7 6 44 27 20 3948 3.11 0.33 13.65 16 14 40 21 5 3360 2.64 0.37 11.40 0 0 38 21 5 2936 2.31 0.69 11.40 1 1 44 27 20 6851 5.39 0.99 12.28 7 6 43 27 0 3926 3.09 0.47 11.95 0 0 26 10 3 4381 3.45 0.52 11.80 7 5 37 18 20 7142 5.62 0.85 11.81 5 5 28 9 20 2612 2.06 0.37 11.65 1 1 25 9 30 2638 2.08 0.78 12.25 1 1 34 14 20 4322 3.40 0.41 15.00 5 5 50 32 20 2862 2.25 0.69 8.80 2 2;proc cluster/*调用cluster过程*/method=average;/*采用类平均法进行聚类*/var x1-x9;/*定义用于分析的指标变量x1-x9*/run;proc treegraphics haxis=axis1 horizontal;/*调用tree过程输出聚类图，并将图横向输出*/ run;/*对各个指标聚类，即对9个变量聚类*/proc varclus;/*调用varclus过程*/var x1-x9;/*定义用于分析的指标变量x1-x9*/run;六、主成分分析和因子分析6.1主成分分析data ex20_1;input x1-x6;cards;92 77 80 95 99 12697 75 77 80 95 12595 80 70 78 89 12075 75 73 88 98 11092 68 72 79 88 11390 85 80 70 78 10372 93 75 77 80 10088 70 76 72 81 10264 70 69 85 93 10570 73 70 87 84 10078 69 75 73 89 9778 72 71 68 75 9675 64 63 76 73 9284 66 77 55 65 7670 64 51 60 67 8858 72 75 62 52 7582 73 40 50 48 6145 65 42 47 43 60;proc princomp;/*调用princomp过程，对6个变量做主成分分析，结果包括主成分累积贡献率，特征向量矩阵*/run;6.2因子分析data ex20_2;input x1-x9;cards;4.34 389 99.06 1.23 25.46 93.15 3.56 97.51 61.663.45 271 88.28 0.85 23.55 94.31 2.44 97.94 73.334.38 385 103.97 1.21 26.54 92.53 4.02 98.484.18 377 99.48 1.19 26.89 93.86 2.92 99.41 63.164.32 378 102.01 1.19 27.63 93.18 1.99 99.71 80.004.13 349 97.55 1.10 27.34 90.63 4.38 99.03 63.164.57 361 91.66 1.14 24.89 90.60 2.73 99.69 73.534.31 209 62.18 0.52 31.74 91.67 3.65 99.48 61.114.06 425 83.27 0.93 26.56 93.81 3.09 99.48 70.734.43 458 92.39 0.95 24.26 91.12 4.21 99.76 79.074.13 496 95.43 1.03 28.75 93.43 3.50 99.10 80.494.10 514 92.99 1.07 26.31 93.24 4.22 100.00 78.954.11 490 80.90 0.97 26.90 93.68 4.97 99.77 80.533.53 344 79.66 0.68 31.87 94.77 3.59 100.00 81.974.16 508 90.98 1.01 29.43 95.75 2.77 98.72 62.864.17 545 92.98 1.08 26.92 94.89 3.14 99.41 82.354.16 507 95.10 1.01 25.82 94.41 2.80 99.35 60.614.86 540 93.17 1.07 27.59 93.47 2.77 99.80 70.215.06 552 84.38 1.10 27.56 95.15 3.10 98.63 69.234.03 453 72.69 0.90 26.03 91.94 4.50 99.05 60.424.15 529 86.53 1.05 22.40 91.52 3.84 98.58 68.423.94 515 91.01 1.02 25.44 94.88 2.56 99.36 73.914.12 552 89.14 1.10 25.70 92.65 3.87 95.52 66.674.42 597 90.18 1.18 26.94 93.03 3.76 99.28 73.813.05 437 78.81 0.87 23.05 94.46 4.03 96.223.94 477 87.34 0.95 26.78 91.784.57 94.28 87.344.14 638 88.57 1.27 26.53 95.16 1.67 94.50 91.673.87 583 89.82 1.16 22.66 93.43 3.55 94.49 89.074.08 552 90.19 1.10 22.53 90.36 3.47 97.88 87.144.14 551 90.81 1.09 23.06 91.65 2.47 97.72 87.134.04 574 