SAS基本操作讲解
sas使用手册
sas使用手册SAS（Statistical Analysis System）是一款广泛使用的统计分析软件，其使用手册对于使用者来说是不可或缺的指南。
以下是一个简短的SAS使用手册，以帮助您快速了解其基本功能和操作。
一、概述SAS是一个模块化、集成化的软件系统，主要用于数据管理、统计分析、预测建模和报告生成。
它支持多种编程语言，包括SAS语言、SAS宏语言和SAS SQL语言，使得用户可以根据自己的需求进行定制化操作。
二、安装与启动要使用SAS，您需要先将其安装到您的计算机上。
您可以从SAS官网下载适合您操作系统的安装程序，并按照屏幕提示进行安装。
安装完成后，您可以通过启动SAS Enterprise Guide或SAS Studio来使用SAS。
三、数据管理SAS提供了一系列数据管理工具，可以帮助您导入、清洗、合并和转换数据。
您可以使用DATA步来创建、修改和删除数据集，使用SQL语言进行更高级的数据查询和操作。
四、统计分析SAS提供了广泛的统计分析方法，包括描述性统计、方差分析、回归分析、聚类分析、主成分分析等。
您可以使用PROC步来调用相应的过程，并指定所需的参数和选项。
例如，要执行回归分析，您可以编写以下代码：PROC REG DATA=your_dataset; MODELdependent_variable = independent_variable / VIF; RUN;五、模型构建与预测SAS提供了多种预测模型，包括线性回归模型、逻辑回归模型、决策树模型、神经网络模型等。
您可以使用PROC步来构建和评估模型，例如：PROC SVM DATA=your_dataset; CLASS target_variable; MODEL dependent_variable = independent_variable; CROSSVALIDATE; RUN;六、报告生成SAS支持将分析结果导出为各种格式的报告，包括HTML、PDF、Word等。
学习使用SAS进行数据分析的基础教程
学习使用SAS进行数据分析的基础教程一、SAS介绍与安装SAS（全称Statistical Analysis System，统计分析系统）是一种非常强大的数据分析软件。
它提供了丰富的统计分析、数据挖掘和数据管理功能。
在学习使用SAS之前，首先需要下载并安装SAS软件。
在安装过程中，需要根据操作系统选择相应的版本，并按照安装向导进行操作。
安装完成后，可以通过启动菜单找到SAS软件并打开它。
二、SAS基本语法与数据集1. SAS语法基础SAS语法是一种类似于编程语言的语法。
在SAS中，每一个语句都以分号作为结尾。
常用的SAS语句包括DATA、PROC和RUN。
DATA语句用于创建数据集，PROC语句用于执行数据分析过程，RUN语句用于执行SAS语句的运行。
2. SAS数据集SAS数据集是SAS中最重要的数据组织形式。
它可以包含多个数据变量，并且每个变量可以拥有不同的数据类型，如字符型、数值型、日期型等。
通过DATA语句可以创建一个新的SAS数据集，并通过INPUT语句指定每个变量的属性。
使用SET语句可以将现有的数据集读入到SAS数据集中，以供后续分析使用。
三、SAS数据清洗与变换1. 数据清洗数据清洗是数据分析的第一步，其目的是去除数据中的错误或无效信息，保证数据质量。
在SAS中，可以使用IF和WHERE语句来筛选出符合条件的数据观测值，并使用DELETE和KEEP语句删除或保留特定的变量。
2. 数据变换数据变换是对原始数据进行转换，以满足具体的分析需求。
在SAS中，常用的数据变换操作包括缺失值处理、变量重编码、数据排序和数据合并等。
可以使用IF、ELSE和DO语句进行逻辑判断和循环操作，通过FORMAT语句对数据进行格式化。
四、SAS统计分析1. 描述统计分析描述统计分析是对数据的基本特征进行分析，包括均值、标准差、中位数、分位数和频数等。
在SAS中，可以使用PROC MEANS进行基本统计分析，使用PROC FREQ进行频数分析。
