sas基本统计情况文本笔记.doc

《sas基本统计情况文本笔记.doc》由会员分享，可在线阅读，更多相关《sas基本统计情况文本笔记.doc（68页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、Range极差极差 mean(1,2,3)平均平均 std 标准差标准差/*自动导入*/Libname cwb “”;proc import datafile=“E:WORK杂七杂八SAS数据库分期乐入池数据明细数据（风险指标监控表sheet=风险指标监控表总表;getnames=yes; 导入源文件字段名作为SAS数据集的字段名自动导入%macro chouc(today_date);datafile=“C:Users、sheet=“、“;run;%mend;%chouc(20170116);、proc export data=sashelp.carsoutfile=/folders/myf

2、olders/sasuser.v94/TutorialsPoint/car_data.csvdbms=csv;run;/4*先排序*/proc sort data=new_cy2;by _COL1 ;run;/*标题*打印*/proc print ;title 员工薪水;RUN;proc print data=cwb.result20170208 label;id package;var overdue_principal_za overdue_principal_fql; label overdue_principal_za=“、“ overdue_principal_fql=“、“ ;ru

3、n;proc print data=cwb.result20170208;where principal_sell 20000000;run;/*、*/1proc tabulate data=work.risk005b;class _COL22; 、var _COL5;、table _COL22 _COL5;、/、math chinese、*、mean var、run;2proc tabulate data=work.risk005b;class _COL22;var _COL5 _COL4;table _COL22, (_COL4 _COL5)*(mean max min);run;tabl

4、e _COL22 all, (_COL4 _COL5)*(mean max min); 、 ALL、 2.、 table (_COL22 all)*(_COL4)*(mean);、 table (sex all), (math chinese)*(mean std);keylabel mean=、 std=、 all=、;label sex=、 math=、 chinese=、;run;-/*复制*强制追加*把B加到A中*而SET是要新建一个的*/proc append base=chouc.chouc01 data=chouc.chouc02 force;/*force强制*/run;/*复

5、制*强制追加*把B加到A中*而SET是要新建一个的*/proc sort data=chouc.chouc01 dupout=chouc.bb noduprecs;/*noduprecs一行完全相同的重复记录*/by descending _COL0 ;run;-/*sql*联合查询*/Proc sql;Select * from aUnion /*多个查询结果合并成一个结果，并去掉重复*/Intersect /*查询公共部分数据*/Except /*把公共部分去掉的数据*/Outer union /*对多个查询结果横向合并*/Select * from b;Quit;-/*去*重复*方法之一

6、*/只显示nameselect name from tb group by name having count(*) 1显示所有数据select * from name in (select name from tb group by name having count(*) 1)*2、输出重复的观测值，使用nodupkey选项,注意：使用该选项后直接将原数据集中的重复值删除。注意dupout和out的区别;proc sort data=clasdata dupout=dups3 nodupkey;by name class;run;*输出不重复的观测值。;proc sort data=cla

7、sdata out=nodups4 nodupkey;by name class;run;*3、去掉重复的观测值使用nodup选项。;proc sort data =Clasdata out =NODUPS5 nodup;by name class;run ;/*删除*2017年1月3日的数据*/data cwb.result;set cwb.result;if account_time=“03jan2017“d then delete;run;SQL 去重复：SELECT DISTINCT “栏位名栏位名“FROM “表格名表格名“举例来说，若要在以下的表格，举例来说，若要在以下的表格，St

8、ore_Information，找出所有不同的店名时，找出所有不同的店名时，Store_Information表格表格store_name Sales Date1$1500 Jan-05-19992$250Jan-07-19991$300Jan-08-19993$700Jan-08-1999我們就鍵入，我們就鍵入，distinctSELECT DISTINCT store_name FROM Store_Information結果結果:123-/*频率*一般用这个*/proc freq data = asd;tables .变量 run;/*、*、*/proc summary data=wor

9、k.risk004 mean max min cv var;class _COL4;var _COL4;output out=aa mean=a max=b min=c cv=d var=e;run;proc print data=work.aa;run;/*分类*频次*/proc means data=cwb.Overdue20170102;var veight;/*变量占比，即在总体中的相对重要程度*/freq _COL4;/*按照_COL4求观测值频度*/class _COL222;/*按_COL22分类*/run;/*MEANS、SUMMARY*、*、 PLOTS 、/NORMAL 、

