第六讲过程步的应用

第六讲过程步的应用金融学院冯建芬博学楼913,64495048.cn内容提要过程步通用语句；

proc,var,model,where,class,by,output,quit,label;统计量的计算；相关过程：proccorr频数过程：procfreq均值过程：procmeans单变量过程：procunivariate回归分析回归过程：procreg图表制作作图过程句法；制作散点图和连线图；制作柱状图和饼图；图形存储与输出涉及章节《SAS编程技术教程》第十、十六、十七章《SASV8基础教程》第七章，7.2;第八章帮助目录：1)普通SAS过程：SAS产品BaseSASSAS过程过程\SAS过程：corr,freq,univeriate2)统计回归过程：GLM\REG\FACTOR等SAS产品SAS/STATSAS/STAT用户指南3)图表过程：GPLOTSAS产品SAS/GRAPHSAS/GRAPH参考SAS/GRAPHprocedures本章目的过程步的应用法则比较单一，犹如填表一样，关键是了解每个过程都有哪些选项，各选项有什么功能，根据需要选择选项即可，本章为大家展现一些常用过程的应用。了解统计量的计算过程，掌握简单应用，学会查询帮助：corr,freq,means,univeriate;了解回归过程的功能，掌握简单应用；了解SAS的作图过程及用法，会简单的作图；6.1过程步通用语句参考第十章一、PROC语句PROC语句用于规定将要运行的SAS过程。SAS过程是已经写好的SAS程序。例6.1

PROC调用打印输出过程PRINT。proc

print

data=data.class;varnameageheight;bysex;run;例中，打印数据集data.CLASS中变量NAME,AGE和HEIGHT的观测值，并以性别SEX分组。

Sex=FObsNameAgeHeight1Alice1356.52Barbara1365.33Carol1462.84Jane1259.85Janet1562.56Joyce1151.37Judy1464.38Louise1256.39Mary1566.5Sex=MObsNameAgeHeight10Alfred1469.011Henry1463.512James1257.313Jeffrey1362.514John1259.015Philip1672.016Robert1264.817Ronald1567.018Thomas1157.519William1566.5语句格式PROCprogram<options>;其中：program规定要运行SAS的过程;options规定过程的选项。

OPTIONS选项说明：通用选项；过程特定选项。

通用选项：

应用举例例6.2

打印列表过程。proc

print

data=data.Idx000001

(obs=10);run;例中，在OUTPUT窗口打印输出data.Idx000001的前10观测。

例6.3

求均值过程。proc

means

data=data.Idx000001

maxdec=3

css;varclpr;run;例中，在OUTPUT窗口输出变量CLPR的校正平方和(CSS)，输出结果保留3位小数。

例6.4

作图过程选项。proc

plothpct=50vpct=33;例中，规定按横竖50:33的比例作图。二、VAR语句VAR语句规定要分析的变量名,即用该过程处理哪些变量。语句格式：VARvariables;其中：variables规定要分析的变量。

例6.5

应用举例。proc

means

data=data.class;varweightheight;run;

MEANS过程变量N均值

标准偏差最小值最大值

Weight19100.026315822.773933550.5000000150.0000000

Height1962.33684215.1270752

51.300000072.0000000

三、MODEL语句MODEL语句规定过程需要的统计模型。

语句格式：MODELdependents=indepndenteffects/<options>;其中：

dependents规定模型中的因变量；

indepndenteffects规定模型中的自变量;options不同过程的特定选项。

例6.6

模型设定。modely=x1-x5;modely1y2=abcd;

例6.7回归分析过程模型设定proc

reg

data=data.class

;modelheight=weight/dw

spec;/*计算d-W统计量和进行异方差检验*/output

out=out1r=rp=pl95=lu95=u;/*r残差变量，p预测变量，l95:95%上限，u95:95%下限*/run;四、ID语句ID语句规定用于识别观测的变量。

语句格式：IDvariables;其中：variables规定用于识别观测的变量。

例6.8

规定替代观测序号的变量。proc

print

data=data.class;idname;run;例中，打印列表输出数据集CLASS时，用变量NAME的值来识别观测。

例6.9

规定数据集转置后的观测值识别变量。proc

transpose

data=data.classout=alet;idname;run;

proc

transpose

data=data.classout=alet;idsex;run;运用上述程序段，查看输出结果。

五、WHERE语句WHERE语句选择SAS数据集中的观测。

语句格式：WHEREwhere-expression;用法和DATA步中的用法类似。

WHERE选项与其它选项的生效顺序：选项FIRSTOBS=和OBS=；

WHERE选项；创建BY组。例6.10

选择观测值。proc

print

data=data.class;wheresex='M';run;

