SAS的描述统计法则应用

SAS的描述统计法则应用1、MEANS过程(均值过程)Procmeans<选项><输出统计量关键字列表>;<Var分析变量名列

；><Class分类变量名列

；><Freq频数变量

；><by分类变量名列;

><Outputout=数据集名<输出统计量列表>;>Run;Procmeans主语句选项：1.DATA＝SAS数据集:指出SAS数据集的名称，若省略，则使用最近产生的数据集。2.MAXDEC=数字指定该过程输出结果中小数部分的最大位数(0到8).默认是2。3.FW=域宽

给出该过程用来打印每个统计量的字符长。默认是12。4.

ALPHA=置信水平为1-.默认为=0.05.Means过程默认输出统计量只有五个：N,Mean,Std,Min,Max

(1)语法格式SAS的描述统计法则应用(2).应用举例例1：某单位对100名健康的女大学生测定了血清总蛋白含量（g/L）,试做单变量描述性统计分析。dataaa;inputx@@;cards;;procmeans;procmeansnminmaxmeanstdstderrcvmaxdec=2;SAS的描述统计法则应用MEANS过程分析变量：xN均值标准偏差最小值最大值10073.66000003.940081564.300000084.3000000procmeans;默认的5个统计量其SAS输出结果与说明SAS的描述统计法则应用procmeansnminmaxmeanstdstderrcvmaxdec=2;输出结果：MEANS过程分析变量：xN最小值最大值均值标准偏差标准误差偏差系数10064.3084.3073.663.940.395.35SAS的描述统计法则应用例2.下表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。

将下表中数据输入成Excel文件。4个变量名分别为：ID、R_ID、Income和Outgo，该四个变量分别表示“家庭编号”、“地区编号”、“家庭总收入”和“家庭总支出”。首先将其导入为SAS数据文件。SAS的描述统计法则应用IDR_IDIncomeOutgoIDR_IDIncomeOutgo121794155016222002060221716136517127302236313410273018124961455421765153019117601040522184190020128202366622050205021222501966722460218422131702400811976117023212001250912850249624217761350101427527602521980179411220101275261245525501212236181027210801380131330528202821986120014124001976291336923051522250197030215301316SAS的描述统计法则应用

对数据集中的Income变量计算简单统计量，用如下MEANS过程即可：procmeansdata=mylib.sryzc;varIncome;run;SAS运行结果：SAS的描述统计法则应用

在PROCMEANS语句中使用统计量关键字列表。输出数据集mylib.sryzc中收入(Income)的观测个数、均值、中位数、第一百分位数、第五百分位数、第九十五百分位数、第九十九百分位数、第一四分位数、第三四分位数、最大值、最小值。procmeansdata=mylib.sryzcnmeanmedianp1p5p95p99q1q3maxminvarIncome;run;运行结果SAS的描述统计法则应用

可以计算的描述性统计量关键字及其含义见下表。关键字所代表的含义关键字所代表的含义n有效数据记录数skewness偏度nmiss缺失数据记录数kurtosis峰度mean均值t分布位置假设检验之t统计量std标准差probt上述t统计量对应的概率值stderr标准误q1第一四分位数var方差q3第三四分位数median中位数qrange四分位数间距mode众数p1第一百分位数cv变异系数p5第五百分位数max最大值p10第十百分位数min最小值p90第九十百分位数sum总计p95第九十五百分位数sumwgt加权值总计p99第九十九百分位数css校正平方和CLM置信限uss未校正平方和LCLM置信下限range极差UCLM置信上限SAS的描述统计法则应用(3)使用CLASS语句或BY语句Class分类变量名列

；by分类变量名列;两个语句的区别是：●使用BY语句时要求数据集须按BY变量排序，使用CLASS语句无此要求。●使用BY语句时输出按BY变量的每个值分别提供一个表，使用CLASS语句则将所有结果排列在一个表之中。SAS的描述统计法则应用例3.1)使用BY语句,将上例中的数据按地区(R_Id)分组计算统计量：Procsortdata=mylib.sryzc;byR_Id;run;procmeansdata=mylib.sryzcnmeanmedianp1p5p95p99q1q3maxmin;varIncome;byR_Id;run;

