sas数值分析实验一.doc

广东金融学院实验报告课程名称： 实验编号及实验名称实验一系 别金融数学与统计学院姓 名学 号班 级实验地点实验日期2017年9月29日实验时数2指导教师同组其他成员成 绩一、 实验目的及要求实验目的：1、熟悉SAS回归分析；2、掌握SAS相关分析方法；3、掌握用SAS进行方差分析。实验要求：附件是某开发区2012部分企业的相关数据，请利用SAS回答以下问题：1、科技活动人员、科技经费、当年申请专利、当年授权专利之间有什么相关关系吗？2、利用回归分析研究工业总产值与从业人员、科技活动人员、科技经费、当年申请专利、当年授权专利的关系？3、“是否高企”否对企业营业收入有显著性影响？二、 实验环境及相关情况（包含使用软件、实验设备、主要仪器及材料等）sas9.2，windows8，内存4G，office2010三、 实验内容的详细代码、清单、步骤及流程1. 将每一列的名称重新命名，把数据导入到SAS当中去。原名称与新名称对应如下表所示：/*导入数据*/PROC IMPORT OUT= MyDatawo.TEST1 DATAFILE= C:UsershaseeDesktop2012年高新区企业数据（修改了变量名）.xls DBMS=EXCEL REPLACE; RANGE=kfq_1$; GETNAMES=YES; MIXED=NO; SCANTEXT=YES; USEDATE=YES; SCANTIME=YES;RUN;2. 对无效的数据进行剔除，进行数据的整理，经过我的思考，我发现是否高企和从业人数不可能为0的，因此如果它们两项如果为0的话，我将它们视为缺省值。代码如下：/* 整理数据*/data MyDatawo.TestData;set MyDatawo.Test1;if companyProductNum=0 then companyProductNum=.;/*如果工业总产值为0的话，将其数据记为缺省值*/if employee=0 then employee=.;/*如果从业人数为0的话，将其数据记为缺省值*/run;3. 为了分析科技活动人员、科技经费、当年申请专利、当年授权专利之间的关系，我决定使用SAS的相关分析的命令corr对数据进行分析：/*计算数据两两间的Pearson相关系数和Spearman相关系数*/data MyDatawo.TestData1;set MyDatawo.TestData;keep activityPerson money apply authority;/*仅仅保留1、科技活动人员、科技经费、当年申请专利、当年授权专利四个变量进行分析*/run;proc corr data=MyDatawo.TestData1 Spearman pearson cov;run;4. 用SAS的proc reg对数据进行回归分析研究工业总产值与从业人员、科技活动人员、科技经费、当年申请专利、当年授权专利的关系。/*计算回归方程和回归系数分析*/data MyDatawo.TestData2;set MyDatawo.TestData;run;proc reg data=MyDatawo.Testdata2;model companyProductNum = increase employee activityPerson money apply;run;5. 用SAS的proc anova对“是否高企”和企业营业收入进行单因素方差分析。代码如下：/*单因素方差分析*/data MyDatawo.TestData3;set MyDatawo.TestData;run;proc anova data=MyDatawo.TestData3;class ifHigh;model income=ifHigh;run;总的步骤就是如上所述，最终根据环境修改数据文件的位置和逻辑库的名称即可运行程序。完整的程序见附录：四.实验结果（包括程序、图表、结论陈述、数据记录及分析等）1.问题一：科技活动人员、科技经费、当年申请专利、当年授权专利之间的关系。科技活动人员和科技经费的pearson相关系数和spearman相关系数都比较高,高于0.75，而且p值0.0001证明它们之间的相关性十分显著。科技活动人员与当年申请专利的相关pearson和spearman相关系数在0.55左右，p值检验通过，它们相关性一般。科技活动人员与当年授权专利的pearson和spearman相关系数在0.40左右，p值检验通过，相关性较弱。