sas基礎(chǔ)

1、SAS 基礎(chǔ),SAS 功能及歷史（略）INSIGHT，Analyst，Program 是統(tǒng)計(jì)分析的三種方法邏輯庫(kù)與 SAS 文件（主要包括數(shù)據(jù)集和程序，訪問(wèn)形式：邏輯庫(kù)名.文件名，不加邏輯庫(kù)名，視為Work）SAS 中變量的名字（最多8個(gè)字符，不區(qū)分大小寫(xiě)）,數(shù)據(jù)步和程序步（可能還會(huì)包括一些全程語(yǔ)句）SAS 語(yǔ)句書(shū)寫(xiě)規(guī)則（關(guān)鍵詞開(kāi)始，分號(hào)“;”結(jié)束）,SAS 編程初步,data exam; /* 考察某些人考試成績(jī)的數(shù)據(jù)集*

2、/ input name $ sex $ math computer; cards;阿基米德 男 92 98亞里士多德 男 89 95居里夫人女 86 90Gaga 女 25 82高斯 男 98 83;*以下為過(guò)程步proc print data = exam;proc means data =exam mean; var math computer;run;,指定邏輯庫(kù),SAS 編

3、程初步,libname (“” “” …);例：libname mylib “d:\sasdata\”;,顯示所有已指定的邏輯庫(kù),libname _ALL_ list;,取消邏輯庫(kù)名,/*取消指定邏輯庫(kù)名*/libname clear; /*取消所有指定邏輯庫(kù)名，不包括系統(tǒng)的四個(gè)*/libname _ALL_ clear ;,數(shù)據(jù)步,SAS 編程初步,data ; /*若不指定邏輯庫(kù)名，缺省建立Work中的臨時(shí)表*/

4、 input [$] [$] …[$]; /*$為字符型*/ cards;d11 d12 … d1kd21 d22 … d2k… …;run;,/*若cards后的數(shù)據(jù)行有重復(fù)的域，可以在input語(yǔ)句后增加行停留符”@@”*/data ; input [$] [$] …[$] @@; cards;d11 d12 … d1k d21 d22 …

5、 d2k … …;run;,過(guò)程步,SAS 編程初步,proc [dada=][]; /; /;run;,/*過(guò)程步常用語(yǔ)句之一：var，指定分析變量*/var … ;/*過(guò)程步常用語(yǔ)句之二：by，指定分類變量，一般先用sort排序*/by … ;/*過(guò)程步常用語(yǔ)句之三：class，指定分類變量，不需要先排序*/class … ;,單因素方差分析,SAS 應(yīng)用——

6、方差分析,/* ANOVA過(guò)程*/proc anova data = ; class ; /*必須，且位于model之前*/ model =[/]; /*主、交互及嵌套效應(yīng)模型*/ means =[/]; /*計(jì)算各水平下因變量均值、標(biāo)準(zhǔn)差，并進(jìn)行組間多重比較*/run;*適用條件：*1. 各水平的觀測(cè)彼此獨(dú)立*2. 各水平的觀測(cè)均為正態(tài)分布的樣本*3. 各組

7、方差相等,單因素方差分析,SAS 應(yīng)用——方差分析,/* 例題*/data exam; input hangye $ tousu @@; cards;零售 57 零售 66 零售 49 零售 40 零售 44旅游 68 旅游 39 旅游 29 旅游 45 旅游 56航空 31 航空 49 航空 21 航空 34 航空 40家電 44 家電 51 家電 65 家電 77 家電 58;proc

8、 anova data = exam; class hangye; model tousu = hangye;run;,線性回歸分析,SAS 應(yīng)用——回歸分析,/* REG過(guò)程*/proc reg data = [/]; var ; model =[/]; /*指定要擬合的回歸模型*/ print ; plot [=

9、][/]; /*對(duì)兩個(gè)變量繪制散點(diǎn)圖，符號(hào)缺省即可，如果指定顯示符號(hào)，則需單引號(hào)括起來(lái)*/run;,線性回歸分析,SAS 應(yīng)用——回歸分析,/* REG過(guò)程例*/data sandian; input y x1 x2 @@; cards;6.2 215 136.5 7.5 250 136.5 4.8 180 136.55.1 250 138.5 4.6 180 13

10、8.5 4.6 215 138.52.8 180 140.5 3.1 215 140.5 4.3 250 140.54.9 215 138.5 4.1 215 138.5;proc reg data = sandian; var y x1 x2; model y=x1 x2;run;,多項(xiàng)式回歸分析——REG,SAS 應(yīng)用——回歸分析,/* REG過(guò)程*/p

11、roc reg data = [/]; var ; model =[/]; /*指定要擬合的回歸模型*/ print ; plot [=][/]; /*對(duì)兩個(gè)變量繪制散點(diǎn)圖，符號(hào)缺省即可，如果指定顯示符號(hào)，則需單引號(hào)括起來(lái)*/run;/*******************************關(guān)鍵是數(shù)據(jù)步，需要增加多項(xiàng)式項(xiàng)data 新數(shù)據(jù)集;

