武汉大学SAS总复习笔记(精品版)

第1章SAS基础1.SAS工作界面与方式2.常用工作模块–VIEWTABLE模块✧Viewtable第一行显示变量的标签–初识INSIGHT模块✧表格的列称为变量，表格的行称为观测✧变量分为：字符型和数值型（按变量的测量水平可分为：区间型变量和列名型变量）–初识“分析家”3.SAS文件的管理方式✧逻辑库(临时+永久)✧数据集(描述部分+数据部分-变量、观测)4.数据集的建立5.SAS编程初步第2章SAS的描述统计功能• 2.1 描述性统计的基本概念总体：总体是指所研究对象的全体组成的集合。

样本：样本是指从总体中抽取的部分对象（个体）组成的集合。

样本中包含个体的个数称为样本容量。

参数：参数是用来描述总体特征的概括性值。

统计量：统计量使用来描述样本特征的概括性值。

–表示数据位置的统计量✧均值：所有观测值得平均值，是描述数据取值中心位置的一个度量。

✧中位数：中位数是描述观测数据中心位置的统计量，大体上其数据大小为观测值的一半。

优点是不受个别极端数据的影响。

✧众数：观测值中出现最多的数称为众数。

✧百分位数：分位数也是描述数据分布和位置的统计量。

–表示数据分散程度的统计量✧极差与半极差：极差就是数据中的最大值和最小值之间的差。

半极差是上下四分位数之差，描述了中间半数观测值得散布情况。

✧方差与标准差：反映数据对其均值中心的某种离散程度。

✧变异系数：将标准差表示为均值的百分数。

–表示数据分布形状的统计量✧偏度：刻画数据对称性的指标。

（均值对称时为零，左侧数据分散时为负，右侧时为正）✧峰度：描述数据向分布尾端散布的趋势。

（标准正态分布时为零，尾部较正态分布分散时为正，集中时为负）–正态分布• 2.2 在SAS中计算统计量• 2.3 统计图形（定量变量和分类变量的图形表示）–什么类型数据适合用什么图形定量变量：✧直方图数值型变量展示变量取值的分布可以估计总体的概率密度，组距对直方图的形态影响很大。

可以看出数据分布的疏密。

✧盒形图简洁地表现数据在数轴上的分布及其特点中间横线是数据的中位数。

封闭盒子的上下两横线（边）分别为上、下四分位数（点）。

盒子的长度是分布的四分位间距。

类似标准差触须线最长可以延伸到四分位间距的1.5倍。

异常点考虑剔除可以大体看出数据集中在什么范围，上下两侧是否对称。

常将分类数据的若干个盒形图放在一个图中比较。

✧散点图得到的数据有两个变量，希望了解两个变量的关系回归分析✧线图表示变量间的取值变化情况，有单式和复式两种。

常用来描述变量与时间变量的关系。

分类变量：✧条形图——给出分类变量取每个值的频数。

✧饼图——对分类变量描述其频数取值的比例。

✧马赛克图——针对两个以上分类变量。

直观显示两个以上变量每种取值组合的观测个数和比例。

• 2.4 用SAS绘制统计图形–图形结果的查看–过程步语句实现制图✧Gchart、Gplot、第3章区间估计与假设检验1、假设检验的理论依据✧对总体参数进行假设检验时，首先要给定一个原假设H0，H0是关于总体参数的描述，与此同时存在一个与H0相对立的备选假设H1，H0与H1有且只有一个成立；经过一次抽样，若发生了小概率事件（通常把概率小于0.05的事件称为小概率事件），可以依据“小概率事件在一次试验中几乎不可能发生”的理由，怀疑原假设不真，做出拒绝原假设H0，接受H1的决定；反之，若小概率事件没有发生，就没有理由拒绝H0，从而因做出拒绝H0的决定。

2、均值比较的T检验的一般步骤✧1、根据问题确立原假设H0和备选假设H1；✧2、确立一个显著水平α，它是衡量稀有性（小概率事件）的标准，常取为0.05；✧3、根据SAS计算出的p值，就可以在指定的显著水平下，作出拒绝或者不能拒绝原假设的决定。

–单样本T检验–独立样本T检验（不匹配）–配对样本T检验（成对匹配）3、分布检验✧分布拟合图直方图顶端的形态为折线，而常用的一些分布的密度曲线如正态分布等都是光滑曲线，所谓分布拟合图就是在限定的参数分布类中通过对参数的估计，用估计得到的参数所对应的密度曲线去拟合直方图顶部的形态。

✧QQ图一种散点图，横坐标为标准正态分布的分位数，可以帮助我们方便地鉴别数据的分布是否近似于某种类型的分布。

还可获得分布的偏度和峰值的粗略信息。

要利用QQ图鉴别样本数据是否近似于正态分布，只需看QQ图上的点是否近似的在一条直线附近，该直线的斜率为总体的标准差，截距为总体的均值。

正态性检验第4章相关和回归分析1、什么是相关分析？如何实现相关分析,如何判断是否相关及相关程度.✧变量之间的关系有函数关系和相关关系，其中相关关系是指变量间的某种非确定的依赖关系。