10、*/proc univariate data=work.aa plots ;var _col4;run;/*取第2行到第10行的数据*/Data aa;Set aaa (firstobs=2 obs=10)/*取前2行数据*/Data aa;Set aaa (obs=2);Run;-/1*筛选例*/data a(where=(_COL101500);set cy;where _COL2118 and _COL181500;where _COL29=“上班人群“;run;-/2*有7000个人,随机抽样25个*/PROC SURVEYSELECT DATA = a out = new_cy2 m

11、ethod = srs /*固定格式*/n =25 seed = 7000;RUN;/*读取*几条记录*/PROC SQL NUMBER OUTOBS=3;SELECT * FROM WORK.A;QUIT;/3*有1000个人,按性别(sex)分为两层,每层按0.1的比例抽样*/proc surveyselect data=cout=dmethod=srssamprate=0,1seed=25070419; strata sex;run; proc print data=d;run;/*分层抽取*/proc surveyselect /*随机*/data = Work.chouc01out

12、= chouc.chouc01method = srssampsize = (5, 5,15 )/*抽取数据量*顺序与分层例相同*/noprint;strata _col22; /*分层*/run;/*求平均值*/proc sql;select _COL3,mean(loan_amt,repay_amount)from fql;quit;/* N，10分位等 proc means data=wj.yrs_201612 N P1 p10 p25 p50 p75 p90 p99 min max mean sum maxdec=2;/*规定最多输出2位小数*/vars crlim epp_amt R

13、_prin eve_prin age FEE_RATE epp_num R_num;run;-/*更新*已知数据集A和B,用A做为主数据集，生成新数据AB*/data ab;update a b;by id;/*根据卡号更新数据*/run;/*模型*reg回归分析*/proc reg data=cwb.Overdue20170102;model _COL21= _COL22;run; 统计关键字( 1. means 过程的一般格式proc means 选项列表；by 变量名称（分组变量）；class 变量名称（分组变量）；freq 变量名称（数值变量，用以表示相应记录出现的频数）weight

14、变量名称（数值变量，用以表示相应记录的权重系数）var 变量名称（待分析的数值变量）；run；univariate 过程的一般格式proc univariate 选项列表；by 变量名称（分组变量）；class 变量名称（分组变量）；freq 变量名称（数值变量，用以表示相应记录出现的频数）weight 变量名称（数值变量，用以表示相应记录的权重系数,占比，）histogram 变量名称/选项列表output pctlpts= pctlpre= var 变量名称（待分析的数值变量）；run；SAS 中可以计算的描述性统计量关键字及其含义关键字所代表的含义n有效数据记录数nmiss缺失数据记录数

15、mean均数std标准差stderr标准误var方差median中位数mode众数cv变异系数max最大值min最小值range全距sum总计sumwgt加权值总计css校正的离均差平方和uss未校正的离均差平方和clm可信限（上下界值）lclm可信限下侧界值uclm可信限上侧界值skew（skewness）偏度kurt（kurtosis）峰度t分布位置假设检验之 t 统计量probt上述 t 统计量对应的概率值q1第一四分位数q3第三四分位数qrange四分位数间距p1第一百分位数p5第五百分位数p10第十百分位数p90第九十百分位数p95第九十五百分位数p99第九十九百分位数)-/*把分析

16、结果以PDF显示*/ods pdf file=“C:UserschengwubinDesktop_ppdf.pdf“; /*可以在指定路径或系统显示*/proc means data=work.aa;var _COL4 _COL5;output out=work.bbbbb;run;proc print data=work.bbbbb;run;ods pdf close;/*把分析结果以HTML显示*/ODS HTML FILE=“C:UserschengwubinDesktopFX.HTML“CONTENTS=“FXCON.HTML“/*固定格式*文件体存诸*/FRAME=“FXFR.HTM

