多元分析SAS上机实验(密码shiyan).ppt

《多元分析SAS上机实验(密码shiyan).ppt》由会员分享，可在线阅读，更多相关《多元分析SAS上机实验(密码shiyan).ppt（35页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、 多元统计分析第一次实验多元统计分析第一次实验 指导老师：肖枝洪指导老师：肖枝洪 建立建立数据集数据集数据集数据集,熟悉熟悉SAS软件的软件的操作界面操作界面操作界面操作界面，掌握编，掌握编写写SAS程序的程序的基本语言基本语言基本语言基本语言常识和程序结构及作图；常识和程序结构及作图；掌握掌握SAS程序中的程序中的reg过程的基本语法结构，理解过程的基本语法结构，理解程序结果的意义程序结果的意义，并进行预报！并进行预报！1/5/202311/5/202321/5/20233 Statistical Analysis System 简简称称为为SAS,可用来分析数可用来分析数据和据和编编写写报

2、报告告.它是美国它是美国SAS研究所的研究所的产产品品,在国在国际际上被誉上被誉为标为标准准软软件件,在我国深受医学、在我国深受医学、农农林、林、财经财经、社、社会科学、行政管理等众多会科学、行政管理等众多领领域的域的专业专业工作者的好工作者的好评评。有关的最新信息，可以有关的最新信息，可以查查看看 http:/。采用采用积积木式模木式模块结块结构，构，其中的其中的/模模块块是目前功能最是目前功能最强强的多元的多元统统计计分析程序集分析程序集,可以做可以做回回归归分析、聚分析、聚类类分析、判分析、判别别分析、分析、主成分分析、因子分析、典型相关分析主成分分析、因子分析、典型相关分析 以及各种以

3、及各种试验设计试验设计的的方差分析和方差分析和方差分析和方差分析和协协协协方差分析方差分析方差分析方差分析。本本讲义围绕讲义围绕SAS的的应应用用,讲讲述以下四部分内容：述以下四部分内容：(1)应应用基用基础础；(2)常用常用语语句；句；(3)服服务过务过程；程；(4)描述性描述性统计统计程式。程式。1/5/20234的显示管理系统的显示管理系统的显示管理系统的显示管理系统启动计算机启动计算机,点击点击SAS图标后图标后,即可进入即可进入SAS的显示管理的显示管理系统系统.在在View中有四个主要的窗口中有四个主要的窗口(其他的先不考虑其他的先不考虑)：(1)编辑窗口编辑窗口(program

4、editor):编辑程式和数据文件编辑程式和数据文件;(2)日志窗口日志窗口(log):记录运行情况记录运行情况,显示显示error信息信息;(3)输出窗口输出窗口(output):输出运行的结果输出运行的结果;(4)图形窗口图形窗口(graph):输出图形输出图形.点击点击 View 菜单中的菜单中的 Program editor、Log、Output、Graph 命令可以进入编辑、日志、输出及图形窗口命令可以进入编辑、日志、输出及图形窗口.按功能键按功能键F5、F6、F7也可以进入编辑、日志及输出窗口也可以进入编辑、日志及输出窗口.退出退出SAS有两种方法：有两种方法：(1)点击点击 Fi

5、le 菜单中的菜单中的 Exit 命令；命令；(2)点击窗口右上角的点击窗口右上角的。1/5/20235 以下是用以下是用SAS程序绘制的二维正态分布分布密度函数程序绘制的二维正态分布分布密度函数的示意图。所用的的示意图。所用的SAS程序为：程序为：data ex;do x=-3 to 3 by 0.25;do y=-3 to 3 by 0.25;p=exp(-(x*x+y*y)*5/4+x*y*3/2)/2)/2/3.1416;output;end;end;proc g3d;plot y*x=p;run;1/5/202361/5/202373 3应用应用应用应用SASSAS计算标准正态分布的

6、分位数计算标准正态分布的分位数计算标准正态分布的分位数计算标准正态分布的分位数 在在SAS中有中有probit(p)函数，用此函数可以求函数，用此函数可以求p分位数分位数.SAS程序为程序为 data ex;input p;u=data ex;input p;u=probit(p);listprobit(p);list;cards;cards;0.025 0.05 0.1 0.9 0.95 0.975 0.025 0.05 0.1 0.9 0.95 0.975 ;proc print;run;proc print;run;输出的结果如下：输出的结果如下：-1.959963985 0.025 -

7、1.644853627 0.05 -1.281551566 0.1 1.2815515655 0.9 1.644853627 0.95 1.9599639845 0.9751/5/202384 4应用应用应用应用SASSAS计算卡方分布的分位数计算卡方分布的分位数计算卡方分布的分位数计算卡方分布的分位数在在SAS中有中有cinv(p,df)函数，用此函数可以求函数，用此函数可以求p分位数分位数.SAS程序为程序为data ex;input p df;c=cinv(p,df);list;cards;0.025 4 0.05 4 0.1 4 0.9 4 0.95 4 0.975 4;proc pr