例6.11

删除观测值。proc

print

data=data.class;wheresex^='M';run;六、CLASS语句CLASS语句规定分类变量，SAS过程对分类变量的不同值分别进行分析处理,不需要将数据按照分类变量提前排序。

语句格式：CLASS/CLASSESvariables;其中：

variables规定分析数据集中的分类变量。

例6.12

应用CLASS语句。proc

means

data=data.class;varweightheight;classsex;output

out=amean=w_mh_m;;run;

七、BY语句BY语句规定分组处理变量。使用BY语句时，数据集必须先按BY变量排序。

语句格式：BYvariable-list;其中：

variable-list规定变量列表。

例6.14

按BY组分开打印输出。proc

print

data=data.class;bysex;run;proc

means

data=data.class;bysex;varweight;run;八、OUTPUT语句OUTPUT语句规定过程产生的输出数据集。

语句格式：OUTPUT<OUT=sas-data-set><keyword=names>;其中：sas-data-set规定输出的数据集；keyword=names规定输出数据集中与关键词相联系的输出变量名。例6.15

应用举例。proc

means

data=data.class;varheightweight;output

out=out_mmean=h_mw_m;run;例中，过程MEANS计算变量HEIGHT和

WEIGHT的均值统计量。关键词MEAN=规定输出数据集OUT_M中的变量为H_M和W_M。H_M和W_M分别表示变量HEIGHT和

WEIGHT的均值。

九、QUIT语句QUIT语句用来结束一个交互式过程。

语句格式：QUIT；

例6.16

应用举例。proc

gplot

data=data.stk000002;plotclpr*date;title

'FirstPlot';run;plotoppr*date;title

'SecondPlot';quit;支持quit语句的过程步：CATALOGDATASETSPLOTPMENUSQL十、LABEL语句LABEL语句规定变量的标签。语句格式与DATA步中的格式相同。LABEL语句可以出现在PROC过程的任意地方，并只在该过程中有效。

例6.17

输出图形时坐标轴使用变量标签。proc

gplot

data=data.stk000002;plotclpr*date;labelclpr='收盘价'date='日期';run;一个特殊过程的应用删除无用的数据集：/*删除逻辑库each中的数据集stk1,stk2,…stk20,stk_1,…,stk_21*/proc

datasets

library=each;deletestk1-stk20;deletestk_1-stk_21;run;quit;6.2统计量的计算参考第十六章一、相关过程相关过程（CORR）用于计算变量间的相关系数。

相关过程句法

PROCCORR<option(s)>;BY<DESCENDING>variable-1<...<DESCENDING>variable-n><NOTSORTED>;FREQfrequency-variable;PARTIALvariable(s);VARvariable(s);WEIGHTweight-variable;WITHvariable(s);语句说明：

PROCCORR语句

PROCCORR<option(s)>;PROCCORR语句选项<option(s)>说明由下页表给出。选项说明：ALPHA输出Cronbach系数COV输出协方差DATA=输入数据集名NOPRINT禁止打印输出OUTP=规定创建存放Pearson相关系数的数据集OUTS=规定创建存放Spearman相关系数的数据集PEARSON输出Pearson相关系数其它语句VAR语句VARvariable-list;列出要计算相关系数的变量。WITH语句WITHvariable-list;该语句和VAR语句联合使用计算变量间特殊组合的相关系数。用VAR语句列出的变量放在相关阵的上方，而用WITH语句列出的变量放在相关阵左边。PARTIAL语句PARTIALvariable-list;计算Pearson偏相关，Spearman偏秩序相关，或Kendall偏tau-b。该语句给出偏相关变量的名子。WEIGHT语句WEIGHTvariable;计算加权的乘积矩相关系数，该语句给出权数变量名字。该语句用于Pearson（皮尔逊）相关。FREQ语句FREQvariable;该语句指定一个数值型的FREQ变量，它的值表示输入数据集中相应观测出现的频数。该变量的值应为正整数。若FREQ变量值<1或缺失，相应的观测不参加计算统计量；若这个值不是正整数，取整数部分。BY语句BYvariable-list;对BY变量定义的观测组分别计算其相应的简单统计量。当使用BY语句时，要求输入数据集已按BY变量排序的次序排列，除非指定NOTSORTED。应用举例例6.18

