谈优秀统计软件SAS在化学教育上的应用

参考文献：
[1]范金城， 梅长林.数据分析.北京： 科学出版社.2002. [2] 朱文祥. 第 16 届国际化学教育大会介绍， 大会报告. 西安： 全国第 六届大会化学研讨会， 2000. [3]高惠璇.实用统计方法与 SAS 系统.北京： 北京大学出版社， 2001.
1 结果解释： 偏度是度量数据分布是否偏向某一侧的统计指标。 对 于 正 态 分 布，因 对 称 分 布，g1=0。本 例 g1 (Skewness, 偏 度)： -0.2254,等于负值， 且数值不大 （g2 也不大） ， 说明基本符合正态 分布， 但向左微偏。值得指出的是， 茎叶图比传统的直方图更进一 步， 具有以下特点： 可直观地看出全班学生分数分布状况， 本例绝大 多数学生成绩在 60-89 之间， 其中均值所在的 70-75 分数段人数最 多， 有 8 人， 形成一个高峰。 由于茎叶图很自然地对所有分数排序， 即没有信息损失，因而从茎叶图可大致看出这批数据分布是否对 称， 可对数据是否符合正态性分布做出初步判断。总的分析来看， 本次化学考试质量较高， 反映了学生的真实成绩。 用主成分分析方法考察研究学生化学学习与数学、 物理学习情 况的相互关系。有代表性地挑选某年级 10 名学生， 其某阶段数学 （xl） 、 物理 （x2） 、 化学 （x3） 成绩已知 （见程序中数据集） 。 SAS 程序如下：data exma2； input x1 x2 x3 @ @； cards；
中图分类号： G633.8
随着计算机应用和网络的发展， 进入新世纪， 人类迎来了信息 ( 时代。数据采掘和信息融合 Data Mining and Data Fusion)已成为 当今信息科学一个新的热点。化学这门以实验为基础的既古老又 年轻的科学， 恰恰又是一门信息量极大的科学。 化学科学和化学教 育在其漫长的发展历史中积存了浩如烟海的各种数据。 因此， 如何 进行数据采掘亦或数据分析就成为现代化学工作者面临的一个重 要任务。本文将要介绍的世界优秀统计软件 SAS 系统 （Statistical Analysis System） ， 在其数据采掘亦或数据分析方面具有卓越的功 能，尤其是在极为重要的多元数据分析方面，比目前较为流行的 MATLAB 软件中的统计函数工具箱要丰富的多。 它完全可以帮助 化学工作者完成教育和科研中需要完成的复杂数据分析任务。考 虑到当前化学工作者计算机应用现状， 该软件在化学界应用至今仍 较少， 结合笔者近年来在化学教育和科研工作中使用 SAS 软件的 经验和体会撰写本文， 旨在推荐这一软件， 推广 SAS 系统在化学教 育上的应用， 提高化学工作者计算机水平。 1.SAS 系统操作入门 1.1 SAS 系统操作使用特点 目前市面上流行的是 SAS for windows 8.0 版本。其操作使用 最大的特点就是十分简单， 在视窗界面下， 输入几个简单语句就可 以完成其它高级语言如 QBASIC、 FORTRAN、 PASCAL 需要几百 个语句才能完 成的复杂的数据分析过程。例如我 们以前采用 QBASIC 编制的主成分分析程序，因为涉及原始数据矩阵的标准 化、 计算协方差或相关矩阵、 用 JACOBI 算法求矩阵的特征值、 特 征矢量、 主成分的选取以及降维分类作图等过程， 程序语句长达 300 余行， 因而使得调试程序十分费时。读者将在下面的 SAS 应用实 例中看到， 采用 SAS 系统做主成分分析， 几个语句就可完成。 熟悉 windows 操作系统。 有点编程和统计学基础， 根据我们的经验和体 会， 读者完全可以在几十分钟内初步掌握该软件的使用， 继而通过 进一步学习， 逐步做到精通。 1.2 显示管理系统 在 windows 环境下启动 SAS 系统后， 就进入 SAS 显示管理系 统。主要包括 3 个窗口。程序编辑（PROGRAM EDITOR，简称 PRG） 窗口、 记录 （LOG） 窗口和输出 （OUTPUT） 窗口。 启动 SAS 后， 只显示前两个窗口， 只有在系统运行某个程序过程， 输出窗口才显 示出来。 程序窗口用于编辑 SAS 程序， 当程序编好提交执行 （单击 工具行 run 图标即可） 后， LOG 窗口显示出执行的语句和执行中获 得的信息， 并用红色字体显示。 在 OUTPUT 窗口则显示 SAS 程序 执行所输出的结果。 2.SAS 编程入门
74 78 76 81 71 81 78 ； 74 74
87 82 80 69 69 66
proc princomp cov； var x1—x3； run； 程序说明： proc princomp cov 语句表示从协方差矩阵出发作主成分分 析。 这里因为各变量的度量单位 （即分数） 一致， 否则应从相关矩阵 出发作主成分分析。 程序运行结果： 均值向量： = （75.9 72.7 74.3） 协方差矩阵(Covariance Matrix)： 87.65555556 34.41111111 63.70000000 S= 34.41111111 44.9000000 54.32222222 63.70000000 54.32222222 88.01111111 特征值、 主成分累计贡献率及正交化特征向量： prin1 prin2 prin3 =180.791013 0.191509
