第四章 基礎(chǔ)分析過程1

第四章基礎(chǔ)統(tǒng)計(jì)分析過程第一節(jié)描述統(tǒng)計(jì)量第二節(jié)頻數(shù)統(tǒng)計(jì)與柱狀圖第三節(jié)常用描述統(tǒng)計(jì)量計(jì)算第四節(jié)數(shù)據(jù)的探索性分析1第一節(jié)描述統(tǒng)計(jì)量已知一組試驗(yàn)（或觀測(cè)）數(shù)據(jù)為：X1，X2……Xn，以下介紹描述這組數(shù)據(jù)的幾類特征量。一、表示位置的特征量均值（mean）、眾數(shù)（m0）、中位數(shù)（me）和百分位數(shù)（percentile）二、表示分散程度的特征量方差、標(biāo)準(zhǔn)差、極差、四分位差、變異系數(shù)和標(biāo)準(zhǔn)誤（即均值的標(biāo)準(zhǔn)差）三、表示形狀的特征量偏度和峰度p592第二節(jié)頻數(shù)統(tǒng)計(jì)與柱狀圖樣本數(shù)據(jù)的情況、取不同數(shù)值的比例描述了樣本取值的分布，通過頻數(shù)可進(jìn)一步了解總體相應(yīng)指標(biāo)的分布。對(duì)于頻數(shù)統(tǒng)計(jì)，除了用列表記錄變量取不同數(shù)值的頻數(shù)、百分?jǐn)?shù)外，還常用柱狀圖或餅圖等圖形工具來表示。柱狀圖也稱條形圖。3第二節(jié)頻數(shù)統(tǒng)計(jì)與柱狀圖一、用INSIGHT作頻數(shù)統(tǒng)計(jì)和柱狀圖（一）用INSIGHT作柱狀圖Analyze=>Histogram/BarChart(Y)1、分析sex、age、height三個(gè)變量2、按性別分組輸出3、解釋圖形的下三角菜單數(shù)據(jù)文件：class145678910單獨(dú)考察女生的年齡分布11121314151617第二節(jié)頻數(shù)統(tǒng)計(jì)與柱狀圖(二)用INSIGHT作頻數(shù)統(tǒng)計(jì)Analyze=>Distribution(Y)1、作sex、age的頻數(shù)統(tǒng)計(jì)2、按性別分組作age的頻數(shù)統(tǒng)計(jì)181920212223第二節(jié)頻數(shù)統(tǒng)計(jì)與柱狀圖二、用分析員應(yīng)用作頻數(shù)統(tǒng)計(jì)和直方圖Statistics=>Descriptive=>Frequencycounts…1、分析變量sex、age2、解釋各按鈕3、注意圖表輸出位置4、按性別分組5、作加權(quán)演示242526272829第二節(jié)頻數(shù)統(tǒng)計(jì)與柱狀圖三、用編程作頻數(shù)統(tǒng)計(jì)與柱狀圖（一）用FREQ過程作頻數(shù)統(tǒng)計(jì)利用編程統(tǒng)計(jì)頻數(shù)和百分?jǐn)?shù)可以使用PROCFEEQ。它最簡(jiǎn)單的用法是：procfreqdata=數(shù)據(jù)集名；tables變量名列；run；30第二節(jié)頻數(shù)統(tǒng)計(jì)與柱狀圖例如對(duì)數(shù)據(jù)集CLASS的變量SEX和AGE要統(tǒng)計(jì)其頻數(shù)和百分?jǐn)?shù)，其程序?yàn)椋?/p>

