用SAS分析农业生产总值的影响因素

1、用SAS分析农业生产总值的影响因素 一、导入数据libname p"D:data sas"data p.fpg;infile"D:data sas1.txt"firstobs=2;input obs$ area$ sector$ code$ gvp plough water wv chulao wsloss hum pre sun fe;run;2、 描述统计分析proc sort; by sector; run;proc means data=p.fpg maxdec=1 n mean std var cv range stderr skewness

2、kurtosis; var gvp plough water wv chulao wsloss hum pre sun fe; by sector; run; 从描述统计分析结果中可以看出，A,B,C,D,E,F,G七个地区的农业生产总值有差异，变量的均值、标准差等统计量有明显不同。A,F,G三个地区的情况较为接近。A农业生产总值均值为988.7，F农业生产总值均值为1007，G农业生产总值均值为794.7，B,E两个地区的情况较为接近。B农业生产总值均值为1376.5，E农业生产总值均值为1348.6。E农业生产总值均值为2763.6，与其他地区存在明显差异。对各地区农业生产总值数据进行正态

3、性检验，判断各地区农业生产总值是否服从正态分布。proc univariate data=p.fpg normal plot;var gvp ; by sector;RunUNIVARIATE PROCEDURE变量: gvpsector=A矩N5权重总和5均值988.7观测总和4943.5标准差1070.17504方差1145274.62偏度1.56412841峰度2.56181681未校正平方和9468736.91校正平方和4581098.46变异系数108.240623标准误差均值478.596827基本统计测度位置变异性均值988.7000标准差1070中位数767.1000方差114

4、5275众数.极差2612四分位间距877.90000位置检验: Mu0=0检验统计量p 值Student tt2.065831Pr > |t|0.1077符号检验M2.5Pr >= |M|0.0625符号秩检验S7.5Pr >= |S|0.0625正态性检验检验统计量p 值Shapiro-WilkW0.828221Pr < W0.1349Kolmogorov-SmirnovD0.274259Pr > D>0.1500Cramer-von MisesW-Sq0.076628Pr > W-Sq0.1895Anderson-DarlingA-Sq0.460

5、675Pr > A-Sq0.1427由于样本容量小于2000，所以应采取Shapiro-Wilk统计量对样本数据进行正态检验，从软件输出结果可以看出，A地区的农业生产总值的正态分布检验的显著性概率为13.49%，所以认为样本数据来自于正态分布的总体。B地区的农业生产总值的正态分布检验的显著性概率为70.9%C地区的农业生产总值的正态分布检验的显著性概率为52.2%D地区的农业生产总值的正态分布检验的显著性概率为12.17%E地区的农业生产总值的正态分布检验的显著性概率为49.99%F地区的农业生产总值的正态分布检验的显著性概率为47.59%G地区的农业生产总值的正态分布检验的显著性概率为

6、28.91%所以认为七个地区的农业生产总值均服从正态分布假设。七个地区的农业生产总值的盒形图对比如下从图中可以直观地看出七个地区的农业生产总值存在显著差异，故采用方差分析的方法来分析七个地区的农业生产总值之间的差异。对七个地区的农业生产总值进行方差分析结果如下proc anova data=p.fpg; class sector; model gvp=sector; run;ANOVA 过程因变量: gvp源自由度平方和均方F 值Pr > F模型69421409.241570234.871.780.1464误差2421197275.60883219.82校正合计3030618684.84

7、R 方变异系数均方根误差gvp 均值0.30770169.38486939.79781354.471源自由度Anova 平方和均方F 值Pr > Fsector69421409.2391570234.8731.780.1464方差分析的结果P值=0.1464>0.05的显著性水平下，则只能认为农业生产总值与各地区没有直接关系。再逐一分析各因素对农业生产总值的影响。proc anova data=p.fpg; class sector; model plough water wv chulao wsloss hum pre sun fe=sector; run;则得出有影响的因素分别

8、为：源自由度Anova 平方和均方F 值Pr > Fsector6134301661.722383610.33.220.0183P=0.0183<0.05,拒绝原假设，说明水库数对农业生产总值有影响。同理得出：P=0.0037<0.05,拒绝原假设，说明水库总库容量对农业生产总值有影响。P<0.0001<0.05,拒绝原假设，说明降水量对农业生产总值有影响。P=0.0088<0.05,拒绝原假设，说明日照时数对农业生产总值有影响。P=0.0368<0.05,拒绝原假设，说明除涝面积对农业生产总值有影响。P=0.0174<0.05,拒绝原假设，说明

9、相对湿度对农业生产总值有影响。做因子分析proc factor rotate=varimax heywood n=2 reorder plot score; var plough water wv chulao wsloss hum pre sun fe;run;FACTOR 过程初始因子方法: 主成分先验公因子方差估计: ONE相关矩阵的特征值: 总计 = 9 平均值 = 1特征值差值比例累积13.433667140.930828150.38150.381522.502838991.503153920.27810.659630.999685080.300318800.11110.770740

10、.699366280.155495580.07770.848450.543870700.248228050.06040.908860.295642650.040051430.03280.941770.255591220.088337010.02840.970180.167254210.065170480.01860.988790.102083730.01131.0000从上图可以看出，前4个特征值的累计解释方差的比率为84.84%2 个因子将被 NFACTOR 准则保留。因子模式Factor1Factor2hum0.82662-0.28671water0.73714-0.09403wv0.70

11、9590.05060pre0.68234-0.56752fe0.633580.60640sun-0.799400.27079plough0.308720.88343wsloss0.017450.67154chulao0.319060.64396每个因子已解释方差Factor1Factor23.43366712.5028390最终的公因子方差估计: 总计 = 5.936506ploughwaterwvchulaowslosshumpresunfe0.875760980.552217820.506077510.516482070.451271450.765498160.787671760.7123

12、73050.76915333上图说明输出了包含两个被选定的公因子的因子模型，每个因子解释的方差的部分为Factor1为3.4336671， Factor2为2.5028390 两个因子共同解释的方差为5.936506。FACTOR 过程旋转方法: Varimax正交变换矩阵1210.945870.324542-0.324540.94587旋转因子模式Factor1Factor2hum0.87492-0.00292pre0.82959-0.31536water0.727760.15030wv0.654760.27815sun-0.84402-0.00331plough0.005300.93581

13、fe0.402490.77920chulao0.092800.71265wsloss-0.201440.64085每个因子已解释方差Factor1Factor23.33562442.6008818最终的公因子方差估计: 总计 = 5.936506ploughwaterwvchulaowslosshumpresunfe0.875760980.552217820.506077510.516482070.451271450.765498160.787671760.712373050.76915333上图是对模型进行方差最大旋转法进行旋转后得到的分析结果。FACTOR 过程旋转方法: Varimax回归估计的评分系数包含每个因子的变量的多重相关系数平方Factor1Factor