sas数据分析结果.docx
- 文档编号:3941501
- 上传时间:2023-05-06
- 格式:DOCX
- 页数:15
- 大小:132.99KB
sas数据分析结果.docx
《sas数据分析结果.docx》由会员分享,可在线阅读,更多相关《sas数据分析结果.docx(15页珍藏版)》请在冰点文库上搜索。
sas数据分析结果
SAS结课论文
SAS是在1960年代末期由两位北卡州立大学(NorthCarolinaStateUniversity)统计系的教授开发.第一版的SAS只含一般线性模型的分析法,而且只适用于IBM的主机;1976年成立SAS公司负责软件的发展、维护并提供相关服务.PC版本的SAS于1987年推出(V6.02),1989年推出SAS/PC(V6.04)版本;1997年下半年推出适用于多种操作系统的V6.12版本(Windows版);2000年2月又推出SAS系统V8版本,2001年推出SAS系统V8.2版本;目前SAS最新版本为V9.01.
在众多的统计软件中,SAS以运行稳定、功能强大而著称。
近20年来,SAS一直占据着统计软件的高端市场,用户遍及金融、医药卫生、生产、运输、通讯、政府和教育科研等领域。
在数据处理和统计分析领域,SAS系统被誉为国际上的标准软件,堪称统计软件界的巨无霸。
在国际学术界有条不成文的规定,凡是用SAS统计分析的结果,在国际学术交流中可以不必说明算法,由此可见其权威性和信誉度。
SAS的功能模块:
SAS系统由三十几个模块组成,其分析功能散布在几乎所有的模块之中,较为集中的具有统计分析功能的是SAS/BASE、SAS/STAT、SAS/QC、SAS/INSIGHT、SAS/ETS等一些模块,通过编程可以调用各种分析功能。
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
方法一:
区间分析
1.点估计和区间估计
参数的估计方法主要有两种:
点估计和区间估计。
点估计是用样本的观测值估计总体未知参数的值。
由于样本的随机性,不同样本观测值计算得出的参数的估计值间存在着差异,因此常用一个区间估计总体的参数,并把具有一定可靠性和精度的估计区间称为置信区间。
利用构造的统计量及样本观测值,计算得出参数的置信区间的方法称为参数的区间估计。
2.参数的置信区间
在区间估计中,对于总体的未知参数θ,需要求出两个统计量θ1(X1,X2,...,Xn)和θ2(X1,X2,...,Xn)来分别估计总体参数θ的上限和下限,使得总体参数在区间(θ1,θ2)内的概率为
P{θ1<θ<θ2}=1–α
其中1–α称为置信水平,而(θ1,θ2)称为θ的置信区间,θ1,θ2分别称为置信下限和置信上限。
置信水平为1–α的含义是随机区间(θ1,θ2)以1–α的概率包含了参数θ。
3.正态总体均值和方差的置信区间
参数的区间估计大多是对正态总体的参数进行估计,如对单总体均值、方差的估计、两总体均值差的估计和两总体方差比的估计等。
4.总体比例与比例差的置信区间
实际应用中经常需要对总体比例进行估计,如产品的合格率、大学生的就业率和手机的普及率等。
记π和P分别表示总体比例和样本比例,则当样本容量n很大时(一般当nP和n(1–P)均大于5时,就可以认为样本容量足够大),样本比例P的抽样分布可用正态分布近似。
分析步骤如下:
1.对成交量做一个线图趋势统计:
选择菜单“Analyze(分析)”→“LinePlot(YX)(分布)”,打开“LinePlot(YX)”对话框。
在数据集sryzc的变量列表中,选择DATA变量,单击“X”按钮,DATA变量被选定为X轴,然后选择RQMCL变量,单击“Y”按钮,如图左所示。
