SAS基础 2021/10 回顾

SAS 2021/10 回顾

SAS

1.书本知识回顾

​ 变量（数值型/字符型/日期型）：名称、类型、长度、输入格式、输出格式、标签

​ 常量/运算符/表达式/语句

1.1 语句

• 数据步: DATA — 数据管理

​ 常见：FILE/PUT/LENGTH/LABEL/KEEP/DROP/WHERE/SET/MERGE/BY/RENAME……

复制与修改/合并（纵向/横向：先排序SORT+BY）/拆分

控制语句：

​ 条件：IF-THEN/IF-THEN-DO/IF-THEN-ELSE/SELECT(3个条件以上)
SELECT..; WHEN 1; WHEN 2; WHEN 3; ....;OTHERWISE N; END;
​ 循环：DO/DO-WHILE/DO-UNTIL

DO V=A TO N BY 步长; 循环内容; LEAVE; END; RUN /LEAVE用于跳出循环/

DO WHILE(继续条件);内容;END;

DO UNTIL(退出条件);内容;END;

……

• 过程步: PROC — 统计分析

其他：CLUSTER/PRINCOMP/FACTOR/TABULATE/GCHART/

GRAPH/CANCORR//DISCRIM/STEPDISC/LIFEREG/LIFETEST/…

MEANS	FREQ	UNIVARIATE	SORT	常见
TTEST	ANOVA	LOGISTIC	GLM	常用
REG	PRINT	CORR

常用搭配：

VAR	OUTPUT	BY
CLASS	WHERE	ID
FREQ	MODEL	LABEL
FORMAT	WEIGHT	NOOBS

CLASS 分组 VS. SORT…BY 分组

注意事项：字符型/数值型–$

INPUT—把字符串转成数值型、日期型(取决于第二个句子format.)

PUT 相反

1.2 SAS 函数

数学函数/统计函数/概率分布函数/随机函数/分位数函数/字符串函数

数学函数	统计函数	字符函数	概率分布函数	分位数函数	随机数函数
MAX	MEAN	TRIM(s)去除空格	PROBNORM	PROBIT	RANUNI
MIN	N(非缺失数)	UPCASE(s)大写转小写	PROBT		NORMAL
MOD	NMISS	LOWCASE(s)小写转大写	PROBCHI
SQRT	SUM	LENGTH(s)长度	PROBF
CELL	VAR	SUBSTR(s,p,n)从s中第p处取n个字符	PROBBETA
FLOOR	STD	REVERSE(s)s的反转结果	PROBBNML
INT	CV	TRANWRD(s,s1,s2)s1全部替换成s2	POISSON
ROUND	RANGE	INDEX(s,s1)返回s1的位置/无则为0
		COMPRESS(s,修饰符)保留或删除字符

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-jlqi12XA-1634542493967)(C:\Users\shiyanshi\AppData\Roaming\Typora\typora-user-images\image-20211016171217288.png)]

---

1.3 描述性统计分析

集中趋势：样本数/均值/中位数/众数/百分位数

离散程度：极差/方差/标准差/变异系数

分布：偏度/峰度

SAS: MEANS — 给出：N,MEAN, STD, MAX, MIN+ 说明指标

SAS: UNIVARIATE — 给出：描述性统计量/统计测度/位置检验（t/符号秩和检验）/各分位数/观测最高与低的5个

1.4 列联表分析

变量	相关性分析	条件
连续变量
分类变量（属性）	无序	n≥40: 单元期望频数 < 5,Pearson卡方；
		小样本<40: Fisher精确检验
	有序	Gamma系数
		Tau-c系数

2X2中：n≥40:卡方(T:1-5), Fisher(T=1)；n<40:Fisher ;

SAS: FREQ

PROC FREQ [];
 TABLES [];/*默认频数+百分比*；举例：X1*X2/CHISQ */
 BY [];
 OUTPUT []...;
 WEIGHT;/*作为观测权重的变量*/
 

1.5 统计推断：参数估计+假设检验

统计推断 — 从总体中抽取部分进行样本抽查进行估计与推断

参数估计 — 通过样本观测值进行统计推断总体重点位置参数

参数估计		条件
点估计	某个适当统计量的观测值作为某未知参数的估计值
区间估计	在点估计的基础上，给一个参数区间估计总体参数，给出可靠度即置信区间100(1-α)%，α是区间估计的显著性水平	均值μ
		方差

假设检验 — 显著性检验；先做参数或分布的某种假设再检验统计量；根据其大小拒绝or接受

​ 流程：建立零假设H0；备择假设H1----建立统计分布、统计量、概率-----给定α、决定结果

假设检验	已知	未知	方法
参数检验	分布	总体参数	t检验
非参数检验		分布、参数	秩和检验

SAS：TTEST— 独立/成对/两独立样本T;

两组时考虑方差齐性

PROC TTEST [];
	CLASS/PAIRED;
	VAR [];
RUN;

1.6 方差分析ANOVA

几因素方差分析：观测变量受两类因素调控—因素变量+随机变量

• 单因素方差分析

F值，P值+方差齐性，多重比较

• 多因素方差分析

考虑交互作用、几因素、

SAS : ANOVA, GLM

ANOVA 交互式 ；需要用QUIT语句结束

​ MODEL:模型选择

主效应模型	y= a b
交互效应模型	y= abc aXb aXc bXc aXbXc
嵌套设计模型	y= a b c (a c)

