SAS中的描述性統(tǒng)計(jì)過(guò)程

1、SAS中的描述性統(tǒng)計(jì)過(guò)程(2012-08-0118:07:01)轉(zhuǎn)載標(biāo)簽：分類：數(shù)據(jù)分析挖掘雜談SAS中的描述性統(tǒng)計(jì)過(guò)程描述性統(tǒng)計(jì)指標(biāo)的計(jì)算可以用四個(gè)不同的過(guò)程來(lái)實(shí)現(xiàn)，它們分別是means過(guò)程、summary過(guò)程、univariate過(guò)程以及tabulate過(guò)程。它們?cè)诠δ芊秶途唧w的操作方法上存在一定的差別，下面我們大概了解一下它們的異同點(diǎn)。相同點(diǎn)：他們均可計(jì)算出均數(shù)、標(biāo)準(zhǔn)差、方差、標(biāo)準(zhǔn)誤、總和、加權(quán)值的總和、最大值、最小值、全距、校正的和未校正的離差平方和、變異系數(shù)、樣本分布位置的t檢驗(yàn)統(tǒng)計(jì)量、遺漏數(shù)據(jù)和有效數(shù)據(jù)個(gè)數(shù)等，均可應(yīng)用by語(yǔ)句將樣本分割為若干個(gè)更小的樣本，以便分別進(jìn)行分析。不同點(diǎn)

2、：(1) means過(guò)程、summary過(guò)程、univariate過(guò)程可以計(jì)算樣本的偏度(skewness)和峰度(kurtosis),而tabulate過(guò)程不計(jì)算這些統(tǒng)計(jì)量；(2) univariate過(guò)程可以計(jì)算出樣本的眾數(shù)(mode),其它三個(gè)過(guò)程不計(jì)算眾數(shù)；(3) summary過(guò)程執(zhí)行后不會(huì)自動(dòng)給出分析的結(jié)果，須引用output語(yǔ)句和print過(guò)程來(lái)顯示分析結(jié)果，而其它三個(gè)過(guò)程則會(huì)自動(dòng)顯示分析的結(jié)果；(4) univariate過(guò)程具有統(tǒng)計(jì)制圖的功能，其它三個(gè)過(guò)程則沒(méi)有；(5) tabulate過(guò)程不產(chǎn)生輸出資料文件(存儲(chǔ)各種輸出數(shù)據(jù)的文件)，其它三個(gè)均產(chǎn)生輸出資料文件。統(tǒng)計(jì)制圖的過(guò)

3、程均可以實(shí)現(xiàn)對(duì)樣本分布特征的圖形表示，一般情況下可以使用的有chart過(guò)程、plot過(guò)程、gchart過(guò)程和gplot過(guò)程。大家有沒(méi)有發(fā)現(xiàn)前兩個(gè)和后兩個(gè)只有一個(gè)字母，g?(代表graph)的差別，其實(shí)它們之間(只差一個(gè)字母g的過(guò)程之間)的統(tǒng)計(jì)描述功能是相同的，區(qū)別僅在于繪制出的圖形的復(fù)雜和美觀程度。chart過(guò)程和plot過(guò)程繪制的圖形類似于我們用文本字符堆積起來(lái)的圖形，只能概括地反映出資料分布的大體形狀，實(shí)際上這兩個(gè)過(guò)程繪制的圖形并不能稱之為圖形，因?yàn)樗揪蜎](méi)有涉及一般意義上圖形的任何一種元素(如顏色、分辨率等)。而gchart過(guò)程和gplot過(guò)程給出的是真正意義上的圖形，可以用很多的語(yǔ)句

4、和選項(xiàng)來(lái)控制圖形的各方面的性質(zhì)和特征。chart和gchart與plot和gplot的區(qū)別則體現(xiàn)在不同的作圖功能，前兩個(gè)過(guò)程可以繪制出的圖形主要有條形圖(包括橫條和豎條)、圓圖、環(huán)形圖和星形圖等，后兩個(gè)過(guò)程通常用一個(gè)記錄中的兩個(gè)變量值表示點(diǎn)的坐標(biāo)來(lái)繪制圖形，如散點(diǎn)圖和線圖等。描述性統(tǒng)計(jì)過(guò)程的一般格式procmeans選項(xiàng)歹U表;by變量名稱（分組變量）；class變量名稱（分組變量）；freq變量名稱（數(shù)值變量，用以表示相應(yīng)記錄出現(xiàn)的頻數(shù)）weight變量名稱（數(shù)值變量，用以表示相應(yīng)記錄的權(quán)重系數(shù)）var變量名稱（待分析的數(shù)值變量）；run；Procmeans語(yǔ)句后的選項(xiàng)主要用來(lái)指定所要計(jì)算的