17、L“/*固定格式*合并表内容*/PAGE=“FXPA.HTML“;/*固定格式*指定分析存储到HTML*/PROC MEANS DATA=WORK.AA;VAR _COL4;RUN;ODS HTML CLOSE;/*RTF格式，既word*/ods listing close;/*关闭输出窗口*/ods rtf file=“C:UserschengwubinDesktop_ppdf.rtf“;proc means data=work.aa;var _COL4 _COL5;output out=work.bbbbb;run;proc print data=work.bbbbb;run;ods r

18、tf close;ods listing ;/*打开输出窗口*/*输出为DAT格式*/filename wwb “C:UserschengwubinDesktop“;/*定义输出路径和文件名逻辑文件名*/option nocenter;/*全局变量，显示不居中，靠左*/ods listing file=“C:UserschengwubinDesktopqa.dat“;proc print data=work.qa;/*SAS 程序*/run;ods listing;/*打开 OUTPUT 窗口*/*输入为 CSV 格式，可用 EXCEL 打开*/option nocenter;filename

19、 exout “C:UserschengwubinDesktopworkfql 抽查cc1 期.csv“;ods listing close;固定ods results off; 固定ods csvall file=exout; 固定proc print data=chouc.chouc01;run;ods csvall close; 固定ods results on; 固定ods listing; 固定-/*GLMg 、*、 3 、*、*/data aa;input id sex $ y1-y3;y=y1; age=10;y=y2; age=15;y=y3; age=20;cards;1 f

20、 120 130 1602 m 130 150 1703 f 110 135 159;run;proc glm data=aa;class sex;model y1-y3=sex;repeated age 3 (10 15 20 );run;/*mixed 、 glm 、*/data ab;input id sex $ y1-y3;y=y1; age=10;y=y2; age=15;y=y3; age=20;cards;1 f 120 130 1602 m 130 150 1703 f 110 135 159;run;proc mixed data=ab;class sex age;model

21、 y=sex age;repeated;/*、 R、 R 、*/run;-例：/*、*、 gplot/proc gplot data=A;symbol i=none v=star;/*SYMBOL 、SYMBOL 、 SYMBOL2、SYMBOL3*/plot amount*_COL0;/*、 SATV 、 SATM 、 PLOT 、*/run;/*、*/proc gplot data=sasuser.air;symbol1 i=join v=none line=1 ;/*、 SYMBOL 、 LINE=1、*/symbol2 i=join v=none line=2 ;/*、 SYMBOL

22、、 LINE=2、*/plot co*datetime=1 so2*datetime=2 / overlay;/*、 PLOT 、“、*、= n”、 SYMBOL 、 n 、 SYMBOL 、*/run;/*SYMBOL 、 I=、 SPLINE 、A 、 I=SM nn、 nn 、 00、99 、 nn 、B 、 I=NEEDLE 、C 、 I=RL 、I=RQ 、I=RC 、D 、 CLI nn 、 RLCLI95 、 95、*/*、 GCHART 、,*/proc gchart data=fqll;hbar _COL5;run;/*、 VBAR 、 VBAR 、 HBAR 、 GCHAR

23、T 、 INSIGHT 、 INSIGHT 、*/goptions ftext=“、“;proc gchart data=fqll;title “、“;vbar _COL6 / group=_COL20;label _COL6 = “、“;run;/*、 GCHART 、 PIE 、 */proc gchart data=fqll;pie _COL6 /TYPE=PERCENT;/*、 PIE 、 TYPE=PERCENT 、*/run;用用 SAS/GRAPHSAS/GRAPH 绘图绘图 SAS 可以把存贮在 SAS 数据集中的数据以图形的方式形象直观地显示出来。在 SAS/GRAPH 模块

24、的支持下，SAS 可以作散点图、曲线图、直方图、扇面图、三 维曲面图、等高线图、地图，等等。散点图和曲线图散点图和曲线图 用 GPLOT 过程绘制散点图和曲线图。比如，我们要绘制 SASUSER.GPA 中 SATV 对 SASM 的散点图，只要用此程序：proc gplot data=sasuser.gpa;symbol i=none v=star;plot satv*satm;run;结果显示了一个 GRAPHICS 窗口，绘出了以 SATV 为纵轴、以 SATM 为横轴的散点 图（见图 1）。在 GPLOT 过程中，用 PLOT 语句指定绘图用的变量。SYMBOL 语 句是一个全程语句，