学会使用SAS进行数据分析
学会使用SAS进行数据分析引言：随着大数据时代的到来，数据分析成为了一项越来越重要的技能。
而SAS（Statistical Analysis System）作为业界著名的数据分析工具，具备强大的数据处理与分析能力，被广泛应用在各个行业中。
本文将介绍SAS的基本操作和常用功能，帮助读者初步学会使用SAS进行数据分析。
一、SAS的基本操作SAS作为一个统一的数据分析平台，具备了数据导入、数据清洗、数据分析、数据可视化等一系列功能，下面将介绍几个基本操作。
1. 数据导入：SAS支持多种数据格式，如CSV、Excel、SPSS等，可以通过简单的命令将数据导入到SAS中。
2. 数据清洗：在数据分析之前，我们通常需要对数据进行清洗，去除重复值、空值，以及进行数据转换等操作。
SAS提供了丰富的数据清洗函数，通过简单的命令就能实现。
3. 数据分析：SAS内置了大量的数据分析函数和算法，如描述统计、回归分析、聚类分析等，这些函数可以帮助用户快速进行数据分析并得出结论。
4. 数据可视化：通过SAS的图形模块，用户可以轻松地将数据进行可视化展示，如绘制直方图、散点图、折线图等。
这样可以更加直观地分析数据，并发现其中的规律和关联。
二、SAS常用功能除了基本操作之外，SAS还有一些常用功能，下面将介绍其中几个。
1. SAS Macro：宏是SAS中非常强大的功能，它可以在程序中定义和调用一系列命令，从而简化复杂的分析流程。
宏可以帮助用户提高工作效率，减少重复性工作。
2. 数据整合：在实际的数据分析中，我们通常需要从多个数据源中整合数据。
SAS提供了灵活的数据连接和合并操作，可以轻松实现数据整合。
3. 大数据处理：随着大数据时代的到来，传统的数据处理方式已经无法满足需求。
SAS提供了分布式计算的功能，可以进行高效的大数据处理，帮助用户更好地应对大数据挑战。
4. 数据挖掘：SAS也是一款强大的数据挖掘工具，它提供了各种经典的数据挖掘算法，如决策树、关联规则等。
《SAS基础教程》课件
THANKS
感谢观看
点图
用于展示大量数据 点，常用于散点图 和热力图等。
柱状图
用于比较不同类别 之间的数据，直观 展示数据差异。
饼图
用于展示各部分在 整体中所占的比例 。
箱线图
用于展示数据的分 布和异常值。
图表制作与美化
01
色彩搭配
选择合适的颜色，使图表更加美观 和易于理解。
图表布局
合理安排图表元素的位置，使其更 加紧凑和有序。
03
02
字体和标签
使用清晰易读的字体，添加必要的 标签和说明。
数据标记和提示
使用数据标记和提示，帮助读者更 好地理解数据。
04
动态图表与交互式图表
动态图表
通过动画效果展示数据随时间或其他变量的 变化过程。
交互式图表
允许用户通过交互操作来筛选和查看特定数 据。
可视化交互性
提供交互式控件，使用户能够与图表进行互 动，探索数据。
SAS的发展历程
总结词
SAS经历了从简单统计分析工具到复杂数据管理、分析平台的演变。
详细描述
SAS最初是一个简单的统计分析工具，用于处理和分析数据。随着技术的发展和用户需求的增加，SAS不断扩展 和改进，逐渐发展成为一个功能强大的数据管理、分析和可视化平台。
SAS的应用领域
总结词
SAS广泛应用于各个领域，如金融、医疗 、市场调研等。
数据驱动的动态可视化பைடு நூலகம்
根据实时数据动态更新图表，展示数据的实 时变化。
05
SAS编程基础
SAS编程语言简介
要点一
总结词
SAS编程语言是一种用于数据管理、分析和报表生成的高 级编程语言。
使用SAS进行数据处理和分析
使用SAS进行数据处理和分析第一章：简介数据处理和分析是现代社会中重要的技能之一，它帮助我们从大量的数据中提取有用的信息，并做出科学决策。
SAS（Statistical Analysis System）是一种功能强大的统计分析软件包，广泛应用于各个领域的数据处理和分析任务中。
本文将介绍SAS的基本功能和常用技术，帮助读者了解如何使用SAS进行数据处理和分析。
第二章：SAS的基本操作SAS具有友好的图形用户界面和强大的命令行功能，可以满足不同用户的需求。