8、int;run;输出的结果如下：输出的结果如下：0.025 4 0.4844185571 0.05 4 0.7107230214 0.1 4 1.0636232168 0.9 4 7.7794403397 0.95 4 9.4877290368 0.975 4 11.1432867821/5/202395 5应用应用应用应用SASSAS计算计算计算计算t t分布的分位数分布的分位数分布的分位数分布的分位数在在SAS中有中有tinv(p,df)函数，用此函数可以求函数，用此函数可以求p分位数分位数.SAS程序为程序为data ex;do df=4;do p=0.025,0.05,0.1,0.9,

9、0.95,0.975;t=tinv(p,df);put p df t;end;end;run;输出的结果如下：输出的结果如下：0.025 4 -2.776445105 0.05 4 -2.131846786 0.1 4 -1.533206274 0.9 4 1.5332062741 0.95 4 2.1318467863 0.975 4 2.77644510521/5/2023106应用应用SAS计算计算F分布的分位数分布的分位数在在SAS中有中有finv(p,df1,df2)函数函数,用此函数可以求用此函数可以求p分位数分位数.SAS程序为程序为 data ex;input p df1 df

10、2;f=finv(p,df1,df2);list;cards;0.025 3 4 0.05 3 4 0.1 3 4 0.9 3 4 0.95 3 4 0.975 3 4;proc print;run;1/5/202311实验实验实验实验1.1.应用应用应用应用SASSAS作一元线性回归分析作一元线性回归分析作一元线性回归分析作一元线性回归分析 data ex;input x y;cards;14.3 46.3 14 30.7 69.3 144.6 22.7 69.2 7.3 16 8 12.3 1.3 2.7 7.9 26.3 20 .;proc gplot;plot y*x;/*/*以以y

11、y为纵坐标为纵坐标,以以x x为横坐标为横坐标*/symbol i=rl v=dot;/*i=/*i=rl rl表示画回归直线表示画回归直线*/*v=dot表示观测值对应的点标记为小圆点表示观测值对应的点标记为小圆点*/proc reg;model y=x/cli xpx i;output out=a press=presidi;proc print;run;/*y=x表示以表示以y为因变量为因变量,以以x为自变量为自变量,*/*cli表示要求预测值的表示要求预测值的95%置信区间置信区间*/*xpx表示求增广矩阵表示求增广矩阵,i表示求逆矩阵表示求逆矩阵*/1/5/2023121/5/202

12、313Model:MODEL1Dependent Variable:YAnalysis of Variance Sum of MeanSource DF Squares Square F Value ProbFModel 1 14141.74052 14141.74052 140.992 0.0001Error 6 601.80823 100.30137C Total 7 14743.54875 Root MSE 10.01506 R-square 0.9592 Dep Mean 43.51250 Adj R-sq 0.9524C.V.23.01651为校正后的决定系数为校正后的决定系数.1/

13、5/202314 Parameter Estimates Parameter Standard T for H0:Variable DF Estimate Error Parameter=0 Prob|T|INTERCEP 1 5.922366 4.74969580 1.247 0.2589 X 1 2.076803 0.17490302 11.874 0.0001Model Crossproducts XX XY YYXX INTERCEP X YINTERCEP 8 144.8 348.1X 144.8 5899.66 13109.99Y 348.1 13109.99 29890.25XX

14、 Inverse,Parameter Estimates,and SSE INTERCEP X YINTERCEP 0.2249182623 -0.005520346 5.9223664747 X -0.005520346 0.0003049915 2.0768029572 Y 5.9223664747 2.0768029572 601.808229321/5/202315Model:MODEL1Dependent Variable:YAnalysis of Variance Sum of MeanSource DF Squares Square F Value ProbFModel 1 14

15、141.74052 14141.74052 140.992 0.0001Error 6 601.80823 100.30137C Total 7 14743.54875 Root MSE 10.01506 R-square 0.9592 Dep Mean 43.51250 Adj R-sq 0.9524C.V.23.01651为校正后的决定系数为校正后的决定系数.1/5/202316 Parameter Estimates Parameter Standard T for H0:Variable DF Estimate Error Parameter=0 Prob|T|INTERCEP 1 5

16、.922366 4.74969580 1.247 0.2589 X 1 2.076803 0.17490302 11.874 0.0001Model Crossproducts XX XY YYXX INTERCEP X YINTERCEP 8 144.8 348.1X 144.8 5899.66 13109.99Y 348.1 13109.99 29890.25XX Inverse,Parameter Estimates,and SSE INTERCEP X YINTERCEP 0.2249182623 -0.005520346 5.9223664747 X -0.005520346 0.0

17、003049915 2.0768029572 Y 5.9223664747 2.0768029572 601.808229321/5/202317 Dep Var Predict Std Err Lower95%Upper95%Obs Y Value Predict Predict Predict Residual 1 46.3000 35.6206 3.603 9.5773 61.6640 10.6794 2 30.7000 34.9976 3.613 8.9459 61.0493 -4.2976 3 144.6 149.8 9.630 115.8 183.8 -5.2448 4 69.20

