《SAS統(tǒng)計(jì)量計(jì)算》課件

《SAS統(tǒng)計(jì)量計(jì)算》SAS統(tǒng)計(jì)量計(jì)算，強(qiáng)大的分析工具數(shù)據(jù)分析，洞察趨勢(shì)，提升決策課程大綱SAS基本語(yǔ)法回顧SAS編程基礎(chǔ)，包括數(shù)據(jù)導(dǎo)入、數(shù)據(jù)處理、數(shù)據(jù)輸出等常用語(yǔ)句。描述性統(tǒng)計(jì)分析介紹常用的描述性統(tǒng)計(jì)量，如均值、標(biāo)準(zhǔn)差、方差、中位數(shù)等，并講解如何使用SAS進(jìn)行計(jì)算。假設(shè)檢驗(yàn)講解常用的假設(shè)檢驗(yàn)方法，如t檢驗(yàn)、方差分析、卡方檢驗(yàn)等，并講解如何使用SAS進(jìn)行分析?；貧w分析講解常用的回歸分析方法，如線性回歸、邏輯回歸、多元回歸等，并講解如何使用SAS進(jìn)行分析。SAS基本語(yǔ)法回顧數(shù)據(jù)導(dǎo)入導(dǎo)入不同格式的數(shù)據(jù)，如CSV、Excel和數(shù)據(jù)庫(kù)表。數(shù)據(jù)處理使用SAS語(yǔ)句進(jìn)行數(shù)據(jù)清洗、轉(zhuǎn)換和合并，準(zhǔn)備數(shù)據(jù)分析。數(shù)據(jù)輸出創(chuàng)建數(shù)據(jù)表、報(bào)表和圖形，呈現(xiàn)分析結(jié)果。SAS變量類型及運(yùn)算1數(shù)值型包括整數(shù)、浮點(diǎn)數(shù)，用于表示數(shù)量和度量。2字符型用字符表示的變量，用于存儲(chǔ)文本數(shù)據(jù)，如姓名、地址。3日期型存儲(chǔ)日期信息，例如2023-10-26。4時(shí)間型存儲(chǔ)時(shí)間信息，例如10:30:00。描述性統(tǒng)計(jì)量描述性統(tǒng)計(jì)量是用于總結(jié)和描述數(shù)據(jù)集中趨勢(shì)、離散程度和分布狀況的統(tǒng)計(jì)指標(biāo)。它們提供了一種簡(jiǎn)潔、直觀的方式來(lái)理解數(shù)據(jù)特征，并為進(jìn)一步分析和推斷奠定基礎(chǔ)。集中趨勢(shì)平均數(shù)最常用的集中趨勢(shì)度量值，代表數(shù)據(jù)集中位置。對(duì)異常值敏感，受極端值影響較大。中位數(shù)數(shù)據(jù)按大小排序后的中間值，不受異常值影響。適用于數(shù)據(jù)分布偏態(tài)或存在極端值的情況。眾數(shù)數(shù)據(jù)集中出現(xiàn)頻率最高的數(shù)值，代表數(shù)據(jù)最常見(jiàn)的值。適用于分類數(shù)據(jù)或離散數(shù)據(jù)，可以反映數(shù)據(jù)集中最常見(jiàn)的特征。離散程度方差方差是數(shù)據(jù)分布的離散程度，反映數(shù)據(jù)點(diǎn)相對(duì)于平均值的偏離程度。標(biāo)準(zhǔn)差標(biāo)準(zhǔn)差是方差的平方根，更易于理解和比較，表示數(shù)據(jù)點(diǎn)與平均值的平均偏差。極差極差是最大值和最小值之間的差，反映了數(shù)據(jù)的整體范圍。四分位距四分位距是第三四分位數(shù)減去第一四分位數(shù)的差，表示中間50%數(shù)據(jù)的范圍。分布狀況直方圖直方圖是用來(lái)顯示數(shù)據(jù)分布的常用圖表，可以直觀地觀察數(shù)據(jù)的形狀，例如峰度、偏度和離群值。