SAS編程PROC步_描述性統(tǒng)計量分析_數(shù)據(jù)分析師

描述性統(tǒng)計指標(biāo)的計算可以用四個不同的過程來實(shí)現(xiàn)，它們分別是means過程、summary過程、univariate過程以及tabulate過程。它們在功能范圍和具體的操作方法上存在一定的差別，下面我們大概了解一下它們的異同點(diǎn)。

相同點(diǎn)：他們均可計算出均數(shù)、標(biāo)準(zhǔn)差、方差、標(biāo)準(zhǔn)誤、總和、加權(quán)值的總和、最大值、最小值、全距、校正的和未校正的離差平方和、變異系數(shù)、樣本分布位置的t檢驗(yàn)統(tǒng)計量、遺漏數(shù)據(jù)和有效數(shù)據(jù)個數(shù)等，均可應(yīng)用by語句將樣本分割為若干個更小的樣本，以便分別進(jìn)行分析。

不同點(diǎn)：

（1）means過程、summary過程、univariate過程可以計算樣本的偏度（skewness）和峰度（kurtosis），而tabulate過程不計算這些統(tǒng)計量；

（2）univariate過程可以計算出樣本的眾數(shù)（mode），其它三個過程不計算眾數(shù)；

（3）summary過程執(zhí)行后不會自動給出分析的結(jié)果，須引用output語句和print過程來顯示分析結(jié)果，而其它三個過程則會自動顯示分析的結(jié)果；

（4）univariate過程具有統(tǒng)計制圖的功能，其它三個過程則沒有；

（5）tabulate過程不產(chǎn)生輸出資料文件（存儲各種輸出數(shù)據(jù)的文件），其它三個均產(chǎn)生輸出資料文件。

　　統(tǒng)計制圖的過程均可以實(shí)現(xiàn)對樣本分布特征的圖形表示，一般情況下可以使用的有chart過程、plot過程、gchart過程和gplot過程。大家有沒有發(fā)現(xiàn)前兩個和后兩個只有一個字母‘g’（代表graph）的差別，其實(shí)它們之間（只差一個字母g的過程之間）的統(tǒng)計描述功能是相同的，區(qū)別僅在于繪制出的圖形的復(fù)雜和美觀程度。

chart過程和plot過程繪制的圖形類似于我們用文本字符堆積起來的圖形，只能概括地反映出資料分布的大體形狀，實(shí)際上這兩個過程繪制的圖形并不能稱之為圖形，因?yàn)樗揪蜎]有涉及一般意義上圖形的任何一種元素（如顏色、分辨率等）。而gchart過程和gplot過程給出的是真正意義上的圖形，可以用很多的語句和選項(xiàng)來控制圖形的各方面的性質(zhì)和特征。

chart和gchart與plot和gplot的區(qū)別則體現(xiàn)在不同的作圖功能，前兩個過程可以繪制出的圖形主要有條形圖（包括橫條和豎條）、圓圖、環(huán)形圖和星形圖等，后兩個過程通常用一個記錄中的兩個變量值表示點(diǎn)的坐標(biāo)來繪制圖形，如散點(diǎn)圖和線圖等。

描述性統(tǒng)計過程的一般格式

　1. means過程的一般格式

Proc means 語句后的選項(xiàng)主要用來指定所要計算的統(tǒng)計量，默認(rèn)情況下，Means過程會給出頻數(shù)、均數(shù)、標(biāo)準(zhǔn)差、最大值和最小值等，其余統(tǒng)計量的計算均需要在選項(xiàng)中指定。class語句所指定的分組變量用來進(jìn)行分組，而by語句所指定的分組變量是用來將數(shù)據(jù)分為若干個更小的樣本，以便SAS分別在各小樣本內(nèi)進(jìn)行各自獨(dú)立的處理。freq語句和weight語句分別引導(dǎo)代表記錄出現(xiàn)頻數(shù)和權(quán)重系數(shù)的數(shù)值變量。var語句引導(dǎo)所要進(jìn)行分析的所有變量的列表，SAS將對var語句所引導(dǎo)的所有變量分別進(jìn)行描述性統(tǒng)計分析。

2. summary過程的一般格式

summary過程的格式和means過程可以說是完全相同的，各條語句和選項(xiàng)的含義也是相同的，包括在means過程中未列出的output語句也可以應(yīng)用于means過程，只是此語句在summary過程應(yīng)用較多（這樣才能將分析結(jié)果顯示出來），所以才將其列入一般格式中。output語句用來對分析結(jié)果輸出為數(shù)據(jù)文件進(jìn)行控制，其后的選項(xiàng)可有可無，若無則SAS按照默認(rèn)方式進(jìn)行?！皁ut=數(shù)據(jù)集名”用來定義輸出數(shù)據(jù)文件的文件名稱，文件名的格式和數(shù)據(jù)步中數(shù)據(jù)文件名相同?！敖y(tǒng)計量關(guān)鍵字=自定義變量名”用來自定義輸出數(shù)據(jù)文件中各種統(tǒng)計量的變量名稱，前者是系統(tǒng)定義的（和proc語句后選項(xiàng)中的統(tǒng)計量關(guān)鍵字完全相同），必須正確無誤，后者可自行定義。默認(rèn)狀態(tài)下輸出統(tǒng)計量只有頻數(shù)、均數(shù)、標(biāo)準(zhǔn)差、最大值和最小值，在默認(rèn)狀態(tài)不能滿足需要時這一選項(xiàng)則是必需的。