科技经费和当年申请专利、当年授权专利之间的pearson和spearman相关系数在0.5左右，相关性一般。当年申请专利和当年授权专利之间的pearson和spearman相关系数在0.65左右，有一定的相关性，也是比较符合实际的。相关性检验程序运行的结果如下：图1：四个因素之间Pearson相关系数的结果图2：四个因素之间Spearman相关系数的结果2.问题二：用回归分析研究工业总产值与从业人员、科技活动人员、科技经费、当年申请专利、当年授权专利的关系。用SAS程序对数据进行了回归分析得到了下图结果：图3：数据的方差分析图图4：数据的参数估计表结果图于是由上图3方差分析图可以看出p值小于0.001，因此我们拒绝原假设H0，即工业总产值与从业人员、科技活动人员、科技经费、当年申请专利、当年授权专利之间的线性回归关系十分显著。这时候，我们可以用线性关系来表示它们之间的关系，而根据图4参数估计表可以知道只有从业人员、科技活动人员、科技经费与工业总产值有显著性相关，因此得出以下回归方程：工业总产值= 1262.04059*从业人员-2926.92320*科技活动人员+ 7.74384*科技经费3.问题三： “是否高企”否对企业营业收入有显著性影响用SAS对数据进行了单因素方差分析来判断是否有显著影响，程序运行结果如下图：图5：数据的单因素方差分析结果图检验假设H0（即是否高企对于企业营业收入没有显著性影响）的p值为0.1931，该值较大，不能拒绝H0，认为是否高企对于企业营业收入没有显著性影响。五.实验总结（包括对本实验的所有问题的回答、实验过程中发现的问题以及你的改进办法） 经过这次实验，我对于SAS软件有了充分的认识和了解，对于SAS中的各种命令也有了一定的掌握，对于用SAS来做相关性分析、单因素方差分析和回归分析等都有了一定的理解，并能用SAS来解决相关方面简单的问题。而在本次实验中，我遇到了比较的多的困难，可能是因为第一次做SAS实验，导致浪费了很多时间去了解SAS软件。其次，由于之前没有做过数据分析方面的实验，所以第一次做这样的实验的时候，难免做得不太好。在实验中，对于处理数据这一步我一开始是做得就不太好，不知道是如何去处理，开始的时候，我是把所有小于等于0的数据项去掉的，然后结果剩下了226行。做着实验的时候，发现这样的话，数据就太小了，后来认真看了一下数据，最终确定如果工业总产值或者从业人数为0的话，将其数据记为缺省值，再去做实验的时候，数据量就比较大了，而且去掉了一些无效值。六.教师评语评语评语等级优良中及格不合格1.实验态度认真，实验目的明确2.实验方案、程序设计合理3.实验过程（实验步骤详细，记录完整，数据合理）4.实验结论正确，分析透彻5.实验报告独立完成，无抄袭现象，并按时提交，格式规范，文字叙述流畅，逻辑性强综合评定：附录/*导入数据*/PROC IMPORT OUT= MyDatawo.TEST1 DATAFILE= C:UsershaseeDesktop2012年高新区企业数据（修改了变量名）.xls DBMS=EXCEL REPLACE; RANGE=kfq_1$; GETNAMES=YES; MIXED=NO; SCANTEXT=YES; USEDATE=YES; SCANTIME=YES;RUN;/* 整理数据*/data MyDatawo.TestData;set MyDatawo.Test1;if companyProductNum=0 then companyProductNum=.;/*如果工业总产值为0的话，将其数据记为缺省值*/if employee=0 then employee=.;/*如果从业人数为0的话，将其数据记为缺省值*/run;/*计算数据两两间的Pearson相关系数和Spearman相关系数*/data MyDatawo.TestData1;set MyDatawo.TestData;keep activityPerson money apply authority;/*仅仅保留1、科技活动人员、科技经费、当年申请专利、当年授权专利四个变量进行分析*/run;proc corr data=MyDatawo.TestData1 Spearman pearson cov;run;/*计算回归方程和回归系数分析*/data MyDatawo.TestData2;set MyDatawo.TestData;run;proc reg data=MyDatawo.Testdata2;model companyProductNum = emp