PROCfreqdata=sashelp.class;tablesagesex;run;3132第二節(jié)頻數(shù)統(tǒng)計(jì)與柱狀圖若不要計(jì)算某些指標(biāo)，可在tables語句設(shè)定選項(xiàng)，可用的選項(xiàng)有：nocum-----不要累計(jì)的頻數(shù)和百分?jǐn)?shù)nopercent-----不要百分?jǐn)?shù)和累計(jì)百分?jǐn)?shù)例如只要計(jì)算年齡取值的頻數(shù)和累計(jì)頻數(shù)，其程序?yàn)椋簆rocfreqdata=sashelp.class;tablesage/nopercent;run;3334第二節(jié)頻數(shù)統(tǒng)計(jì)與柱狀圖若為了將頻數(shù)高的放在前面或者有其他需求要改變輸出結(jié)果中變量值的排列次序，可在procfreq語句中加入選項(xiàng)：order=internal|freq|data|formattedinternal----按變量的值排序freq----按頻數(shù)降序排列data----按數(shù)據(jù)集中值的出現(xiàn)次序排列formatted----按變量格式化的值排序35第二節(jié)頻數(shù)統(tǒng)計(jì)與柱狀圖若有權(quán)變量的數(shù)據(jù)，可用weight語句加權(quán)：datastud;inputsexn;cards;140055;

run;proc

freqdata=stud;tablessex;weightn;run;36第二節(jié)頻數(shù)統(tǒng)計(jì)與柱狀圖對(duì)于連續(xù)型數(shù)據(jù)通常使用組距式分組。例如將數(shù)據(jù)class中的體重?cái)?shù)值由24公斤至80公斤，每8公斤為一組，按組統(tǒng)計(jì)的體重頻數(shù)表。這里常用的是使用Format過程或形成一個(gè)新的變量。37第一種：對(duì)變量weight規(guī)定一個(gè)格式procformat;valuewfmtlow-32=’24-32’32-40=’32-40’40-48=’40-48’48-56=’48-56’56-64=’56-64’64-72=’64-72’72-high=’72-80’;/*書上格式不好用*/run;procfreqdata=sasuser.class1;tablesweight;formatweightwfmt.;run;/*程序名為p58*/38第二種：形成一個(gè)新的變量gweight(1)datatmp;setsashelp.class;gweight=int((weight-16)/8);labelgweight=‘體重分組值’；run;procfreqdata=tmp;tablesgweight;run;/*程序在p59*/39(2)Datastud;setxw.class1;Ifweight>=72thengweight='72-80';If64<=weight<72thengweight='64-72';If56<=weight<64thengweight='56-64';If48<=weight<56thengweight='48-56';If40<=weight<48thengweight='40-48';If32<=weight<40thengweight='32-40';Ifweight<32thengweight='24-32';Run;proc