5、統(tǒng)計(jì)量，默認(rèn)情況下，Means過(guò)程會(huì)給出頻數(shù)、均數(shù)、標(biāo)準(zhǔn)差、最大值和最小值等，其余統(tǒng)計(jì)量的計(jì)算均需要在選項(xiàng)中指定。class語(yǔ)句所指定的分組變量用來(lái)進(jìn)行分組，而by語(yǔ)句所指定的分組變量是用來(lái)將數(shù)據(jù)分為若干個(gè)更小的樣本，以便SAS分別在各小樣本內(nèi)進(jìn)行各自獨(dú)立的處理。freq語(yǔ)句和weight語(yǔ)句分別引導(dǎo)代表記錄出現(xiàn)頻數(shù)和權(quán)重系數(shù)的數(shù)值變量。var語(yǔ)句引導(dǎo)所要進(jìn)行分析的所有變量的列表，SAS將對(duì)var語(yǔ)句所引導(dǎo)的所有變量分別進(jìn)行描述性統(tǒng)計(jì)分析。summary過(guò)程的一般格式procsummary選項(xiàng)歹U表；by變量名稱（分組變量）；class變量名稱（分組變量）；freq變量名稱（數(shù)值變量，用以表示

6、相應(yīng)記錄出現(xiàn)的頻數(shù)）weight變量名稱（數(shù)值變量，用以表示相應(yīng)記錄的權(quán)重系數(shù)）output<out=數(shù)據(jù)集名><B計(jì)量關(guān)鍵字=自定義變量名>var變量名稱（待分析的數(shù)值變量）；run；summary過(guò)程的格式和means過(guò)程可以說(shuō)是完全相同的，各條語(yǔ)句和選項(xiàng)的含義也是相同的，包括在means過(guò)程中未列出的output語(yǔ)句也可以應(yīng)用于means過(guò)程，只是此語(yǔ)句在summary過(guò)程應(yīng)用較多（這樣才能將分析結(jié)果顯示出來(lái)），所以才將其列入一般格式中。output語(yǔ)句用來(lái)對(duì)分析結(jié)果輸出為數(shù)據(jù)文件進(jìn)行控制，其后的選項(xiàng)可有可無(wú)，若無(wú)則SAS按照默認(rèn)方式進(jìn)行。"out=數(shù)據(jù)

7、集名”用來(lái)定義輸出數(shù)據(jù)文件的文件名稱，文件名的格式和數(shù)據(jù)步中數(shù)據(jù)文件名相同。統(tǒng)計(jì)量關(guān)鍵字=自定義變量名”用來(lái)自定義輸出數(shù)據(jù)文件中各種統(tǒng)計(jì)量的變量名稱，前者是系統(tǒng)定義的（和proc語(yǔ)句后選項(xiàng)中的統(tǒng)計(jì)量關(guān)鍵字完全相同），必須正確無(wú)誤，后者可自行定義。默認(rèn)狀態(tài)下輸出統(tǒng)計(jì)量只有頻數(shù)、均數(shù)、標(biāo)準(zhǔn)差、最大值和最小值，在默認(rèn)狀態(tài)不能滿足需要時(shí)這一選項(xiàng)則是必需的。univariate過(guò)程的一般格式procunivariate選項(xiàng)歹U表；by變量名稱（分組變量）；class變量名稱（分組變量）；freq變量名稱（數(shù)值變量，用以表示相應(yīng)記錄出現(xiàn)的頻數(shù)）weight變量名稱（數(shù)值變量，用以表示相應(yīng)記錄的權(quán)重系數(shù)）h