在本章中，我们将介绍SAS的基本操作，包括启动SAS软件、创建和保存数据集、导入和导出数据、运行SAS程序等。
通过学习这些基本操作，读者将能够掌握SAS的基本使用方法。
第三章：数据预处理数据预处理是数据分析的第一步，它包括数据清洗、数据变换、数据归一化等过程。
在本章中，我们将介绍如何使用SAS进行数据预处理，包括缺失值处理、异常值处理、去重、数据变换等技术。
通过学习这些技术，读者将能够清洗和准备好用于分析的数据。
第四章：基本统计分析统计分析是数据处理和分析的核心部分。
在本章中，我们将介绍SAS中常用的统计分析方法，包括描述统计分析、推断统计分析、多元统计分析、回归分析等。
通过学习这些统计分析方法，读者将能够对数据进行全面的分析，并得出科学的结论。
第五章：高级统计分析除了基本的统计分析方法外，SAS还提供了许多高级的统计分析技术，包括因子分析、聚类分析、判别分析、时间序列分析等。
在本章中，我们将介绍这些高级统计分析技术的基本原理和应用方法，帮助读者更好地理解和应用这些技术。
第六章：数据可视化数据可视化是数据分析中的重要环节，它能够帮助我们更直观地理解数据的特征和规律。
在本章中，我们将介绍SAS中常用的数据可视化技术，包括柱状图、折线图、散点图、箱线图等。
通过学习这些数据可视化技术，读者将能够使用图表和图形展示数据的特征和规律。
第七章：模型建立与评估在数据分析中，我们常常需要建立模型来解释和预测数据。
SAS数据分析常用操作指南
SAS数据分析常用操作指南在当今数据驱动的时代，数据分析成为了企业决策、科学研究等领域的重要手段。
SAS 作为一款功能强大的数据分析软件，被广泛应用于各个行业。
本文将为您介绍 SAS 数据分析中的一些常用操作，帮助您更好地处理和分析数据。
一、数据导入与导出数据是分析的基础，首先要将数据导入到 SAS 中。
SAS 支持多种数据格式的导入，如 CSV、Excel、TXT 等。
以下是常见的导入方法：1、通过｀PROC IMPORT` 过程导入 CSV 文件｀｀｀sasPROC IMPORT DATAFILE=＇your_filecsv'OUT=your_datasetDBMS=CSV REPLACE;RUN;｀｀｀在上述代码中，将｀＇your_filecsv'｀替换为实际的 CSV 文件路径，｀your_dataset` 替换为要创建的数据集名称。
2、从 Excel 文件导入｀｀｀sasPROC IMPORT DATAFILE=＇your_filexlsx'OUT=your_datasetDBMS=XLSX REPLACE;RUN;｀｀｀导出数据同样重要，以便将分析结果分享给他人。
可以使用｀PROC EXPORT` 过程将数据集导出为不同格式，例如：｀｀｀sasPROC EXPORT DATA=your_datasetOUTFILE=＇your_filecsv'DBMS=CSV REPLACE;RUN;｀｀｀二、数据清洗与预处理导入的数据往往存在缺失值、异常值等问题，需要进行清洗和预处理。
1、处理缺失值可以使用｀PROC MEANS` 过程查看数据集中变量的缺失情况，然后根据具体情况选择合适的处理方法，如删除包含缺失值的观测、用均值或中位数填充等。
2、异常值检测通过绘制箱线图或计算统计量（如均值、标准差）来检测异常值。
对于异常值，可以选择删除或进行修正。
3、数据标准化/归一化为了消除不同变量量纲的影响，常常需要对数据进行标准化或归一化处理。
使用SAS进行数据分析的基础知识
使用SAS进行数据分析的基础知识一、SAS数据分析简介SAS（Statistical Analysis System）是一套全面的数据分析软件工具，它具备强大的数据处理和统计分析能力。
它适用于各种领域的数据分析，包括市场调研、金融分析、医疗研究等。
二、数据准备在进行SAS数据分析之前，首先要进行数据准备。
这包括数据的收集、整理和清洗。
收集数据可以通过调查问卷、实地观察、数据库查询等方式。
整理数据即将数据格式统一，包括去除重复数据、统一变量命名等。
