SAS数据分析完整笔记_数据分析师

2014-11-15

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

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！

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

1.1 一维数据分析

1.2 二维数据分析

1.3 三维数据分析

1.4 分布分析

1.4. 1 Analysis→Distribution（Y）

1.4.2 添加密度估计

1.4.3 分布检验

1.5 曲线拟合

1.6 多变量回归

1.7 方差分析

1.8 相关系数计算

1.9 主成分分析

2.SAS ANALYST启动：

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

2.6.2 列联表分析

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

2.7.2单样本均值t检验：适用于不了解变量的方差情形

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

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。

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

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。

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。

2.7.8两样本方差检验

2.8ANOVA过程

2.8.1单因素ANOVA过程

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

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。

2.8.3线性模型：用最小二乘法拟合一般线性模型

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。

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

2.9.3logistic回归：用于解决因变量是一个二元变量

3.报表以及图形输出

3.1 print过程

3.2 tabulate过程

3.3 sort过程

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

3.5 univariate过程

3.6 freq过程：离散变量的分布情况

3.7 corr过程：相关系数

3.8 gplot过程：绘制散点图和曲线图,绘制回归曲线。

3.9 gchart过程：绘制直方图、饼图、三维直方图等。

3.10 G3D过程绘制三维曲面

gcontour过程：画出曲面的等高线

4.基本统计分析

4.1正态性检验：univariate过程

4.2单变量均值检验

4.3成对总体均值检验

4.4.2 nlin过程

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

5相关知识

CDA考试动态

CDA报考指南

热门栏目

最新资讯

CDA数据分析师就业班3月29日开班，仅剩1个名额 ...

【案例】网飞Netflix流量漏斗分析案例 ...

tensorflow_datasets 如何load本地的数据集？ ...

《CDA二级教材》试读版上线CDA网校，助你轻松拿下二 ...

【干货】3步带你画出用户DNA，精准营销更进一步 ...

什么是随机森林，它的优缺点是什么？：面试标准答案 ...

【干货】电商营收暴跌40%，如何排查？ ...

【干货】如何通过精细化运营提升 DAU 指标？ ...

【干货】AB test 在业务中的落地应用

自上而下的指标体系构建全攻略

SAS数据分析完整笔记_数据分析师

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