热线电话：13121318867

登录
首页精彩阅读SAS数据分析完整笔记_数据分析师​
SAS数据分析完整笔记_数据分析师​
2014-11-15
收藏


SAS数据分析完整笔记_数据分析师



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 plot

1.4 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 Density

B：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 Density

1.4.3 分布检验

Curves→CDF confidence band

Curves→Test for Distribution

1.5 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→Multivariate

1.9 主成分分析

Analysis→Multivariate

2.SAS ANALYST启动：

方法1：Solution→Analysis→Analyst

方法2：在命令栏内输入analyst

2.1 分类计算统计量：Data→Summarize by group

2.2 随机抽样：Data→Random Sample

2.3 生成报表：Report→Tables

2.4 变量计算：Date→Transform

2.5 绘制统计图

2.5.1 条形图：Graph→Bar Chart→Horizontal

2.5.2 饼图：Graph→Pie Chart

2.5.3 直方图：Graph→Histogram

2.5.4 概率图：Graph→Probality plot

2.5.5 散点图：Graph→Scatter plot

2.6 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 Analysis

2.7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 mean

2.7.2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 mean

2.7.3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 proportion

2.7.4单样本方差检验：检验样本方差是否等于给定的值。零假设方差等于某个给定的。

Statistics →Hypothesis tests→One-Sample test for a variance

2.7.5两样本均值t检验：独立的两个总体的均值是否相等或者是否相差给定的值

Statistics →Hypothesis tests →Two-Sample t-test for means

2.7.6成对样本均值t检验：成对样本检验中总体是相关的。

Statistics →Hypothesis tests →Two-Sample paired t-test for means

2.7.7两样本比例检验：检验两个总体中某个比例的值是否相等。

Statistics →Hypothesis tests →Two-Sample test for proportions

2.7.8两样本方差检验

Statistics →Hypothesis tests→Two Sample test for variance

2.8ANOVA过程

2.8.1单因素ANOVA过程

Statistics →ANOVA→One-Way Anova

2.8.2非参数的单因素方差分析：适用于正态分布假定或方差相等假设不能满足的单因素问题

Statistics →ANOVA→nonparameter one-way Anova test

Wilcoxon法、Median法、Van der Waerden法、Savage法。

2.8.2因素方差分析：实验结果是连续数值而分类变量是两个以上的离散型数值。

Statistics →ANOVA→Factorial Anova

2.8.3线性模型：用最小二乘法拟合一般线性模型

Statistics →ANOVA→Linear Model

2.9回归分析：Statistics →Regression

2.9.1simple回归：简单一类回归分析，单一的自变量，单一的因变量，模型可以是一次、二次、三次。

Statistics →Regression→simple

2.9.2linear回归：线性回归，回归模型可以有多个因变量，多个自变量，但是对因变量分别进行回归

Statistics →Regression→linear

2.9.3logistic回归：用于解决因变量是一个二元变量

Statistics →Regression→logistic

 

3.报表以及图形输出

3.1 print过程

Proc print data = sasuser.score;     //数据库.数据集

Run;

Proc print data = sasuser.score;

Var name math Chinese;               //变量

Run;

Proc print data = sasuser.score  noobs;    //去掉第一列（观测序号）

Var name math Chinese；

Run；

Proc  print  data= sasuser.score；

Where sex in（‘f’）；                       //通过where语句

Run；

Proc print data = sasuser.score noobs label；

Title ‘女生成绩单’；

Label name =‘姓名’

      Sex =‘性别’

      Math = ‘数学’

      Chinese = ‘语文’

      English =  ‘英语’；

Where sex in（‘f’）；

Run；

Title “the sas system”；  //恢复系统标题

Proc  print  data = sasuser.score；

Footnote = ‘分数列表’；     //加分数列表的脚注

Run；

Proc sort  data = sasuser.score；

By  sex；

Run；

Proc  print  data = sasuser.score；     //使用by分组输出前用sort排序

By sex；

Run；

Proc  print  data = sasuser.score；

Sum math；

Run；

3.2 tabulate过程

Proc tabulate data =数据集名称；

Class 分类变量；

Var 分析变量；

Table 页面说明 行维说明 列维说明/选项；

Run；

3.3 sort过程

Proc sort data = 数据集名称；   //默认升序排列

  By 变量名；

Run；

Proc sort data = 数据集名称；  

  By   descending  变量名；   //降序排列

Run；

3.4  means过程：数量（N）、均值(Mean)、标准差(Std Dev)、最大值(Maximum)、最小值(Minimum)

Proc means  data = sasuser.stock;

 Var  price;

Run;

3.5 univariate过程

Proc univariate data =数据集；

Var 分析变量；

Run；

结果：

Moments：统计量的各阶矩，例如一阶矩就是均值，二阶矩就是方差等；

Basic Statistical Measures：基本统计量；

Tests for location：检验均值是否为零；

Quantiles：分位数表；

Extreme Observations：极端观测值。

3.6 freq过程：离散变量的分布情况

Proc freq data =数据集名；

Tables  变量名；

Run；

结果：

变量取值、频数、百分比、累计频数、；累计百分比

3.7 corr过程：相关系数

Proc corr data =数据集；

Var 变量名  变量名；

Run；

结果：

简单统计量

相关系数及p值

3.8 gplot过程：绘制散点图和曲线图,绘制回归曲线。

Proc gplot  data = 数据集名称；

Symbol 曲线类型；

Plot 竖轴变量*横轴变量；

Run；

 