计算并输出相关指标。a)proc

corr

data=data.Idx000001csscpcovoutp=a;/*outp=,将偏相关阵、方差协方差阵存储到数据集work.a*/varopprhiprlopr;partialclpr;title'偏相关阵';run;b)proc

corr

data=data.Idx000001covalphaoutp=corrout;varopprhiprlopr;title'协方差阵和相关阵';run;proc

print

data=corrout;title2

'PROCCORR产生的输出数据集';run;例中，计算上证指数data.Idx000001中变量OPPR,HIPR,LOPR,CLPR的PEARSON偏相关阵，CRONBACH系数并产生TYPE=CORR的含有协方差及相关阵的输出数据集。例6.19

计算两个数据集中相同变量之间的相关系数。dataa;/*数据集准备*/mergedata.Idx000001(keep=dateopprclpr)data.szcz(keep=dateopprclprrename=(oppr=oppr_szclpr=clpr_sz));bydate;run;proc

corr

data=anomiss

cov;varoppr_szclpr_sz;withopprclpr;title2

'长方形的COV和CORR阵';run;proc

corr

data=acov

csscp

outp=oup;title2

'从含有缺失值的数据集中计算CSSCP和COV';run;例中，对上证指数data.Idx000001和深证成指data.SZCZ中的变量开盘价和收盘价作相应的计算。

二、频数过程

频数过程（FREQ）用于计算各种形式的频数及一些检验统计量。频数过程句法

PROCFREQoptions;

OUTPUT<OUT=SAS-data-set><output-statistic-list>;

TABLESrequests/options;

WEIGHTvariable;

EXACTstatistic-keywords;

BYvariable-list;语句说明：

PROCFREQ语句PROCFREQoptions;选项说明：

ORDER=选项及说明：

FORMCHAR(1,2,7)='符号串'：

1规定垂直线字符；

2规定水平线字符；

7规定水平与垂直交叉线字符。

通常情况下的FORMCHAR=选项：FORMCHAR(1,2,7)='|-+';

表格没有轮廓线和分隔线的FORMCHAR=选项：FORMCHAR(1,2,7)='';/*三个空格*/例6.20

按格式化值的顺序排列。proc

format;value

$sfmt

'M'='male'

'F'='female';proc

freq

data=data.classorder=formatted;tablesex;formatsex$sfmt.;run;例中，计算数据集data.CLASS中变量SEX的分布，并以格式化值的顺序排列。

FREQ过程累积累积

Sex频数百分比频数百分比

female947.37947.37male1052.6319100.00WEIGHT语句WEIGHTvariable;该语句规定一个WEIGHT变量，它的值表示相应观测的权数。该变量的值应大于零。若这个值<0或缺失，假定该值为0。

BY语句BYvariable-list;对BY变量定义的观测组分别计算其相应的简单统计量。当使用BY语句时，要求输入数据集已按BY变量排序的次序排列，除非指定NOTSORTED。OUTPUT语句OUTPUT<OUT=SAS-data-set><output-statistic-list>;

该语句创建一个由PROCFREQ过程输出统计量的SAS数据集。OUTPUT创建的数集可以包括由TABLES语句规定的任意统计量。

PROCFREQ过程每一次只允许使用一个OUTPUT语句。当规定多个TABLES语句时，OUTPUT语句创建的数据集内容对应于最后那个TABLES语句，当一个TABLES语句中规定多个表时，OUTPUT创建的数据集内容对应于最后那个表。选项说明：

OUT=规定输出数据集；

output-statistic-list规定输出数据集中所包含的统计量。应用举例例6.21随机数频数分析。dataa;doI=1

to

1000;X=int(uniform(8888)*3)+1;Y=int(uniform(8888)*4)+1;output;end;proc

freq

data=a(drop=i);title

'没有TABLES语句';run;title;proc

freq;tablesx*y/list;run;proc

freq;tablesx;run;