箱線圖箱線圖可以展示數(shù)據(jù)的五個(gè)重要統(tǒng)計(jì)量：最小值、第一四分位數(shù)、中位數(shù)、第三四分位數(shù)和最大值，可以幫助識(shí)別數(shù)據(jù)中的異常值。假設(shè)檢驗(yàn)假設(shè)檢驗(yàn)是統(tǒng)計(jì)學(xué)中常用的方法，用于判斷一個(gè)關(guān)于總體的假設(shè)是否成立。利用樣本數(shù)據(jù)推斷總體特征，根據(jù)檢驗(yàn)結(jié)果決定是否接受原假設(shè)。參數(shù)檢驗(yàn)T檢驗(yàn)比較兩組樣本均值差異顯著性，常用于比較兩組數(shù)據(jù)均值是否存在顯著差異。方差分析比較兩組及以上樣本均值差異顯著性，常用于比較多個(gè)樣本均值是否存在顯著差異?？ǚ綑z驗(yàn)檢驗(yàn)樣本頻數(shù)分布與理論分布是否一致，常用于檢驗(yàn)兩個(gè)變量之間是否存在顯著關(guān)聯(lián)。非參數(shù)檢驗(yàn)11.數(shù)據(jù)類型適用于不服從正態(tài)分布或方差未知的數(shù)據(jù)。22.檢驗(yàn)方法包括符號(hào)檢驗(yàn)、秩和檢驗(yàn)、Wilcoxon檢驗(yàn)等。33.應(yīng)用場(chǎng)景適用于樣本量較小或數(shù)據(jù)分布未知的情況。44.優(yōu)勢(shì)對(duì)數(shù)據(jù)要求較低，更具魯棒性。相關(guān)分析相關(guān)分析是指研究?jī)蓚€(gè)或多個(gè)變量之間相互關(guān)系的統(tǒng)計(jì)方法。通過(guò)相關(guān)分析可以確定變量之間是否存在關(guān)系，以及關(guān)系的強(qiáng)度和方向。皮爾遜相關(guān)系數(shù)線性關(guān)系用于衡量?jī)蓚€(gè)變量之間線性關(guān)系的強(qiáng)弱程度。計(jì)算公式計(jì)算兩個(gè)變量的協(xié)方差除以它們標(biāo)準(zhǔn)差的乘積。取值范圍-1到1之間，正值表示正相關(guān)，負(fù)值表示負(fù)相關(guān)。應(yīng)用場(chǎng)景用于分析兩個(gè)連續(xù)變量之間的關(guān)系，如身高和體重。斯皮爾曼相關(guān)系數(shù)非參數(shù)方法用于衡量?jī)蓚€(gè)變量之間的單調(diào)關(guān)系，無(wú)需假設(shè)數(shù)據(jù)服從正態(tài)分布。秩次相關(guān)計(jì)算每個(gè)變量的秩次，并根據(jù)秩次計(jì)算相關(guān)系數(shù)。適用范圍適用于數(shù)據(jù)類型為序數(shù)或非正態(tài)分布的變量。解釋相關(guān)系數(shù)介于-1到1之間，正值表示正相關(guān)，負(fù)值表示負(fù)相關(guān)?；貧w分析回歸分析是一種統(tǒng)計(jì)學(xué)方法，用于研究變量之間的關(guān)系，并通過(guò)建立回歸模型來(lái)預(yù)測(cè)一個(gè)變量的值。回歸分析可以分為線性回歸和非線性回歸，其中線性回歸是最常見(jiàn)的一種。簡(jiǎn)單線性回歸線性關(guān)系兩個(gè)變量之間存在線性關(guān)系。回歸方程用一個(gè)直線方程來(lái)描述這種關(guān)系。預(yù)測(cè)根據(jù)已知數(shù)據(jù)，預(yù)測(cè)未知數(shù)據(jù)。多元線性回歸多個(gè)自變量多元線性回歸模型可以同時(shí)分析多個(gè)自變量對(duì)因變量的影響。