统计分析系统SAS应用(2012)

1统计分析系统SAS应用统计学是研究如何收集数据、分析数据并进行推断的学科。统计学的应用必然要涉及数据的收集、存贮、整理，以及各种统计方法的实现，这些都要靠统计软件的帮助来完成。从电子计算机出现至今，统计软件已经有了长足的发展。一方面经典的统计方法都已被实现到统计软件中，另一方面，帮助统计学家实现新的统计方法的软件也极大地推动了新的统计计算方法的研究与开发。SAS系统是一个集大型数据库管理、统计分析、报表图形、信息系统开发等多种强大功能为一体的大型软件系统，是国际公认的优秀统计分析软件.一、基本统计概念1、总体和样本总体：一些值的集合，如每个人的身高。样本：抽样的结果。样本：x1,x2,x3,……xn样本均值：nxxxxn...21样本方差：212)(11xxnsnii2、正态分布：222)(21)(xexpN(μ,σ2)若μ=0，σ2=1标准正态分布N(0,1)3、正态总体均值和方差的检验均值的检验假设H0：μ=μ0H1:μ≠μ0步骤：提出假设H0：μ=μ0H1:μ≠μ02构造检验统计量nsxT/0在H0下服从t(n-1)分布由样本计算T值，在H0成立时|T|应该很小利用T值计算p值推断：当pα(一般取α=0.05)则否定H0当pα则H0相容方差的检验假设H0：σ2=σ02H1:σ2≠σ02构造检验统计量202)(xxVi在H0下服从χ2(n-1)分布……二、SAS系统介绍SAS运行界面启动后，出的SAS运行界面，术语称为“SAS工作空间（SASApplicationWorkSpace）”。它象其它Windows应用程序一样，在一个主窗口内，包含若干个子窗口，并有菜单条、工具栏、状态栏等。SAS有三个最重要的子窗口：程序窗口（PROGRAMEDITOR）、运行记录窗口（LOG）、输出窗口（OUTPUT）。程序窗口的使用类似于Windows中的记事本程序，可以在其中编辑文本文件，主要是编辑SAS程序。运行记录窗口记录程序的运行情况，运行是成功还是出错，运行所用时间，如果出错，错在什么地方。运行记录窗口中以红色显示的是错误信息。输出窗口显示SAS程序的文本型输出（图形输出单独有一个GRAPHICS窗口）。输出分页显示。要把光标移动到某一窗口，可以用主菜单中的Window菜单选择要显示的窗口。用功能键F5可以切换到程序窗口，F6可以到运行记录窗口，F7可以到输出窗口。SAS主窗口标题栏下是主菜单。其中，File（文件）菜单主要是有关SAS文件调入、保存及打印的功能。Edit（编辑）菜单用于窗口的编辑（如清空、复制、剪切、粘贴、查找、替换）。Locals（局部）菜单与当前正在进行的操作有关，如果你正在程序窗口中编辑程序，则Locals菜单有提交运行、调回修改等项，如果在运行记录窗口或输出窗口则Locals菜单项根本不出现。Globals菜单内容比较复杂，它可以打开被关闭的程序窗口、运行记录窗口、输出窗口、图形窗口，可以进入SAS提供的各个独立模块。Submit－提交编辑窗口中的程序3New－清空编辑窗口Open－打开文件到编辑窗口。用户指定一个文件调入到编辑窗口内。这个文件从此与编辑窗口相关联，以后的存盘操作将自动存入这个文件。Save－存盘，保存编辑窗口内容，注意如果此窗口已经与一个文件相联系的话此功能将覆盖文件的原有内容而不提示。Print－打印当前窗口内容Printpreview－打印预览。Cut－剪切选定文本。Copy－复制选定文本。Paste－粘贴。注意这些操作是对Windows剪贴板进行的，可以用来与其它Windows应用程序交换文本、数据等。剪切或复制到剪贴板的内容可以被其它应用程序粘贴，其它应用程序放到剪贴板的内容也可以粘贴到SAS的编辑窗口中。Undo－撤销刚才的编辑操作。DOSprompt－临时进入DOS。Browse－打开。Directories－进入Directory（目录）窗口，可以浏览各SAS数据库的内容，可以浏览数据库中的数据集、SAS目录的内容。