例中，产生区间[0,1]上均匀分布的随机数1000个，分别将区间[0,1]均分成3和4个小区间，并把产生的随机数按所属区间转换为整数。然后对这些整数作频数分析。

三、均值过程

均值过程（MEANS）用于计算变量的基本描述统计量。包括：样本数量(N)、最大值(max)、最小值(min)、求和（sum）、均值(mean)、方差(var)、标准差(std)、中位数(median)、均值为0的t检验值、各种分位数、峰度（kurt）、偏度(skew)、置信区间上下界、偏差平方和(CSS)、变异系数(CV)、平方和(USS)等帮助目录：

SAS产品BaseSASSAS过程过程均值过程句法PROCMEANS<option(s)><statistic-keyword(s)>;BY<DESCENDING>variable-1<...<DESCENDING>variable-n><NOTSORTED>;CLASSvariable(s)</option(s)>;FREQvariable;IDvariable(s);OUTPUT<OUT=SAS-data-set><output-statistic-specification(s)><id-group-specification(s)><maximum-id-specification(s)>

<minimum-id-specification(s)></option(s)>;TYPESrequest(s);VARvariable(s)</WEIGHT=weight-variable>;WAYSlist;WEIGHTvariable;语句说明：PROCMEANS语句PROCMEANS<option-list><statistic-keyword-list>;option-list选项说明：

ALPHA=规定置信区间的显著水平DATA=规定输入数据集NOPRINT不输出任何描述统计量MISSING规定把CLASS变量的缺失值作为有效分组值处理DESCENDING规定输出数据集是按_TYPE_值降序（缺省是上升）排列，选择NWAY时该选项无效statistic-keyword-list选项就是均值过程可以计算的描述统计量。规定的关键词可以分为三类：描述统计量关键词；分位数关键词；假设检验关键词。参见书P325其它语句VAR语句VARvariable-list规定要求计算简单描述统计量的数值变量及次序。缺省时指输入数据集中除BY、CLASS、ID、FREQ和WEIGHT语句中列出的变量之外所有数值变量。BY语句BYvariable-list;对BY变量定义的BY组分别计算其相应的简单统计量。当使用BY语句时，要求输入数据集已按BY变量排序的次序排列，除非指定NOTSORTED。CLASS语句CLASSvariable-list;该语句和BY语句一样，定义的观测组并分别计算观测组的描述统计量。不同点是在排序要求及输出格式上的不同，CLASS语句不要求输入数据集事先已按CLASS变量排序。CLASS语句和BY语句可以一起使用。FREQ语句FREQvariable;该语句指定一个数值型的FREQ变量，它的值表示输入数据集中相应观测出现的频数。该变量的值应为正整数。当FREQ变量值<1或缺失时，相应的观测不参加计算，若这个值不是正整数，取整数部分。WEIGHT语句WEIGHTvariable;该语句规定一个WEIGHT变量，其值表示相应观测的权数。该变量的值应大于零。当这个值<0或缺失时，假定该值为0。

ID语句IDvariable-list;该语句对MEANS过程产生的输出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。在输出数据集里，某个观测的ID变量值规定为生成这个观测的数据集中相应观测组里ID变量具有的最大值，除非在PROCMEANS语句的选项中指定IDMIN。如果有两个以上ID变量，这个最大值的选择是对输入数据集的相应观测组中的每个观测，这些ID变量组合成一个值的最大值。OUTPUT语句OUTPUT<OUT=SAS-data-set><output-statistic-list><MINID|MAXID<(var-1<(id-list-1)><...var-n<(id-list-n)>>)>=name-list>;该语句要求MEANS过程把计算的描述统计量输出到新的SAS数据集里，并用任选项规定新数据集的名字及所包含变量的名字列表。应用举例例6.22

分组求均值。proc

sort

data=data.hf000012;bydate;proc

means

data=data.hf000012noprint;bydate;vartvolume;/*语句的顺序没有严格的规定，可以倒换*/output

out=sum

sum=sum_c;run;例6.23

BY语句和CLASS变量一起使用optionsnodatepageno=1linesize=120pagesize=60;data

a;setdata.hf000012;qtr=qtr(date);month=month(date);day=day(date);run;proc

sort

data=a;byqtr;run;proc

meansdata=aminmaxmedian;byqtr;/*通过by进行分组*/classmonthday;/*在每组内进行分类统计*/vartpricetvolume;run;例6.24