使用 SAS 系统， 通过简单的编程， 即可完成复杂的数据分析。 SAS 程序由两个程序步组成。一个是建立数据集，用以将数据输 入到 SAS 系统， 这一程序步称之为数据步 （DATA 步） 。另一个是 调用各种事先已编好的置于 SAS 程序库中的程序 （称 SAS 过程） ， 处理和分析数据集中的数据。 这一程序步称之为过程步 （PROC 步） 。 2.1 SAS 程序数据步 （DATA 步） 在 SAS 程序窗口下， 直接输入数据， 即可方便地建立一个 SAS 数据集。其基本语句形式是： DATA name； INPUT variables； CARDS； data line ； RUN； DATA name 语句的功能是指明将要建立的数据集的名称 (name), 可以是不超过 8 个字符的字符串， 但第一个字母必须是英 文字母。 INPUT variables 语句的功能是指明数据集中变量的名称。 与其它高级语言一样， 变量可以是数值型变量， 也可以是非数值型 变量， 但要在变量名称后空一格并写上 “$” 号以指明为非数值型变 量。CARDS 语句的功能是表示后面将具体给出数据， 数据输入完 毕， 一定要另起一行打入分号 “； ” ， 表示数据输入结束。RUN 语句 表示数据步 （DATA 步） 语句结束 （若下面还有 PROC 步， RUN 语句 可以省略） 。 2.2 SAS 程序过程步 （PROC 步） 在 SAS 程序窗口下， 编辑过程步 （PROC 步） 的基本语句形式 是： PROC SAS 过程名[选择项]； VAR variables； OUTPUT OUT=SAS data set keyword=name ……； RUN； PROC SAS 过程名[选择项]语句的功能是指定所需要调用的 SAS 过程及通过选项指明涉及的体统计量名称。SAS 系统用于数 据分析处理的过程涉及所有的统计方法，计八大类 44 个 SAS 过 程。这是 SAS 软件的核心和精华， 就是说， 每个 SAS 过程都有一 个具体名， 如 PROC PRINCOMP COV 语句， PRINCOMP 表示对数 据集的变量执行主成分分析过程 （完整的 SAS 过程名称可以从 SAS 软件手册查到） 。 VAR variables 语句的功能是将过程结果输出到 新的数据集中， 作为进一步数据处理的输入。RUN 语句的功能是 表明过程步的结束。
理、 化教学研究
谈优秀统计软件 SAS 在化学教育上的ห้องสมุดไป่ตู้用
□
（青海民族学院
摘 要
隋惠芳
青海・西宁 810007）
综合报道了世界上优秀统计软件 SAS 系统的特点。在简述操作及编程入门知识的基础上， 例举了两个典型的化学教
育研究中使用 SAS 系统进行数据分析的实例， 旨在打通化学工作者在使用计算机高级语言编程中的障碍， 以推广 SAS 系统在化学 教育和科研中的应用。 关键词 SAS 系统 数据分析 化学教育 文献标识码： A 文章编号： 1672-7894(2006)01-124-02
理、 化教学研究
3. SAS 系统在化学教育数据分析中的应用举例 例 1： 某班 （51 人） 期末的化学考试成绩如下： 43 66 76 88 48 67 76 89 49 68 77 90 51 68 78 92 53 69 79 83 55 70 94 57 71 80 97 60 72 81 62 62 72 82 63 73 82 63 74 83 64 74 84 65 74 85 65 75 86 87 58。 试对全班成绩作描述性统计分析 （包括平均分、 标准差、 方差、 变异系数、 偏度和峰度） 并对考试质量做出初步评价。 SAS 程序如下： Data exmal； Input x @ @； Cards； 43 66 76 88 48 67 76 89 49 68 77 99……87 58 44 ； 45 proc univariate plot normal； 46 run； 程序说明： 如果数据中每一行有多于二组观测值， 可在 “INPUT variables” 后加 “@ @” ， 表示指针不换行依次读入各组观测值。 proc univariate plot normal 语句中 proc univariate 过程表示计算描述性 统计量， plot normal 表示作茎叶图等并做正态性检验。 程序运行结果： Mean(平均分)： 72.157 Std Deviation(标准偏 差)： 12.724 g1(Skew ness,偏度)： -0.2254 S2(Variance,方差)： 161.895 CV (Coeff variation, 变异系数 )：17.634 度)： -0.490。 茎叶图如下： 9 9 8 8 7 7 6 6 5 5 4 4 7 024 56789 0122334 566789 01223444 5567889 022334 578 13 89 3 1 3 5 7 6 8 7 6 3 2 2 g2 (Kurtosis, 峰 65 81 59 77 58 83 58 86 74 77 69 80 89 65 68