清洗数据则是去除异常值、缺失值处理等。
三、SAS基础语法1. 数据集（Data set）的创建和导入SAS中的数据以数据集的形式存在，可以使用DATA步骤创建数据集，也可以从外部文件导入数据集。
导入数据可使用INFILE 语句指定文件位置，并使用INPUT语句将数据导入到数据集中。
2. 数据操作和处理SAS提供了多种数据操作和处理函数，如排序、合并、拆分等。
常用的函数有SUM、MEAN、COUNT、MAX、MIN等，它们可以对数据集中的变量进行统计和计算。
3. 数据可视化SAS提供了多种可视化方式，用于更直观地展示数据。
可以使用PROC SGPLOT语句进行绘图，如折线图、散点图、柱状图等。
还可以使用PROC TABULATE语句生成数据报表。
四、统计分析SAS强大的统计分析功能是其独特的优势之一。
以下为几种常用的统计分析方法：1. 描述统计分析描述统计分析用于对数据进行概括和描述。
可以使用PROC MEANS进行均值、中位数、标准差等统计指标的计算，使用PROC FREQ进行频数分析。
2. t检验t检验用于比较两组样本均值的差异是否显著。
可以使用PROC TTEST进行t检验分析，根据t值和显著性水平判断差异是否显著。
3. 方差分析方差分析用于比较两个或多个样本均值的差异是否显著。
可以使用PROC ANOVA进行方差分析，根据F值和显著性水平判断差异是否显著。
sas简单操作步骤
SAS数据分析完整笔记1. SAS INSIGHT启动：方法1：Solution→Analysis→Interactive Date Analysis方法2：在命令栏内输入insight方法3：程序编辑窗口输入以下代码，然后单击 Submit按钮；Proc insight；Run；1.1 一维数据分析用 sas insight做直方图、盒形图、马赛克图。
直方图：Analysis→Histogram/Bar Chart盒形图：Analysis→Box plot马赛克图：Analysis→Box plot/Mosaic plot（Y）1.2 二维数据分析散点图：Analysis→Scattery plot(Y X）曲线图：Analysis→Line plot（ Y X）1.3 三维数据分析旋转图：Analysis→Rotationg Plot曲面图：Analysis→Rotationg Plot设置 Fit Surface等高线图：Analysis→Countor plot1.4 分布分析包括：直方图、盒形图、各阶矩、分位数表，直方图拟合密度曲线，对特定分布进行检验。
1.4. 1 Analysis→Distribution（Y）第一部分为盒形图，第二部分为直方图，第三部分为各阶矩，第四部分为分位数表。
1.4.2 添加密度估计A：参数估计：给出各种已知分布（正态，指数等），只需要对其中参数进行估计；Curves→Parametric DensityB：核估计：对密度函数没有做假设，曲线性状完全依赖于数据；Curves→Kernel Density1.4.3 分布检验Curves→CDF confidence bandCurves→Test for Distribution1.5 曲线拟合Analysis→Fit（Y X）:分析两个变量之间的关系1.6 多变量回归Analysis→Fit（Y X）1.7 方差分析Analysis→Fit（Y X）1.8 相关系数计算Analysis→Multivariate1.9 主成分分析Analysis→Multivariate2.SAS ANALYST启动：方法1：Solution→Analysis→Analyst方法2：在命令栏内输入analyst2.1 分类计算统计量：Data→Summarize by group2.2 随机抽样：Data→Random Sample2.3 生成报表：Report→Tables2.4 变量计算：Date→Transform2.5 绘制统计图2.5.1 条形图：Graph→Bar Chart→Horizontal2.5.2 