81.36 1.14 26.65 93.74 1.61 98.20 93.023.93 515 76.87 1.02 23.88 93.82 3.09 95.46 88.373.90 555 80.58 1.10 23.08 94.38 2.06 96.82 91.793.62 554 87.21 1.10 22.50 92.43 3.22 97.16 87.773.75 586 90.31 1.12 23.73 92.47 2.07 97.74 93.893.77 627 86.47 1.24 23.22 91.17 3.40 98.98 89.80;proc factor/*调用factor过程*/n=4;/*确定因子数为4,如果不写就默认为3*/run;proc factorn=4rotate=quartimax;/*因子旋转的方法为四次方最大正交旋转*/run;七、典型相关分析（具体解释看ppt“SAS-典型相关分析(可以先上本章_再上对应分析)”）data ex21_1;input x1-x4 y1-y4;cards;1210 120.7 23.4 59.8 11.3 67.6 1.92 2.71 1040 121.2 22.9 59.0 10.1 66.5 1.92 2.60 1620 121.5 24.6 59.5 9.5 67.8 1.95 2.64 1690 122.5 24.4 60.7 11.0 69.2 2.08 2.64 1150 122.7 27.2 64.5 10.5 69.1 2.19 2.84 1150 123.2 20.0 56.1 10.4 59.3 1.83 2.61 1460 123.3 24.9 58.4 10.5 69.0 2.01 2.72 1190 123.4 21.8 59.0 10.6 67.4 1.90 2.71 1840 123.9 23.5 60.2 9.6 67.1 2.00 2.84 1250 124.5 25.2 63.0 11.2 67.8 2.05 2.78 1480 124.8 22.3 58.1 10.7 67.9 2.05 2.73 1310 124.9 22.0 58.0 10.5 67.8 1.98 2.68 1660 125.3 24.7 60.0 10.8 69.3 1.95 2.80 1580 125.6 22.8 59.0 9.4 69.1 2.00 2.65 1460 125.8 25.7 61.0 10.2 69.6 1.95 2.70 1240 126.0 30.2 68.0 9.2 67.1 2.14 2.88 1100 126.2 25.2 60.5 9.8 68.4 1.98 2.72 1250 126.8 23.6 58.5 10.2 67.5 1.94 2.74 1270 127.1 23.0 57.7 10.8 69.8 1.90 2.78 1300 127.6 24.3 59.0 10.3 67.9 1.93 2.84 1350 127.7 24.1 60.0 11.0 69.7 2.03 2.77 1250 128.3 21.6 55.5 10.4 68.5 1.83 2.70 1720 128.5 27.1 62.0 11.4 71.2 2.03 2.75 1480 128.5 22.6 57.4 10.0 67.3 2.04 2.83 1380 129.4 24.9 60.5 11.5 69.8 2.04 2.76 1170 129.0 26.7 63.7 9.6 67.4 2.13 2.98 1640 129.8 26.1 62.0 9.8 71.0 2.00 2.84 1640 131.6 28.7 62.8 9.7 70.7 1.89 2.89 1150 130.2 25.0 58.6 10.5 71.8 1.96 2.78 1430 130.5 26.1 60.7 10.8 68.6 2.05 2.77 1150 130.6 23.4 54.4 11.8 69.2 1.96 2.78 1150 131.4 25.5 63.2 10.2 70.4 2.05 2.84 1320 131.6 25.6 58.9 10.9 70.2 2.06 2.86 1360 131.7 27.4 62.0 10.9 73.5 1.99 2.70 1460 132.0 26.3 61.5 11.1 71.2 2.17 2.13 1380 132.2 25.7 61.4 10.1 70.1 1.96 2.83 1300 132.5 24.5 57.0 10.8 71.8 2.02 2.84 1220 132.7 27.0 61.3 10.1 72.2 2.08 2.80 1320 132.9 25.2 60.5 11.2 73.1 2.01 2.73 1910 133.1 30.1 67.0 9.0 87.1 2.15 2.97 1800 133.5 26.5 62.5 9.8 71.7 2.07 2.82 1560 133.6 24.8 58.5 10.3 72.2 1.93 2.79 1840 134.0 26.0 60.5 10.4 73.0 1.98 2.741590 134.4 25.5 60.7 9.6 69.9 1.99 2.81 1430 134.1 26.6 63.0 11.2 72.2 2.06 2.90 1760 134.6 32.5 66.0 9.9 87.4 2.61 2.98 1470 135.3 27.9 61.8 10.1 73.3 2.20 2.78 1580 135.6 28.1 65.8 9.8 73.1 2.05 2.89 1580 136.5 28.2 62.0 11.8 72.9 2.17 2.92 1840 137.1 27.6 62.8 9.5 72.4 2.11 2.91 1810 137.4 28.3 62.5 9.4 