復(fù)雜關(guān)系模型能夠識(shí)別自變量之間的交互作用以及它們對(duì)因變量的聯(lián)合影響。預(yù)測(cè)能力多元線性回歸模型可以用于預(yù)測(cè)因變量的未來(lái)值，并幫助做出更準(zhǔn)確的決策。方差分析方差分析是一種統(tǒng)計(jì)方法，用于比較兩個(gè)或多個(gè)組的均值之間是否存在顯著差異。方差分析通過(guò)分析數(shù)據(jù)的方差來(lái)檢驗(yàn)組間差異的顯著性。單因素方差分析1單因素僅包含一個(gè)自變量，用于分析自變量對(duì)因變量的影響。2方差通過(guò)分析組間方差和組內(nèi)方差來(lái)比較不同組的均值。3檢驗(yàn)檢驗(yàn)不同組的均值是否相等，用于判斷自變量是否對(duì)因變量有顯著影響。多因素方差分析多個(gè)自變量多因素方差分析用于檢驗(yàn)多個(gè)自變量對(duì)因變量的影響。交互作用可分析自變量之間是否存在交互作用。多重比較可進(jìn)行多重比較，比較各組均值差異。頻數(shù)分析頻數(shù)分析是一種重要的統(tǒng)計(jì)分析方法，用于研究數(shù)據(jù)中各個(gè)類別或數(shù)值的出現(xiàn)頻率。通過(guò)頻數(shù)分析，可以了解數(shù)據(jù)分布規(guī)律，識(shí)別數(shù)據(jù)中的異常值，并為進(jìn)一步的統(tǒng)計(jì)分析提供基礎(chǔ)?？ǚ綑z驗(yàn)定義卡方檢驗(yàn)是一種常用的假設(shè)檢驗(yàn)方法，用于檢驗(yàn)樣本頻率分布與理論頻率分布之間是否存在顯著差異。它主要用于分析分類變量之間是否獨(dú)立，或檢驗(yàn)樣本分布是否符合理論分布。應(yīng)用卡方檢驗(yàn)在社會(huì)科學(xué)、醫(yī)學(xué)研究等領(lǐng)域有著廣泛的應(yīng)用，例如：調(diào)查結(jié)果分析、市場(chǎng)調(diào)研、產(chǎn)品質(zhì)量控制等。它可以幫助我們判斷某個(gè)事件發(fā)生頻率是否與預(yù)期相符，或者兩個(gè)變量之間是否存在關(guān)聯(lián)關(guān)系。列聯(lián)表分析觀察兩個(gè)變量之間的關(guān)系列聯(lián)表用于分析兩個(gè)或多個(gè)分類變量之間的關(guān)聯(lián)性。通過(guò)比較實(shí)際頻數(shù)和期望頻數(shù)，可以判斷變量之間是否存在顯著關(guān)系。應(yīng)用場(chǎng)景列聯(lián)表分析廣泛應(yīng)用于市場(chǎng)調(diào)研、社會(huì)調(diào)查和醫(yī)學(xué)研究等領(lǐng)域，例如分析性別與購(gòu)買(mǎi)偏好之間的關(guān)系。SAS實(shí)現(xiàn)SAS軟件提供了PROCFREQ過(guò)程，可以方便地創(chuàng)建列聯(lián)表并進(jìn)行卡方檢驗(yàn)等分析。SAS過(guò)程應(yīng)用SAS提供一系列過(guò)程用于執(zhí)行各種統(tǒng)計(jì)分析任務(wù)。這些過(guò)程專門(mén)設(shè)計(jì)用于特定分析需求，簡(jiǎn)化代碼編寫(xiě)和分析執(zhí)行。PROCMEANS11.數(shù)據(jù)概覽計(jì)算數(shù)據(jù)集的基本統(tǒng)計(jì)量，例如均值、標(biāo)準(zhǔn)差、最小值、最大值等。22.分組統(tǒng)計(jì)對(duì)數(shù)據(jù)集進(jìn)行分組，并計(jì)算各組的統(tǒng)計(jì)量，例如按性別分組計(jì)算年齡的均值。