SAS矩陣分析常用代碼

1、為區(qū)分過程名稱的拼寫，故意部分小寫，以便識(shí)別和記憶。 基本SAS程序代碼結(jié)構(gòu)：-PROC MODE data=Arndata.moddat;          /* 命令的解釋 */                var y x1-x6;                           /* 命令的解釋 */  &

2、#160;             model y = x1-x6;run;-   正態(tài)性檢驗(yàn)PROC UNIvariate-PROC UNIvariate data=Arndata.unidat;                var x1;run; -    相關(guān)分析和回歸分析PROC REG 回歸-PROC REG data=Arndata.regdat;

3、60;               var y x1-x6;                model y = x1-x6 / selection=stepwise; /* 加入逐步回歸選項(xiàng) */                print cli;                 

4、0;                          /* 加入輸出預(yù)測(cè)結(jié)果部分，還可以輸出acov,all,cli,clm,collin,collinoint,cookd,corrb,                                     

5、;                                       covb,dw(時(shí)序檢驗(yàn)統(tǒng)計(jì)量),i,influence,p,partial,pcorr1,pcorr2,r,                             

6、                                              scorr1,scorr2,seqb,spec,ss1,ss2,stb,tol,vif(異方差檢驗(yàn)統(tǒng)計(jì)量),xpx*/                plot y*x2 / conf95;

7、                            /* 做散點(diǎn)圖 */run; -DATA Arndata.regdat;x2x2 = x2*x2;x1x2 = x1*x2;PROC REG data=Arndata.regdat;                var y x1 x2 x2x2 x1x2 ;     &#

8、160;                          /* 多項(xiàng)式回歸,非線性回歸 */                model y = x1 x2 x2x2 x1x2 / selection=stepwise;    /* 加入逐步回歸選項(xiàng) */             

9、;   print cli;                 plot y*x2 / conf95;                              /* 做散點(diǎn)圖 */run; -PROC RSreg 二次響應(yīng)面回歸PROC ORTHOreg 病態(tài)數(shù)據(jù)回歸PROC NLIN 非線性回歸PROC TRANSreg 變換回歸PRO

10、C CALIS 線性結(jié)構(gòu)方程和路徑分析PROC GLM 一般線性模型PROC GENmod 廣義線性模型  方差分析PROC ANOVA 單因素均衡數(shù)據(jù)和非均衡數(shù)據(jù)-PROC ANOVA data=Arndata.anovadat;          /* 命令的解釋 */                class typ;                  

11、;                 /* 命令的解釋 */                model y = typ;                            /* 可以看出此處是 單因素方差分析(分類型自變量對(duì)數(shù)值型自變量的影響) */run;-PROC GLM 多因素非均

12、衡數(shù)據(jù):- PROC GLM data=Arndata.glmdat;          /* 命令的解釋 */                class typea typeb;                /* 命令的解釋 */                model y = typea t

13、ypeb;        /* 可以看出此處是 不考慮交互作用的多因素方差分析(分類型自變量對(duì)數(shù)值型自變量的影響) */run;- PROC GLM data=Arndata.glmdat;          /* 命令的解釋 */                class typea typeb;              

14、 /* 命令的解釋 */                model y = typea typeb typea*typeb;        /* 可以看出此處是 考慮交互作用的多因素方差分析(分類型自變量對(duì)數(shù)值型自變量的影響) */run;-    主成分分析PROC PRINcomp-PROC PRINcomp data=Arndata.pmdat   n=4  out=w1

15、 outstat=w2 ;                          var x1-x6;                        PROC print data=w1;PROC plot data=w1 vpct=80;                &

16、#160;                         /* 一句話，其實(shí)print就是plot輸出圖形的文字形式而已 */         plot prin1*prin2 $ districts='*'/                haxis=-3.5 to 3 by 0.5 HREF=-2,0,2  

17、0;             vaxis=-3 to 4.5 by 1.5 HREF=-2,0,2;              /* 主成分的散點(diǎn)圖，也就是載荷圖 */run;- 因子分析PROC FACTOR-PROC FACTOR data=Arndata.factordat simple corr ;                    