74.2 2.06 3.00 1850 138.1 29.5 62.4 9.7 72.3 2.12 4.02 2120 140.0 34.9 68.8 9.5 87.9 2.74 4.15 1760 140.7 32.0 64.4 10.2 74.0 2.17 4.05 1800 141.0 32.5 63.8 9.5 88.2 2.65 4.08 1260 141.7 29.1 65.0 9.7 88.2 2.68 2.90 1860 142.4 19.3 70.0 10.1 89.6 2.71 4.06 1800 144.7 27.0 58.3 10.8 74.8 2.10 2.82 1470 136.8 26.3 61.4 10.0 72.2 2.07 2.93 1260 121.1 22.9 59.0 10.6 66.3 2.05 2.76 1570 132.7 25.3 58.6 11.5 73.6 2.16 2.78 1290 125.0 25.7 60.5 10.1 68.8 2.00 2.69 1580 133.2 27.3 60.7 9.6 71.7 2.11 2.85 1690 132.8 28.6 64.7 9.6 72.9 2.19 4.08 1670 131.6 25.4 59.7 10.6 69.8 2.14 2.76 1300 133.1 25.9 58.0 10.1 69.7 2.12 2.83 1610 134.0 25.8 59.6 9.4 70.8 2.10 2.88 1580 134.3 26.3 61.2 10.2 72.2 2.14 2.84 1570 129.1 27.7 62.2 11.1 72.9 2.09 2.93 1660 140.1 32.1 67.0 9.3 87.1 2.15 4.03 1040 132.6 27.9 62.0 10.3 72.5 2.08 2.81 1290 128.3 23.6 58.5 9.3 69.0 1.97 2.76 1980 145.8 34.5 68.0 9.8 89.7 2.68 4.25 1210 133.3 25.6 61.5 9.9 71.0 2.11 2.82 1300 134.3 25.6 61.0 10.5 73.2 2.02 2.83 1310 138.1 27.8 61.2 9.9 73.5 2.09 2.78 1590 135.6 25.9 59.6 9.6 72.8 2.10 2.91 1270 128.3 24.1 58.5 10.3 69.2 1.92 2.77 1310 129.7 24.7 61.7 10.1 69.4 2.03 2.80 2280 143.6 37.6 70.0 9.7 88.8 2.17 4.18 1580 136.6 32.3 67.2 10.3 87.1 2.66 4.04 2370 147.4 38.8 73.0 10.8 90.7 2.82 4.38 ;proc cancorr;/*调用cancorr过程*/var x1-x4;/*定义一组变组变量*/with y1-y3;/*定义另一组变量*/。
3SAS过程及常用统计分析
3.2.3 全程语句 1. TITLE 标题语句 SAS系统有一默认的输出标题，使输出的每页有一 行标题，内容为“The SAS System”。事实上， 我们可以指定自己的标题来取代SAS缺省的标题。 格式为：TITLE '标题内容'; 例1，在某个程序前面加上一行 title '2001级1班成绩表'; 则输出结果的标题以“2001级1班成绩表”替代了 “The Sas System”。 例2：取消标题内容。用语句：title;
data L3.exfreq; input sex $ age number @@; cards; F 20 10 F 22 23 M 21 19 M 22 16 ; run; proc means ; Var age; by sex; run; proc means ; freq number; Var age; by sex; run;
不含freq的结果：
结果是数据集中 男女各2个观 测数据对age 求平均；
含freq的结果： 是按10个20岁(女)， 23个22岁(女)，19 个21岁(男)，16个 22岁（男），总 计68个观测数据 对age求平均；
6．ID语句 格式： ID 变量；
功能：用来规定一个或几个变量，以便在输出 或由该过程产生的sas数据集中，不再使用Obs,而 使用这些变量值来识别观测。
3.3.3 UNIVARIATE 过程 1. UNIVARIATE过程简介 功能：UNIVARIATE过程除了可以完成与MEANS 过程相同的基本统计量外，还可以计算变量的 极端值、分位数，生成频率表，并支持对数据 进行正态性检验。 UNIVARIATE与MEANS过程不同的功能包括： (1)描述变量极端值的情况。 (2)计算分位数，如中位数，1/4和3/4分位数。 (3)生成若干个描述变量分布的图。 (4)生成频率表。 (5)对数据进行正态性检验。
SAS相关分析-简单相关、偏相关讲义
350
8
10
第一组数据 a
第二组数据 b 图5.1 三组假设数据的散点图
第三组数据 c
第一节 两随机变量之间的线性关系
10 10
10 8 6 4 2 0 0 2 4 6 8 10
8 6 4 2 0 0 2 4 6 8 10
8 6 4 2 0
0
2
4
6
8
10
第一组数据 a
第二组数据 b 图5.1 三组假设数据的散点图
df = n-m
相关矩阵
c1m c2m c mm
r11 r R 21 rm1 r12 r22 rm 2 r1m r2 m rmm
CR
1
第二节 偏（净）相关分析
第一步：统计假设 H0：ij.＝0，HA：ij.≠0 第二步：计算统计量
第三组
x y1 5.2 y x2 5.0 x y2 5.2 y x3 5.0 x y3 5.2 y
