第四章 基礎(chǔ)分析過程1

1、1第四章 基礎(chǔ)統(tǒng)計分析過程 第一節(jié) 描述統(tǒng)計量 第二節(jié) 頻數(shù)統(tǒng)計與柱狀圖 第三節(jié) 常用描述統(tǒng)計量計算 第四節(jié) 數(shù)據(jù)的探索性分析2第一節(jié) 描述統(tǒng)計量 已知一組試驗（或觀測）數(shù)據(jù)為：X1，X2Xn，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、標準差、極差、四分位差、變異系數(shù)和標準誤 （即均值的標準差）三、表示形狀的特征量 偏度和峰度 p593第二節(jié) 頻數(shù)統(tǒng)計與柱狀圖 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)可進一步了解總體相應(yīng)指標的分布。 對于頻數(shù)統(tǒng)計

2、，除了用列表記錄變量取不同數(shù)值的頻數(shù)、百分數(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。4第二節(jié) 頻數(shù)統(tǒng)計與柱狀圖一、用INSIGHT作頻數(shù)統(tǒng)計和柱狀圖（一）用INSIGHT作柱狀圖 Analyze = Histogram/Bar Chart(Y)1、分析sex、age、height三個變量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：class1567891011單獨考察女生的年齡分布12131415161718第二節(jié) 頻數(shù)統(tǒng)計與柱狀圖(二)用INSIGHT作頻數(shù)統(tǒng)計Analyze = Distribution(Y)1、作sex、age的頻數(shù)統(tǒng)計2、按性別分組作age的頻

3、數(shù)統(tǒng)計192021222324第二節(jié) 頻數(shù)統(tǒng)計與柱狀圖二、用分析員應(yīng)用作頻數(shù)統(tǒng)計和直方圖Statistics=Descriptive=Frequency counts1、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252627282930第二節(jié) 頻數(shù)統(tǒng)計與柱狀圖三、用編程作頻數(shù)統(tǒng)計與柱狀圖（一）用FREQ過程作頻數(shù)統(tǒng)計 利用編程統(tǒng)計頻數(shù)和百分數(shù)可以使用PROC FEEQ。它最簡單的用法是： proc freq data=數(shù)據(jù)集名； tables 變量名列； run；31第二節(jié) 頻數(shù)統(tǒng)計與柱狀圖 例如對數(shù)據(jù)集CLASS的變量SEX和AGE要統(tǒng)計其頻數(shù)和百分

4、數(shù)，其程序為： PROC freq data=sashelp.class; tables age sex; run;3233第二節(jié) 頻數(shù)統(tǒng)計與柱狀圖 若不要計算某些指標，可在tables語句設(shè)定選項，可用的選項有： nocum-不要累計的頻數(shù)和百分數(shù) nopercent-不要百分數(shù)和累計百分數(shù) 例如只要計算年齡取值的頻數(shù)和累計頻數(shù)，其程序為： proc freq data=sashelp.class; tables age / nopercent; run;3435第二節(jié) 頻數(shù)統(tǒng)計與柱狀圖 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proc freq語句中加入

5、選項： order=internal|freq|data|formatted internal-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36第二節(jié) 頻數(shù)統(tǒng)計與柱狀圖 若有權(quán)變量的數(shù)據(jù)，可用weight語句加權(quán)： data stud; input sex n; cards; 1 40 0 55 ; run; proc freq data=stud; tables sex; weight n; run;37第二節(jié) 頻數(shù)統(tǒng)計與柱狀圖 對于連續(xù)型數(shù)據(jù)通常使用組距式分組。例如將數(shù)據(jù)class中的體重數(shù)值由24公斤至80公斤，

6、每8公斤為一組，按組統(tǒng)計的體重頻數(shù)表。這里常用的是使用Format過程或形成一個新的變量。38 第一種：對變量weight規(guī)定一個格式 proc format; value wfmt low-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; proc freq data=sasuser.class1; tables weight; format weight wfmt.; run; /*程序名為p58*/39第二種：形成一個新的變量gweigh

7、t(1) data tmp; set sashelp.class; gweight=int(weight-16)/8); label gweight=體重分組值； run; proc freq data=tmp; tables gweight; run; /*程序在p59*/40(2)Data stud; set xw.class1; If weight=72 then gweight=72-80; If 64=weight72 then gweight=64-72; If 56=weight64 then gweight=56-64; If 48=weight56 then gweight=