SAS/ASSIST－启动SAS的菜单驱动界面SAS/ASSIST。Help－启动Windows的帮助系统进入SAS的帮助。简单运行样例假设我们有一个班学生的数学成绩和语文成绩，数学满分为100，语文满分为120，希望计算学生的平均分数（按百分制）并按此排名，可以在程序窗口输入此程序：title'95级1班学生成绩排名';datac9501;inputname$sex$mathchinese;avg=math*0.5+chinese/120*100*0.5;cards;李明男9298张红艺女89106王思明男8690张聪男98109刘颍女80110;run;procprint;run;procsortdata=c9501;bydescendingavg;run;procprint;run;实际上，输入这样包含中文的程序最好办法不是在SAS程序窗口直接输入，因为SAS目4前对中文输入的处理还不够完善，好的办法是打开一个其它的编辑程序如Windows中的记事本（在Win95中用开始菜单中的“程序|附件|记事本”启动），在记事本中复制输入的程序，然后到SAS系统程序窗口中使用粘贴命令（用Edit菜单的Paste或工具栏上的粘贴图标），把程序复制到SAS中。也可以在记事本中把编好的程序存盘，然后在SAS程序窗口用File菜单的Open命令打开保存好的程序文件。要运行此程序，只要用鼠标单击工具栏的提交图标，或用Locals菜单的Submit命令。在程序窗口用“Locals|Recalltext”菜单或按F4功能键可以调回程序修改。从上面的例子程序可以看出SAS程序的一些特点。SAS程序由语句组成，语句用分号结束。SAS程序中大小写一般不区分（字符串中要区分大小写）。SAS程序中的空格、空行一般可以任意放置，这样我们可以安排适当的缩进格式使得源程序结构清楚易读。SAS程序由两种“步”构成，一种叫数据步（datastep），一种叫过程步（procstep），分别以DATA语句和PROC语句开始。数据步和过程步由若干个语句组成，一般以RUN语句结束。2.1SAS基本概念介绍一些SAS特有的概念，其中最重要的是数据集。SAS数据集SAS数据集（SASDatasets）可以看作由若干行和若干列组成的表格，类似于一个矩阵，但各列可以取不同的类型值，比如整数值、浮点值、时间值、字符串、货币值等等。SAS数据集存放在以特殊格式存放的二进制文件中，我们用一个SAS中的逻辑名来使用SAS数据集而不需关心它到底如何存储在磁盘上。比如例子生成了一个名为C9501的数据集，数据集的每一行叫做一个观测（Observation），每列叫做一个变量（Variable）。SAS数据集等价于关系数据库系统中的一个表，实际上一个SAS数据集有时也称作一张表。在数据库术语中一个观测称作一个记录，一个变量称作一个域。在C9501数据集中有5个观测，分别代表5个学生的情况，而每个学生有5个数据，分别为姓名、性别、数学成绩、语文成绩、平均分，所以此数据集有5个变量。从上面看出，数据集要有名字，变量要有名字，所以SAS中对名字（数据集名、变量名、数据库名，等等）有约定：SAS名字由英文字母、数字、下划线组成，第一个字符必须是字母或下划线，名字最多用8个字符，大写字母和小写字母不区分。比如，name，abc，aBC，x1，year12，_NULL_等是合法的名字，且abc和aBC是同一个名字，而class-1（不能有减号）、abit（不能有空格）、serial#（不能有特殊字符）、Documents（超长）等不是合法的名字。SAS数据库SAS数据集是各种特殊格式的SAS文件中最重要的一种。另一种重要的SAS文件是SAS5目录（Catalog），用来保存各种不能表示成行列结构表格形式的数据，比如系统设置、图象、声音等。