多重比较检验MEANS: LSD;TUKEY;SNK;…

GLM过程 （非均衡数据做方差

PROC GLM;
 CLASS [];
 MODEL [];
 MEANS C/SNK;
RUN;
QUIT;

EMS:误差均方

拉丁方设计/析因设计/正交设计/……

1.7 非参数统计分析

不服从正态分布、未知总体

类型	方法	过程步
单样本	符号检验；Wilcoxon符号秩和检验;	UNIVARIATE
两个样本	独立：Wilcoxon秩和检验;中位数检验；VW;…	NPAR1WAY
	配对：符号检验；Wilcoxon符号秩和检验;	UNIVARIATE(预处理差值DIFF)
多个样本	KS检验；中位数检验	NPAR1WAY

1.8 相关分析

有关联不存在确定性的关系 |r| ≤1

相关系数指标：Peason（两变量线性相关）；Spearman(利用两变量的rank大小作线性相关) ；Kendall t（分类变量相关性；有序分类）；……

偏相关系数：

SAS： CORR

PROC CORR
  BY [];
  FREQ [];
  PARTIAL []; /*偏相关*/
  VAR [];
  WEIGHT [];
RUN;

典型相关分析

1.9 回归分析

• 线性回归（一元/多元

​ 回归方程统计检验：一元中：拟合优度R2统计量，[0,1] 1:说明拟合优度高；多元中：Adjusted R2

​ 回归方程显著性检验ANOVA：检验各自变量的回归系数是否为0；

​ 回归系数的显著性检验：

​ 残差分析：正态性/异方差/

​ 其他：变量筛选（向前/向后/逐步）；多重共线性（测量方法：容忍度，方差膨胀因子VIF，特征根和方差比，条件指数）

SAS REG

PROC REG [];
	MODEL Y=Xn/[];
	WEIGHT [];
	BY [];
	ID [];
	OUTPUT OUT = DATASET KEYWORD = V;
	PLOT Y*X="";/*散点图*/
RUN;

MODEL: CLI(预测值上下置信区间); CLM(因变量的置信区间); R(残差分析); P(计算回归预测模型);

SIMPLE:简单统计数 ;CORR:计算相关系数;

逐步回归算法：MODEL Y=Xn/ SELECTION= STEPWISE;

• 非线性回归

NLN过程

• LOGISTIC回归

Y：0/1变量；回归系数：考虑发生比；回归方程：似然比检验；回归系数检验：Wald统计量；拟合优度检验：OR值L:exp(B)

定性变量需要先哑变量操作后进行回归分析

SAS LOGISTIC

PROC LOGISTIC [];
	BY [];
	CLASS [];
	FREQ [];
	MODEL 变量[]=[效应]/[];
	WEIGHT [];
	OUTPUT OUT = [];

可加上：

ORDER 因变量水平顺序

SLE = 概率值（进入回归模型的显著水平）; SLS= 概率值（保留回归模型的显著水平）;

1.10 聚类分析

性质相近则归为一类

“亲疏程度”：个体间的相似程度；个体间的差异程度

变量	方法	解释
定量	欧氏距离/平方欧式距离
二值	简单匹配/Jaccard雅科比系数

• 系统聚类

样本聚类（Q型）；变量聚类（R型）

SAS CLUSTER

也可利用PROC TREE语句画谱系图

• 快速聚类

SAS FASTCLUS (不调整分类的结果)

1.11 主成分分析

降维，用较少的几个综合变量来解释原始数据的大部分变异；每个主成分为原始变量的线性组合（方差Var最大的几个，按累积贡献率取前k个包含80%以上的信息且特征值大于1即可）

SAS PRINCOMP

1.12因子分析

在主成分的基础上，不仅注意变量之间是否相关，而且考虑相关关系的强弱(因子载荷)

SAS FACTOR

1.13判别分析

根据已知样本的分类及所测定的指标，筛选出能够提供较多信息的指标，建立判别函数，使判错率最小从而实现对未知数据分类数据的判断。

一般判别：Fisher判别：多维投影到一维，基于类别之间的距离/Bayes判别：根据所属类的概率

SAS DISCRIM

典型判别分析–SAS CANDISC

逐步判别回归–SAS STEPDISC

1.14 生存分析

参数法：指数分布法，logistic回归分析

半参数法：Cox模型分析法

SAS LIFEREG

对指数分布、Weibull分布等拟合生存函数模型

PROC LIFEREG [];
	MODEL Y[*截尾变量]=X效应[/选项];
	OUTPUT OUT 关键词= [];
	CLASS ;
	PLOTS= [];/*概率图
RUN;

LIFETEST检验

两种秩检验：对数秩检验（Log-rank test），Wilcoxn检验；似然比方法检验两组或以上

PROC LIFETEST;
	METHOD= ;/*PLIKM(默认)，*/
	TIME 生存时间因变量*截尾变量;
	TEST ;
	STRATA ;
	FREQ ;
RUN;

SAS PHREG 半参数COX比例风险模型

PROC PHREG[];
	MODEL 生存时间因变量[*截尾变量]=X效应[/选项];
	STRATA [] ;
	FREQ [];
	BY [];
RUN;

1.15图形

• GPLOT: 散点图、曲线图、线图
• GCHART: 水平条形图、垂直条形图、饼图
• 茎叶图、QQ图（UNIVARIATE-plot）

PROC GPLOT[];
	PLOT Y*X[]/[];
	PLOT2 Y*X[]/[];
	SYMBOLn [];
  RUN;

V=；数据点图形符号

I=；数据点连接方式

COLORIC=;颜色