25、指定绘图用的连线方式、颜色、散点符号、大小，等等。 SYMBOL 语句可以带编号，如 SYMBOL2，SYMBOL3 等，不带编号的相当于 SYMBOL1。为了绘制连线，只要在 SYMBOL 语句中指定 I=JOIN。比如，对 SASUSER.AIR 数 据集，以 DATETIME 为横轴、以 CO 为纵轴绘曲线图图，可以用：proc gplot data=sasuser.air;symbol i=join v=star;plot co*datetime;run;见图 2。如果不想在图中出现散点符号可以在 SYMBOL 语句中用 V=NONE。 为了在图中作几条曲线，只要在 PLOT 语句中指

26、定多个因变量（自变量一般应为 同一个），并使用 OVERLAY 选项，如：proc gplot data=sasuser.air;symbol1 i=join v=none line=1 ;symbol2 i=join v=none line=2 ;plot co*datetime=1 so2*datetime=2 / overlay;run;其中我们指定了两个 SYMBOL 语句，第一个 SYMBOL 语句指定了 LINE=1，表示线 型为实线，第二个 SYMBOL 语句指定了 LINE=2 表示线型为虚线。我们在 PLOT 语 句中用了“纵轴*横轴= n”的格式来指定曲线使用哪一个 SYM

27、BOL 语句的规定来 画， n对应于 SYMBOL 语句的序号。SYMBOL 语句的 I=选项还可以取 SPLINE 表示在散点间连接连样条曲线，取 I=SM nn（ nn取 0099 值）表示绘制样条曲线但可以不经过散点， nn值代表曲线 光滑性与拟和度的折中。取 I=NEEDLE 绘制每个点到横轴的垂线。取 I=RL 绘制 线性回归直线，I=RQ 为二次曲线，I=RC 为三次曲线，后面加上 CLI nn如 RLCLI95 表示在回归直线之外绘制预测值的 95置信限曲线，比如：proc gplot data=sasuser.gpa;symbol i=rlcli95 v=star;plot s

28、atv*satm;run;见图 3。GPLOT 过程还可以有其它灵活的用法，可以参考有关资料或用 SAS 系 统菜单“Help | Extended Help”，从中找“SAS System Help: Main Menu | Graphics | GPLOT”。直方图和扇形图直方图和扇形图 用 GCHART 过程绘制直方图、扇形图、三维直方图等表示变量分布的图形。例如， 要绘制 SASUSER.GPA 中 GPA 的分布直方图，只要用：proc gchart data=sasuser.gpa;vbar gpa;run;其中绘图用的变量用 VBAR 语句给出。图形见图 4。如果把 VBAR 改

29、成 HBAR 则条 形方向变为横向。用 GCHART 绘制的直方图和在 INSIGHT 中绘制的直方图有所不 同，它在横轴标的是区间的中点值，而在 INSIGHT 中横轴标的是区间的端点值。可以绘制分组的直方图，例如按性别分组绘制两个直方图并排放置，可以用如 下程序： proc gchart data=sasuser.gpa;vbar gpa / group=sex;run;结果见图 5。在 GCHART 中用 PIE 语句绘制表示频数的扇形图，例如： proc gchart data=sasuser.gpa;pie sex;run;结果见图 6。如果想显示百分比值，只要在 PIE 语句中加入

30、 TYPE=PERCENT 选项， 如“pie sex / type=percent;”。GCHART 过程还可以用 BLOCK 语句绘制三维直方图。例如，在 SASUSER.HOUSES 有各种房子的情况，其中 BEDROOMS 表示卧室个数，STYLE 表示房子的式样，都 是分类变量，我们可以用如下程序画出反映卧室个数和房子式样的联合分布的 三维直方图：goptions hpos=90 vpos=70;proc gchart data=sasuser.houses;block style / group=bedrooms;run;三维曲面图和等高线图三维曲面图和等高线图 假设对一个二元函数