freqdata=stud;tablesgweight;run;文件:P59_2.sas40第二節(jié)頻數(shù)統(tǒng)計(jì)與柱狀圖（二）用CHART過程作直方圖CHART過程是用圖表的方式形象地表示變量取值及兩個(gè)以上變量之間的關(guān)系。它所描述的圖形有直方圖（條形圖）、塊形圖、餅形圖、星形圖。這里著重介紹直方圖。CHART過程產(chǎn)生的圖形有三個(gè)因素決定：選擇圖形表示方法；顯示圖表變量值的統(tǒng)計(jì)量；規(guī)定分組的特性。41第二節(jié)頻數(shù)統(tǒng)計(jì)與柱狀圖(1)圖形表示方法的選擇垂直條形圖或垂直直方圖（VBAR語句）橫條形圖或水平直方圖（HBAR語句）塊形圖（BLOCK語句）餅形圖（PIE語句）星形圖（STAR語句）42第二節(jié)頻數(shù)統(tǒng)計(jì)與柱狀圖（2）匯總統(tǒng)計(jì)量的選擇頻數(shù)（TYPE=FREQ）百分?jǐn)?shù)（TYPE=PCT）累計(jì)頻數(shù)（TYPE=CFREQ）累計(jì)百分?jǐn)?shù)（TYPE=CPCT）總和（TYPE=SUM）平均數(shù)（TYPE=MEAN）通過選項(xiàng)TYPE=取以上幾種選擇來顯示不同統(tǒng)計(jì)量的圖形43第二節(jié)頻數(shù)統(tǒng)計(jì)與柱狀圖（3）分組特性的選擇用于分組的變量選項(xiàng)DISCRETE用于并排分組的選項(xiàng)GROUP=用于分子組的選項(xiàng)SUBGROUP=對(duì)連續(xù)變量用區(qū)間中點(diǎn)定位的選項(xiàng)MIDPOINTS=選項(xiàng)SUMVAR=規(guī)定收集對(duì)均值、總和、或頻數(shù)的匯總變量44第二節(jié)頻數(shù)統(tǒng)計(jì)與柱狀圖基本格式：PROCCHART<選項(xiàng)>；/*選項(xiàng)有DATA=*/VBAR變量名列</<標(biāo)準(zhǔn)選項(xiàng)><VBAR特有選項(xiàng)>>；HBAR變量名列</<標(biāo)準(zhǔn)選項(xiàng)><HBAR特有選項(xiàng)>>；RUN;45第二節(jié)頻數(shù)統(tǒng)計(jì)與柱狀圖標(biāo)準(zhǔn)選項(xiàng)①DISCRETE——用來指明數(shù)值圖表變量是離散的而不是連續(xù)的。如果省略該選項(xiàng)，則CHART過程假定所有數(shù)值變量都是連續(xù)的。②FREQ=變量——用來規(guī)定數(shù)據(jù)集中的某個(gè)變量，它的值表示相應(yīng)觀測(cè)的頻數(shù)（或權(quán)數(shù)）③LEVELS=條圖個(gè)數(shù)——當(dāng)VBAR語句中給定的的圖表量量是連續(xù)時(shí)，改選項(xiàng)用來規(guī)定每個(gè)圖表變量的條圖個(gè)數(shù)。46第二節(jié)頻數(shù)統(tǒng)計(jì)與柱狀圖④MIDPOINTS=中值列——通過規(guī)定每個(gè)圖表或線段表示的區(qū)間中點(diǎn)來定義圖表變量的變化范圍。例如語句，

vbarx/midpoints=1020304050；生成5個(gè)條圖的圖表：第一條代表以10為中心的數(shù)據(jù)值范圍；第二條代表以20為中心的數(shù)據(jù)范圍等等。該選項(xiàng)還允許使用以下形式：

midpoints=10to100by5；47第二節(jié)頻數(shù)統(tǒng)計(jì)與柱狀圖⑤SUMVAR=變量——規(guī)定一個(gè)變量用來匯總概括數(shù)據(jù)特征的均值、總和數(shù)。例如用class的數(shù)據(jù),要匯總不同性別的平均體重，如下：vbarsex／type=meansumvar=weightdiscrete；

產(chǎn)生的圖表對(duì)男女生分別給出體重(weight)的平均值。48⑥TYPE=類型——指出在圖表中，條圖或線段表示的類型。若省略，TYPE的缺值是FREQ。當(dāng)規(guī)定SUMVAR＝時(shí)，TYPE的缺省值是SUM。用戶可以規(guī)定下列用關(guān)鍵詞表示的類型中的某一個(gè)：

FREQ---指每個(gè)條圖或線段表示數(shù)據(jù)中圖表變量出現(xiàn)的值或間隔的頻數(shù)

PERCENT---指每個(gè)條圖或線段表示圖表變量含有給定值或落入給定區(qū)間的觀測(cè)比例

CFREQ---指每個(gè)條圖或線段表示的累計(jì)頻數(shù)

CPERCENT---指每個(gè)條圖或線段表示的累計(jì)百分?jǐn)?shù)

SUM---指每個(gè)條圖或線段表示在含有該條圖值的所有觀測(cè)中SUMVAR＝的變量值之和。例如語句，vbarage／sumvar＝heighttype=sum；生成的圖表對(duì)每個(gè)age值對(duì)應(yīng)一個(gè)條圖。對(duì)于給定的age值，條圖高度表示含有那個(gè)age值的所有觀測(cè)中變量height值的總和