3. univariate過程的一般格式

univariate過程和以上兩個過程的格式非常相似，相同的語句和選項(xiàng)其含義也相同，所不同的是某些統(tǒng)計量只能在univariate過程中計算（如眾數(shù)），以及univariate過程中所具有的繪圖功能。histogram語句即用來指示SAS對其后所指定的變量繪制直方圖，其后的選項(xiàng)用來指示SAS添加不同類型的擬合圖形（如正態(tài)分布的分布密度曲線）。

　　4. tabulate過程的一般格式

tabulate過程和上述幾個過程的格式也基本相似，相同的語句和選項(xiàng)也代表相同的含義。最大的不同也是tabulate過程中最為重要的是table語句，他用來定義表格的具體格式以及表格中所要包括的統(tǒng)計量。

5. gchart過程的一般格式

此過程格式簡單，復(fù)雜的地方在于圖形關(guān)鍵字（每個圖形關(guān)鍵字對應(yīng)一種圖形類型）所引導(dǎo)的語句，這里是控制圖形類型及圖形要素的地方，涉及到眾多的關(guān)鍵字和選項(xiàng)。gchart過程可以使用的圖形關(guān)鍵字及其所繪制的圖形類型見下表（表2.1）。

　　表2.1gchart過程可以使用的圖形關(guān)鍵字及其所繪制的圖形類型

圖形關(guān)鍵字后的變量名用以指定進(jìn)行圖形描述時的分組變量，可以是數(shù)值型的（此時以各組的組中值為分組的標(biāo)志），也可以是字符型的。其后的選項(xiàng)比較重要的有：（1）type=統(tǒng)計量關(guān)鍵字，表示以圖形對變量（sumvar所指定的變量）的哪一種統(tǒng)計量進(jìn)行描述，比如頻數(shù)（freq）、均數(shù)（mean）、總計（sum）、頻數(shù)百分比（pctn）等；（2）subgroup=變量名（分組變量），指定要進(jìn)行分組（各組段內(nèi)再分組）的變量；（3）sumvar=變量名（數(shù)值變量），指定要進(jìn)行統(tǒng)計計算的變量，也就是“type=統(tǒng)計量關(guān)鍵字”選項(xiàng)中統(tǒng)計量的計算所依據(jù)的變量。其它的選項(xiàng)較少用到或系統(tǒng)默認(rèn)值即可基本滿足要求，這里還是少羅嗦，以后用到再說。

　　6. gplot過程的一般格式

　　從gplot過程的一般格式中我們就可看出，此過程只能繪制兩種類型的圖形，bubble語句指示SAS繪制泡狀散點(diǎn)圖，plot語句指示SAS繪制點(diǎn)狀散點(diǎn)圖。bubble2語句和plot2語句指示SAS在同一區(qū)域內(nèi)（bubble2和bubble在同一區(qū)域，plot2和plot在同一區(qū)域）繪制第二個圖形，兩者的橫坐標(biāo)相同（同一變量），縱坐標(biāo)分別位于左右兩側(cè)（可以是同一變量，也可以是兩個不同的變量）。

　　7. 散點(diǎn)圖表達(dá)式的一般形式為：

　?。?）bubble和bubble2語句：縱坐標(biāo)變量名*橫坐標(biāo)變量名=泡尺寸變量名（變量值以泡的大小表示），三者均應(yīng)為數(shù)值變量；

　?。?）plot和plot2語句：縱坐標(biāo)變量名*橫坐標(biāo)變量名<=n/分類變量名>，此處等號及其后的部分可以省略，此時SAS以默認(rèn)的散點(diǎn)類型繪制散點(diǎn)圖；若等號后為n（n為正整數(shù)，是散點(diǎn)類型的編號），SAS則以指定的編號對應(yīng)的散點(diǎn)類型繪制散點(diǎn)圖；若等號后為分類變量名（可為字符型或數(shù)值型，為數(shù)值型時作為離散型變量處理，每一個值將被當(dāng)作一個類別），此變量的具體值（或與每個具體值對應(yīng)的圖形）將被作為散點(diǎn)用來繪制散點(diǎn)圖。

chart過程和plot過程的一般格式及各選項(xiàng)使用方法分別與gchart過程和gplot過程是基本相同的，不同之處僅在于后兩者中涉及到有關(guān)三維和圖形元素（顏色等）的語句和選項(xiàng)在前兩者中是無效的。例如vbar3d語句在chart過程中無效，bubble語句在plot過程中無效。其余的語句和選項(xiàng)使用方法完全相同，所以在掌握了gchart過程和gplot過程后，chart過程和plot過程你會不學(xué)自通。
描述性統(tǒng)計關(guān)鍵字及其含義

SAS中可計算的描述性統(tǒng)計量多達(dá)二十余種，大部分可在以上介紹的前四個過程中計算，個別統(tǒng)計量在某些過程中不能計算，大家需要注意，要不然系統(tǒng)顯示錯誤信息時還不知道是怎么回事。

　　我經(jīng)常遇到這種情況，系統(tǒng)提示錯誤（此類提示信息顯示在log窗口中）時總是摸不著頭腦，費(fèi)半天勁才能搞明白。沒辦法，摸著石頭過河嘛！不過這樣也并非一無是處，最起碼可以積累很多使用經(jīng)驗(yàn)。

　　下表（表2.2）列出SAS中可以計算的所有描述性統(tǒng)計量關(guān)鍵字及其含義，供大家使用時參考。

表2.2SAS中可以計算的描述性統(tǒng)計量關(guān)鍵字及其含義