x1 5.0
324
2 1 2 2 2 2 2 3 2 3
350 324 350
324
350
表5.1 为说明两变量之间的线性关系而假设的三组（x，y）观察值 第一节 两随机变量之间的线性关系 组别 第一组 第二组 第三组
第一节 简单相关分析
2、统计量r显著性检验
第一步：作统计假设 H 0 : 0
HA : 0
第二步：计算统计量r，根据df =n-2，查相关 系数显著性检验表，从而获得r0.05和r0.01 。 第三步：作统计推断 1、|r|<r0.05 推断相关不显著； 2、r0.05<=|r|<r0.01 推断相关达显著； 3、|r| >= r0.01 推断相关达极显著。
sas描述性统计分析
28
27
26
散点图
25
24
23
22
21 女 20 1900 1920 1940 1960 1980 2000 男
定性变量的图表示：饼图 定性变量（或属性变量，分类变量 ）不能点出直方图、散点图或茎 叶图，但可以描绘出它们各类的 比例。
饼图
定性变量的图表示：条形图
从每一条可以看出讲各种语言的 实际人数，而且分别给出了每 个语种中母语和日常使用的人 数（在图中并排放置）。条形 图显示比例不如饼图直观。
数据的“尺度”
另一个常用的尺度统计量为（样本）标 准差 (standard deviation) 。度量样 本中各数值到均值距离的一种平均。 标准差实际上是方差 (variance) 的平方 根。如果记样本中的观测值为 x1,…,xn，则样本方差为
数据的“尺度”
两个均值一样，但右边的要 “胖”些，方差为左边的一 倍
描述性统计分析
East China JiaoTong University
如 同 给 人 画 像 一 样
数 据 的 描 述
在对数据进行深入加工之前，总 应该对数据有所印象。 可以借助于图形和简单的运算， 来了解数据的一些特征。 由于数据是从总体中产生的，其 特征也反映了总体的特征。对 数据的描述也是对其总体的一 个近似的描述。
其中茎叶图中茎的单位为10cm，而叶子单位为1cm。比如，由于 第一行茎为150cm，因此叶子中的九个数字001223344代表九个数 目150、150、151、152、152、153、153、154、154cm等。每 行左边有一个频数（比如第一行有9个数目，第二行有17个等等）； 可以看出最长的一行为从165cm到169cm的一段（有35个数）。
数据分析(SAS描述性统计分析过程)
var
变量列表 ;
by
变量列表 ;
freq
变量 ;
weight 变量 ;
id
变量列表 ;
output <out=输出数据集名> <统计量关键字=变量名列表> <pctlpts= 百分位数 pctlpre=变量前缀名 pctlname=变量后缀名>;
run;
proc uiate过程旳主要控制语句如下：
proc means（5）
SAS程序 data examp1; input x @@; cards; 70.4 72.0 76.5 74.3 76.5 77.6 67.3 72.0 75.0 74.3 73.5 79.5 73.5 74.7 65.0 76.5 81.6 75.4 72.7 72.7 67.2 76.5 72.7 70.4 77.2 68.8 67.3 67.3 67.3 72.7 75.8 73.5 75.0 72.7 73.5 73.5 72.7 81.6 70.3 74.3 73.5 79.5 70.4 76.5 72.7 77.2 84.3 75.0 76.5 70.4 ; proc means data=examp1 n mean cv skewness kurtosis range median ; var x; run;
mode sumwgt max min range median t prt clm lclm uclm
众数，出现频数最高旳数 权数和 最大值 最小值 极差，max—min 中间值 总体均值等于0旳t统计量 t分布旳双尾p值 置信度上限和下限
置信度下限
置信度上限
kurtosis
对尾部陡平旳度量——峰度
------Quantile-----Percent Observed Estimated
第讲SAS的描述性统计PPT课件
• 单击“Statistics”按钮，打开“Summary Statistics：Statistics”对话框。对话框中列出 可以计算的所有统计量（如右图所示）。
• 描述性统计量如下图所示。
第20页/共72页
• 3. 通过Distributions菜单计算描述性统计量 • 选择主菜单“Statistics（统计）”→“Descriptive（描述性统计）”→“Distributions （分布）”，打开“Distributions”对话框，选择变量列表中的Income，单击“Analysis” 按钮，选定分析变量。 • 单击“OK”按钮，即可得到关于变量Income的矩统计量和基本统计测度
• 1. 实例数据 • 【例2-1】表2-1为两个不同地区居民家庭收入和支出情况的抽样调查（单位：元），试分别统计 收入和支出情况。 • 将表2-1中数据通过Excel导入到SAS数据集TT中，4个变量名分别为：ID、R_ID、Income和 Outgo，相应的标签名为家庭编号、地区编号、家庭总收入和家庭总支出。
第14页/共72页
• 2. 在INSIGHT中打开数据集 • 在菜单中选择“Solution（解决方案）”→“Analysis（分析）”→“Interactive Data Analysis（交互式数据分析）”，打开“SAS/INSIGHT Open”对话框，在对话框中选择数据 集：TT，单击“Open（打开）”按钮，即可在INSIGHT中打开数据窗口，如图所示。
n i1
xik , k
1,2,...
x
Bk
1 n
n i1
( xi
x)k ,
k 2,3,...