寻找变量间相关关系的规律称为相关分析。

✧相关分析就是对变量之间的相关关系进行描述与度量，简单相关分析通常指对两变量见相关关系的研究。

✧方法：散点图：直观地看出变量之间的关系形态及关系强度。

相关关系的表现形态大体上可分为线性相关（变量之间的关系近似地表现为一条直线）、非线性相关（变量之间的关系近似地表现为一条曲线）、完全相关（各观测点落在一条曲线上——函数关系）和不相关（观测点分散无规律）等几种。

相关系数：准确度量两个变量之间的关系密切程度。

置信椭圆：若两变量不相关，椭圆应为圆；拉长的椭圆为相关。

椭圆的长短轴之比可衡量相关的强度。

✧相关分析的显著性检验：t分布检验2、回归分析✧考察变量之间的数量伴随关系，用于解决预测和控制✧目的是根据所建立的回归方程，用自变量的值估计或预测因变量的值。

但方程是根据样本数据得出的，所以是否真实需要检验。

✧显著性检验包括：回归方程的检验、回归系数的检验。

●insight线性回归的实现一元、多元●分析家下线性回归的实现一元、多元●用REG过程线性回归的实现✧（见最后）第5章方差分析✧方差分析是检验多个总体均值是否相等的一种统计方法。

研究分类变量（因素）对数值型变量（指标）的影响。

✧找出有显著影响因素的最好水平的方法：通过检验各总体的均值是否相等，来判断分类型自变量对数值型因变量（响应变量）是否有显著影响。

✧目的就是在H0（μ1=μ2=…=μk）成立的条件下，通过分析各处理组均数之间差别大小，推断k个总体均数间有无差别，从而说明处理因素的效果是否存在。

✧总变差=组间差别+组内误差1、方差分析中的有关概念✧因子/因素：影响因变量的、可控制的定性变量或离散变量（影响分析变量的因素）✧水平：各因素具有的表现（因素的不同取值）✧因变量：待分析的变量✧组间方差：水平间的方差，即组间离均差平方和除以自由度k-1,其中k为水平数。

它既包括系统性因素，也包括随机性因素。

✧组内方差：水平内部方差，即组内离均差平方和除以自由度n-k,其中n为样本容量。

仅包括随机性因素。

✧方差分析适合解决哪一类问题：•两个或多个样本均数间的比较；•分析两个或多个因素间的交互作用；•回归方程的线性假设检验；•多元线性回归分析中偏回归系数的假设检验；•两样本的方差齐性检验等。

✧方差分析的基本思想：•将总方差分解为由于随机抽样引起的差异（个体间差异，随机误差）和由于研究因素所造成的差异（系统误差）两部分，然后比较这两部分差异在总方差中所占的比重。

两者差别不大，说明试验条件的变化(因素水平的不同)对试验结果影响不大；如果两者相差较大，且系统误差大的多，说明系统条件变化引出的误差不可忽视。

3、单因素方差分析的实现结果解读3、什么情形需进一步做多重比较✧在方差分析中，不论是单因素或多因素的分析结果，都是检验关于参数的一个整体的假设。

若原假设被拒绝，表明某个因素各个水平下的响应有显著差异或因素间存在交互影响，但并不了解某两个水平下的响应是否有差异。

所以在方差分析后，还常需要对各水平下响应变量的均值进行估计和比较。

第8章聚类分析1、什么是聚类分析✧聚类分析实际上是要建立一种分类方法，它将样品或变量按照其性质上的亲疏、相似程度进行分析。

2、如何用过程步实现聚类分析（CLUSTER）✧Proc cluster data=mylib.nm10 standard method=ward✧Outtree=otree pseudo;✧Copy group;✧Run;3、绘制谱系聚类图（TREE）✧Proc tree data=otree horizontal;✧Id group;✧Run;过程步进行单样本总体均值的假设检验✧proc ttest h0=70 alpha = 0.01 data=sjcj;✧var A;✧run;过程步配对两样本均值的假设检验✧proc ttest data=sjcj;✧paired A*B;✧run;过程步计算描述性统计量✧Proc means data=aa n mean median q1 q3 max min;✧Var income;✧Run;过程步进行正态性检验✧Proc univariate data=aa normal;✧Var weight;✧Run;过程步进行假设检验✧Proc ttest data=aa;✧Class g;✧Var f;✧Run;过程步进行回归分析（REG过程）✧Proc reg data=aa;✧Var y x1 x2 x3;✧Model y=x1 x2 x3;✧Run;✧Model y=x1 x2 x3/selection=stepwise;✧Run;。