Sas学习笔记

Sas学习笔记人文社会科学学院高等教育学专业张宁S100081674整个SAS程序结构可以分为两个部分，数据data步与过程proc步。

data步1：输入数据（包括手动输入数据、从文本文件中导入数据）a使用手动方法输入数据基本形式是：Data 数据集；Input 变量名（包括格式设置）；/*在input语句中需要指定的格式必须和cards中数据的格式一致，需要考虑字符型与数值型数据的不同，以及是否是标准数据，根据实际情况调整数据格式设定*//* 同时在读入数据的时候，需要参考数据的形式，指定输入的起始位置与字符数，包括使用@指针控制、指定起始列终止列、指定字符数等*/其他语句；/*循环语句，选择语句等*//*sas表达式：sas运算符（包括算数、比较、逻辑）sas函数（包括算数函数、常用函数等）*/Cards ；数据；/*其中数据之间默认为空格作为分隔符，如果分隔符为其他符号，则要在input语句中指定delimiter=‘’*/Run；b使用文本文件导入法基本形式是：Data 数据集；变量属性设定；Infile‘文件地址’（firstobs=，obs= ，missover）；Input；其他语句；/*循环语句，选择语句,sas表达式*/Run；当然输入数据的时候可以直接使用sas导入数据选项，根据情况设定形式，导入数据。

c总之在data步中常见的语句有：DA TA语句PUT语句——输出语句SET语句——读取观测语句ATTRIB语句——设定变量属性赋值语句——计算SAS表达式，给变量赋值DROP语句——删除变量语句KEEP语句——保留变量语句IF语句——条件语句DO-END语句——循环语句DELETE语句——删除语句OUTPUT语句——输出到数据集语句COMMENT语句——注释语句ARRAY语句——数组语句在实际操作中，可以灵活的使用这些语句实现数据处理。

2：同时在数据步中可以使用语句实现数据集的加工、合并和拼接a数据集排序/*事先对SAS数据集进行排序，是其它SAS程序通过使用BY语句直接调用该数据集及对数据集进行合并或串接的前提*/PROC SORT OPTIONS ；BY 〔DESCENDING〕变量名列表；END；b数据集串联/*在串联中必须要求同一个变量在不同数据集中数据形式一致，如果不一致，则需使用put函数将数据形式转换*/Concatenate方式Data 新数据集；Set 输入数据集1 输入数据集2 ……；/*可以使用（in=变量k）的形式检测来自哪个数据集*/Run；Interleave方式：Data 新数据集；Set 输入数据集1 输入数据集2 ……；By by-variables ；/*必须排序*/Run；c数据集并联/*用MERGE 语句并接SAS数据集*/MERGE （一对一合并）DATA 新数据集；MERGE 输入数据集1 输入数据集2 ……；RUN；MATCH MERGE（匹配合并）DATA 新数据集；MERGE 输入数据集1 输入数据集2 ……；BY by-variables ；RUN；d修改数据集modify/*modify语句修改数据集，并且此过程不能形成新的数据集,并且不需要排序*/data主数据集名称；modify 主数据集名称更新数据集名称；run;Update/*可以产生新的数据集，需要使用by排序*/data 数据集名称update 主数据集名称更新数据集名称；by变量名称；/*该语句必须出现，而且必须在该data步之前对update语句中的数据集进行排序*/run;Proc步该过程常用的sas语句有：V AR语句—指定分析变量MODEL语句—指定统计建模的模型/*一般采用‘因变量=自变量/选项’的形式*/BY语句—指定分组变量/*使用之前一般要使用proc sort语句进行排序*/CLASS语句—指定分类变量OUTPUT语句—指定输出结果存放的数据集FREQ语句—指定一个重复数变量WEIGHT语句—指定一个权重变量ID语句—指定用来标识观测的变量WHERE语句—选择输入数据集的一个行子集进行分析LABEL语句—为变量指定一个临时标签FORMAT语句—为变量输出规定一个输出格式/*过程步中规定的格式只是在本次运算中起作用，而数据步中规定的实行在整个数据集中永久存在*/1：使用proc print语句输出表格PROC FORMAT;V ALUE ；/*使用该语句定义用户格式*/PROC PRINT DATA 