饼图：Graph→Pie Chart2.5.3 直方图：Graph→Histogram2.5.4 概率图：Graph→Probality plot2.5.5 散点图：Graph→Scatter plot2.6 统计分析与计算2.6.1 计算描述性统计量Statistics →Deｓｃｒｉｐｔive→Summart Statistics只计算简单统计量Statistics →Deｓｃｒｉｐｔive→Distribution可计算一个变量的分布信息Statistics →Deｓｃｒｉｐｔive→Correlations可计算变量之间的相关关系Statistics →Deｓｃｒｉｐｔive→Frequency counts可计算频数2.6.2 列联表分析Statistics →Table Analysis2.7假设检验2.7.1单样本均值Z检验：检验单样本均值与某个给定的数值之间的关系Statistics →Hypothesis tests→One-Sample Z-test for a mean2.7.2单样本均值t检验：适用于不了解变量的方差情形推断该样本来自的总体均数μ与已知的某一总体均属μ0是否相等Statistics →Hypothesis tests→ One-Sample t-test for a mean2.7.3单样本比例检验：检验取离散值的变量取某个值的比例Statistics →Hypothesis tests→One-Sample test for a proportion2.7.4单样本方差检验：检验样本方差是否等于给定的值。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
实验1 SAS基本操作随着图形界面、用户友好等程序思想的发展，SAS陆续提供了一些不需编程就能进行数据管理、分析、报表、绘图的菜单操作功能，其中做得比较出色的有INSIGHT模块和Analyst 模块。
对于常用的一些统计分析方法，SAS系统中的如下三种方法可以达到同样的目的：● INSIGHT（“交互式数据分析”）● Analyst（“分析家”）●直接编程一般来说，INSIGHT模块在数据探索方面比较有特色，最为直观，便于步步深入；“分析家”可提供自动形成的程序，而且在属性数据分析和功效函数计算方面较INSIGHT强；编程方式是功能最强的，尤其是一些特殊或深入的分析功能只能用编程实现，但相对来说，编程较难熟练掌握。
在SAS系统中建立的众多SAS文件，可按不同需要将其归入若干个SAS逻辑库，以便对SAS文件进行访问和管理。
利用SAS系统功能直接建立数据集的方法很多，都需要将数据现场录入，费时费力。
较为简便的方法是，利用Excel录入数据，并作简单处理，然后将Excel数据表导入到SAS数据集中。
另外，也可以先将数据整理为文本文件（*.txt文件），再将文本文件导入为SAS数据集。
在对数据进行深入分析之前往往要利用INSIGHT或“分析家”对数据进行必要预处理。
1.1 实验目的通过实验熟悉SAS操作界面，掌握逻辑库的建立、数据集的导入与导出，掌握SAS的两个最为重要的模块：INSIGHT和“分析家”中对数据的预处理方法。
1.2 实验内容一、建立逻辑库二、数据集的导入与导出三、在INSIGHT中对数据的预处理四、在“分析家”中对数据的预处理1.3 实验指导首先建立存放数据的文件夹，如：“D:\SAS_SHIYAN”，其中再建两个文件夹：“原始数据”（用以存放本课程有关实验的Excel数据表及其他数据文件）和“SAS数据集”（用以存放本课程学习中生成的SAS数据集）。
一、建立逻辑库【实验1-1】创建逻辑库“Mylib ”。
图1-1 Explorer 窗口依次执行如下操作：(1) 启动SAS ，并激活Explorer 窗口，如图1-1所示。
(2) 在SAS 应用工作空间中，单击工具按钮，或是右键单击,从菜单中选择“New ”，打开“New Library ”对话框。
(3) 在“Name ”框中输入新库名称，如：Mylib （图1-2左）。