8、48-56; If 40=weight48 then gweight=40-48; If 32=weight40 then gweight=32-40; If weight32 then gweight=24-32;Run;proc freq data=stud ; tables gweight;run;文件:P59_2.sas41第二節(jié) 頻數(shù)統(tǒng)計與柱狀圖（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)生的圖形有三個因素決定：選擇圖形表示方法；

9、顯示圖表變量值的統(tǒng)計量；規(guī)定分組的特性。42第二節(jié) 頻數(shù)統(tǒng)計與柱狀圖(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）43第二節(jié) 頻數(shù)統(tǒng)計與柱狀圖（2）匯總統(tǒng)計量的選擇 頻數(shù)（TYPE=FREQ） 百分數(shù)（ TYPE= PCT） 累計頻數(shù)（ TYPE= CFREQ） 累計百分數(shù)（ TYPE= CPCT） 總和（ TYPE= SUM） 平均數(shù)（ TYPE= MEAN） 通過選項TYPE=取以上幾種選擇來顯示不同統(tǒng)計量的圖形44第二節(jié) 頻數(shù)統(tǒng)計與柱狀圖（3）分組特性的選擇 用

10、于分組的變量選項DISCRETE 用于并排分組的選項GROUP= 用于分子組的選項SUBGROUP= 對連續(xù)變量用區(qū)間中點定位的選項MIDPOINTS= 選項SUMVAR=規(guī)定收集對均值、總和、或頻數(shù)的匯總變量45第二節(jié) 頻數(shù)統(tǒng)計與柱狀圖基本格式：PROC CHART ； /*選項有DATA=*/ VBAR 變量名列 /； HBAR 變量名列 /；RUN;46第二節(jié) 頻數(shù)統(tǒng)計與柱狀圖標準選項DISCRETE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，則CHART過程假定所有數(shù)值變量都是連續(xù)的。FREQ=變量用來規(guī)定數(shù)據(jù)集中的某個變量，它的值表示相應(yīng)觀測的頻數(shù)（或權(quán)數(shù)）LEVELS

11、=條圖個數(shù)當VBAR語句中給定的的圖表量量是連續(xù)時，改選項用來規(guī)定每個圖表變量的條圖個數(shù)。47第二節(jié) 頻數(shù)統(tǒng)計與柱狀圖MIDPOINTS=中值列通過規(guī)定每個圖表或線段表示的區(qū)間中點來定義圖表變量的變化范圍。例如語句， vbar x / midpoints=10 20 30 40 50； 生成5個條圖的圖表：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。 該選項還允許使用以下形式： midpoints=10 to 100 by 5；48第二節(jié) 頻數(shù)統(tǒng)計與柱狀圖SUMVAR=變量規(guī)定一個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

12、體重，如下： vbar sextype=mean sumvar=weight discrete； 產(chǎn)生的圖表對男女生分別給出體重(weight)的平均值。49TYPE=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。當規(guī)定SUMVAR時，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： FREQ- 指每個條圖或線段表示數(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)間的觀測比 例 CFREQ- 指每個條圖或線段表示的累計頻數(shù) CPERCENT - 指每個條圖或線段表示的累計百分數(shù) SUM

13、- 指每個條圖或線段表示在含有該條圖值的所有觀測中 SUMVAR的變量值之和。例如語句， vbar agesumvarheight type=sum； 生成的圖表對每個age值對應(yīng)一個條圖。對于給定的age值，條圖高度表示含有那個age值的所有觀測中變量height值的總和 MEAN- 指每個條圖或線段表示在含有該條圖值的這些觀測中 SUMVAR的變量的均值50第二節(jié) 頻數(shù)統(tǒng)計與柱狀圖VBAR，HBAR語句的特有選項GROUP變量該選項用于產(chǎn)生并排的一些圖表，每個圖表代表GROUP變量含有已知值的一組觀測。該選項規(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： vbar a

14、ge / group=sex； 產(chǎn)生男女并排的年齡頻數(shù)垂直直方圖。51第二節(jié) 頻數(shù)統(tǒng)計與柱狀圖SUBGROUP變量要求用不同字符對每個條圖按SUBGROUP變量對該條圖貢獻大小細分為幾部分。例如： vbar age / subgroup=sex； 對每個年齡產(chǎn)生條圖，在每個條圖上又按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。52PROC CHART Histograms and bar charts PROC CHART DATA=SASdataset options; VBAR variable / options; HBAR variable / opt