数据集SPLIT='*' ；/*使用该语句控制显示中的格式，使其按要求换行*/ID 变量名; /*把指定的变量在取消obs 的情况下排在表格最左列*/V AR 变量列表;/*需要输出的变量*/WHERE 条件表达式…；SUM 变量序列；/*变量需要处理的形式*/BY 变量名; /*在先前进行排序的情况下，对数据进行分组并要求每组进行小计*/PAGEBY 变量序列；/*是报告表格按组分页*/TITLEn'语句'；/*使用该语句控制表头显示可以最多有十个标注*/FOOTNOTEn语句'；LABEL 变量1= ‘label（标*签）’……；/*控制表头显示，可使用起始中split=定义的方式美化表格*/FORMA T ;/*用户自定格式的使用*/RUN;2：使用proc tabulate语句输出汇总表格PROC FORMAT;V ALUE ;/*使用该语句定义用户格式*/PROC TABULATE data 数据集options;CLASS /*分类变量,可以是数值型也可以是字符型*/;V AR ;/*分析变量，必须是数值型*/FORMAT ;/*用户自定格式的使用*/TABLE page-v，row-v，colum-v / options;/*table语句中使用的变量必须是class与var中定义过的变量*//*包括元素与操作符，根据操作符的不同控制表格格式，无=每个变量占一单独列；，=两个表达式产生一个二维列表分别代表行和列；两个，=三维列表分别是页行列；*隔开两个表示交叉列表*//*options选项控制表格其他形式，如使用rts控制第一列宽度*/KEYLABEL ；/*使用该语句为all类变量以及所有的统计量加标记*/TITLEn'语句'；/*使用该语句控制表头显示可以最多有十个标注*/FOOTNOTEn语句'；LABEL 变量1= ‘label（标*签）’……；/*控制表头显示，可使用起始中split=定义的方式美化表格*/RUN;3：使用proc gplot语句绘制散点及折线图PROC GPLOT DATA=数据集；PLOT 纵坐标变量*横坐标变量/选项；/*控制坐标轴：HAXIS=Values|Axisn定义水平轴的刻度;VAXIS=Values|Axisn定义垂直轴的刻度;NOAXIS取消坐标轴及相关的文字;CAXIS=Color定义坐标轴的颜色;CTEXT=Color定义坐标轴文本的颜色*//*加框：FRAME加框;CFRAME= Color给坐标轴包围的区域填色*/ SYMBOL V=I=W=C=;/*V=NONE;PLUS'+';STAR'*';SQUARE'方块';DIAMOND'菱形';TRIANGLG'三角形'*//*I= NONE ;JOIN'直线连接';SPLINE'光滑曲线连接';NEEDLE'从数据到横坐标画垂直线'*//*C=RED;GREEN;BLUE;ORANGE*/LABEL ; 变量1= ‘label（标*签）’……；/*控制表头显示，可使用起始中split=定义的方式美化表格*/TITLE C=颜色H=高度及单位F=字体;/*使用该语句控制表头显示可以最多有十个标注*/FOOTNOTE C=颜色H=高度及单位F=字体；RUN；4：使用proc gcharts语句绘制饼图及柱状图PATTERN c=颜色v=花纹;PROC GCHART DA TA=数据集；VBAR|HBAR|PIE|STAR|BLOCK/*垂直柱状图/水平柱状图/圆饼图/星形图/立体柱状图*/分类变量名列/选项；/*DISCRET/*指定分类方式*/MIDPOINT=列举值/*指定分组中点*/ SUMV AR=变量名/*指定分析变量*/TYPE=FREQ|SUM|MEAN|PCT /*指定统计量（无SUMVAR时缺省为FREQ，否则为SUM ）*/GROUP=变量名/*指定分组作图*/SUBGROUP=变量名/*指定柱内分组*/FILL=S（SOLID）|X（CROSS）/*设定饼图的花纹*/*/LABEL ; 变量1= ‘label（标*签）’……；/*控制表头显示，可使用起始中split=定义的方式美化表格*/TITLE C=颜色H=高度及单位F=字体;/*使用该语句控制表头显示可以最多有十个标注*/FOOTNOTE C=颜色H=高度及单位F=字体；RUN；5：使用proc univariate、means、freq语句进行定量资料的统计描述PROC UNIV ARIATE