12、 set 原數(shù)據(jù)集; 新變量=原來(lái)變量的多項(xiàng)式表達(dá)式;*******************************/,多項(xiàng)式回歸分析——REG,SAS 應(yīng)用——回歸分析,/* REG過(guò)程例*/data sandian; input y x1 x2 @@; cards;6.2 215 136.5 7.5 250 136.5 4.8 180 136.55.1

13、 250 138.5 4.6 180 138.5 4.6 215 138.52.8 180 140.5 3.1 215 140.5 4.3 250 140.54.9 215 138.5 4.1 215 138.5;data sandianx; set sandian; x1x2=x1*x2;proc reg data = sandian; var y

14、x1 x2 x1x2; model y=x1 x2 x1x2;run;,多項(xiàng)式回歸分析——GLM,SAS 應(yīng)用——回歸分析,/* GLM過(guò)程*/proc glm data=; class ; model =[/選項(xiàng)]run;/****************************該過(guò)程省去了很多選項(xiàng)和參數(shù)，只把比較有用的列了出來(lái)。****************************

15、/,多項(xiàng)式回歸分析——GLM,SAS 應(yīng)用——回歸分析,/* GLM過(guò)程例*/data exam;input g x y zb@@;cards;1 30 10 280 1 25 11 260 1 35 13 3301 40 14 400 1 45 14 410 2 20 12 2702 18 11 210 2 25 12 280 2 25 13 3002 23 13 290 3 40 14 410 3 45

16、 15 4203 48 16 425 3 50 18 450 3 55 19 470;proc glm data=exam;model zb=x y x*x x*y y*y;run;,判別分析,SAS 應(yīng)用——判別分析,/* DISCRIM過(guò)程*/proc discrim data=; class ; priors ; /*缺省為0.5*/ var ;run;

17、/* DISCRIM過(guò)程例，由于沒(méi)有真實(shí)的數(shù)據(jù)集，該程序只是演示*/proc discrim data = exam distance listerr; /*distance表明可根據(jù)距離判別樣品有無(wú)差異，listerr列出錯(cuò)誤歸類的觀測(cè)結(jié)果*/ class type; var x1-x4;run;,聚類分析——系統(tǒng)聚類,SAS 應(yīng)用——聚類分析,/* CLUSTER過(guò)程&TREE過(guò)

18、程*/proc cluster data= [選項(xiàng)]; /*選項(xiàng)中method為必選項(xiàng)，共11種方法*/ var ; copy ; /*用來(lái)輸出聚類樹(shù)的數(shù)據(jù)集*/run;proc tree data = [選項(xiàng)]; copy ; ; id ; run;,聚類分析——系統(tǒng)聚類,SAS 應(yīng)用——聚類分析,/* CLUSTER過(guò)程&TREE過(guò)程例*/pro

19、c cluster data = exam standard method=ward outtree=otree pseudo;/*standard將數(shù)據(jù)規(guī)范化， method=ward指明實(shí)用最小方差法， outtree=otree指出輸出聚類樹(shù)數(shù)據(jù)集， pseudo要求計(jì)算偽F和偽t^2統(tǒng)計(jì)量*/ copy group;run;proc tree data = otree horizontal;

20、 id group; run;,主成分分析,SAS 應(yīng)用——主成分分析,/* PRINCOMP過(guò)程*/proc princomp data= [選項(xiàng)列表]; var ;run;/*********************************選項(xiàng)列表中，out= 輸出原始數(shù)據(jù)集和主成分得分的數(shù)據(jù)集；outstat=統(tǒng)計(jì)量的數(shù)據(jù)集；covariance或者 cov 表示從協(xié)方差陣出發(fā)計(jì)算，缺省從

21、相關(guān)陣出發(fā)計(jì)算；n要計(jì)算的主成分個(gè)數(shù)，缺省時(shí)計(jì)算全部；standard或者std要求在out=數(shù)據(jù)集中把主成分得分標(biāo)準(zhǔn)化，默認(rèn)為相應(yīng)的特征值*********************************/,主成分分析,SAS 應(yīng)用——主成分分析,/* PRINCOMP過(guò)程例*/proc princomp data=exam n=4 out = ex1 outstat=ex2; var x1-x10;p

22、roc print data = ex1;run;/*********************************該例子沒(méi)有真實(shí)的數(shù)據(jù)集，所以只是作為演示用，具體問(wèn)題具體分析*********************************/,SAS的內(nèi)容比較多，前面都是針對(duì)考試的五個(gè)要求而設(shè)的，力求簡(jiǎn)潔實(shí)用。Learn more by yourself,SAS學(xué)習(xí),/*或許不能運(yùn)行，但規(guī)則如此*/data lear