MEAN---指每個(gè)條圖或線段表示在含有該條圖值的這些觀測(cè)中SUMVAR＝的變量的均值49第二節(jié)頻數(shù)統(tǒng)計(jì)與柱狀圖VBAR，HBAR語句的特有選項(xiàng)①GROUP＝變量——該選項(xiàng)用于產(chǎn)生并排的一些圖表，每個(gè)圖表代表GROUP變量含有已知值的一組觀測(cè)。該選項(xiàng)規(guī)定的變量可以是字符變量，也可以是數(shù)值的，但假定是離散的。例如語句：vbarage/group=sex；產(chǎn)生男女并排的年齡頻數(shù)垂直直方圖。50第二節(jié)頻數(shù)統(tǒng)計(jì)與柱狀圖②SUBGROUP＝變量——要求用不同字符對(duì)每個(gè)條圖按SUBGROUP變量對(duì)該條圖貢獻(xiàn)大小細(xì)分為幾部分。例如：vbarage/subgroup=sex；對(duì)每個(gè)年齡產(chǎn)生條圖，在每個(gè)條圖上又按sex用字符分成兩部分。以數(shù)據(jù)集class為例，演示chart過程作條形圖。51PROCCHARTHistogramsandbarchartsPROCCHARTDATA=SASdatasetoptions;VBARvariable/options;HBARvariable/options;options:MIDPOINTS=GROUP=SUMVAR=PROC

CHARTdata=sashelp.class;VBARage/midpoints=10

20

30

40

50;vbarsex/type=meansumvar=weightdiscrete;vbarage/group=sex;vbarage/subgroup=sex;vbarage/sumvar=heighttype=sum;RUN;52第三節(jié)常用描述統(tǒng)計(jì)量計(jì)算53第三節(jié)常用描述統(tǒng)計(jì)量計(jì)算一、用INSIGHT計(jì)算常用描述性統(tǒng)計(jì)量在INSIGHT環(huán)境中，只對(duì)區(qū)間型變量提供計(jì)算描述性統(tǒng)計(jì)量的功能。Analyze=>Distribution(y)1、分析變量weight、height2、用sex作分類分析545556第三節(jié)常用描述統(tǒng)計(jì)量計(jì)算二、用分析員應(yīng)用計(jì)算常用描述統(tǒng)計(jì)量

在分析員應(yīng)用環(huán)境下，有兩種不同的方法獲得數(shù)值變量的描述性統(tǒng)計(jì)量。第一種：Statistics=>Descriptive=>SummaryStatistics第二種：Statistics=>Descriptive=>Distributions演示數(shù)據(jù)加權(quán)57第三節(jié)常用描述統(tǒng)計(jì)量計(jì)算三、用編程計(jì)算常用描述性統(tǒng)計(jì)量

SAS系統(tǒng)中在BASESAS模塊中就有好幾個(gè)過程提供各種描述性統(tǒng)計(jì)量。最常用的是過程UNIVARIATE和過程MEANS。58第三節(jié)常用描述統(tǒng)計(jì)量計(jì)算（一）UNIVARIATE過程（單變量過程）語句一般格式：PROCUNIVARIATE<option-list>；VARvariable-list；FREQvariable-list；WEIGHTvariable；IDvariable-list；BYvariable-list；OUTPUT<OUT=SAS-data-set><output-statistic-list><PCTLPTS=百分位數(shù)PCTLPRE=前綴名列表>；59第三節(jié)常用描述統(tǒng)計(jì)量計(jì)算Output語句中OUT=SAS-data-set選項(xiàng)是將輸出結(jié)果輸出到指定數(shù)據(jù)集中；output-statistic-list規(guī)定在新數(shù)據(jù)集中你所要求的統(tǒng)計(jì)量，并規(guī)定存放這些統(tǒng)計(jì)量的變量名。規(guī)定統(tǒng)計(jì)量并命名的形式有以下幾種：