计算均值的置信限。proc

means

data=data.stk000001fw=8

maxdec=2

alpha=.1

clm

mean

stdtprobt;classdate;varclpropprhiprtvolume;run;四、单变量过程单变量过程（UNIVARIATE）除了能计算均值过程的基本统计量外，还可以实现的计算和功能有：稳健性估计量；描述变量的分布图；频数表；多项检验：如概率分布检验。单变量过程句法

PROCUNIVARIATE<option(s)>;BY<DESCENDING>variable-1<...<DESCENDING>variable-n><NOTSORTED>;CLASSvariable-1<(variable-option(s))><variable-2<(variable-option(s))>>

</KEYLEVEL='value1'|('value1''value2')>;FREQvariable;HISTOGRAM<variable(s)></option(s)>;IDvariable(s);INSET<keyword(s)></option(s)>;OUTPUT<OUT=SAS-data-set>statistic-keyword-1=name(s)<...statistic-keyword-n=name(s)><percentiles-specification>;PROBPLOT<variable(s)></option(s)>;QQPLOT<variable(s)></option(s)>;VARvariable(s);WEIGHTvariable;PROCUNIVARIATE语句PROCUNIVARIATEDATA=SAS-datas-et<option-list>;选项说明：

VARDEF=选项及说明：其它语句VAR语句VARvariable-list;规定将要计算描述统计量的数值变量及次序。缺省时，为BY,CLASS,ID,FREQ和WEIGHT语句中列出的变量之外所有数值变量。BY语句BYvariable-list;对BY变量定义BY组计算统计量。当使用BY语句时，要求输入数据集已按BY变量排序的次序排列，除非指定NOTSORTED。FREQ语句FREQvariable;指定一个数值型的FREQ变量，它的值表示输入数据集中相应观测出现的频数。该变量的值应为正整数。若FREQ变量值<1或缺失，相应的观测不参加计算统计量，若这个值不是正整数，取整数部分。WEIGHT语句WEIGHTvariable;规定一个WEIGHT变量，其值表示相应观测的权数。该变量的值应大于零。若这个值<0或缺失，假定该值为0。ID语句IDvariable-list;对UNIVARIATE过程产生的输出数据集增加一个或几个附加变量，目的在于识别输出数据集里的观测。在输出数据集里，某个观测的ID变量值规定为生成这个观测的数据集中相应观测。组里ID变量具有的最大值，除非在PROCUNIVARIATE语句的选项中指定IDMIN。如果有两个以上ID变量，这个最大值的选择是对输入数据集的相应观测组中的每个观测，这些ID变量组合成一个值的最大值。OUTPUT语句OUTPUTOUT=<OUT=SAS-data-set>statistic-keyword-1=name(s)<...statistic-keyword-n=name(s)><percentiles-specification>;要求UNIVARIATE过程把计算的描述统计量输出到新的SAS数据集里，keyword为统计量关键词，names为存放输出统计量的变量名称。statistic-keyword-list选项就是单变量过程UNIVARIATE可以计算的描述统计量。规定的关键词可以分为四类：描述统计量关键词；分位数关键词；稳健估计量关键词；假设检验关键词。单变更量过程输出全部均值过程的描述统计量与分位数。应用举例例6.25

应用单变量过程进行多变量分析。optionsnodatepageno=1linesize=80pagesize=72;proc

univariate

data=data.stk000001;varclprtrdvol;histogram/normal;/*画出直方图，并给出正态分布拟合图*/run;

思考：Clpr的对数是否符合正态分布？例6.26

多变量时创建输出数据集。optionsnodatepageno=1linesize=80pagesize=60;proc

univariate

data=data.stk000001noprint;varclprtrdvol;output

out=teststat

mean=Mean_clprMean_volstd=std_clprpctlpts=33.3

66

99.9/*要输出的各种分位数*/

pctlpre=Test1_Test2_/*变量名的首字符串*/

pctlname=Low;/*最低分位数的名字*/run;例6.27

拟合密度曲线。optionsnodatepageno=1linesize=80pagesize=60;goptions

htitle=4

htext=3

ftext=swissbftitle=swissb;datadistrdata;dropn;labelnormal_x='NormalRandomVariable'exponential_x='ExponentialRandomVariable';don=1

to

100;normal_x=10*rannor(53124)+50;exponential_x=ranexp(18746363);output;end;run;proc

univariate

data=distrdatanoprint;varNormal_x;histogramNormal_x/normal(noprint)cbarline=grey;title

