SAS入門SAS程序操作

SAS程序操作

SAS語句以一個關鍵詞開始,以分號(;)結束；

dataa;

inputx;

cards;

323544565;proc

print;

run;SAS程序的基本結構數(shù)據步：創(chuàng)建數(shù)據過程步：調用數(shù)據分析過程看一個SAS程序DATAHW；

INPUTNAME$SEX$AGEHEIGHTWEIGHT；CARDS；WANGXIAF121.6356LILIF111.5849CHENLINGHEM111.5744WANGWENQINGM101.4842LIUHAIQINGM101.4235ZHOULIF111.5340ZHAOXINM.1.4233LINLINF121.5844；PROCPRINT；RUN；SAS程序的基本結構dataHW;/*建立數(shù)據庫，命名為HW*/inputNAME$SEX$AGEHEIGHTWEIGHT@@;/*輸入變量名，如果變量是字符型變量，變量名后加$，如果是數(shù)值型的變量就直接寫變量名，在所有變量輸入完以后加上@@，表示多行數(shù)據同時讀入；如果沒有沒加@@，則表示每行只輸入第一個數(shù)據，第一個數(shù)據之后的忽略*/cards;/*輸入數(shù)據的標記*/WANGXIAF121.6356LILIF111.5849CHENLINGHEM111.5744WANGWENQINGM101.4842LIUHAIQINGM101.4235ZHOULIF111.5340ZHAOXINM.1.4233LINLINF121.5844;/*數(shù)據輸結束的標記*/proc

print;/*運行打印過程*/run;datachild;inputidx1$x2x3x4x5x6;cards;1m3295.514.053.549.642m35.13.052.041.613m3389.012.553.535.81254m176168.053.582.0100.14255f3091.011.048.035.39256f3391.011.547.044.98521f178163.051.079.087.42;proc

means;/*調用means過程，可以求出均值方差標準誤置信區(qū)間等*/run;Means過程dataa;inputx@@;cards;75.0 54.8 64.0 64.8 47.462.2 66.9 52.0 62.2 65.062.2 65.0 58.7 57.5 63.555.2 66.6 73.5 64.0 57.057.0 63.9 69.0 58.0 56.957.5 50.0 52.2 72.0 57.055.4 48.5 57.0 75.5 50.562.9 63.4 61.0 58.5 61.552.5 61.0 69.5 62.5 52.660.0 63.9 56.8 54.0 66.260.0 66.2 55.9 54.4 58.472.8 58.0 65.3 62.2 49.846.5 66.7 58.0 63.2 52.265.7 59.3 66.3 68.6 74.959.5 61.5 63.1 77.0 65.550.0 58.5 59.8 75.5 63.357.0 58.4 67.0 71.8 49.863.0 68.3 55.5 58.5 64.059.0 68.0 55.5 64.8 62.064.0 69.9 48.6 70.5 58.5;procunivariatedata=anormalplot;/*調用univariate過程，進行正態(tài)性檢驗，并畫圖*/run;正態(tài)性檢驗方法1：（粗略判斷）看偏度skewness和峰度kurtosis是否接近于0如何判斷是否正態(tài)？當均值不知道時，可以用中位數(shù)代替均值原假設是：均值=0這里做了三個檢驗檢驗均值是否為0這個有四個檢驗正態(tài)性的檢驗（原假設是：服從正態(tài)分布）：這四個檢驗只要有一個拒絕就拒絕原假設，如果四個檢驗p值大于0.05，接受原假設，服從正態(tài)分布。方法2：看4個檢驗P值越接近1，數(shù)據的正態(tài)性越能肯定pp圖呈現(xiàn)為一條直線，那么可以認為數(shù)據服從正態(tài)分布，畫出分布形態(tài)圖,從直觀上檢驗數(shù)據的是否正態(tài)分布,當*與+重合較多表明數(shù)據基本符合正態(tài)分布方法3：pp圖qq圖呈現(xiàn)為一條直線，那么可以認為數(shù)據服從正態(tài)分布方法4：看QQ(Quantile-quantile)圖直方圖如果是成正態(tài)分布密度曲線形狀，即拱形，我們可以初步判斷數(shù)據服從正態(tài)分布方法5：看直方圖在運行了之前的程序之后Solutions->Analysis->Analystfile->OpenbySASname此時彈出selectamember的窗口，在窗口下面的libraries中點擊work，右方會出現(xiàn)一些數(shù)據庫名（即我們變成時data后面的名字，例如這里的A），然后雙擊我們要選的數(shù)據庫名，就會出現(xiàn)一個表格。下面就可以畫我們想畫的圖了1：直方圖Graphs->histogram->將變量選入analysis中，在選項fix中選中normal，就會在直方圖畫出正態(tài)密度圖，用來比較直方圖與正態(tài)密度圖的擬合程度。2：QQ圖Stastics->Desriptive->Distributions，將變量選入Analysis中，在plots選項中選擇Quantile-quantileplot，然后ok即可3:pp圖，同qq圖同樣的方法，在plots中選probabilityplot直方圖與QQ圖畫法菜單操作注意：這里證明正態(tài)的方法并不是獨立的，一般圖形只是根據直觀經驗判斷，我們只能初步判斷是否是正態(tài)分布，真正的判斷標準是那些檢驗！單個正態(tài)總體期望的檢驗例1