31、 z=f(x,y)，我们有了 x 取等间隔值、y 取等间隔值时 z 的 值，这时我们可以用 G3D 过程绘制曲面图形，用 GCONTOUR 绘制曲面的等高线图。例如，我们想绘制一个二维正态分布曲面的图形，假设(X，Y)服从联合正态分 布，其均值都是 0，方差分别为 1 和 a，相关系数为 r。这时，我们可以得到(X, Y)的联合密度函数的公式为：我们可以在一个网格上计算曲面的值：data dnorm2;a=2;a2=sqrt(a);r=0.5;det=a*(1-r*r);do x=-3 to 3 by 0.3;do y=-3*a2 to 3*a2 by 0.3*a2;z=1/(2*3.1415

32、926*det)*exp(-0.5/det*(a*x*x + y*y - 2*r*a2*x*y);output;end;end;keep x y z;run;然后，我们就可以用 G3D 过程来绘制曲面图： proc g3d data=dnorm2;plot x*y=z;run;见图 8。用 GCONTOUR 过程可以绘制曲面对应的等高线图，例如： proc gcontour data=dnorm2;plot x*y=z;run;见图 9。 图形的调整与输出图形的调整与输出 各绘图过程中都指定了丰富的选项来调整图形，读者可以参考有关资料或查系 统的帮助。另外，在图形中也可以用 TITLE 语句和

33、 FOOTNOTE 语句给图形加标题 和脚注。为了在图形的标题、标签中也能使用汉字，老的 SAS 版本需要比较多 的步骤，但是在 Windows 下的 SAS 8.0 以后只要很简单的语句就可以在图形中 使用 True Type 字型的汉字，例如： goptions ftext=“宋体“;proc gplot data=sasuser.class;title “试验 FONTS 的汉字功能“;plot weight * height;label weight = “体重“ height=“身高“;run;见图 10。 您的位置： 首页课程辅导SAS 过程初步. SASSAS 过程初步过程初步.

34、(转载自 SAS 园地)SAS 过程用法及常用语句 oSAS 过程用法 oSAS 过程步常用语句 用 PRINT 过程制作列表报告 o基本用法 o使用中文列标题 o标题及全程语句 o用 BY 语句分组处理 o计算总计和小计 用 TABULATE 过程作统计量表格 用 SORT 过程排序 MEANS 过程、UNIVARIATE 过程、FREQ 过程 用 CORR 过程计算相关系数 用 SAS/GRAPH 绘图 o散点图和曲线图 o直方图和扇形图 o三维曲面图和等高线图 o图形的调整与输出 前面讲过，SAS 系统用 SAS 数据步生成和管理数据，用过程步进行分析、报表、绘图。本章介绍 SAS 过程

35、步的一般用法和常用语句的含义，以及几个简单报表、分析、绘图过程的使用。SASSAS 过程用法及常用语句过程用法及常用语句 SASSAS 过程用法过程用法SAS 过程步的一般形式为：PROC 过程名 DATA=输入数据集 选项;过程语句 / 选项;过程语句 / 选项;RUN;其中 PROC 语句的选项是可选的，用来规定过程运行的一些设置，如果有多个选项用空格分开。 DATA=输入数据集也是可选的，如果缺省的话使用最近生成的数据集。过程步一般以 RUN 语句结束， 也可以省略 RUN 语句而在下一个过程步或数据步的开始处结束，另外还有一种所谓 “交互式过程” 可以在遇到 RUN 语句时不结束过程运

36、行，只有遇到 QUIT 语句或者下一个过程步、数据步时才结束。 过程步在 PROC 语句之后、结束之前可以有若干个过程语句。通常情况下，过程语句与数据步中的语 句不同，数据步中的语句不能用在过程步中。过程步语句一般以某一个关键字开头，比如 VAR、BY、TABLES、WEIGHT 等，语句中有一些有关说明，如果有选择项的话要写在斜杠后。SAS 过程步有些是对数据集作某种变换（比如 SORT 过程对数据集排序），不生成显示结果；多数过 程步是对数据集作某些分析、报表，这时结果出现在 OUTPUT 窗口（高精度绘图过程的输出在 GRAPHICS 窗口）。对 OUTPUT 窗口的结果，我们可以用“F