18、    var y x1-x6;                                         title'18個(gè)財(cái)務(wù)指標(biāo)的分析'                title2'主成分解'run;PROC FACTOR data=Arndat

19、a.factordat n=4 ;                        /* 選擇4個(gè)公共因子 */                var y x1-x6;   run;PROC FACTOR data=Arndata.factordat n=4                rotate

20、=VARImax REorder;                                   /* 因子旋轉(zhuǎn)：方差最大因子法 */                var y x1-x6;   run;-PROC SCORE -PROC FACTOR data=Arndata.factordat n=

21、4                rotate=VARImax REorder score out=score_Out;     /* 輸出因子得分矩陣 */run;PROC print data=score_Out;         var districts factor1 factor2 factor3 factor4;run; PROC plot data=score_Out;     

22、   plot factor1*factor2 $ districts='*' / href=0 Vref=0;     /* 因子的散點(diǎn)圖，也就是載荷圖 */run;-    典型相關(guān)分析PROC CANcorr基本SAS程序代碼結(jié)構(gòu)：-DATA jt(TYPE=CORR);                             

23、;  /* TYPE=CORR 表明數(shù)據(jù)類型為相關(guān)矩陣，而不是原始數(shù)據(jù), type還可以是cov,ucov,factor,sscp,ucorr等*/         input names$ 1-2(x1 x2 y1-y3)(6.);   /* name $ 表示讀取左側(cè)的變量名，1-2表示變量名的字符落在第1,2列上 */         cards;x1 1 0.8 x2 y1 y2 y3 ;PROC CANcorr data=Arndata.cancorrda

24、t                edf=70 redundancy;                  /* 誤差自由度的參考值，默認(rèn)值是n=1000； redundancy表示輸出冗余度分析的結(jié)果 */                var x1 x2;          &

25、#160;     with y1 y2 y3;run;-對(duì)應(yīng)分析                 /* 交叉表分析的拓展，尋找行和列的關(guān)系，一般行指代各種cases，而列代表各種visions */ PROC CORResp -PROC CORResp data=Arndata.correspdat out=result;                  

26、;       var x1-x6;                                        id Type;run;options ps=40;proc plot data=result;       plot dim2*dim1="*" $ Type / box  

27、0;          haxis=-0.2 to 0.3 by 0.1             Vaxis=-0.1 to 0.3 by 0.1             Href=0 Vref=0;run;- 聚類分析PROC CLUSTER-PROC CLUSTER data=Arndata.clusdat            &#

28、160;         method=ave outtree=clusdat_Out;                        var x1-x6;                        id datid;run;proc tree horizontal;   

29、             /* 做聚類樹 */run;-PROC FASTclus-PROC FASTclus data=Arndata.clusdat                        maxclusters=3 list out=clusdat_Out;                  &#

30、160;    var x1-x6;                        id datid;run;-  PROC ACEclusPROC VARCLUS-PROC VARclus data=Arndata.clusdat; /* 系統(tǒng)默認(rèn)使用主成分法聚類 */                      &#

31、160;var x1-x6; run; -PROC VARclus hierarchy data=Arndata.clusdat; /* 保證分析過程中不同水平的譜系結(jié)構(gòu) */                       var x1-x6; run; -PROC VARclus centroid data=Arndata.clusdat outtree=clusdat_out; /* 使用重心法聚類 */var x1-x6; 

32、;run; -PROC TREE-PROC TREE data=Arndata.clusdat horizontal; /* 使用TREE過程繪制聚類譜系圖 */var x1-x6; run; - 判別分析PROC DISCRIM-PROC DISCRIM data=Arndata.discrimdat                       list out=discrimdat_Out distance pool=yes;

33、60;                       class Typ; /* 指定分類變量 */                       var x1-x6; /* 用于建立判別識(shí)別函數(shù)的變量 */                      &

34、#160;id iddiscrim; /* 標(biāo)注樣本的變量 */run;-第二種方法，將需要判別的新樣本放在testdata里：-PROC DISCRIM data=Arndata.discrimdat1 testdata=Arndata.discrimdat2                       testlist testout=discrimdat_Out; /* 將原來的幾個(gè)選項(xiàng)加注test標(biāo)示 */                       class Typ;