SAS的描述统计法则应用R_ID=1TheMEANSProcedureAnalysisVariable:INCOMEIncomeNMeanMedian1stPctl5thPtcl95thPctl99thPctlLowerUpperQuartileQuartileMaximumMinimumR_ID=2

AnalysisVariable:INCOMEIncomeNMeanMedian1stPctl5thPtcl95thPctl99thPctlLowerUpperQuartileQuartileMaximumMinimum使用BY语句分区域输出统计量：SAS的描述统计法则应用

2)使用CLASS语句,按地区(R_Id)分组计算统计量：procmeansdata=mylib.sryzcnmeanmedianp1p5p95p99q1q3maxmin;varIncome;CLASSR_Id;run;

SAS的描述统计法则应用使用CLASS语句输出结果：TheMEANSProcedureAnalysisVariable:INCOMEIncomeR_IDObsNMeanMedian1stPctl5thPtcl95thPctl

1

2LowerUpperR_IDObs99thPctlQuartileQuartileMaximumMinimum

1

2SAS的描述统计法则应用(4)使用Output语句(输出语句)Outputout=数据集名<输出统计量列表>;输出统计量列表形式：1)统计量关键字=;新数据集中统计量用原变量名2)统计量关键字=新名字列表3)统计量关键字(变量列表)=新名字列表Procmeansdata=mylib.bclassnoprint;varheightweight;outputout=result2mean=;Run;Procprintdata=result2;run;例4(1)把数据集中变量height和weight的均值输出到新数据集result2.SAS的描述统计法则应用

(2)把变量height和weight的均值(新名分别取为hmean和wmean)

和标准差(新名字分别取为hstd和wstd)输出到新数据集result3.Procmeansdata=mylib.bclassnoprint;varheightweight;outputout=result3mean=hmeanwmeanstd=hstdwstd;Run;Procprintdata=result3;run;Output<选项><输出统计量列表>;输出统计量列表形式：1)统计量关键字=;新数据集中统计量用原变量名2)统计量关键字=新名字列表3)统计量关键字(变量列表)=新名字列表SAS的描述统计法则应用(3)把变量height的均值、变量height和weight的标准差(新名字

分别取为hstd和wstd)和变量weight的方差(新名字取为wvar)输出到新数据集result4.Procmeansdata=mylib.bclassnoprint;varheightweight;outputout=result4mean(height)=std=hstdwstdvar(weight)=wvar;Run;Procprintdata=result4;run;Output<选项><输出统计量列表>;输出统计量列表形式：1)统计量关键字=;新数据集中统计量用原变量名2)统计量关键字=新名字列表3)统计量关键字(变量列表)=新名字列表SAS的描述统计法则应用2.UNIVARIATE过程(单变量过程)UNIVARIATE过程和MEANS过程的格式非常相似，相同的语句和选项其含义也相同，所不同的是某些统计量只能在UNIVARIATE过程中计算（如众数），而且UNIVARIATE过程中具有绘图功能;MEANS过程默认输出统计量只有五个；

UNIVARIATE过程默认输出统计量不只一页。SAS的描述统计法则应用UNIVARIATE过程一般格式：Procunivariate<选项>;Var变量名列；/*分析所列变量*/<by变量名;>

<class变量名;>

<Id

变量名；><Outputout=数据集名<输出统计量列表>;><histogram变量名</<选项>;

>Run;Procunivariate主语句中可使用的选项:Data=

数据集名若省略，用最近建立的SAS数据集。Freq

:生成包括变量值、频数、百分数和累计频数的频率表Normal

:计算关于输入数据服从正态分布假设的检验统计量及P-值。Plot

:

生成一个茎叶图(或水平直方图),箱线图和正态概率图。Noprint:

在Output窗口不输出计算结果。Mu0=数值

若省略，检验的均值为0。SAS的描述统计法则应用例5：对数据集bclass中变量HEIGHT和

WEIGHT计算常用描述性统计量Procunivariatedata=mylib.bclass;Varheightweight

；Run;使极值部分显示更直接.对最大和最小的几个纪录不仅显示它们的观测序号,还显示相应的Id变量值(如姓名),使我们从输出结果就知道谁最高,谁最矮等等.利用Id语句的例子:Procunivariatedata=mylib.bclass;Varheightweight

