SAS统计分析与应用(第三讲)

SAS统计软件及其应用

—ANALYST模块

山西大学计算中心主要功能第一部分(数据计算)依分布产生数据分类计算统计量随机抽样变量计算（变换）统计图表第二部分(统计分析)描述统计量假设检验回归分析方差分析启动Analyst模块启动方法一:菜单：解决方案

分析

分析家（Analyst）启动方法二：得到Analyst界面依分布产生数据Data(数据)

RandomVariates（随机变量）可以产生服从特定分布的随机数，可以选择的分布类型包括：正态分布均匀分布二项分布卡方分布泊松分布指数分布Beta分布Gama分布几何分布极值分布例1、利用Analyst模块生成100个服从标准正态分布的数据，并把生成的数据命名为Normal保存在Sasuser下。操作步骤：（1）数据

随机变量

正态

OK（2）文件

用SAS名称另存为

均值0.013,标准差0.97(标准正态)分类计算统计量使用数据菜单下的按组汇总可以分类计算变量的统计量例子:某个班级全体同学的某次考试成绩,利用Analyst模块分性别计算男女生的语文成绩的统计量首先使用文件菜单下的按SAS名称打开选项打开数据集.选择数据菜单下的按组汇总命令结果随机抽样使用数据菜单中的随机抽样可以从数据集中随机抽取记录例子:从考试成绩中随机抽取10名学生的成绩(1)选择数据菜单下的随机抽样(2)通过移动前后的上下方向键可以增减数值生成报表用报表菜单下的表选项可以生成各种各样的表格例子:生成一个包含男女生3门成绩平均值的报表选择Tables选项,打开如下样式表:设置AnalysisVariables设定StatisticsRowClasses(行分类变量)报表概要输出变量计算利用数据菜单下的变换可以完成一些对列的计算.例如:有36只股票的每股收益和价格,利用Compute选项计算每只股票的市盈率.绘制统计图Histogram/BarPlotBoxPlotPieChartProbabilityPlot

(P-P图)概率图：将数值排序，给出每个数值对应的分位数，然后打点作图。如果这些点呈现线性特征，说明他们与理论分布相符。条形图例子:绘制数据集中math的条形图.条形图饼形图绘制数据集中男女生比例的饼形图.选择图形菜单下的饼图,打开对话框:饼形图概率图例子:绘制变量math的概率图.选择图形下的概率图,弹出对话框:纵轴：

样本值

横轴：Normalpercentiles

正态分布百分位数统计分析与计算1、描述性统计量统计

描述性统计计算：SummaryStatistics-汇总统计量Distribution-分布信息Correlations-变量间的相关系数FrequencyCounts-统计变量的频数中英文菜单1.1SummaryStatistics-简单统计量选择变量AnalysisStatistics选择需要的统计量SummaryStatistics-输出结果如下1.2Distribution-分布信息选择变量AnalysisFit—选择distribution

Sampleestimates Entervalues1.3Correlations-变量间的相关系数选择两个或以上变量Correlate计算偏相关系数1.4FrequencyCounts-统计变量的频数HypothesisTests-假设检验统计

单样本下：均值Z检验：均值t检验：比例检验：方差检验：

假设检验OneSampleZTestsOneSampletTestsOneSampleProportionTestsOneSampletestforavariance理论说明：正态总体均值检验：1）方差已知2）方差未知正态总体的方差检验：HypothesisTests-假设检验统计

双样本下：均值差t检验：成对样本均值差t检验:比例差检验:方差比检验：假设检验TwoSampletTestForMeansTwoSamplepaired

ttestformeansTwoSampletestforproportionsTwoSampletestforVariance来自独立正态总体的两样本均值差的检验两样本方差已知u检验方差未知但相等t检验方差未知大样本u检验方差未知小样本渐进t检验其中：理论说明：来自独立正态总体的两样本方差比的检验又称方差齐性检验或同质性检验，F检验。1）

单总体均值Z检验（总体方差已知）

OneSampleZ–TestsforaMean检验结果图形输出2）

单总体均值t检验（总体方差未知小样本）

OneSampletTestsforaMean检验结果图形输出3）

单总体比例的Z检验（大样本）

OneSampleTestforaProportion检验结果所要研究的总体属性图形输出4）

单总体方差的卡方检验

OneSampleTestsforaVariance检验结果图形输出5）

两独立总体均值差的t检验

Two-SampletTestsforMeans检验结果注意：首先检验方差的同质性按一个变量分组差值图形输出图形输出MeansPlot6）

两配对样本均值差的t检验

Two-SamplePairedt-testforamean检验结果图形输出7）

两独立总体比例差的t检验

Two-SampleTestforProportions搞清楚：分组变量Group和关注水平Levelofinterest检验结果图形输出8）

两独立总体方差比F检验

Two-SampleTestforVariances检验结果图形输出3、Regression

-回归分析对残差的经典假设；回归方程及系数估计；回归方程整体的显著性检验回归方程系数的显著性检验；预测启动：统计

回归3.1、Simple回归Simple回归：单一的自变量，单一的因变量，但自变量次数可以是一次、二次或三次；一元线性回归结果：结果列表：预测图PredictedPlots残差图ResidualPlots影响图InfluencePlotsStatistics设置：回归系数的标准误估计的置信区间估计的相关矩阵估计的协方差矩阵Predictions设置：Predictoriginalsample预测原样本Listpredictions预测结果输出Residuals，predictionlimits另外输出残差和预测上下限预

测

结

果Murder预测值Murder预测下界Murder预测上界Murder预测残差MurdervsPREDScatterPlotLinear回归Linear回归：多个自变量，多个因变量，对因变量分别进行回归。分为：一元线性回归多元线性回归主要了解两项设置分析结果Model设置

模型选择方法及准则Method：FullmodelForwardselectionBackwardeliminationStepwiseselectionMaximumR-squareimprovementMinimumR-squareimprovementMallows’CpR-squareAdjustedR-square设定3种方法的选择准则：显著性水平Statistics选项(仅供后3种方法选择)Akaike’sinformationcriterion(简称AIC信息准则)BayesianinformationcriterionSchwarz'sBayesiancriterionAmemiya’spredictioncriterionAdjustedR-squaresErrorsumofsquareRootmeansquareerrorStatistics设置

模型拟合优度及模型诊断相关统计量回归系数的标准误估计的置信限TypeI平方和TypeII平方和估计的相关阵估计的协方差阵偏相关半偏相关Tests选项