15、ions; options: MIDPOINTS= GROUP= SUMVAR= PROC CHART data = sashelp.class;VBAR age / midpoints=10 20 30 40 50;vbar sex / type = mean sumvar = weight discrete;vbar age / group=sex;vbar age / subgroup=sex;vbar age / sumvar = height type=sum;RUN;53第三節(jié) 常用描述統(tǒng)計量計算54第三節(jié) 常用描述統(tǒng)計量計算一、用INSIGHT計算常用描述性統(tǒng)計量 在INSIGH

16、T環(huán)境中，只對區(qū)間型變量提供計算描述性統(tǒng)計量的功能。 Analyze=Distribution(y)1、分析變量weight、height2、用sex作分類分析555657第三節(jié) 常用描述統(tǒng)計量計算二、用分析員應(yīng)用計算常用描述統(tǒng)計量 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)計量。第一種：Statistics=Descriptive=Summary Statistics第二種：Statistics=Descriptive=Distributions演示數(shù)據(jù)加權(quán)58第三節(jié) 常用描述統(tǒng)計量計算三、用編程計算常用描述性統(tǒng)計量 SAS系統(tǒng)中在BASE SAS模塊中就有好幾個過程提供各種

17、描述性統(tǒng)計量。最常用的是過程UNIVARIATE和過程MEANS。59第三節(jié) 常用描述統(tǒng)計量計算（一）UNIVARIATE過程（單變量過程） 語句一般格式：PROC UNIVARIATE ； VAR variable-list； FREQ variable-list； WEIGHT variable； ID variable-list； BY variable-list； OUTPUT ；60第三節(jié) 常用描述統(tǒng)計量計算 Output語句中OUT=SAS-data-set選項是將輸出結(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)計量，并規(guī)定存放這

18、些統(tǒng)計量的變量名。規(guī)定統(tǒng)計量并命名的形式有以下幾種： 統(tǒng)計關(guān)鍵詞= /*按原變量名輸出統(tǒng)計量值*/ 統(tǒng)計關(guān)鍵詞=名字列表 /*給統(tǒng)計量命名*/ 統(tǒng)計關(guān)鍵詞（變量列表）=名字列表 /*指定計算某個變量的某個統(tǒng)計量并在新數(shù)據(jù)集中命名新變量名義存放計算的統(tǒng)計量值。*/61第三節(jié) 常用描述統(tǒng)計量計算 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=要求計算的百分位數(shù)的輸出變量名的前綴。*/62第三節(jié) 常用描述統(tǒng)計量計算調(diào)用univariate最簡單的形式為： pr

19、oc univariate data=數(shù)據(jù)集名； var 變量名列；/*要分析的變量*/ run；63第三節(jié) 常用描述統(tǒng)計量計算 以數(shù)據(jù)集class為例，對變量height和weight計算描述統(tǒng)計量： proc univariate data=sashelp.class; var height weight; run;64第三節(jié) 常用描述統(tǒng)計量計算 為了使極值部分的顯示更為直接，對最大和最小的幾個記錄可以不用他們的序號，而改用相應(yīng)的姓名，這樣我們一看就知道誰的身高最高。程序為： proc univariate data=sasuer.class1; var height; id name;

20、/*顯示相應(yīng)的姓名觀測值*/ run;65第三節(jié) 常用描述統(tǒng)計量計算使用by語句還可以進行分組統(tǒng)計，程序為： proc sort data=sasuser.class1 out=tem; by sex; run; proc univariate data=tem; var height; by sex; id name; run;66第三節(jié) 常用描述統(tǒng)計量計算利用output語句將結(jié)果輸出到數(shù)據(jù)集中proc univariate data=sasuser.class1 noprint; var height; output out=result mean=om std=ostd q1=oq1

21、range=or pctlpts=20 80 pctlpre=op; run; proc print data=result; run;67第三節(jié) 常用描述統(tǒng)計量計算（二）MEANS過程（均值過程）語句一般格式：PROC MEANS ； VAR variable-list； CLASS variable-list;/*不用排序*/ FREQ variable-list； WEIGHT variable； ID variable-list； BY variable-list； OUTPUT ;在univariate過程中沒有此選項68第三節(jié) 常用描述統(tǒng)計量計算語句說明：statistic-key