多个SAS文件可以放在一起，称为一个SAS数据库（Library）。数据库有一个库名（Libname），其命名遵循上述SAS名字命名原则。在MSDOS/Windows环境中，一个SAS数据库实际是磁盘上的一个子目录（特殊情况下一个数据库可以由几个子目录组成）。为了把库名和子目录联系起来，使用LIBNAME语句。比如，我们在C:\s子目录中保存了几个SAS数据集，可以用如下语句把库名MYLIB与子目录C:\s联系起来：libnamemylibc:\s;有三个预定义的SAS数据库：WORK、SASUSER、SASHELP。其中，WORK数据库叫做临时库，存放在其中的SAS文件叫临时文件，这些临时文件当退出SAS系统时会被自动删除。SASUSER库保存与用户个人设置有关的文件，它是永久的，即退出SAS时文件不会被删除。SASHELP库保存与SAS帮助系统、例子有关的文件，是永久的。从上面看出，SAS文件分为临时文件和永久文件：临时文件在退出SAS系统时自动被删除，永久文件在退出SAS系统时不自动被删除。所以，我们把作为中间结果使用的数据集或练习用的数据集作为临时数据集保存，而需要以后再用的数据集则可以保存为永久数据集。临时数据集和永久数据集的区别是：临时数据集可以用单水平名，即只有数据集名，比如C9501，而永久数据集名由两部分组成，前一部分是它的库名，后一部分才是数据集名，两部分中间用小数点连接，比如放在MYLIB库（即C:\Y1995子目录）中的数据集TEACH必须用MYLIB.TEACH表示。这样指定的数据集名在生成时可以放到由库名指定的子目录中，在读取时可以到指定的子目录读取，并且不会被自动删除。临时数据集除用单水平名外，也可以用库名为WORK的两水平名，如WORK.C9501和C9501是一样的。要生成永久数据集，只要在指定要生成的数据集名时使用两水平名且库名已有定义，比如，要把上面的C9501数据集在生成时就放到C:\s子目录中，可以用如下语句：libnamemylibc:\s;datamylib.c9501;……procsortdata=mylib.c9501;……说明：在SAS中，统计假设检验的结果一般用检验的p值给出。这与我们习惯的做法稍有不同，以单正态总体的均值检验为例。假设我们要检验中学生的身高是否均值为零（这当然不可能，我们为简单起见用这种假设），设总体服从，要检验的零假设为，水平0.05，统计量使用t统计量，一般我们用的假设检验方法定否定域为W={|t|C}，其中C为n-1自由度t分布的双侧0.05分位数（Pr{|t|C}=0.05），当用样本算出的t统计量的值（如t=A）落入否定域时（|A|C）否定零假设。在SAS中不需要这样指定否定域，它可以先用样本计算出t统计量的值（A），如果这个A绝对值很大就否定零假设，t统计量绝对值值是不是很大可以用这样一个p=Pr{|t||A|}来衡量，p是一个0到1之间的数值，显然|A|越大，p越小。p0.05与|A|C是等价的。所以，如果p小于0.05，就否定零假设，称检验结果是显著的。否则不否定零假设。62.2SAS语言与数据管理SAS系统强大的数据管理能力、计算能力、分析能力依赖于作为其基础的SAS语言。SAS语言是一个专用的数据管理与分析语言，它的数据管理功能类似于数据库语言（如FoxPro），但又添加了一般高级程序设计语言的许多成分（如分支、循环、数组），以及专用于数据管理、统计计算的函数。SAS系统的数据管理、报表、图形、统计分析等功能都可以用SAS语言程序来调用，只要指定要完成的任务就可以由SAS系统按照预先设计好的程序去进行，所以SAS语言和FoxPro等一样是一种第四代语言。介绍SAS语言的基本成分与规则，SAS语言如何用来管理数据，SAS语言作为一个统计计算语言的用法，以及SAS过程使用的初步知识。SAS语言构成SAS语言程序由数据步和过程步组成。数据步用来生成数据集、计算、整理数据，过程步用来对数据进