8、istogram變量名稱/選項(xiàng)列表outputout=數(shù)據(jù)集名B計(jì)量關(guān)鍵字=自定義變量名pctlpts=百分位數(shù)-指定需要的百分位數(shù)pctlpre=新變量名列指定所需百分位數(shù)對(duì)應(yīng)的輸出變量名var變量名稱（待分析的數(shù)值變量）；run；univariate過(guò)程和以上兩個(gè)過(guò)程的格式非常相似，相同的語(yǔ)句和選項(xiàng)其含義也相同，所不同的是某些統(tǒng)計(jì)量只能在univariate過(guò)程中計(jì)算（如眾數(shù)），以及univariate過(guò)程中所具有的繪圖功能。histogram語(yǔ)句即用來(lái)指示SAS對(duì)其后所指定的變量繪制直方圖，其后的選項(xiàng)用來(lái)指示SAS添加不同類型的擬合圖形（如正態(tài)分布的分布密度曲線）。tabulate過(guò)程的

9、一般格式proctabulate選項(xiàng)歹U表；by變量名稱（分組變量）；class變量名稱（分組變量）；freq變量名稱（數(shù)值變量，用以表示相應(yīng)記錄出現(xiàn)的頻數(shù)）weight變量名稱（數(shù)值變量，用以表示相應(yīng)記錄的權(quán)重系數(shù)）table<<頁(yè)變量表達(dá)式>,<行變量表達(dá)式>,<列變量表達(dá)式>></表格選項(xiàng)>var變量名稱（待分析的數(shù)值變量，統(tǒng)計(jì)量列入相應(yīng)的表單元格）；run；tabulate過(guò)程和上述幾個(gè)過(guò)程的格式也基本相似，相同的語(yǔ)句和選項(xiàng)也代表相同的含義。最大的不同也是tabulate過(guò)程中最為重要的是table語(yǔ)句，他用來(lái)定義表格的具體格

10、式以及表格中所要包括的統(tǒng)計(jì)量。gchart過(guò)程的一般格式procgchart選項(xiàng)歹U表；圖形關(guān)鍵詞變量名稱/選項(xiàng)列表run；圖形關(guān)鍵字繪制的圖形類型圖形關(guān)鍵字繪制的圖形類型block方塊圖pie圓圖hbar水平的條形圖pie3d三維圓圖hbar3d水平的三維條形圖donut環(huán)形圖vbar豎立的條形圖star星形圖vbar3d豎立的三維條形圖此過(guò)程格式簡(jiǎn)單，復(fù)雜的地方在于圖形關(guān)鍵字（每個(gè)圖形關(guān)鍵字對(duì)應(yīng)一種圖形類型）所引導(dǎo)的語(yǔ)句，這里是控制圖形類型及圖形要素的地方，涉及到眾多的關(guān)鍵字和選項(xiàng)。gchart過(guò)程可以使用的圖形關(guān)鍵字及其所繪制的圖形類型見(jiàn)下表（表2.1）。表2.1gchart過(guò)程可以使用

11、的圖形關(guān)鍵字及其所繪制的圖形類型圖形關(guān)鍵字后的變量名用以指定進(jìn)行圖形描述時(shí)的分組變量，可以是數(shù)值型的（此時(shí)以各組的組中值為分組的標(biāo)志），也可以是字符型的。其后的選項(xiàng)比較重要的有：（1）type=統(tǒng)計(jì)量關(guān)鍵字，表示以圖形對(duì)變量（sumvar所指定的變量）的哪一種統(tǒng)計(jì)量進(jìn)行描述，比如頻數(shù)（freq）、均數(shù)（mean）、總計(jì)（sum）、頻數(shù)百分比（pctn）等；（2）subgroup=變量名（分組變量），指定要進(jìn)行分組（各組段內(nèi)再分組）的變量；（3）sumvar=變量名（數(shù)值變量），指定要進(jìn)行統(tǒng)計(jì)計(jì)算的變量，也就是"type=統(tǒng)計(jì)量關(guān)鍵字”選項(xiàng)中統(tǒng)計(jì)量的計(jì)算所依據(jù)的變量。其它的選項(xiàng)較少用到