22、word-list此選項是要輸出的統(tǒng)計量， 可見附錄1。 Class語句與by語句功能相同，區(qū)別在于class 語句不要求事先對數(shù)據(jù)集按照某變 量排序。OUTPUT語句前兩個選項與UNIVARIATE過程同。69第三節(jié) 常用描述統(tǒng)計量計算Means過程的簡單用法為： proc means data=數(shù)據(jù)集名； var 變量名列； run; 以數(shù)據(jù)集class為例，計算height和weight的描述統(tǒng)計量，程序為： proc means data=sashelp.class; var height weight; run;70第三節(jié) 常用描述統(tǒng)計量計算 指定需要輸出的描述統(tǒng)計量，程序為： pr

23、oc means data=sashelp.class mean var max range maxdec=2 fw=8; var height weight; run;71第三節(jié) 常用描述統(tǒng)計量計算 在means過程中，還可以用class語句實現(xiàn)分組統(tǒng)計。如下面一段程序： proc means data=sashelp.class mean var max range maxdec=2 fw=8; var height weight; class sex age; run;72第三節(jié) 常用描述統(tǒng)計量計算 均值過程也可將結(jié)果存儲到sas數(shù)據(jù)集中去，同樣使用output語句。下面的程序?qū)崿F(xiàn)這一

24、功能。 proc means data=sashelp.class noprint; var height weight; class age sex; output out=result; run;73第三節(jié) 常用描述統(tǒng)計量計算 在以下程序中只計算一個統(tǒng)計量均值，所以可以將每個變量的均值存入該變量名下。 proc means data=sashelp.class noprint; var height weight; class sex age; output out= result2 mean=; run;74第三節(jié) 常用描述統(tǒng)計量計算 若輸出到數(shù)據(jù)集中的統(tǒng)計量不止一個，那么就需要對每個變

25、量的不同統(tǒng)計量都設(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的標準差分別存入名為hstd和wstd的變量下：75第三節(jié) 常用描述統(tǒng)計量計算 proc means data=sashelp.class noprint; var height weight; class sex age; output out=result3 mean=hm wm std=hstd wstd; run;76第三節(jié) 常用描述統(tǒng)計量計算 如果只想計算height的均值，將height和weight的標準差分別存入hstd和wstd中，對

26、weight單獨計算方差存入vwt中。則程序為： proc means data=sashelp.class noprint; var height weight; class sex age; output out=result4 mean(height)= std=hstd wstd var(weight)=vwt; run;77第四節(jié) 數(shù)據(jù)的探索性分析 在SAS系統(tǒng)當中提供了豐富的數(shù)據(jù)探索功能，通過各種各樣風(fēng)格各異的圖表，我們可以對數(shù)據(jù)進行探索性的數(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)計圖表，以形象地描繪數(shù)據(jù)，并進行探索性分析。78第四節(jié) 數(shù)據(jù)的探索性分析一、利用IN

27、SIGHT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)驗分布圖，也可以作散點圖、曲線圖、散點圖矩陣等等。79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、在彈出的對話框中選histogram/bar chart5、OK8081第四節(jié) 數(shù)據(jù)的探索性分析注意： 此時直方圖的縱坐標為密度（density）數(shù)值。與前面講過的柱

28、狀圖區(qū)別在于縱坐標不是頻數(shù)或百分數(shù)。 這里的密度也不是次數(shù)密度。82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參數(shù)分布的密度曲線，例如正態(tài)分布的密度曲線，以估計總體的分布。在制作了直方圖后： Curves= parametric density 在彈出的對話框中選normal(正態(tài)分布)并點擊sample estimates/mle，用樣本估計量確定參數(shù)。8384第四節(jié) 數(shù)據(jù)的探索性分析（二）作盒型圖若要得到變量height的盒型圖，可在下拉菜單選：1、Analyze= Distrbution(Y)2、將height選入Y3、output4、在彈出的窗口中，