統(tǒng)計(jì)關(guān)鍵詞=/*按原變量名輸出統(tǒng)計(jì)量值*/

統(tǒng)計(jì)關(guān)鍵詞=名字列表/*給統(tǒng)計(jì)量命名*/

統(tǒng)計(jì)關(guān)鍵詞（變量列表）=名字列表/*指定計(jì)算某個(gè)變量的某個(gè)統(tǒng)計(jì)量并在新數(shù)據(jù)集中命名新變量名義存放計(jì)算的統(tǒng)計(jì)量值。*/60第三節(jié)常用描述統(tǒng)計(jì)量計(jì)算說明：univariate過程中只用第二種形式命名，而means過程則三種都可用PCTLPTS=百分位數(shù)/*要求輸出的百分位數(shù)。*/PCTLPRE=前綴名列表/*規(guī)定用PCTLPTS=要求計(jì)算的百分位數(shù)的輸出變量名的前綴。*/61第三節(jié)常用描述統(tǒng)計(jì)量計(jì)算調(diào)用univariate最簡(jiǎn)單的形式為：

procunivariatedata=數(shù)據(jù)集名；var變量名列；/*要分析的變量*/run；62第三節(jié)常用描述統(tǒng)計(jì)量計(jì)算以數(shù)據(jù)集class為例，對(duì)變量height和weight計(jì)算描述統(tǒng)計(jì)量：

procunivariatedata=sashelp.class;varheightweight;run;63第三節(jié)常用描述統(tǒng)計(jì)量計(jì)算為了使極值部分的顯示更為直接，對(duì)最大和最小的幾個(gè)記錄可以不用他們的序號(hào)，而改用相應(yīng)的姓名，這樣我們一看就知道誰的身高最高。程序?yàn)椋簆rocunivariatedata=sasuer.class1;varheight;idname;/*顯示相應(yīng)的姓名觀測(cè)值*/run;64第三節(jié)常用描述統(tǒng)計(jì)量計(jì)算使用by語句還可以進(jìn)行分組統(tǒng)計(jì)，程序?yàn)椋簆rocsortdata=sasuser.class1out=tem;bysex;run;procunivariatedata=tem;varheight;bysex;idname;run;65第三節(jié)常用描述統(tǒng)計(jì)量計(jì)算利用output語句將結(jié)果輸出到數(shù)據(jù)集中procunivariatedata=sasuser.class1noprint;varheight;