第11页/共72页
• 第二节 在SAS中计算统计量 • 用INSIGHT计算统计量 • 用“分析家”计算统计量 • 编程实现描述性统计
Ch5 SAS基本统计过程(一) mean uni ttest npar
彭斌
Slide 4
2).VAR语句 VAR variables; 规定要计算描述性统计量的数值变量及顺序。若省 略该句，则对所有数值变量计算描述性统计量，除BY、 CLASS语句中列出的变量之外。 3).CLASS语句 CLASS variables; 该语句用CLASS变量定义的观测组分别计算其相应 的描述统计量。
彭斌
Slide 11
下面介绍该过程使用的语句： CLASS语句和BY语句用法与MEANS过程相同，这里 就省略了。 1). PROC UNIVARIATE语句 PROC UNIVARIATE [options]; 用于UNIVARIATE过程语句的选项有(与MEANS过 程相同用法的选项略去说明)： DATA=SAS-data-set：指定分析的数据集。 NORMAL：要求计算关于变量服从正态分布的假设 检验统计量，这个检验统计量相应的概率也被输出(即 进行正态性检验)。 PLOT：要求生成一个茎叶图(或水平直方图)，一个 盒形图和一个正态概率图。
包括编号、性别、体重和身高。 名学生的相关信息， 例4-1 现有 名学生的相关信息，包括编号、性别、体重和身高。 试计算： 试计算： (1) 所有40名学生体重和身高的均数和标准差； 所有 名学生体重和身高的均数和标准差； 名学生体重和身高的均数和标准差 (2) 分男女生分别计算其体重和身高的均数和标准差 分男女生分别计算其体重和身高的均数和标准差; (3) 结果保留 位小数。 结果保留2位小数 位小数。
SAS中的描述性统计过程
SAS中的描述性统计过程(2012-08-01 18:07:01)标签：分类：SAS中的描述性统计过程描述性统计指标的计算可以用四个不同的过程来实现，它们分别是means过程、summary过程、univariate过程以及tabulate 过程。
它们在功能范围和具体的操作方法上存在一定的差别，下面我们大概了解一下它们的异同点。
相同点：他们均可计算出均数、标准差、方差、标准误、总和、加权值的总和、最大值、最小值、全距、校正的和未校正的离差平方和、变异系数、样本分布位置的t检验统计量、遗漏数据和有效数据个数等，均可应用by语句将样本分割为若干个更小的样本，以便分别进行分析。
不同点：（1）means过程、summary过程、univariate过程可以计算样本的偏度（skewness）和峰度（kurtosis），而tabulate过程不计算这些统计量；（2）univariate过程可以计算出样本的众数（mode），其它三个过程不计算众数；（3）summary过程执行后不会自动给出分析的结果，须引用output语句和print过程来显示分析结果，而其它三个过程则会自动显示分析的结果；（4）univariate过程具有统计制图的功能，其它三个过程则没有；（5）tabulate过程不产生输出资料文件（存储各种输出数据的文件），其它三个均产生输出资料文件。
统计制图的过程均可以实现对样本分布特征的图形表示，一般情况下可以使用的有chart过程、plot过程、gchart过程和gplot 过程。
大家有没有发现前两个和后两个只有一个字母‘g’（代表graph）的差别，其实它们之间（只差一个字母g的过程之间）的统计描述功能是相同的，区别仅在于绘制出的图形的复杂和美观程度。
chart过程和plot过程绘制的图形类似于我们用文本字符堆积起来的图形，只能概括地反映出资料分布的大体形状，实际上这两个过程绘制的图形并不能称之为图形，因为他根本就没有涉及一般意义上图形的任何一种元素（如颜色、分辨率等）。
医用SAS统计分析四PPT课件
2020/3/24
15
三、Logistic回归分析
简介
Logistic回归模型是适用于应变量（因变量）为分类变量的回归分析。当 应变量为分类变量时，如应变量结果为二分类变量的发病、不发病，生存、死
亡等，是不能用多元线性回归模型（Y=β0+Σβi xi)来分析各种危险因素与应变
量之间的关系的。因为应变量Y只能取值为1和0。不符合线性回归模型中应变 量Y应具有正态分布和方差齐性的要求，同时线性回归模型得到的Y值会出现 大于1或小于0的不合理结果，显然不能用线性回归建立预测模型。
2020/3/24
7
Model: MODEL1 Dependent Variable: Y
Analysis of Variance Sum of Mean Source DF Squares Square F Value Prob>F Model 3 1250109.0678 416703.02259 5.617 0.0355 Error 6 445140.93222 74190.15537 C Total 9 1695250 Root MSE 272.37870 R-square 0.7374 Dep Mean 2315.00000 Adj R-sq 0.6061 C.V. 11.76582
▪ vif 输出各自变量的方差膨胀因子。当vif≥10时，可认为多元共线性严重存
在。
▪ collin 要求详细分析自变量之间的共线性，给出信息矩阵的特征根、条件
指数和方差比，当条件指数≥10，方差比>0.5时，可认为存在多元共线性。
▪ collinoint 与选择项collin作用相同，但不包括回归常数。
5
▪ stb 输出各自变量的标准偏回归系数。 ▪ cli 输出个体y值的95%容许区间上下限
如何用SAS进行统计分析
如何用SAS进行统计分析SAS（统计分析系统）是一种用于数据分析和统计建模的软件工具。
它提供了一系列功能和程序，用于数据处理、统计分析、预测建模、图形展示和报告生成等。
本文将介绍如何使用SAS进行统计分析，涵盖数据导入、数据清洗、描述性统计分析、假设检验、回归分析和聚类分析等内容。
1. 数据导入和数据清洗在使用SAS进行统计分析之前，你需要将待分析的数据导入到SAS软件中。
SAS支持多种数据格式，包括CSV、Excel、Access等。
你可以使用SAS提供的PROC IMPORT过程将数据导入到SAS的数据集中。
导入数据后，你需要对数据进行清洗。
数据清洗的目的是去除数据中的错误、缺失或异常值，以确保数据的质量。
你可以使用SAS的数据步骤（DATA STEP）来处理数据，例如删除缺失值、填补缺失值、去除异常值等。
2. 描述性统计分析描述性统计分析是对数据进行总结和描述的过程。