某切割機在正常工作時,切割每段金屬棒的平均長度為10.5cm,標準差是0.15cm,今從一批產品中隨機的抽取15段進行測量,其結果如下:假定切割的長度X服從正態(tài)分布,且標準差沒有變化,試問該機工作是否正常?dataread;inputl@@;cards;10.410.610.110.410.510.310.310.210.910.610.810.510.710.210.7;proc

ttestdata=readh0=10.5;/*調用ttest過程，比較均值是否與給出的均值相等*/run;方法1：用procttestdataread;inputL@@;L=L-10.5cards;10.4

10.6

10.1

10.4

10.5

10.3

10.3

10.210.9

10.6

10.8

10.5

10.7

10.2

10.7;proc

meansnmeanstderrtprt;/*調用means過程，n表示計算樣本量，mean表示計算均值，stderr表示計算標準誤，t表示進行進行t檢驗，prt表示將p值表示出來*/run;方法2：用procmeansSolution→Analysis→Analyst(分析員系統(tǒng))(出現(xiàn)空白數(shù)據表)→File→OpenBySasName…

(在Makeoneselection窗口中)→work→選中數(shù)據名(DataE3212見V8文件)→(OK)→Statistics→HypothesisTestsOneSamplez—testforaMean…→待分析變量x→Variable→std.dev.of(即σ)填入0.01(或Variance(即σ2)內填入0.012)→Tests→Interval→OK→OK已知方差時單變量總體均值檢驗的菜單操作把上面的步驟OneSamplez—testforaMean變?yōu)镺ne-Samplet-TestforaMean

方差未知時單變量總體均值檢驗的菜單操作例3

某廠生產的某種型號的電池,其壽命長期以來服從方差

=5000(小時2)的正態(tài)分布,現(xiàn)有一批這種電池,從它生產情況來看,壽命的波動性有所變化.現(xiàn)隨機的取26只電池,測出其壽命的樣本方差=9200(小時2).問根據這一數(shù)據能否推斷這批電池的壽命的波動性較以往的有顯著的變化?單個正態(tài)總體方差的檢驗這里我只知道怎樣用菜單操作，如何編寫程序暫時不知道。下面是菜單操作過程：Solutions->Analysis->Analyst然后在出現(xiàn)的表格中輸入數(shù)據，或者導入數(shù)據，stastics->Hypothesistests->onesampletestforaVariance然后將變量選入Variable，在Var窗口中填入要檢驗的數(shù)值。注意！這里填入的是方差，不是標準差！例如上例中就應該填入5000.單個正態(tài)總體方差的檢驗兩個正態(tài)分布總體均值和方差的檢驗1.非配對（即兩個樣本量不一樣，又或者說是試驗次數(shù)不相等）有性系產量PB8669