outputout=resultmean=omstd=ostdq1=oq1range=orpctlpts=2080pctlpre=op;run;procprintdata=result;run;66第三節(jié)常用描述統(tǒng)計(jì)量計(jì)算（二）MEANS過程（均值過程）語句一般格式：PROCMEANS<option-list><statistic-keyword-list>；VARvariable-list；CLASSvariable-list;/*不用排序*/FREQvariable-list；WEIGHTvariable；IDvariable-list；BYvariable-list；OUTPUT<OUT=SAS-data-set><output-statistic-list>;在univariate過程中沒有此選項(xiàng)67第三節(jié)常用描述統(tǒng)計(jì)量計(jì)算語句說明：statistic-keyword-list—此選項(xiàng)是要輸出的統(tǒng)計(jì)量，可見附錄1。Class語句—與by語句功能相同，區(qū)別在于class語句不要求事先對(duì)數(shù)據(jù)集按照某變量排序。OUTPUT語句—前兩個(gè)選項(xiàng)與UNIVARIATE過程同。68第三節(jié)常用描述統(tǒng)計(jì)量計(jì)算Means過程的簡(jiǎn)單用法為：procmeansdata=數(shù)據(jù)集名；var變量名列；run;以數(shù)據(jù)集class為例，計(jì)算height和weight的描述統(tǒng)計(jì)量，程序?yàn)椋簆rocmeansdata=sashelp.class;varheightweight;run;69第三節(jié)常用描述統(tǒng)計(jì)量計(jì)算指定需要輸出的描述統(tǒng)計(jì)量，程序?yàn)椋簆rocmeansdata=sashelp.classmeanvarmaxrangemaxdec=2fw=8;varheightweight;run;70第三節(jié)常用描述統(tǒng)計(jì)量計(jì)算在means過程中，還可以用class語句實(shí)現(xiàn)分組統(tǒng)計(jì)。如下面一段程序：procmeansdata=sashelp.classmeanvarmaxrangemaxdec=2fw=8;varheightweight;classsexage;run;71第三節(jié)常用描述統(tǒng)計(jì)量計(jì)算均值過程也可將結(jié)果存儲(chǔ)到sas數(shù)據(jù)集中去，同樣使用output語句。下面的程序?qū)?shí)現(xiàn)這一功能。procmeansdata=sashelp.classnoprint;varheightweight;classagesex;outputout=result;run;72第三節(jié)常用描述統(tǒng)計(jì)量計(jì)算在以下程序中只計(jì)算一個(gè)統(tǒng)計(jì)量均值，所以可以將每個(gè)變量的均值存入該變量名下。procmeansdata=sashelp.classnoprint;varheightweight;classsexage;outputout=result2mean=;run;73第三節(jié)常用描述統(tǒng)計(jì)量計(jì)算若輸出到數(shù)據(jù)集中的統(tǒng)計(jì)量不止一個(gè)，那么就需要對(duì)每個(gè)變量的不同統(tǒng)計(jì)量都設(shè)定其存放的變量名。在下面的程序中，height和weight的均值分別存入名為hm和wm的變量下，height和weight的標(biāo)準(zhǔn)差分別存入名為hstd和wstd的變量下：74第三節(jié)常用描述統(tǒng)計(jì)量計(jì)算procmeansdata=sashelp.classnoprint;varheightweight;classsexage;outputout=result3mean=hmwmstd=hstdwstd;run;75第三節(jié)常用描述統(tǒng)計(jì)量計(jì)算如果只想計(jì)算height的均值，將height和weight的標(biāo)準(zhǔn)差分別存入hstd和wstd中，對(duì)weight單獨(dú)計(jì)算方差存入vwt中。則程序?yàn)椋簆rocmeansdata=sashelp.classnoprint;varheightweight;classsexage;outputout=result4mean(height)=std=hstdwstdvar(weight)=vwt;run;76第四節(jié)數(shù)據(jù)的探索性分析在SAS系統(tǒng)當(dāng)中提供了豐富的數(shù)據(jù)探索功能，通過各種各樣風(fēng)格各異的圖表，我們可以對(duì)數(shù)據(jù)進(jìn)行探索性的數(shù)據(jù)分析。本節(jié)的主要內(nèi)容是介紹如何利用SAS系統(tǒng)來作各種統(tǒng)計(jì)圖表，以形象地描繪數(shù)據(jù)，并進(jìn)行探索性分析。77第四節(jié)數(shù)據(jù)的探索性分析一、利用INSIGHT模塊的探索性分析SAS/INSIGHT提供了十分方便的數(shù)據(jù)探索功能?？梢宰髦狈綀D、盒形圖、馬賽克圖、QQ圖、經(jīng)驗(yàn)分布圖，也可以作散點(diǎn)圖、曲線圖、散點(diǎn)圖矩陣等等。78第四節(jié)數(shù)據(jù)的探索性分析（一）直方圖這里的直方圖和前面所講的頻數(shù)直方圖有所區(qū)別。若打開數(shù)據(jù)集class后，若要得到變量weight的密度直方圖，可在下拉菜單選：1、Analyze=>Distrbution(Y)2、將weight選入Y3、output4、在彈出的對(duì)話框中選histogram/barchart5、OK7980第四節(jié)數(shù)據(jù)的探索性分析注意：此時(shí)直方圖的縱坐標(biāo)為密度（density）數(shù)值。與前面講過的柱狀圖區(qū)別在于縱坐標(biāo)不是頻數(shù)或百分?jǐn)?shù)。這里的密度也不是次數(shù)密度。81第四節(jié)數(shù)據(jù)的探索性分析擬合分布密度曲線

在制作了直方圖后往往還希望擬合一個(gè)參數(shù)