它包括计算数据的中心趋势（均值、中位数、众数）、数据的离散程度（标准差、方差、极差）、数据的分布形态（偏度、峰度）等。
在SAS中，你可以使用PROC MEANS过程进行描述性统计分析。
该过程可以计算多个变量的均值、标准差、最小值、最大值、中位数等统计指标。
此外，你还可以使用PROC UNIVARIATE过程计算数据的偏度、峰度等统计值，并绘制直方图和箱线图来展示数据的分布情况。
3. 假设检验假设检验是对样本数据进行推断性统计分析的一种方法。
它用于判断观察到的样本差异是否显著，从而对总体参数进行推断。
在SAS中，你可以使用PROC TTEST过程进行双样本t检验、单样本t检验和相关样本t检验等。
此外，PROC ANOVA过程可以用于方差分析，PROC FREQ过程可以用于卡方检验。
4. 回归分析回归分析是研究因变量与自变量之间关系的一种统计分析方法。
它用于预测和解释因变量的变化，并评估自变量对因变量的影响程度。
在SAS中，你可以使用PROC REG过程进行简单线性回归分析和多元线性回归分析。
学习使用SAS进行数据处理与分析
学习使用SAS进行数据处理与分析第一章：介绍SAS及其应用领域SAS（Statistical Analysis System）是由SAS Institute开发的一种统计分析软件。
它是一个功能强大的工具，用于数据处理、数据分析和预测建模等任务。
SAS广泛应用于各个领域，如金融、医疗、市场研究等，可以帮助用户从数据中挖掘有价值的信息。
第二章：SAS环境及基本操作在开始使用SAS之前，我们首先需要了解SAS的运行环境和基本操作。
SAS提供了多种版本，包括SAS Base和SAS Enterprise。
在Windows操作系统上，我们可以通过SAS界面进行操作，也可以通过编写SAS程序进行批量处理。
在本章中，我们将介绍SAS的安装和配置，以及SAS界面和常用的命令。
第三章：数据导入与导出数据导入是数据处理的第一步，也是最重要的一步。
SAS支持导入多种数据格式，如CSV、Excel、Access等。
我们可以使用SAS提供的导入工具，也可以通过编写SAS程序进行导入。
此外，SAS还支持将处理结果导出为各种数据格式，方便与其他软件进行交互。
第四章：数据清洗与转换在实际应用中，原始数据往往存在一些问题，如缺失值、异常值、重复值等。
数据清洗是为了使数据符合分析的要求，需要进行缺失值填充、异常值处理、数据规范化等操作。
SAS提供了丰富的函数和工具，可以方便地进行数据清洗和转换。
第五章：数据探索与可视化数据探索是数据分析的关键步骤之一。
通过统计指标、频率分布、散点图等方式，我们可以了解数据的分布情况、变量之间的关系等。
SAS提供了多种统计分析和可视化功能，如描述统计、相关分析、箱线图、直方图等，可以帮助用户深入了解数据。
第六章：数据建模在数据分析的过程中，我们往往需要基于数据构建一个模型，用于预测或分类。
SAS提供了多种建模技术，包括线性回归、逻辑回归、决策树、支持向量机等。
在本章中，我们将介绍SAS中常用的建模方法和建模步骤，并通过实例演示如何进行模型构建和验证。
SAS统计分析与应用(第四讲)
详细描述
多元线性回归分析通过建立多元线性方程组来描述多个因变量与多个自变量之间的关系，并利用最小二乘法来估计回归系数。这种方法可以用于预测多个因变量的值，并评估多个自变量对因变量的影响程度。
数学模型
Y1 = β01 + β11X1 + β21X2 + ... + ε1
多元线性回归分析
Y2 = β02 + β12X1 + β22X2 + ... + ε2
01
双因素方差分析是用于比较两个分类变量对数值型因变量的影响的统计方法。
02
它通过分析两个分类变量对数值型因变量的交互作用和单独作用，判断两个分类变量对数值型因变量的影响是否显著。
双因素方差分析
04
回归分析
总结词
一元线性回归分析是用来研究一个因变量与一个自变量之间的线性关系的回归分析方法。
数学模型
01
02
03
04
t检验
用于比较两组Biblioteka 据的均值是否存在显著差异，如独立样本t检验和配对样本t检验。
方差分析
用于比较两组或多组数据的方差是否存在显著差异，如单因素方差分析和多因素方差分析。
卡方检验
用于比较实际观测频数与期望频数之间的差异，如拟合优度检验和独立性检验。
非参数检验
不依赖于总体分布的假设检验方法，如符号检验、秩次检验等。
Y = β0 + β1X + ε
参数解释
Y是因变量，β0是截距，β1是斜率，X是自变量，ε是误差项。
详细描述
一元线性回归分析通过建立线性方程来描述因变量和自变量之间的关系，并利用最小二乘法来估计回归系数。这种方法可以用于预测因变量的值，并评估自变量对因变量的影响程度。
SAS统计分析与应用(第四讲)
• 说明：必须出现在INPUT语句之前。
3、INPUT语句
• 用于向系统表明如何读入每一条记录。它的主要 功能有： – 读入由语句指定的数据列。 – 为相应的数据域定义变量名。 – 确定变量的读入模式。 • 格式： input 变量名 [变量类型 起止列数]...; • 字符变量+$，连续读入+@@ 。
注意：
1、没有结束语句；
程序块;
2、else语句可以省略；
3、可嵌套其它语句和循
else
程序块;
环结构。
示例
• data temp;
• 数据步开始，定义要建立的数据集为 work库的temp
• input x y@@;
• if x>50 then class=1;
• 要输入的变量为x和y，并且采用数据连续 读入方式
INPUT语句自由格式要求
input 变量名; 称为自由格式。
• 数据每一行为一个观测，各观测值之间有一个或 几个空格分隔；
• 无论是数值型还是字符型缺失数据必须用小数点 表示；
• 字符型数据长度不能超过8个字符，不允许完全空 格或中间有空格，开头和结尾的空格忽略； • 在input语句中必须列出观测中的每一项数据对应 的变量名而不能省略中间某一个。
Select 示例1
• input month $1-10 season $; • • • • • • select(month); when('February','March','April') season='Spring'; when('May','June','July') season='Summer'; when('August','September','October') season='Autumn'; otherwise season='Winter'; end;