'100ObsSampledfromaNormalDistribution';run;proc

univariate

data=distrdatanoprint;varExponential_x;histogram/exp(fill

l=3)cfill=yellowmidpoints=.05to5.55by.25;title

'100ObsSampledfromanExponentialDistribution';run;6.3回归分析金融计算与建模用于统计分析的过程很多，包括：主成分分析（p）、因子分析(factor)、聚类分析(cluster)、频数过程、GLM(最小二乘过程)、多元回归分析(reg)等，可以参见：SAS产品SAS/STATSAS/STAT用户指南一、GLM过程GLM过程用最小二乘方法拟合广义线性模型。可以实现的统计方法包括：回归、方差分析、协方差分析、多变量的方差分析和偏相关分析。GLM过程可以处理有关多个因变量对多个自变量的模型。这些自变量可以是分类变量（类似虚拟变量），也可以是普通变量。因此GLM过程可做的分析包括：简单回归；多元回归；方差分析（ANOVA）；协方差分析；加权回归；多项式回归等GLM过程的语法格式PROCGLM

<options>;

CLASS

variables</option>;

MODEL

dependents=independents</options>;

ABSORB

variables;

BY

variables;

FREQ

variable;

ID

variables;

WEIGHT

variable;

CONTRAST

'label'effectvalues<...effectvalues></options>;

ESTIMATE

'label'effectvalues<...effectvalues></options>;

LSMEANS

effects</options>;

MANOVA

<test-options></detail-options>;

MEANS

effects</options>;

OUTPUT<OUT=SAS-data-set>

keyword=names<...keyword=names></option>;

RANDOM

effects</options>;

REPEATED

factor-specification</options>;

TEST<

H=effects>E=effect</options>;

ProcGLM语句选项说明PROCGLM

<options>;

Options：(部分)Data=源数据集名称；Outstat=统计量输出到的数据集；(包括平方和、自由度、F统计量及概率水平等)Alpha=p:显著水平Noprint:不在输出窗口输出；Model语句Modeldependents=independents</options>

Options包括：Noint:无截距项；Solution:显示标准方程式的解（即参数的估计值）;P：要求显示预测值及参差；置信区间：Alpha=显著水平；CLM/CLI/CLPARM：置信区间;XPX：X’X矩阵;Inverse：(X’X)的逆矩阵;Output语句Out=数据集名：结果输出的数据集P=变量名：存储预测结果的变量；R=变量名：存储残差的变量例6.28进行多项式回归title'RegressioninPROCGLM';

datairon;inputfeloss@@;

datalines;

0.01127.60.48124.00.71110.80.95103.91.19101.50.01130.10.48122.01.4492.30.71113.11.9683.70.01128.01.4491.41.9686.2

;例6.28(续)symbol1c=blue;

proc

gplot;

plotloss*fe/vm=1;/*VM规定在纵轴上主刻度间次刻度的数量*/

run;proc

glm;

modelloss=fefe*fe;output

out=ap=yr=residual;

run;该过程对虚拟变量的处理与对普通变量在语法上是没有差别的，只需要你将虚拟变量的值存储在源数据集中，在model中书写时和其他变量的书写一样。二、reg过程TheREGprocedureisoneofmanyregressionproceduresintheSASSystem.Itisageneral-purposeprocedureforregression,whileotherSASregressionproceduresprovidemorespecializedapplications.OtherSAS/STATproceduresthatperformatleastonetypeofregressionanalysisaretheCATMOD,GENMOD,GLM,LOGISTIC,MIXED,NLIN,ORTHOREG,PROBIT,RSREG,andTRANSREGproceduresmultipleMODELstatementsninemodel-selectionmethodstestsoflinearhypothesesandmultivariatehypothesespredictedvalues,residuals,studentizedresiduals,confidencelimits,andinfluencestatisticscorrelationorcrossproductinputrequestedstatisticsavailableforoutputthroughoutputdatasetsplotsplotmodelfitsummarystatisticsanddiagn