97

106

51

97

65

73

83

79

41

92GL132

61

50

46

73

43

80

61

46

56

60

29

38

48

26

23

61實例：今有某種作物的兩個有性系PB86與GL1，均在同一環(huán)境、同一管理下生長，產量列于下表，試測定其產量均值差的置信區(qū)間并作成組法試驗資料的顯著性。datayild;inputstrain$yield@@;cards;a69a97a106a51a97a65a73a83a79a41a92b32b61b50b46b73b43b80b61b56b60b29b38b48b26b23b61b46;proc

ttest;classstrain;varyield;run;VariablestrainNLowerCL

MeanMeanUpperCL

MeanLowerCL

StdDevStd

DevUpperCL

StdDevStd

ErrMinimumMaximumyielda1163.94477.54591.14614.14620.24535.5296.104241106yieldb1740.664957.3412.08116.22124.6873.93422380yieldDiff(1-2)

14.32728.54542.76414.07817.87624.4986.9173

T-TestsVariableMethodVariancesDFt

ValuePr

>

|t|yieldPooledEqual264.130.0003yieldSatterthwaiteUnequal18.13.930.0010EqualityofVariancesVariableMethodNum

DFDen

DFFValuePr

>

FyieldFoldedF10161.560.4141先看第三個結果即，是檢驗方差是否相等的檢驗，p值>0.05，那么接受原假設，即方差相等，那么看第二個結果的第二行，equal相的p值，這個結果檢驗均值是否相等，p值<0.05,所以拒絕原假設，認為均值不相等。與之前單變量的菜單類似在運行了之前的程序之后Solutions->Analysis->Analystfile->OpenbySASname此時彈出selectamember的窗口，在窗口下面的libraries中點擊work，右方會出現(xiàn)一些數(shù)據庫名（即我們變成時data后面的名字，例如這里的A），然后雙擊我們要選的數(shù)據庫名，就會出現(xiàn)一個表格。Statistics→HypothesisTests->TwoSamplet—testforMeans，然后把組的名字選到group中，把因變量的名字宣導dependent中，如果要檢驗兩樣本均值是否相等，則將mean1-mean2設為0，如果是別的自己可以設定。非配對的均值檢驗的菜單操作Solutions->Analysis->Analyst然后在出現(xiàn)的表格中輸入數(shù)據，或者導入數(shù)據，（又或者，如果剛剛運行了程序，那么可以在file中的openbySASname中找到剛剛運行過的數(shù)據集名，點擊即可）stastics->Hypothesistests->two-sampletestforaVariances，然后把組的名字選到group中，把因變量的名字選到dependent中，點擊ok即可。非配對兩個正態(tài)分布方差的檢驗菜單操作2.配對（即兩個樣本量一樣，試驗是一對一的）datac;inputab@@;diff=a-b;cards;24272728262321312426;proc

meanstprt;vardiff;run;方法1：procmeansdatac;inputab@@;cards;24272728262321312426;proc

ttest;paireda*b;/*a和b的配對均值檢驗*/run;方法2：procttest在運行了之前的程序之后Solutions->Analysis->Analystfile->OpenbySASname此時彈出selectamember的窗口，在窗口下面的libraries中點擊work，右方會出現(xiàn)一些數(shù)據庫名（即我們變成時data后面的名字，例如這里的A），然后雙擊我們要選的數(shù)據庫名，就會出現(xiàn)一個表格。Statistics→HypothesisTests->TwoSamplepairedt—testforMeans，然后把組的名字分別選到group1和group2中，如果要檢驗兩樣本均值是否相等，則將group1-group2設為0，如果是別的自己可以設定。配對的均值檢驗的菜單操作菜單操作SAS分為臨時文件和永久文件永久數(shù)據集名必須由兩部分組成：前一部分是它的庫名，后一部分是才是數(shù)據集名，兩部分中間用小數(shù)點連接。比如放在mylib庫中的數(shù)據集teach必須用mylib。Teach表示。我們在關閉SAS后，它不會被自動刪除。SAS的保存問題有時候做試驗的數(shù)據量十分大，我們需要導入數(shù)據，使用INFILE語句指定從哪一文件中讀入數(shù)據。datac;infile'c:/dolly.xls';inputa@@;Procprint;run;之前運行不到是因為excel表的后綴名弄錯了！現(xiàn)在的可以運行了~從外部文件讀取數(shù)據方差分析的本質是：要解決的問題在諸個水平的因素的組合尋找出優(yōu)化的組合。方差分析的目的是：分析或檢驗總體間的均值是否不同方差分析方差分析和協(xié)方差分析SAS過程ANOVA過程