Proc gplot data = sasuser.score;

Symbol I = none  v=star;

Plot English*Chinese;

Run;

 

3.9  gchart过程：绘制直方图、饼图、三维直方图等。

Proc gchart data = 数据集名称；

Vbar/pie/block =变量；

Run；

3.10 G3D过程绘制三维曲面

Proc g3d data =数据集；

Plot 变量x*变量y=变量z；

Run；

gcontour过程：画出曲面的等高线

Proc gcontour data =数据集名；

Plot x*y=z；

Run；

 

4.基本统计分析

4.1正态性检验：univariate过程

Proc univariate data= sasuser.stock normal;

Var  eps;

Run;

Proc univariate data= sasuser.stock normal;

Var  eps;

Histogram eps;                  //画出直方图

Probplot eps;                   //画出概率分布图

Run;

4.2单变量均值检验

4.2.1如果一个变量服从正态分布，那么可以用t检验来对变量进行均值检验

Proc ttest data =数据集  ho = 均值；

Var 检验变量；

Run；

4.2.2t检验还可以检验方差相同的两个独立样本均值是否相等

Proc ttest data =数据集；

Class 分类变量；

Var 检验变量；

Run；

结果

第一部分简单统计量

第二部分t检验结果

第三部分两者方差是否相等检验

T检验要求两个独立样本都必须服从正态分布，如果不服从正态分布，则无法进行t检验。这时可用非参数的方法，常用的非参数方法是NPAR1WAY过程，它是 noparameter 1 way缩写。

4.3成对总体均值检验

4.4回归分析：reg（回归）过程、rsreg（二次响应面回归）过程、orthoreg（病态数据回归）过程、nlin（非线性回归）过程、transreg（变换回归）过程、calis（线性结果方程和路径分析）过程、glm（一般线性回归）过程、genmod（广义线性回归）过程

4.4.1 REG过程

Proc reg data = 输入数据集 选项；

Var 变量列表；

Model 因变量 = 自变量列表；

Print 输出结果；

Plot 诊断图形；

Run；

4.4.2 nlin过程

指明模型的表达式并给定系数初值

4.4.3glm过程：使用最小二乘法回归线性模型，还可以进行回归，分差，协方差，多变量方差、偏相关系数分析（文章来自：CDA数据分析师培训官网）

4.5方差分析

4.5.1单因素方差分析

Proc anova data =数据集名称；

Class 因素；

Model 实验结果 =因素；

Run；

Proc anova data =数据集名称；

Class 因素；

Model 实验结果 =因素；

Means  brand；

Run；

Proc anova data =数据集名称；

Class 因素；

Model 实验结果 =因素；

Means  brand/t；       //t检验

Run；

Proc anova data =数据集名称；

Class 因素；

Model 实验结果 =因素；

Means  brand/bon；       //bonferroni t检验   控制第一类错误的概率，但是具有较大第二类错误概率

Run；

Proc anova data =数据集名称；

Class 因素；

Model 实验结果 =因素；

Means  brand/regwq；       //regwq检验   控制第一类错误的概率

Run；

Proc anova data =数据集名称；

Class 因素；

Model 实验结果 =因素；

Means  brand/tukey；       //tukey检验   控制第一类错误的概率，但是第二类错误概率通常高于regwq检验

Run；

4.5.2多因素方差分析

4.5.3列联表检验

Proc freq data = 数据集；

Tables 因素a*因素b / chisq；

Weight 实验结果；

Run；

5相关知识

因变量—Depender （Y）

自变量—Independent  (X1 X2…)



CDA数据分析师考试相关入口一览（建议收藏）：

▷ 想报名CDA认证考试，点击>>>   “CDA报名” 了解CDA考试详情；

▷ 想学习CDA考试教材，点击>>> “CDA教材” 了解CDA考试详情；

▷ 想加入CDA考试题库，点击>>> “CDA题库” 了解CDA考试详情；

▷ 想了解CDA考试含金量，点击>>> “CDA含金量” 了解CDA考试详情；

直方图 方差分析 数据分析 线性回归 正态分布 散点图 最小二乘 统计分析

数据分析咨询请扫描二维码

若不方便扫码，搜微信号：CDAshujufenxi

上一篇随机森林 vs XGBoost vs 决策树：算法选择中的
下一篇图论在大数据分析中的作用！
CDA考试动态
CDA报考指南
热门栏目
最新资讯
更多
Copyright © 2015-present 北京国富如荷网络科技有限公司 All Rights Reserved.
京ICP备11001960号-9   京公网安备 11010802034615号   经营许可证编号：京B2-20210330
客服在线
立即咨询