18、00 53.0658 3.631 26.9988 79.1327 16.1342 5 16.0000 21.0830 4.013 -5.3172 47.4833 -5.0830 6 12.3000 22.5368 3.957 -3.8127 48.8863 -10.2368 7 2.7000 8.6222 4.601 -18.3464 35.5908 -5.9222 8 26.3000 22.3291 3.965 -4.0274 48.6856 3.9709 9 .47.4584 3.556 21.4532 73.4636 .Sum of Residuals 0 Sum of Squared

19、Residuals 601.8082 Predicted Resid SS(Press)5610.21601/5/202318OBS X Y PRESIDI 1 14.3 46.3 12.2667 2 14.0 30.7 -4.9405 3 69.3 144.6 -69.4832 4 22.7 69.2 18.5761 5 7.3 16.0 -6.0554 6 8.0 12.3 -12.1305 7 1.3 2.7 -7.5067 8 7.9 26.3 4.7089是第个观测值的预测残差是第个观测值的预测残差,而而 是删去第是删去第i个观测值后个观测值后,根据剩下的根据剩下的n1组观测值建立线

20、组观测值建立线性回归方程并将性回归方程并将xi代入此回归方程所得到的第代入此回归方程所得到的第i个观测个观测值的预测值值的预测值.1/5/202319总结总结:1.做散点图做散点图;2.建立回归方程建立回归方程;3.3 种方法检验种方法检验;4.得到预测区域得到预测区域;1/5/202320上机实验上机实验2.data lreg07;input x1 x2 y;cards;1.37 9.08 4.93 11.34 1.89 1.86 3.06 2.33 0.76 10.2 5.78 17.67 0.050.06 15.91 0.73 0.43 15.74 1.03 0.875.41 6.25

21、3.86 5.4 6.3.;symbol i=rl v=star;/*（symbol 为绘图设置语句为绘图设置语句*/*i=rl 要求画回归直线要求画回归直线*/*v=star 要求用星号表示点）要求用星号表示点）*/1/5/202321proc gplot;plot y*x1;/*（要求画回归直线及点（要求画回归直线及点x1,y）*/proc reg;model y=x1/xpx i;run;/*（要求建立一元线性回归方程并作检验）（要求建立一元线性回归方程并作检验）*/proc gplot;plot y*x2;proc reg;model y=x2;run;proc reg;model y

22、=x1 x2/alpha=0.01 cli;run;/*（要求建立二元线性回归方程（要求建立二元线性回归方程 并作检验及回报与预报）并作检验及回报与预报）*/1/5/2023221/5/202323Y=5.621170-0.319113*X1;F=494.064;ProbF为为0.0001;R-square=0.9880;Y=0.363778+0.532975*X2;F=279.602;ProbF为为0.0001;R-square=0.9790;Y=3.610506-0.198281*X1+0.206755*X2;F=392.516;ProbF为为0.0001;R-square=0.9937;

23、1/5/202324Model Crossproducts XX XY YYXX INTERCEP X1 X2 YINTERCEP 8 77.87 32.29 20.12X1 77.87 1066.9317 33.7369 97.2483X2 32.29 133.7369 40.0809 139.7036Y 20.12 97.2483 139.7036 82.4468 XX Inverse,Parameter Estimates,and SSE INTERCEP X1 X2 YINTERCEP 22.8232 -1.3771 2.3025 3.6105X1 -1.3771 0.0841 0.1

24、384 -0.1983X2 -2.3025 0.1384 0.2368 0.2068Y 3.6105 -0.1983 0.2068 0.20151/5/202325 Analysis of Variance Sum of MeanSource DF Squares Square F Value Prob FModel 2 31.64346 15.82173 392.516 0.0001Error 5 0.20154 0.04031C Total 7 31.84500Root MSE 0.20077 R-square 0.9937Dep Mean 2.51500 Adj R-sq 0.9911C

25、.V.7.98289 1/5/202326 Dep Var Predict Std Err Lower95%Upper95%Obs Y Value Predict Predict Predict Residual 1 4.9300 5.2162 0.120 4.6150 5.8174 -0.2862 2 1.8600 1.7528 0.139 1.1252 2.3803 0.1072 3 2.3300 2.3258 0.122 1.7221 2.9295 0.00420 4 5.7800 5.5687 0.154 4.9188 6.2186 0.2113 5 0.0600 0.1172 0.1

26、32 -0.4998 0.7343 -0.0572 6 0.4300 0.6068 0.104 0.0251 1.1884 -0.1768 7 0.8700 0.7025 0.110 0.1137 1.2914 0.1675 8 3.8600 3.8300 0.092 3.2626 4.3974 0.0300 9 .3.8423 0.090 3.2763 4.4084 .观测值观测值 预测值预测值 标准误标准误 95%置信下限与上限置信下限与上限 残差（剩余）残差（剩余）1/5/202327逐步回归过程表述如下：逐步回归过程表述如下：proc reg;model y=x1-x4/selection=stepwise;run;1/5/2023281/5/2023291/5/2023301/5/2023311/5/2023321/5/2023331/5/2023341/5/202335