-----速度快，功能有限,平衡資料GLM過程

-----速度慢，但功能強大（非平衡資料協(xié)方差分析）dataf;inputlevel$pig@@;cards;a51a40a43a48b23b25b26c23c28;proc

anova;classlevel;modelpig=level;run;

例1以A、B、C三種飼料喂豬，得一個月后每豬所增體重（單位：500g）于下表，試作方差分析。（與書p42頁例子類似）飼料ABC增重514043482325262328單因素方差分析，只有一個因素飼料的不同，有三個水平A，B，C，水平A做了4次試驗。菜單操作可以參考書上p43，或者張老師的課件單因素方差分析只討論自變量a和b獨自對因變量的影響；另一種，不僅要研究自變量a和b獨自對因變量的影響，而且還要同時考慮a、b兩個自變量交互地影響因變量。雙因素方差分析1.無重復試驗雙因素方差分析

例2設甲、乙、丙、丁四個工人操作機器Ⅰ、Ⅱ、Ⅲ各一天，其產品產量如下表，問工人和機器對產品產量是否有顯著影響？（與書p44的例子類似）工人A機器B甲乙丙?、瘼颌骴ataff;doa=1to4;dob=1to3;inputn@@;output;end;end;cards;506352475442475741535848;proc

anova;classab;modeln=ab;/*對兩個因子模擬模型*/run;菜單操作可以參考書上p45或者張老師的課件多因素方分析的SAS程序例:DATASTEAK;INPUTW$NY@@;CARDS；A150A263A352 B147B254B342 C147C257C341D153D258D348;PROCGLM;CLASSWN;MODELY=WN;RUN;

工人機器123甲(A)506352 乙(B)475442 丙(C)

475741丁(D)535848

多因素方差分析多因素無交互作用的方差分析例3用某新藥治療血吸蟲患者，采用三天療法，在治療前及治療后分別定期測定患者的血清谷丙轉氨酶的變化，以觀察該藥對肝功能的影響，測定結果如下表。試分析不同階段血清谷丙轉氨酶是否有差異？表3某新藥治療血吸蟲患者血清谷丙轉氨酶的變化情況因子1：有7個水平因子2：有6個水平datali_3;doi=1to7;/*對因子1做循環(huán)*/doj=1to6;/*對因子2做循環(huán)*/inputx@@;output;end;end;cards;6336188138635490200238220188144543630083100924572140213144100545417515010036726330016314490647720718512287;procanova;classij;modelx=ij;run;

區(qū)組IIIIIITB處理A1B1C1C2C31214133912111134109928B2C1C2C31099289982666719A2B1C1C2C332494341176720B2C1C2C322373451257719Tr838287252T區(qū)組和處理兩向表2：有重復的雙因素方差分析（考慮交互作用）DATASTEAK;INPUTA$B$C$Y;CARDS;A1B1C112A1B1C114A1B1C113 A1B1C212A1B1C211A1B1C211 A1B1C310A1B1C39A1B1C39 A1B2C110A1B2C19A1B2C19 A1B2C29A1B2C29A1B2C28 A1B2C36A1B2C36A1B2C37A2B1C13A2B1C12A2B1C14 A2B1C24A2B1C23A2B1C24 A2B1C37A2B1C36A2B1C37 A2B2C12A2B2C12A2B2C13 A2B2C23A2B2C24A2B2C25 A2B2C35A2B2C37A2B2C37;PROC

