SAS-属性数据分析课件

1、上海财经大学统计与管理学院定性数据分析 数据描述沙蝇低空和高空捕捉数与雌雄关系、槐蚁入侵与槐树品种关系、机器不同方位活塞环失效数与方位关系、血凝块病人控制前后是否继续口服某药物研究、印度不同地区口腔疾病分布研究和支气管炎与空气颗粒含量关系研究。 问题提出列变量和行变量是否具有关联性？（Association） 方法描述-列联表分析卡方独立性检验、Fisher精确性检验、McNemar检验（配对数据） 和高维列联表Cochran-Mantel-Haenszel检验 SAS分析freq过程频数过程 参考资料 王静龙，梁小筠. 定性数据分析，华东师范大学出版社，2005 张尧庭 译 离散多元分析：理

2、论与实践，中国统计出版社，1998版权所有：吴纯杰版权所有：吴纯杰2FREQ(频数频数)过程过程-频数表是变量取值分布的描述频数表是变量取值分布的描述 PROC FREQ DATA=数据集名数据集名; TABLES 变量变量; RUN;PROC FREQ DATA=数据集名数据集名; TABLES 变量变量*变量变量 变量变量*变量变量 . . ./ nocol norow nocum nofreq nopercent missing list out=数据集数据集 outpct ; WETGHT 变量名变量名; BY 变量名变量名;RUN;一般是分类变量一般是分类变量数据描述与问题提出上海财

3、经大学统管院口服避孕药与患血凝块病是否有关？刺槐品种与蚂蚁的入侵率是否有关压缩机的不同方向掉落的活塞环是否不同？不同高度捕捉到沙蝇雌雄数是否有差异？印度各地区口腔病分布是否不同支气管炎是否与大气有机颗粒含量有关统计分析列联表分析：列联表分析：大样本大样本：卡方检验小样本小样本：Fisher精确检验， McNemar检验高维高维： Cochran-Mantel-Haenszel检验假设检验：假设检验：H0:列变量与行变量独立H1：存在关联上海财经大学统管院数据归类处理-以water为例死亡人数限为1555，划归两类城市水硬度设定39，划归硬度高低两类城市；进一步做列联表分析/chisq 添加卡方

4、独立性检验选项tables后指定行变量和列变量，两者用星号分开。上海财经大学统管院data water; /* Chapter 3 */ set water; /* having created the water data set as above for chapter 2 */ mortgrp=mortal 1555; hardgrp=hardness 39;run;proc freq data=water; tables mortgrp*hardgrp /chisq;run;数据集water-mortal与hardness关联分析上海财经大学统管院Sandfliesdata sandf

5、lies; input sex $ height n;datalines;m 3 173m 35 125f 3 150f 35 73;run;proc freq data=sandflies; tables sex*height /chisq riskdiff; weight n;run;上海财经大学统管院按雌雄、捕捉高度和捕捉数目录入riskdiff计算行变量各类比重差-（基于二项分布）此处计算雌蝇和雄蝇在低空和高空所占比重是否有差异的检验。使用weight语句表示重复数的变量为n。如果为原始基本情况的数据，则不需要weight语句。Sandflies上海财经大学统管院Sandflies上海

6、财经大学统管院Acacia Ants上海财经大学统管院data ants; input species $ invaded $ n;datalines;A no 2A yes 13B no 10 B yes 3;run;proc freq data=ants; tables species*invaded / chisq expected; weight n;run;刺槐(A 或B)，是否被蚁群侵入，侵入的种群数目 添加格子的期望数输出选项Acacia Ants上海财经大学统管院Piston Ringsdata pistons; input machine site $ n;datalines

7、;1 North 171 Centre 17 1 South 122 North 112 Centre 9 2 South 133 North 113 Centre 8 3 South 194 North 144 Centre 7 4 South 28;run;proc freq data=pistons order=data; tables machine*site / chisq deviation cellchi2 norow nocol nopercent; weight n;run;注：order选项为按照数据录入的顺序排序，一般按字母或数字顺序排序。norow,nocol,nope