单击“OK”按钮,即可得到线图如图所示。
有线图可以看出成交量和成交额的关系
2.成交量直方图:
首先在INSIGHT中打开数据集Mylib.sryzc
选择菜单“Analyze(分析)”→“Histogram/BarChart(Y)(直方图/条形图)”,打开“Histogram/BarChart(Y)”对话框。
在数据集的变量列表中,选择Income变量,然后单击“Y”按钮。
成交额的统计量
这是一个(成对匹配)双样本均值检验问题,若μ1和μ2分别表示两套试卷的平均成绩,则检验的是:
H0:
μ1–μ2=0,H1:
μ1–μ20;
1)在“分析家”中打开数据集Mylib.sjdf;
2)选择菜单“Statistics(统计)”→“HypothesisTests(假设检验)”→“TwoSamplePairedt-TestforMeans(均值的成对双样本t-检验)”;
3)在打开的“TwoSamplePairedt-TestforMeans”对话框中,并设置双样本均值检验,然后单击Plotsan按钮,在打开的对话框中选中tdistributionplot。
两次单击“OK”按钮,得到结果如下图所示
结果显示,无论两总体的方差是否相等,t统计量的p值=0.0005<0.05,所以在95%的置信水平下,拒绝原假设,两总体的均值有显著差异。
结果表明可以95%的把握认为股票中最新和昨收有显著差异。
方法二:
回归分析
1.回归模型
变量Y与其他有关变量X1,X2,…,Xk的关系Y=f(X1,X2,…,Xk)+ε称为“回归模型”,其中ε为均值为0的随机变量。
当f为线性函数时,回归模型:
Y=0+1X1+2X2+…+kXk+ε称为线性回归模型,本章主要讨论线性回归模型。
特别地,当k=1时称为一元线性回归模型。
2.回归分析的内容与目的
●建立变量Y与X1,X2,…,Xk的经验公式(回归方程,预测公式),即从一组样本数据出发,确定出变量之间近似的数学关系式;
●对经验公式的可信度进行检验;
●判断每个自变量Xi(i=1,2,…,k)对Y的影响是否显著;
●对经验公式进行回归诊断(诊断经验公式是否适合这组数据);
●利用合适的经验公式,根据自变量的取值对因变量的取值进行预测。
3.线性回归模型(LineRegressionmodel)
线性回归模型的一般形式为:
Y=0+1X1+…+kXk+其中0,1,…k,是未知的参数,是不可观测的随机变量,称为误差项,假定N(0,2)。
如果有n次独立的观测数据(xi1,xi2,…,xik;yi)i=1,2,…,n,则线性回归模型可以表示成如下形式:
其中1,2,…,n相互独立且服从N(0,2)分布。
上式可以简写成如下矩阵形式:
Y=Xβ+ε其中
(1)分析步骤
选择主菜单“Statistics”→“Regression”→“Linear”,打开“LinearRegression(线性回归)”对话框,按顺序进行多元线性回归分析;
此时显示的分析结果表明模型的作用是显著的(F统计量的值为1.072E7,p值<0.0001<0.05=α)。
参数估计部分表明拟合的回归方程为:
Chengjiaoe=-216182+86064194chengjiaoliang+28998maiyijia1-3865.91895maiyijia2+0.14257maiyiliang1-0.09443maiyiliang2
(2)逐步回归
“分析家”中选择变量的方法很多,在上述步骤的“LinearRegression”对话框中,单击Model按钮,打开“LinearRegression:
Model”对话框。
在“Method”选项卡中包含多种变量的选择方法,选择其中一种,例如选择“Backwardelimination.