12、或系統(tǒng)默認(rèn)值即可基本滿足要求，這里還是少羅嗦，以后用到再說(shuō)。procgplot選項(xiàng)列表;bubble散點(diǎn)圖表達(dá)式bubble2散點(diǎn)圖表達(dá)式plot散點(diǎn)圖表達(dá)式plot2散點(diǎn)圖表達(dá)式run；從gplot過(guò)程的一般格式中我們就可看出，此過(guò)程只能繪制兩種類型的圖形，bubble語(yǔ)句指示SAS繪制泡狀散點(diǎn)圖，plot語(yǔ)句指示SAS繪制點(diǎn)狀散點(diǎn)圖。bubble2語(yǔ)句和plot2語(yǔ)句指示SAS在同一區(qū)域內(nèi)（bubble2和bubble在同一區(qū)域，plot2和plot在同一區(qū)域）繪制第二個(gè)圖形，兩者的橫坐標(biāo)相同（同一變量），縱坐標(biāo)分別位于左右兩側(cè)（可以是同一變量，也可以是兩個(gè)不同的變量）。散點(diǎn)圖表達(dá)式的一般

13、形式為：（1） bubble和bubble2語(yǔ)句：縱坐標(biāo)變量名*橫坐標(biāo)變量名=泡尺寸變量名（變量值以泡的大小表示），三者均應(yīng)為數(shù)值變量；（2） plot和plot2語(yǔ)句：縱坐標(biāo)變量名*橫坐標(biāo)變量名<=n/分類變量名>,此處等號(hào)及其后的部分可以省略，此時(shí)SAS以默認(rèn)的散點(diǎn)類型繪制散點(diǎn)圖；若等號(hào)后為n（n為正整數(shù)，是散點(diǎn)類型的編號(hào)），SAS則以指定的編號(hào)對(duì)應(yīng)的散點(diǎn)類型繪制散點(diǎn)圖；若等號(hào)后為分類變量名（可為字符型或數(shù)值型，為數(shù)值型時(shí)作為離散型變量處理，每一個(gè)值將被當(dāng)作一個(gè)類別），此變量的具體值（或與每個(gè)具體值對(duì)應(yīng)的圖形）將被作為散點(diǎn)用來(lái)繪制散點(diǎn)圖。chart過(guò)程和plot過(guò)程的一般格式及

14、各選項(xiàng)使用方法分別與gchart過(guò)程和gplot過(guò)程是基本相同的，不同之處僅在于后兩者中涉及到有關(guān)三維和圖形元素（顏色等）的語(yǔ)句和選項(xiàng)在前兩者中是無(wú)效的。例如vbar3d語(yǔ)句在chart過(guò)程中無(wú)效，bubble語(yǔ)句在plot過(guò)程中無(wú)效。其余的語(yǔ)句和選項(xiàng)使用方法完全相同，所以在掌握了gchart過(guò)程和gplot過(guò)程后，chart過(guò)程和plot過(guò)程你會(huì)不學(xué)自通。（三）描述性統(tǒng)計(jì)關(guān)鍵字及其含義SAS中可計(jì)算的描述性統(tǒng)計(jì)量多達(dá)二十余種，大部分可在以上介紹的前四個(gè)過(guò)程中計(jì)算，個(gè)別統(tǒng)計(jì)量在某些過(guò)程中不能計(jì)算，大家需要注意，要不然系統(tǒng)顯示錯(cuò)誤信息時(shí)還不知道是怎么回事。我經(jīng)常遇到這種情況，系統(tǒng)提示錯(cuò)誤（此類提示信息顯示在10g窗口中）時(shí)總是摸不著頭腦，費(fèi)半天勁才能搞明白。沒(méi)辦法，摸著石頭過(guò)河嘛！不過(guò)這樣也并非一無(wú)是處，最起碼可以積累很多使用經(jīng)驗(yàn)。下表（表2.2）列出SAS中可以計(jì)算的所有描述性統(tǒng)計(jì)量關(guān)鍵字及其含義，供大家使用時(shí)參考。表2.2SAS中可以計(jì)算的描述性統(tǒng)計(jì)量關(guān)鍵字及其含義關(guān)鍵字所代表的含義有效數(shù)據(jù)記錄數(shù)nmiss缺失數(shù)據(jù)記錄數(shù)mean均數(shù)std標(biāo)準(zhǔn)差stderr標(biāo)準(zhǔn)誤var方差median中位數(shù)mode眾數(shù)cv變異系數(shù)max最大值min最小值