作者：有福有德

來(lái)源：計(jì)量與統(tǒng)計(jì)

SAS軟件系統(tǒng)計(jì)出身，相應(yīng)的圍繞這個(gè)主題的圖形輸出功能與統(tǒng)計(jì)本身一樣很全，我們可以借助原始數(shù)據(jù)繪制自己需要的圖形，也可以在統(tǒng)計(jì)的基礎(chǔ)上，將常用的統(tǒng)計(jì)量保持下來(lái)，繪制需求的圖形。SAS/base有效地整合了這些方面，至少作為普通用戶(hù)的我來(lái)說(shuō)，使用起來(lái)像一款軟件，而沒(méi)有不同模塊間帶來(lái)的差異之感。

另外，SAS軟件幾乎在每一個(gè)統(tǒng)計(jì)過(guò)程里都提供了ODS輸出系統(tǒng)，這就更方便統(tǒng)計(jì)結(jié)果的可視化輸出，這只需要設(shè)置plots=all，就可以看見(jiàn)所有可能的輸出。

一些常見(jiàn)的統(tǒng)計(jì)輸出圖形，總體視之，些許會(huì)幫助用戶(hù)更好的了解統(tǒng)計(jì)模型，下面介紹一下不太常見(jiàn)的圖形，其他圖形的功能將不再詳述。

第一行第一個(gè)的這個(gè)線(xiàn)圖，是在聚類(lèi)分析的輸出，cluster聚類(lèi)分析，提供判斷多少聚類(lèi)數(shù)是最優(yōu)的，分別提供CCC、偽F和偽t方三個(gè)指標(biāo)作為判斷依據(jù)。

一般來(lái)說(shuō)CCC、偽F需越大越好，偽t的讀法有點(diǎn)特別，但大致也是在找一個(gè)拐點(diǎn)。另外一個(gè)功能是提供異常信息，這與CCC的指標(biāo)有關(guān)。

第一行最后一個(gè)，cook距離值，用于偵察異常值的信息，這個(gè)圖在reg的ODS輸出系統(tǒng)中很常見(jiàn)，不過(guò)這個(gè)指標(biāo)一般不作為最終判斷異常信息的結(jié)論，而是與其他指標(biāo)一起使用（學(xué)生化殘差、杠桿值等），然后再綜合判斷異常信息。

第一行第二個(gè)圖：多重檢驗(yàn)圖，這個(gè)圖在glm過(guò)程中可見(jiàn)，這個(gè)圖表面上看很復(fù)雜，其實(shí)很簡(jiǎn)單，橫坐標(biāo)和縱坐標(biāo)都是離散變量對(duì)應(yīng)的均值，不同離散變量的不同取值依據(jù)在圖中標(biāo)識(shí)出了，通過(guò)這些信息可以找到不同取值間的對(duì)應(yīng)的交叉點(diǎn)，紅、藍(lán)色分別表示是否顯著。

第二行第三個(gè)圖：交互效應(yīng)圖，在glm過(guò)程中可見(jiàn)，顯然這個(gè)圖可以很直觀(guān)的觀(guān)察到兩個(gè)離散變量間的交互狀況（有一點(diǎn)，但不明顯），主要是交叉的地方很微弱。另外，如果是連續(xù)變量的話(huà)，往往也會(huì)將連續(xù)變量離散化后（像上圖一樣），在繪制這個(gè)圖，以便更直觀(guān)的顯示交互關(guān)系。

第一行第一個(gè)圖：多維偏好圖，可以在prinqual中實(shí)現(xiàn)，用于表示哪些消費(fèi)者對(duì)哪些產(chǎn)品更加喜愛(ài)，或偏好。

該圖讀法基本與主成分圖、對(duì)應(yīng)分析（雙標(biāo)）圖、典型相關(guān)圖相同，它們均歸屬于多變量過(guò)程之中；SAS軟件中的這個(gè)過(guò)程還提供其他功能，如變量轉(zhuǎn)換的一系列方法，像最優(yōu)尺度變換的序列方法、非最優(yōu)尺度變換的序列方法等等，這其中就包括了我常見(jiàn)的對(duì)數(shù)轉(zhuǎn)換、box-cox轉(zhuǎn)換等方法，尤其最優(yōu)尺度的變換方法中，可以延伸出一個(gè)功能，就是分類(lèi)主成分分析的方法。

第一行第一個(gè)，ROC圖，這個(gè)可以在logistic過(guò)程中完成（當(dāng)然可以自己寫(xiě)），當(dāng)然一般在logistic過(guò)程這中會(huì)比較容易一些，可以實(shí)現(xiàn)不同變量面積間的比較，而且可以輸出單個(gè)和組合圖形的結(jié)果。

第一行第二個(gè)，殘差-殘差，這個(gè)圖形沒(méi)有專(zhuān)門(mén)的繪制過(guò)程，需要大家自己繪，繪制兩組殘差的散點(diǎn)圖。當(dāng)用戶(hù)需要比較不同模型擬合同一組數(shù)據(jù)時(shí)，這個(gè)圖形會(huì)提供很多有用的信息，例如散點(diǎn)的線(xiàn)性關(guān)系、局部非線(xiàn)性這兩個(gè)視角。

第一個(gè)圖：貝葉斯圖形，在SAS很多過(guò)程里均有提供，也可以使用MCMC過(guò)程，這個(gè)過(guò)程是專(zhuān)門(mén)用于這類(lèi)分析的。

——熱門(mén)課程推薦：

想學(xué)習(xí)PYTHON數(shù)據(jù)分析與金融數(shù)字化轉(zhuǎn)型精英訓(xùn)練營(yíng)，您可以點(diǎn)擊>>>“人才轉(zhuǎn)型”了解課程詳情；

想從事業(yè)務(wù)型數(shù)據(jù)分析師，您可以點(diǎn)擊>>>“數(shù)據(jù)分析師”了解課程詳情；

想從事大數(shù)據(jù)分析師，您可以點(diǎn)擊>>>“大數(shù)據(jù)就業(yè)”了解課程詳情；

想成為人工智能工程師，您可以點(diǎn)擊>>>“人工智能就業(yè)”了解課程詳情；

想了解Python數(shù)據(jù)分析，您可以點(diǎn)擊>>>“Python數(shù)據(jù)分析師”了解課程詳情；

想咨詢(xún)互聯(lián)網(wǎng)運(yùn)營(yíng)，你可以點(diǎn)擊>>>“互聯(lián)網(wǎng)運(yùn)營(yíng)就業(yè)班”了解課程詳情； 

想了解更多優(yōu)質(zhì)課程，請(qǐng)點(diǎn)擊>>>