医学统计学：SAS实验-统计描述
算第一层和交叉层的统计量。 • FREQ过程也可以将结果输出到SAS数据集中。
FREQ过程由下列语句控制：
Proc freq [选择项]；
Tables 请求式┅[/选择项]；
Weight 变量；
By
变量表；
Output [选择项]；
FREQ过程——可以生成单向和多向的频数表和 交叉表。
MEANS过程——用来对数据集中的数值变量计 算简单的描述统计量( N、Mean、Std Dev、 Minimum、Maximum)。
• SUMMARY过程——用来计算单个变量的基本统计 量，它和MEANS过程的不同之处在于该过程不在 OUTPUT窗口输出结果，除非加上命令PRINT，而 MEANS过程总是在OUTPUT窗口输出。
173.6 175.3 178.4 181.5 170.5 176.4 170.8 171.8 180.7 170.7
173.8 164.4 170.0 175.0 177.7 171.4 162.9 179.0 174.9 178.3
174.5 174.3 170.4 173.2 174.5 173.7 173.4 173.9 172.9 177.9
171.2 177.1 170.7 173.6 167.2 170.7 174.7 171.8 167.3 174.8
168.5 178.7 177.3 165.9 174.0 170.2 169.5 172.1 178.2 170.9
171.3 176.1 169.7 177.9 171.1 179.3 183.5 168.5 175.5 175.9
**语句的简单说明**
• Tables语句
SAS：SAS常用过程之统计描述过程procunivariate
SAS：SAS常用过程之统计描述过程procunivariatefrom：/s/blog_5f049388010170ab.html FROM :/qiaozhanwen@126/blog/static/ 12955392520128225952558/-proc univariate统计量：----------------------------------------------------------------------------------------------------------------------------------默认：[plain] view plain copy1.1.观测值（未缺失的）2.2.平均值3.3.方差4.4.标准差5.5.偏系数6.6.峭度系数7.7.未校正和校正后的平方和8.8.差异系数（相对标准差）9.9.平均数的标准误10.10.比较变量值是否等于0 的t检验11.11.最大值12.12.最小值13.13.全距范围14.14.中数，第3和第2四分位数15.15.四分位差16.16.众数17.17.第1、2、10、90、95和99的百分位数18.18.5个最大值和5个最小值需指定的（加上选项normal和plot）：[plain] view plain copy1.19.W或D统计量，检验数据是否正太分布2.20.茎叶图3.21.箱式图4.22.正太概率图，将累加频数分布和理想正太分布相比较-proc univariate统计结果的一些说明：----------------------------------------------------------------------------------------------------------------------------------1、极值观测：极端观测列出了数据中最大和最小的5个值，每个极端数据旁边还有数据的编号。
- 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)。
2、VAR语句：一般格式 VAR variable-list;
规定要求计算简单统计量的数值变量及次序。 3、BY语句：一般格式 BY variable-list;
根据by语句定义的观测组分别计算各组相应的简单统计量。 （要先排序） 4、CLASS语句：一般格式 CLASS variable-list;
• proc means data=incomes mean var std cv skewness • kurtosis alpha=0.1 t prt clm maxdec=2; • var income;
• run;
mean：均值； var：方差； std：标准差 cv：标准差系数； skewness：偏度 kurtosis：峰度； alpha=0.1：显著性水平为0.1，即置信水平为90%； t：均值是否为零的t检验值； prt：对应t值的概率 clm：上、下置信限 maxdec=2：保留两位有效小数
• 例题4.1，P93 • 在实际应用中，经常会遇到数据处理的问 题，那么为了分析数据我们就需要利用相 关的统计量，数字特征来反映数据的特性。
三、 MEANS过程
主要功能 ： MEANS过程用来对数据集中的数值变量 的全部非丢失观测计算简单的描述统计量； 还可以对均值进行假设检验并给出置信区 间； 对观测组（BY组）分别计算简单描述统计 量。
X max X min 变异系数： CV
极差：R
标准差系数反映了单位均值上的离散程度
常用在两个总体均值不等的离散程度的比较上。
3、表示分布形状的数字特征
偏度、峰度
（对称正态为0）
偏度：度量总体分布偏斜程度
G1
E ( X )3
G1 0, 随机变量分布为对称分布；
8、OUTPUT语句：
一般格式： OUTPUT<OUT=SAS-data-set><output-statistic-list> <MAXID<(var-1<id-list-1><…var-n<(id-list-n)>>)>=name-list> <MINID <(var-1<id-list-1><…var-n<(id-list-n)>>)>=name-list>; 要求把计算的描述统计量输出到新的SAS数据集中，并对 新数据集的名字及所包含的统计量名字列表。
2） statistic-keyword＝name-list（名字列表）
对所有的分析变量规定统计量的变量名 如：output out=result1 mean=meanx1 meanx2;
3) statistic-keyword(variable-list)=name-list