37、ile | Save As”菜单把它保存到一个文 本文件进行进一步的修饰，插入到其它报告中，也可以用“File | Print ”菜单之间打印。SASSAS 过程步常用语句过程步常用语句本小节简单介绍几个在 SAS 过程步中常见的语句，更具体的用法可以在以后实际用到时再仔细体会。一、一、VARVAR 语句语句VAR 语句在很多过程中用来指定分析变量。在 VAR 后面给出变量列表：VAR 变量名 1 变量名 2 变量名 n;变量名列表可以使用省略的形式，如 X1-X3，MATH-CHINESE 等。VAR 用法例如： var math chinese;二、二、MODELMODEL 语句语句MOD

38、EL 语句在一些统计建模过程中用来指定模型的形式。其一般形式为 MODEL 因变量 自变量表 / 选项;比如 model math=chinese;即用语文成绩预测数学成绩。 三、三、BYBY 语句和语句和 CLASSCLASS 语句语句BY 语句在过程中一般用来指定一个或几个分组变量，根据这些分组变量值把观测分组，然后对每一 组观测分别进行本过程指定的分析。在使用带有 BY 语句的过程步之前一般先用 SORT 过程对数据集 排序。比如，假设我们已经把 C9501 数据集按性别排序，则下列 PRINT 过程可以把男、女生分别列 出：proc print data=c9501;by sex;ru

39、n;结果为 The SAS System 2- SEX=男 -OBS NAME MATH CHINESE1 李明 92 982 王思明 86 903 张聪 98 109- SEX=女 -OBS NAME MATH CHINESE4 张红艺 89 1065 刘颍 80 110在一些过程（如方差分析）中，使用 CLASS 语句指定一个或几个分类变量，它实际相当于因变量。 而在另一些过程（如 MEANS）中，CLASS 语句作用与 BY 语句类似，可以指定分类变量，把观测按分 类变量分类后分别进行分析。使用 CLASS 时不需要先按分类变量排序。四、四、OUTPUTOUTPUT 语句语句在过程步中经

40、常用 OUTPUT 语句指定输出结果存放的数据集。不同过程中把输出结果存入数据集的方 法各有不同，OUTPUT 语句是用得最多的一种，其一般格式为：OUTPUT OUT输出数据集名 关键字变量名 关键字变量名 ;其中用 OUT给出了要生成的结果数据集的名字，用“关键字变量名”的方式指定了输出哪些结 果（关键字的例子比如 MEANS 过程中的 MEAN，VAR，STD 等等），等号后面的变量名指定了这些结果 在输出数据集中叫什么名字。例如proc means data=sasuser.c9501;var math;output out=result n=n mean=meanmath var=v

41、armath;run;proc print data=result; run;五、五、FREQFREQ 语句和语句和 WEIGHTWEIGHT 语句语句FREQ 语句指定一个重复数变量，每个观测中此变量的值说明这个观测实际代表多少个完全相同的重 复观测。FREQ 变量只取整数值。如freq numcell;WEIGHT 语句指定一个权重变量，在某些允许加权的过程中代表权重，其值与观测对应的方差的倒数 成比例。六、六、IDID 语句语句有些过程（如 PRINT、UNIVARIATE）需要输出观测的代号，这一般使用观测的序号。但是，如果数 据集中有一个变量可以用来区分观测（如人名、省市名），就可以

42、用 ID 语句指定这个变量作为观测 标识，如：id name;指定用变量 NAME 的值来标识观测。 七、七、WHEREWHERE 语句语句用 WHERE 语句可以选择输入数据集的一个行子集来进行分析，在 WHERE 关键字后指定一个条件。比 如：where math=60 and chinese=60;指定只分析数学、语文成绩都及格的学生。 八、八、LABELLABEL 语句和语句和 FORMATFORMAT 语句语句LABEL 语句为变量指定一个标签，很多过程可以使用这样的标签。其格式为 LABEL 变量名标签 变量名标签 ;例如 proc print data=sasuser.c9501 label;id name;var math chinese;label name=姓名 math=数学成绩 chinese=语文成绩;run;结果显示 姓名 数学成绩 语文成绩李明 92 98张红艺 89 106王思明 86 90张聪 98 109刘颍 80 110FORMAT 语句可以为变量输出规定一个输出格式，比如 proc print data=sasuser.c9501; format math 5.1 chinese 5.1;run;使得列出的数学、语文成绩宽度占 5 位