(4) 用鼠标单击路径（Path ）框右端的“Browse…”按钮。
(5) 在打开的“Select ”对话框中选择文件夹“D:\SAS_SHIYAN\ SAS数据集”，如图1-2右所示。
(6) 单击“Ok ”按钮，返回“New Library ”对话框，单击“OK ”按钮，完成新建逻辑库“Mylib ”。
(7) 用鼠标双击，或单击即可看见新建的逻辑库“Mylib ”。
图1-2 建立新逻辑库 二、数据的导入与导出1. Excel 数据表的导入【实验1-2】将Excel 数据表导入为SAS 数据集。
首先建立Excel 数据表sy1_2.xls ，如图1-3所示。
依次执行下述操作： (1) 在SAS 应用工作空间中，选择菜单“File ”→“ImportData…”，打开导入向导“Import Wizard ”，第一步：选择导入类型（Select import type ），默认的类型为Excel 数据表，如图1-4左所示。
单击“Next”图1-3 Excel 数据表sy1_2.xls按钮，进入下一步。
(2) 在第二步的“Select file”对话框中，单击“Browse”按钮，在“打开”对话框中选择所需要的Excel文件，返回。
单击“Option”按钮，选择所需的工作表，按“OK”按钮返回，如图1-4右所示。
单击“Next”按钮，进入下一步。
图1-4 导入向导一、二步(3) 在第三步的“Select library and member”对话框中，选择导入数据集所存放的逻辑库以及数据集的名称，如图1-5左所示。
单击“Next”按钮，进入下一步。
图1-5 导入向导三、四步(4) 在第四步的“Create SAS Statements”对话框中，若单击“Next”按钮，可以选择将系统生成的程序代码存放的位置，本例不做选择，直接单击“Finish”按钮（图1-5右），完成导入过程。
在Explorer窗口中，双击逻辑库“Mylib”中的文件“sy1_2”，即可看到新导入的数据集，如图1-6左所示。
图1-6 数据集Mylib.sy1_2导入数据后，原Excel数据表第一行的中文栏目名成为SAS数据集中变量的标签（Label）名，变量名为默认的名称：_COL n。
VIEWTABLE 的第一行显示变量的标签，选择主菜单项“View ”→“Column Names ”，显示变量名称如图1-6右所示。
2. 文本数据的导入【实验1-3】将文本文件导入为SAS 数据集。
首先建立文本文件sy1_3.txt ，如图1-7所示。
其中数据分隔符为制表符。
依次执行下述操作：(1) 在SAS 应用工作空间中，选择菜单“File ”→“Import Data…”，打开导入向导“Import Wizard ”，第一步：选择导入类型（Select import type ）。
在下拉列表中选择数据类型“Tab Delimited File (*.txt)”，如图1-8左所示。
单击“Next ”按钮，进入下一步。
(2) 在第二步的“Select file ”对话框中，单击“Browse ”按钮，在“打开”对话框中选择所需要的文本文件，返回，如图1-8右所示。
图1-7 文本文件sy1_3.txt图1-8 导入向导一、二步 单击“Options ”按钮，在打开的“SAS Import ：”对话框中确认“Get variable name from fist row ”处于选中状态（默认）（否则，原文本文件的第一行将成为SAS 数据集中的第一个观测），如图1-9所示。
单击“OK ”，返回，再单击“Next ”按钮，进入下一步。
图1-9 “SAS Import ”对话框 (3) 在第三步的“Select library and member ”对话框中，选择导入数据集所存放的逻辑库以及数据集的名称，本例选临时库“Work ”，数据集名为sy1_3。
单击“Next ”按钮，进入下一步。
(4) 在第四步的“Create SAS Statements ”对话框中，可以选择将系统生成的程序代码存放的位置，本例不做选择，直接单击“Finish ”按钮，完成导入过程。