对部分分析变量规定统计量的变量名 如：output out=result2 mean=premean postmean std(post)=stdpost;（统计关键词（变量列表）=名字列 表）
各地区均值
各地区三个变量的最大值及相应省份
4.2、单变量分析与UNIVARIATE过程
• 在研究一个随机变量的统计特性时，仅仅靠一些数字 特征是不够的； • 还必须研究其他反映变量统计特征的形式，比如： • 样本的极端值、分位数、直方图、茎叶图、盒型图、 正态概率图等。
UNIVARIATE过程的主要功能
2、按地区计算家庭人均收入（income)，家庭人均消费支出 (Consume)和食品支出(food)的均值； 计算各地区以上变量的最大值以及对应的省份，并保存到数据集 new中。
proc means data=cjl.xf2000 mean maxdec=2; Class area; var income consume food; Output out=new max=maxin maxcon maxf maxid(income(province) consume(province) food(province))=incomest consumest foodest; run; proc print data=new; var area maxin maxcon maxf incomest consumest foodest; run;
语句说明
1、PROC MEANS语句
一般格式：PROC MEANS <options> <statistic-keywords>; 常用options： （1）DATA=数据集名 （2）NOPRINT或PRINT:规定不输出或输出描述统计量； （3）MAXDEC=number;规定输出结果小数部分的最大位数， 缺省为2； （4）ALPHA=value:规定置信区间的置信水平，缺省为0.05； statistic-keywords：规定输出的统计量 常见统计量：X:最大值 RANGE:极差 SUM: 求和 VAR:方差 SKEWNESS:偏度 KURTOSIS:峰度 等等
• MEANS过程的一般格式为：
PROC MEANS<option-list><statistic-keyword-list>; (必需的语句) var variable-list; class variable-list; 其余都是可选语句 freq variable; weight variable; id variable-list; by variable-list; output <out=sas-data-set><output-sataistic-list>….
(3)<MAXID<(var-1<id-list-1><…var-n<(id-list-)>>)>
=name-list>
<MINID <(var-1<id-list-1><…var-n<(id-list-n)>>)> =name-list>; 该项选择用不同分析变量的最大或最小值来识别变量的列表。 Var是被取最大值或最小值变量； id-list是对最大值或最小值的识别变量。
2、OUTPUT语句 输出统计量表除了MEANS语句中常用统计量 外，还有以下一些统计量：
（1）Q3、Q1：上下四分位数 （2）QRANGE:上下四分位数间的差 （3）MSIGN：符号统计量 （4）PROBM:大于符号秩统计量绝对值的概率 （5）SIGNRANK:符号秩统计量 （6）PROBS:大于中心符号秩统计量的绝对值的概率 （7）NORMAL：检验正态性统计量 （8）PROBN:检验数据来自正态分布的假设的概率 （9）PCTLPTS=percentiles:规定用户希望计算的百分位数。
可用其规定的变量定义观测组，并分别计算各组相应的简 单统计量。
5、FREQ语句：一般格式 FREQ variable;
指定变量表示相应观测出现的频数
6、WEIGHT语句：WEIGHT variable;
指定变量表示相应观测的权数 7、ID语句：一般格式 ID variable;
对产生的数据集增加一个或几个附加变量，用于识别输出数 据集里的观测。
如：要求找出数据集a中身高最高者和年龄最大者
• • • • • • • • • • • • • •
data a; input name$ sex$ height age; cards; rose f 165 19 maxid(height(name) age(name))=heightst agest; kate f 168 17 mike m 176 20 要求给出身高和年龄最大者的姓名，并分别用变量 john m 180 19 名保存在输出数据集中。 alice f 170 22 ; proc means data=a; var height age; output out=new max=maxh maxa maxid(height(name) age(name))=heightst agest; run;
统计软件包
SAS系统与统计分析
第四章
统计描述与SAS过程
4.1 变量的数字特征与MEANS过程 4.2 单变量分析与UNIVARIATE过程
4.1 变量的数字特征与MEANS过程
一、随机变量的数字特征
1、表示位置的数字特征 总体均值、中位数、众数 众数是使得随机变量密度函数取最大值的数值 2、表示离散程度的数字特征 极差、方差、标准差、标准差(变异）系数
语句说明
1、proc univariate <option-list>语句
options除了类似与means过程的选项外还有： （1） freq：要求生成包含变量值、频数、百分数 和累积频数的频率表 （2）Normal：要求检验输入的数据是否服从正 态分布 （3）Plot：要求生成茎叶图、盒型图、正态概率 图 （4）pctldef=value：规定计算百分位数的方法
3
G1 0, 非对称的右偏分布，即随机变量取值在右边比较分散； G1 0, 非对称的左偏分布，即随机变量取值在左边比较分散；
峰度：度量总体分布尾部粗细程度（与正态分布相比）
G2
E( X )4
4
3
正态分布随机变量的峰度为0；
G2 0, 与正态分布相比，随机变量X偏离均值的极端值较多，
输出结果
1、计算家庭人均收入（income)，家庭人均消费支出(consume) 和食品支出(food)的均值、标准差、变异系数、偏度和峰度；
proc means data=cjl.xf2000 mean std cv skewness kurtosis maxdec=2; var income consume food; run;