；Idname;Run;Id语句:Id识别变量名;SAS的描述统计法则应用利用Id语句前、后输出(部分):

Variable:HEIGHT(身高（厘米）)

ExtremeObservationsLowestHighest

ValueObsValueObs125316712127271672013525167211373016914142617222

Variable:HEIGHT(身高（厘米）)

ExtremeObservationsLowestHighest

ValueNAMEObsValueNAMEObs125ROBERT3167EDWARD12127LILLIE27167PHILLIP20135JANE25167KIRK21137SUSAN30169JEFFERY14142MICHAEL6172LAWRENCE22SAS的描述统计法则应用不用画图语句时Univariate过程输出一般包括五个部分：第一部分是矩统计量；第二部分为基本的位置和分散程度统计量，位置统计量包括均值、中位数、众数，分散程度统计量包括标准差、方差、极差、四分位间距；第三部分为关于均值等于零的三种检验的结果，包括t检验、符号检验和符号秩检验；第四部分为各个重要的分位数；第五部分是观测数据的五个最低值和五个最高值。SAS的描述统计法则应用Histogram语句(画直方图语句)，其一般格式：histogram变量名</<选项>>;选项：Midpoints=中点列Vscale=percent|count|proportion直方图高度。默认是percent。Cfill=颜色涂上直方图或拟合曲线下方的颜色Nocurvel隐藏不同曲线含义的图例SAS的描述统计法则应用Procunivariatedata=mylib.sryzcplot;Varincome

;histogramincome/cfill=red

;Run;例6计算家庭总收入的描述统计量，并绘制其直方图、盒形图及正态概率图。Univariate过程输出的直方图绘制盒形图及正态概率图选项画直方图语句SAS的描述统计法则应用茎叶图

茎叶图又称“枝叶图”，它的思路是将数组中的数按位数进行比较，将数的大小基本不变或变化不大的位作为一个主干（茎），将变化大的位数作为分枝（叶），列在主干的后面，这样就可以清楚地看到每个主干后面的几个数，每个数具体是多少。茎叶图是一个与直方图相类似的特殊工具，但又与直方图不同，茎叶图保留原始资料的资讯，直方图则失去原始资料的讯息。将茎叶图茎和叶逆时针方向旋转9O度，实际上就是一个直方图，可以从中统计出次数，计算出各数据段的频率或百分比。从而可以看出分布是否与正态分布或单峰偏态分布逼近。SAS的描述统计法则应用茎叶图的优缺点

1、用茎叶图表示数据有两个优点：一是从统计图上没有原始数据信息的损失，所有数据信息都可以从茎叶图中得到；二是茎叶图中的数据可以随时记录，随时添加，方便记录与表示。

2、茎叶图只便于表示两位有效数字的数据，而且茎叶图只方便记录两组的数据，两个以上的数据虽然能够记录，但是没有表示两个记录那么直观、清晰。SAS的描述统计法则应用茎叶图的案例分析

茎叶图是将统计分组和次数分配一次完成，是探索性数据分析中对数据的初步形象描绘。其图形直观且保留原始信息，均值、中位数和众数均可依原始数据准确方便地算出。现以某班一次考试成绩为例，介绍茎叶图的作法。SAS的描述统计法则应用SAS的描述统计法则应用SAS的描述统计法则应用作图过程

先作“茎”后填“叶”，将分组标志(组距)视为茎，按数的大小从上到下(也可从下到上)排列。将每一个观察值视为一个树叶，每一个树叶按照树茎之要求长在应长的树茎上。对于百分制的考试分数，先将高位数字按顺序排成一列，后将每个分数的个位数为叶长在相应的茎上，最后将每茎上的叶按从小到大的排列。若人数较多，树叶较长，可将高位数重复两次，个位数分为0～5一枝，5～9一枝。为了便于分析，可将1/4、3/4分位数及中位数用符号标出。