此时显示的分析结果为:
参数估计部分表明拟合的回归方程为:
Chengjiaoe=-216182+86064194chengjiaoliang+28998maiyijia1-3865.91895maiyijia2+0.14257maiyiliang1-0.09443maiyiliang2
模型的R2为1.0000,C(p)值较小(仅为6.0000);方差分析中模型的作用也是显著的(F统计量的值为1.072E7,p值<0.0001<0.05=α)。
chengjiaoe
chengjiaoliang
maiyijia1
maiyijia2
maiyiliang1
maiyiliang2
1027280
101916
8.61
8.62
110
756
18080
63038
8.61
8.62
241
756
234240
94203
8.61
8.62
268
707
48216
126569
8.61
8.62
238
707
149856
135937
8.61
8.62
163
695
465256
12457
8.61
8.62
17
375
211016
51117
8.61
8.62
228
290
117104
44243
8.61
8.62
142
289
294784
189999
8.62
8.63
714
1388
65520
125290
8.62
8.63
643
1383
112920
87157
8.62
8.63
533
1382
8624
58210
8.62
8.63
595
1384
53448
52667
8.62
8.63
781
1390
333984
169973
8.62
8.63
781
1003
650048
116984
8.62
8.63
208
919
1366336
28494
8.61
8.62
1708
26
70704
47163
8.61
8.62
1610
13
109584
108684
8.61
8.62
1610
163
62032
150994
8.61
8.62
1569
122
215624
129095
8.61
8.62
1594
116
63744
647167
8.61
8.62
1576
93
58584
249362
8.61
8.62
1545
356
473272
62935
8.62
8.63
25
1101
23288
82003
8.62
8.63
25
1124
148320
79294
8.61
8.62
1531
1
7760
126967
8.62
8.63
96
1221
137096
81437
8.62
8.63
106
1182
306640
12727
8.61
8.63
1409
1226
206752
96832
8.62
8.63
33
1457
451288
58462
8.62
8.63
20
1053
138000
70170
8.61
8.62
1570
36
99208
28762
8.62
8.63
8
1007
199896
1264977
8.61
8.62
1490
24
60336
90716
8.61
8.62
1480
114
112936
48807
8.61
8.63
1490
992
84480
39277
8.62
8.63
101
992
132768
144511
8.62
8.63
8
994
34480
47951
8.61
8.62
1500
49
259456
29121
8.61
8.62
1497
1008
88776
21644
8.61
8.62
1525
949
193952
211877
8.61
8.62
1505
892
35344
298421
8.61
8.62
1505
1000
320536
36848
8.61
8.62
1388
1034
81824
7216
8.61
8.62
1327
1275
48216
64617
8.61
8.62
1272
1286
94752
5703
8.61
8.62
1207
1634
43104
26163
8.61
8.62
1210
1611
234408
19405
8.61
8.62
1152
1441
105112
23384
8.61
8.62
1104
1528
105056
28279
8.61
8.62
1112
1541
43944
234573
8.61
8.62
1091
1517
94736
21672
8.61
8.62
1024
1571
55968
33852
8.61
8.62
1019
1568
112000
28968
8.61
8.62
1041
1571
85312
8106
8.61
8.62
1012
1519
734968
42747
8.61
8.62
791
987
27552
16653
8.61
8.62
759
1006
235096
46414
8.61
8.62
1145
984
282664
80954
8.61
8.62
1134
656
145552
336241
8.61
8.62
1036
631
228376
12060
8.61
8.62
979
426
63720
54764
8.61
8.62
951
460
120616
12189
8.61
8.62
892
361
510680
191408
8.61
8.62
532
315
181792
23840
8.61
8.62
502
218
126576
10060
8.61
8.62
405
377
125824
29625
8.61
8.62
382
262
150728
49643
8.61
8.62
298
285
566264
6182
8.6
8.62
1522
273
72344
22238
8.6
8.61
1522
35
1720
9350
8.6
8.61
1520
105
171320
87656
8.6
8.61
1505
154
45632
73395
8.6
8.61
1505
134
55944
65923
8.6
8.61
1459
208
49040
7623
8.6
8.61
1435
224
281536
62139
8.6
8.61
1434
24
106720
10262
8.61
8.62
17
1005
88744
20345
8.61
8.62
61
952
101592
200364
8.6
8.61
1406
57
188376
23340
8.6
8.61
1332
115
189208
20201
8.6
8.61
1128
118
177352
8463
8.6
8.62
1112
982
229184
158816
8.61
8.62
1
778
912520
18361
8.6