图1-10 数据集Work.sy1_3 在Explorer 窗口中，双击逻辑库“Work ”中的文件“sy1_3”，即可看到新导入的数据集，如图1-10所示。
3. 数据集的导出【实验1-4】将SAS 数据集导出为Excel 工作表。
依次执行下述操作：(1) 在SAS 应用工作空间中，选择菜单“File ”→“Export Data…”，打开导出向导“Export Wizard ”，第一步：选择逻辑库及成员（Select library and member ）。
在“library ”下拉列表中选择逻辑库，在“member ”下拉列表中选择数据集，如图1-11所示，单击“Next ”按钮，进入下一步。
图1-11 导出向导一步 (2) 在第二步的“Select export type ”对话框中，默认的类型为Excel 工作表，如图1-12左所示，单击“Next ”按钮，进入下一步。
(3) 在第三步的“Select file ”对话框中，输入或通过选择给出输出文件的路径和文件名，如图1-12右所示，单击“Next ”按钮，进入下一步。
(4) 在第四步的“Create SAS Statements ”对话框中，可以选择将系统生成的程序代码存放的位置，本例不做选择，直接单击“Finish ”按钮，完成导出过程。
图1-12 导出向导二、三步 三、在INSIGHT 中对数据的预处理在SAS 菜单中选择“Solution （解决方案）”→“Analysis （分析）”→“Interactive Data Analysis （交互式数据分析）”，打开“SAS/INSIGHT Open ”对话框。
如图1-13左所示。
在“SAS/INSIGHT Open ”对话框的左边选择逻辑库“SASUSER ”，右边选择数据集“CLASS ”，单击“Open （打开）”按钮，打开数据窗口。
如图1-13右所示。
注意：如果没有找到数据集SASUSER.CLASS ，按如下步骤可以生成此数据集及其他示例数据集：选择菜单“Solutions ”→“Analysis ”→“Analyst ”，进入Analyst ，然后选择其中的菜单“Tools”→“Sample Data”，在出现的对话框中选中所有数据集，单击“OK”按钮即可生成示例数据集。
图1-13 打开数据集1. 对数据集排序【实验1-5】在INSIGHT中对数据集排序。
在INSIGHT中，打开数据集SASUSER.CLASS后，单击数据窗口左上角处的三角按钮，打开数据窗菜单，选择“Sort”，在打开的“Sort”对话框（图1-14左）中，选则排序的变量，单击“Y”按钮，将变量选定，然后按“OK”按钮即可。
可同时根据多个变量进行排序，默认是升序排序，可选中右列表框中的排序变量，单击Asc/Des切换到降序。
例如：按name进行升序排列，按age进行降序排列，如图1-14右所示。
图1-14 对数据集排序说明：若先用鼠标在数据集窗口选中欲排序的变量，则选择“Sort”菜单项后，将立即对该列排序，而不再打开“Sort”对话框。
2. 创建新的变量【实验1-6】在数据集中添加新的变量。
在数据集中有两种方式添加新的变量。
●直接插入变量：单击数据窗口左上角处的三角按钮，打开数据窗菜单，选择“New Variables”，在打开的“New Variables”对话框中，输入插入变量的个数（图1-15左），然后，单击“OK”按钮，即可在数据集中插入一个新的变量A（图1-15右）。
新插入变量A的观测值是缺失的，输入数据后回车，即可填入数据。
图1-15 插入新变量 ● 由原变量计算得到新变量：选择主菜单“Edit ”→“Variables ”→“Other ”，打开“Edit Variables ”对话框，如图1-16左所示，确定新变量与原变量之间的关系式，可由原变量计算得到新的变量。
如：(1) 选中变量weight ，单击“Y ”，选中变量height ，单击“X ”。
(2) 在“Transformation ”列表框中选择运算：Y / X 。