33.自定義統(tǒng)計(jì)量可以自定義需要計(jì)算的統(tǒng)計(jì)量，例如計(jì)算某個(gè)變量的百分位數(shù)。44.輸出結(jié)果可以將統(tǒng)計(jì)結(jié)果輸出到數(shù)據(jù)集中或輸出到文本文件。PROCCORR相關(guān)系數(shù)計(jì)算計(jì)算變量之間的相關(guān)系數(shù)，例如皮爾遜相關(guān)系數(shù)和斯皮爾曼相關(guān)系數(shù)。散點(diǎn)圖創(chuàng)建散點(diǎn)圖，可視化變量之間的線性關(guān)系。相關(guān)矩陣生成相關(guān)矩陣，展示多個(gè)變量之間的相關(guān)性。PROCGLM線性模型分析PROCGLM用于擬合廣義線性模型，包括方差分析、回歸分析、協(xié)方差分析等.多重比較GLM過(guò)程可以進(jìn)行多組均值的比較，找出差異顯著的組別，并進(jìn)行后續(xù)分析。模型診斷GLM過(guò)程提供了豐富的模型診斷工具，可以評(píng)估模型的擬合優(yōu)度和假設(shè)條件的滿足程度。PROCFREQ頻數(shù)分析PROCFREQ用于計(jì)算頻數(shù)、百分比和累積頻數(shù)等統(tǒng)計(jì)量，并執(zhí)行各種假設(shè)檢驗(yàn)，例如卡方檢驗(yàn)?？梢苑治鰡巫兞炕蚨鄠€(gè)變量的頻數(shù)分布。應(yīng)用場(chǎng)景例如，調(diào)查消費(fèi)者對(duì)某產(chǎn)品的偏好、分析產(chǎn)品銷量數(shù)據(jù)等?？梢宰R(shí)別數(shù)據(jù)中重要的模式和趨勢(shì)，為決策提供依據(jù)。案例分析1:消費(fèi)者滿意度調(diào)查本案例以一家線上零售商為例，通過(guò)分析消費(fèi)者滿意度調(diào)查數(shù)據(jù)，探討如何利用SAS統(tǒng)計(jì)量計(jì)算來(lái)理解消費(fèi)者需求、改進(jìn)服務(wù)和提升客戶滿意度。通過(guò)對(duì)調(diào)查數(shù)據(jù)的描述性統(tǒng)計(jì)、相關(guān)分析和回歸分析，可以識(shí)別出影響消費(fèi)者滿意度的關(guān)鍵因素，例如產(chǎn)品質(zhì)量、價(jià)格、配送速度、客服服務(wù)等。案例分析2:網(wǎng)店?duì)I銷策略優(yōu)化通過(guò)SAS統(tǒng)計(jì)分析，我們可以分析網(wǎng)店商品銷量數(shù)據(jù)，識(shí)別用戶行為，優(yōu)化營(yíng)銷策略。例如，分析不同商品的銷售趨勢(shì)、用戶購(gòu)買(mǎi)偏好，制定更有針對(duì)性的促銷活動(dòng)，提升網(wǎng)店運(yùn)營(yíng)效率。案例分析3:保險(xiǎn)理賠預(yù)測(cè)保險(xiǎn)理賠預(yù)測(cè)是利用統(tǒng)計(jì)分析方法，分析歷史理賠數(shù)據(jù)，預(yù)測(cè)未來(lái)理賠情況，以幫助保險(xiǎn)公司制定更合理的定價(jià)策略和風(fēng)險(xiǎn)管理計(jì)劃。本案例以汽車保險(xiǎn)為例，利用SAS軟件，分析歷史理賠數(shù)據(jù)，預(yù)測(cè)未來(lái)汽車保險(xiǎn)理賠率，幫助保險(xiǎn)公司更好地評(píng)估風(fēng)險(xiǎn)和制定定價(jià)策略。結(jié)論與展望數(shù)據(jù)分析工具SAS軟件功能強(qiáng)