8、rcent：不输出对应的信息，压缩输出结果deviation：输出格子估计的残差cellchi2：输出格子贡献的卡方值上海财经大学统管院Piston rings上海财经大学统管院Oral Contraceptivesdata the_pill; input caseuse $ contruse $ n;datalines;Y Y 10Y N 57N Y 13N N 95;run;proc freq data=the_pill order=data; tables caseuse*contruse / agree; 输出输出McNemar检验检验 weight n;run;上海财经大学统管院Or

9、al Contraceptives上海财经大学统管院Oral caners上海财经大学统管院data lesions; length region $8.; input site $ 1-16 n1 n2 n3; region=Keral; n=n1; output; region=Gujarat; n=n2; output; region=Anhara; n=n3; output; drop n1-n3;datalines;Buccal Mucosa 8 1 8Labial Mucosa 0 1 0Commissure 0 1 0Gingiva 0 1 0Hard palate 0 1 0S

10、oft palate 0 1 0Tongue 0 1 0Floor of mouth 1 0 1Alveolar ridge 1 0 1;run;proc freq data=lesions order=data; tables site*region /exact; weight n; run; 稀疏性列联表做精确性fisher检验，对于22列联表默认做Fisher检验，而超过22的表需要添加exact选项。Oral Cancers上海财经大学统管院Particulates and Bronchitisdata bronchitis; input agegrp level $ bronch

11、$ n;datalines;1 H Y 201 H N 3821 L Y 9 1 L N 2142 H Y 102 H N 1722 L Y 72 L N 1203 H Y 123 H N 3273 L Y 63 L N 183;上海财经大学统管院proc freq data=bronchitis order=data; tables agegrp*level*bronch / cmh noprint; weight n;run;注：做Cochran-Mantel-Haenszel检验 表 - level * bronchlevel bronch频数 |Y |N | 合计-+-+-+H | 4

12、2 | 881 | 923-+-+-+L | 22 | 517 | 539-+-+-+合计 64 1398 1462Particulates and Bronchitis上海财经大学统管院level bronch频数 |Y |N | 合计-+-+-+H | 42 | 881 | 923-+-+-+L | 22 | 517 | 539-+-+-+合计 64 1398 1462配对样本的McNemar检验假设我们想知道禁烟广告对人们吸烟态度影响有多大，先调查100个测试者对吸烟的态度（支持或反对），然后给他们播放禁烟广告，再次询问他们对吸烟的态度。因为同一个测试者在两种不同条件下（看广告前和广告后

13、）对同一个问题做出的两次回答，所以这个实验叫做配对实验设计。由于数据之间并不独立，不能采取卡方检验，这里只能采用配对样本的McNemar检验。上海财经大学统管院数据集数据集之前（before） 之后（after）反对（Negative）支持（Positive）反对支持32153023配对样本的McNemar检验数据步：Data mcnemar;input before $ after $ n; Datalines;p p 23p n 30n n 32n p 15; run;上海财经大学统管院过程步：过程步：Proc freq data=mcnemar;Title McNemars test f

14、or paired samples;Tables before*after /agree;Weight n;Run;输出结果输出结果：McNemar卡方统计量为5.0，相应p值为0.0253，可以认为禁烟广告有助于改变人们对吸烟的态度。Kappa统计量（一致性检验）Tables语句Agree选项另一种用法是计算Kappa统计量，该统计量一般用于测量两个评分者之间的一致性。假如，想要知道放射科医生用X光评估恶性肿瘤的精确性有多高。一种方法是让两个放射科医生（radiologist）分别对一系列X光片进行评估，给出阳性或阴性的诊断。下面我们用两个医生对83个X光片诊断结果作为例子。上海财经大学统管院253550Kappa统计量（一致性检验）data x_ray; input radiologist_1 $ radiologist_2 $ cou