8.61
269
86
17200
10562
8.6
8.61
252
202
487144
12787
8.6
8.61
95
118
222848
136465
8.59
8.6
1376
35
346112
49608
8.6
8.61
23
10
97232
8141
8.6
8.61
14
120
71424
10212
8.6
8.61
324
178
37024
12869
8.6
8.61
463
350
178920
67164
8.6
8.61
446
312
59352
28232
8.6
8.61
487
302
383056
67249
8.61
8.62
217
1672
86160
22893
8.61
8.62
256
1610
215288
112944
8.61
8.62
159
1572
174816
2283
8.61
8.62
6
1536
227968
69495
8.6
8.61
631
139
209888
86792
8.6
8.61
481
1598
11184
10417
8.6
8.61
478
2623
123112
220660
8.6
8.61
444
2857
513432
11088
8.59
8.6
1212
674
166840
106678
8.59
8.6
1222
1070
146200
13189
8.59
8.6
1222
1036
125560
13396
8.59
8.6
1244
1346
53320
5981
8.59
8.6
1259
1301
55904
86955
8.59
8.6
1476
1250
176296
10261
8.59
8.6
1476
1059
1266744
21618
8.6
8.61
1074
3796
20640
22216
8.6
8.61
1306
3796
58496
114992
8.6
8.61
1383
3802
1209160
25643
8.6
8.61
28
3797
91200
10238
8.59
8.6
1452
41
451088
65869
8.6
8.61
104
3554
320608
207517
8.59
8.6
879
395
8600
38520
8.59
8.6
879
397
112640
7030
8.59
8.6
863
703
18920
13745
8.59
8.6
863
742
109224
47015
8.59
8.6
865
675
43000
17502
8.59
8.6
865
1071
104856
9042
8.59
8.6
920
1075
10320
27948
8.59
8.6
934
1372
50736
23691
8.59
8.6
1470
1404
41248
9310
8.59
8.6
1652
1435
179280
27155
8.59
8.6
1741
1292
418376
9339
8.59
8.6
1321
1470
320640
244465
8.59
8.6
1189
1478
180416
49810
8.59
8.6
1094
1522
119424
12981
8.59
8.6
995
1879
512872
6395
8.59
8.6
449
1842
207168
63829
8.59
8.6
370
1739
181336
10510
8.59
8.6
247
1658
1128832
2825
8.58
8.59
1068
185
54120
53056
8.58
8.59
1105
194
210032
15665
8.59
8.6
546
1330
8592
20894
8.59
8.6
566
1150
144400
177143
8.59
8.6
622
1071
187456
27408
8.59
8.6
1162
874
61072
12189
8.59
8.6
1390
868
180472
42506
8.59
8.6
1575
782
487144
75190
8.61
8.61
228
756
222848
23037
8.61
8.61
142
707
346112
19298
8.61
8.62
714
707
97232
118869
8.61
8.62
643
695
71424
214492
8.61
8.61
533
375
37024
47365
8.61
8.61
595
290
178920
11655
8.62
8.61
781
1384
59352
8083
8.62
8.62
1610
1390
383056
36614
8.62
8.62
1610
1003
86160
15176
8.62
8.61
1569
919
215288
18702
8.62
8.61
1594
26
174816
31900
8.62
8.61
1576
13
227968
9823
8.62
8.6
1545
163
207168
2836
8.61
8.61
25
93
181336
26440
8.61
8.61
25
356
1128832
18805
8.61
8.61
1531
1101
54120
62220
8.61
8.62
96
1124
210032
15151
8.61
8.62
106
1
8592
82790
8.61
8.62
8
1221
144400
30364
8.61
8.62
1490
1182
187456
45927
8.62
8.62
1480
1226
61072
2978
8.62
8.62
1490
1457
180472
76968
8.61
8.62
101
1053
487144
12275
8.62
8.63
8
1008
222848
4119
8.62
8.63
1500
949
346112
21860
8.61
8.63
1497
892
650048
189876
8.62
8.63
1525
1000
1366336
10858
8.62
8.63
1505
1034
70704
35438
8.61
8.63
1505
1275
109584
26801
8.62
8.63
1388
1286
62032
30900
8.61
8.62
1327
1634
215624
23248
8.61
8.62
1112
1611
63744
32119
8.61
8.62
1091
1441
58584
14166
8.62
8.62
1
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- sas 数据 分析 结果
![提示](https://static.bingdoc.com/images/bang_tan.gif)