29、在box plot/mosaic plot前的方框打勾，點擊ok返回5、OK 8586第四節(jié) 數(shù)據(jù)的探索性分析（三）QQ圖 QQ圖是一種散點圖。對應(yīng)于正態(tài)分布的QQ圖，就是由標準正態(tài)分布的分位數(shù)為橫坐標，樣本值(作為樣本分位數(shù))為縱坐標的散點圖。xy8788第四節(jié) 數(shù)據(jù)的探索性分析 若對變量weight已經(jīng)從分布得到了一個結(jié)果，則可在顯示結(jié)果的窗口增加該變量的QQ圖。這只要在下拉菜單選：1、graphs = QQ plot2、在彈出的對話框選定一個分布，例如正態(tài)分布。3、OK89第四節(jié) 數(shù)據(jù)的探索性分析 為了進一步考察QQ圖上的點是否在一條直線附近，可以擬合一條直線或畫一條特定的直線供比較。為

30、此可在QQ圖所在的窗口的下拉菜單選：1、curves= QQ ref line2、在彈出的菜單的方法（method）下，選最小二乘法（least squares）來擬合一條直線。3、OK (最終是否符合分布還要通過假設(shè)檢驗。)9091經(jīng)驗分布圖92第四節(jié) 數(shù)據(jù)的探索性分析二、用分析員應(yīng)用作分布圖形這里提供了三種生成圖形的方式：第一種：（選用數(shù)據(jù)集class） 首先在分析員應(yīng)用環(huán)境下打開數(shù)據(jù)集后選：1、Statistics=Descriptive= Distributions2、將weight選入Analysis3、plot4、在需要輸出的圖前打勾。5、ok93第四節(jié) 數(shù)據(jù)的探索性分析第二種：1

31、、Statistics=Descriptive =Summary Statistics2、將weight選入Analysis3、plots4、在需要輸出的圖前打勾。5、ok94第四節(jié) 數(shù)據(jù)的探索性分析第三種：1、graphs= histogram(box plot)2、將變量weight選入analysis 3、ok注：用第三種方法作圖，在第二步后可選display，改變圖形的顏色，直方圖數(shù)據(jù)分組方式，縱軸的標度等。95第四節(jié) 數(shù)據(jù)的探索性分析擬合參數(shù)分布密度曲線1、 graphs=histogram(box plot)2、將變量weight選入analysis 3、點擊fit4、在彈出的對話

32、框中點擊normal前的方框使之選中。5、ok96第四節(jié) 數(shù)據(jù)的探索性分析 三、用編程作分布圖形（一）作直方圖 利用編程制作描述分布形態(tài)的圖形主要用QC模塊的過程capability。用它制作直方圖的最簡單的用法為： proc capability data=SAS數(shù)據(jù)集名 noprint graphics; histogram 變量名列； run;97第四節(jié) 數(shù)據(jù)的探索性分析說明： noprint取消輸出矩和分位數(shù)統(tǒng)計量。 graphics用顯示器的高分辨率方式輸出圖形。histogram指出作圖變量98第四節(jié) 數(shù)據(jù)的探索性分析 例如對于數(shù)據(jù)集class1的變量weight制作其直方圖時可用

33、下列程序： Proc capability data = sashelp.class noprint graphics; histogram weight; Run;則生成一關(guān)于體重的直方圖。99100第四節(jié) 數(shù)據(jù)的探索性分析 與chart過程相同，如果想改變目前的分組，可在histogram后加入選項midpoints=。例如我們想改變分組，最大與最小值為78、30，步長為6，則在histogram加入： histogram weight / midpoints = 30 to 150 by 2;101102第四節(jié) 數(shù)據(jù)的探索性分析 柱的高度也可以用不同的標度表示（并不改變各個柱的相對高度）

34、。這也在histogram語句中加入選項vscale=來設(shè)定。系統(tǒng)提供的為： vscale=percent|count|proportion 這三種分別表示百分數(shù)、頻數(shù)和比例。缺省的為百分數(shù)。看下面的一段程序：103第四節(jié) 數(shù)據(jù)的探索性分析Proc capability data=sashelp.class noprint graphics; histogram weight / midpoints=30 to 150 by 2 vscale=count cfill=cyan; Run;說明：選項cfill=cyan是為了讓直方圖的每個柱涂上顏色。104105第四節(jié) 數(shù)據(jù)的探索性分析（二）擬合參數(shù)分布密度曲線 若要在直方圖上擬合各種參數(shù)分布密度曲線，只需在histogram語句中加入選項?？晒┻x擇的有： normal lognormal gamma weibull beta exponential106第四節(jié) 數(shù)據(jù)的探索性分析 Proc capability data = sashelp.class