SAS的描述统计法则应用利用茎叶图对考试成绩进行评估

1）将茎叶图茎和叶逆时针方向旋转9O度，实际上就是一个班级成绩带有数字的直方图，可以从中统计出次数，计算出各分数段的频率或百分比，从它可以看出班级成绩的分布是否与正态分布或单峰偏态分布逼近。2）若茎叶图成绩表扁而宽，说明该班整体成绩较集中，成绩差异不大；如果茎叶图长而窄，说明该班成绩较分散，标准差较大，高分低分差距大。这可使教师或校管理部门对学生成绩有所了解。SAS的描述统计法则应用2.盒形图盒形图（boxplot，又称箱图、箱线图、盒子图）是用更为简洁的方法表现数据在数轴上的分布及其特点的图形。左图是根据居民家庭的收入情况所绘的盒形图；右图是分地区居民家庭的收入情况所绘的盒形图。

SAS的描述统计法则应用

盒子的中间横线是数据的中位数，封闭盒子的上下两横线分别为上，下四分位数。盒子的长度就是分布的四分位间距，其作用类似于标准差，可以反映数据分布的分散程度。从盒子边线向外画的两条线叫做触须线，最长可以延伸到四分位间距的倍，但是如果已经到了数据的最小值或最大值处就不再延伸了。如果有些数据值超出了触须线的范围，则这些数据用触须线以外的点来画出，一般认为这样的点可能是异常点，在进一步进行数据分析时可以考虑是否需要剔除它。SAS的描述统计法则应用

StemLeaf#Boxplot43103323444|25557886++211*--+--*15788886++1122|++++MultiplyStem.Leafby10**+3NormalProbabilityPlot4250+*+|++++++++|*+*+*+*2750+++++***|+*****+****|**+*******1250+*++*+++++++++++++++-2-10+1+2UNIVARIATE过程输出的茎叶图、盒形图、正态概率图正态概率图中“*”代表观测值“+”代表参考直线。当观测数据来自正态分布时，“*”应与“+”较为接近或重合。本例中，两者较接近，数据可能来自正态分布。可进一步利用检验统计量进行正态性检验。SAS的描述统计法则应用FREQ过程(频数过程.可输出频数表)procfreq<选项>;

<by变量名;>

<tables

变量名列

</选项>>;<其他SAS语句;>run;

1)Data=

数据集名若省略，用最近建立的SAS数据集。

2)Order=Freq|Data|Internal|Formatted

规定变量水平的记录次序（排列次序）。

Order=

Freq表示按频数降序排列，因此最大频数的水平第一个出现；

Order=Data表示按输入数据集中值的出现次序排列；

Order=Internal表示按变量的值排序；

Order=Formatted表示按变量格式化值的次序。默认项。

procfreq主语句中可使用的选项:3)

Page要求Freq过程每页只输出一张表。SAS的描述统计法则应用Tables语句tables

变量名列

</选项>；变量名列:列出要输出频数表的变量名，变量名之间要留空格.

在PROCFREQ

的一次执行中可以包括任意多个tables语句。如果没有tables语句，FREQ过程对数据集中每个变量都生成一个单向频数表(如图1中两个变量的表分别为单向频数表)。

SAS的描述统计法则应用tables

变量名列

</选项>；

在tables语句的斜杠/后面能使用的选项有：

NOCUM—不输出单向频数表和列表格式下的累计频数和累计百分数;

SAS的描述统计法则应用Procfreqdata=sryzc

;tables

R_IdIncome；Run;输出变量R_Id(地区编号)和Income(家庭总收入)的单向频数表：由地区编号R_ID的频数表知，用1表示的地区样本容量为14，用2表示的地区样本容量为16，加起来30，即抽样调查的家庭为30家。由家庭总收入INCOME的频数表知，因为不是分类变量，是区间形变量，所以此频数表意义不大。图1SAS的描述统计法则应用例7输出bclass中体重的频数表Procfreqdata=bclass;tablesweight;Run;

对连续型变量(如weight)，不同观测的变量值一般不同。因此直接作频数表意义不大。通常按变量取值范围分成若干组后,统计变量在各个组取值的频数等。例如，数据集bclass中的weight作如下分组后再观察：由46.5公斤至77.0(每组不包括左端点)：

1.4公斤—50.0公斤；

2.5公斤—54.5公斤；

3.5公斤—59.0公斤；公斤—63.5公斤；

5.6公斤—68.0公斤；公斤—72.5公斤；公斤—公斤.SAS的描述统计法则应