DATA= 数据集名options;/*NOPRINT禁止统计报告在OUTPUT视窗中输出PLOT 绘出茎叶图、箱式图和正态概率图FREQ 给出频数表NORMAL 对变量进行正态性检验*/V AR 变量名列;BY 变量名列; /*排序*/FREQ 变量名;WEIGHT 变量名;ID 变量名;OUTPUT OUT= 数据集名关键字= 新变量名列.../*常用关键字有：基本统计量：N MEAN STD（标准差）CV（变异系数）SUM VAR（方差）RANG 百分位数描述：MIN P1 P5 P10 Q1 MEDIAN Q3 P90 P95 P99MAX与假设检验有关的统计量有：STDMEAN（标准误）T */pctlpts=百分位数, ...pctlpre=新变量名列;Run;PROC MEANS [ DATA= 数据集名选项统计量关键字列表;/*选项有：NOPRINT 禁止统计在OUTPUT视窗中输出MAXDEC=n 给出列表输出的最大小数位数，缺省值为2*/V AR 变量名列;BY 变量名列;CLASS 变量名列;FREQ 变量名;WEIGHT 变量名;ID 变量名列;OUTPUT OUT= 数据集名关键字= 新变量名列... ;/*关键字有：基本统计量有：N MEAN STD（标准差）CV（变异系数）SUM VAR（方差）RANG MIN MAX；与假设检验有关的统计量有：STDERR（标准误）T PRT(与t对应的p值) LCLM(可信区间下限) UCLM(可信区间上限)*/Run;PROC FREQ data+；TABLES 请求式/ 选项；/* 常用选项有ORDER＝FREQ 按频数递减顺序排列ORDER＝DATA 按数据集中出现的顺序排列ORDER＝INTERNAL 按内部值排列(缺省) ORDER＝FORMATTED 按外部格式值排列*/WEIGHT 变量名；BY 变量名列；Run;6：使用proc corr过程进行相关系数计算(相关关系散点图可以参照gplot语句）PROC CORR DATA=数据集OPTIONS；/*PEARSON 计算皮尔逊相关系数（缺省值）；SPEARMAN 计算斯皮尔曼等级相关系数；NOSIMPLE 不打印输出各变量的描述性统计量；NOPROB 省略检验统计量p-值;COV(COVARIANCE) 打印协方差矩阵；NOCCORR 储存时省略相关系数；OUTP=指定皮尔逊相关系数存储的数据集；OUTS= 指定斯皮尔曼相关系数存储的数据集*/ V AR 变量名列；WITH 变量名列；/*计算with指定变量与var指定变量之间的相关系数*/PARTIAL 变量名列；RUN；7：使用proc reg过程进行回归分析PROC REG DATA= 数据集名OPTIONS；/*SIMPLE 计算并打印各变量的基本描述性统计量；SXORR 打印各变量的相关行列式；NOPRINT不打印输出；OUTEST=数据集名指定回归值输出的数据集；COVOUT=数据集名将所估计的协方差阵存入数据集；OUTSSCP=数据集名指定相关矩阵输出的数据集*/V AR 变量名列；BY 变量名列；FREQ 变量名列；MODEL 因变量=自变量/OPTIONS;/*model语句的作用可分为以下四个方面：1.关于报表打印的选项NOPRINT不打印MODEL语句所界定的分析结果；ALL 打印MODEL语句所有分析结果*//*2.界定参数估计值的选项STB 打印标准化回归系数；COVB 输出估计值的协方差阵；VIF 输出方差膨胀因子；COLLIN 进行多元共线性分析*//*3.关于预测值、预测误差的选项P计算每一个观测值y的期望值及其标准误；R 在P选项的基础上对预测误差做进一步分析；CLI 输出单个预测值95﹪的置信区间；CLM 输出预测值均值95﹪的置信区间；INFLUENCE 分析观测值对参数估计和模型预测值的影响*//*4.关于界定回归模型的选项SELECTION=none|forward|backward|stepwise|cp |rsquare|adjrsq 指定自动进行变量选择的方法；NOINT 规定回归模型中不包含截距项.*/OUTPUT OUT=数据集名关键字=新变量名列;RUN；PROC GPLOT DA TA=数据集；/*做回归图*/PLOT 纵轴变量名*横轴变量名；SYMBOL V=符号C=颜色I=none|rl|rq|rc /*不加线线性二次三次*/其他选项；RUN；。