GLM;CLASSABC;MODELY=ABCA*BB*C;/*這個模型包括了三個因子，還有因子之間的交互作用*/RUN;多重比較F測驗是一個整體的概念。僅能測出不同處理效應的平均數(shù)的顯著差異性。但是，是否各個平均數(shù)間都有顯著差異性？還是僅有部分平均數(shù)間有顯著差異而另一部分平均數(shù)間沒有顯著差異？它不曾提供任何信息。要明確各個平均數(shù)間的差異顯著性，還必須對各平均數(shù)進行多重比較。包裝方式123總和均值甲12183015乙1412133913丙1917215719丁24305427例：研究某糖果包裝方式與銷售量的關系（四水平不等重復）來源SSDFMSFF0.05(3,6)包裝25838611.214.76誤差4667.67總和3049方差分析表

DATAglm;INPUTX$Y@@;CARDS;a12a18b14b12b13c19c17c21d24d30;

PROC

glm;classX;modely=x;meansx/lsd;meansx/lsdalpha=0.01;meansx/duncan;meansx/scheffecldiff;meansx/snk;meansx/tukeycldiff;run;12345均值A(15)77151199.8B(20)121712181815.4C(25)141818191917.6D(30)192522192321.6E(35)71011151110.8例：研究合成纖維中棉花含量對抗拉強度的影響（五水平5重復）來源SSDFMSFF0.01(4,20)含棉率475.764118.9414.764.43誤差161.20208.06總和636.9624方差分析表

DATAglm;INPUTX$Y@@;CARDS;157157151515111592012201720122018201825142518251825192519301930253022301930233573510351135153511;

PROC

glm;classX;modely=x;meansx/lsd;meansx/lsdalpha=0.01;meansx/duncan;meansx/scheffecldiff;meansx/snk;meansx/tukeycldiff;run;（1方差分析表）DependentVariable:YSumofSourceDFSquaresMeanSquareFValuePr>FModel4475.7600000118.940000014.76<.0001Error20161.20000008.0600000CorrectedTotal24636.9600000R-SquareCoeffVarRootMSEYMean0.74692318.876422.83901415.04000SourceDFTypeISSMeanSquareFValuePr>FX4475.7600000118.940000014.76<.0001（2。LSD多重比較分析表）tTests(LSD)forYNOTE:ThistestcontrolstheTypeIcomparisonwiseerrorrate,nottheexperimentwiseerrorrate.Alpha0.05ErrorDegreesofFreedom20ErrorMeanSquare8.06CriticalValueoft2.08596LeastSignificantDifference3.7455Meanswiththesameletterarenotsignificantlydifferent.tGroupingMeanNXA21.600530B17.600525BB15.400520C10.800535CC9.80051521.6-17.6=4>3.7455，說明30和25之間存在差異

TheGLMProcedure（3。Duncan多重比較分析表（LSR法））Duncan'sMultipleRangeTestforYNOTE:ThistestcontrolstheTypeIcomparisonwiseerrorrate,nottheexperimentwiseerrorrate.Alpha0.05ErrorDegreesofFreedom20ErrorMeanSquare8.06NumberofMeans2345CriticalRange3.7453.9314.0504.132Meanswiththesameletterarenotsignificantlydifferent.DuncanGroupingMeanNXA21.600530B17.600525BB15.400520C10.800535CC9.800515TheGLMProcedure（4。謝菲多重比較分析表）

Scheffe'sTestforYNOTE:ThistestcontrolstheTypeIexperimentwiseerrorrate.Alpha0.05ErrorDegreesofFreedom20ErrorMeanSquare8.06CriticalValueofF2.86608MinimumSignificantDifference6.0796Meanswiththesameletterarenotsignificantlydifferent.ScheffeGroupingMeanNXA21.600530ABA17.600525BBC15.400520CC10.800535CC9.800515TheGLMProcedure（5.q多重比較分析表）

Student-Newman-KeulsTestforYNOTE:ThistestcontrolstheTypeIexperimentwiseerrorrateunderthecompletenullhypothesisbutnotunderpartialnullhypotheses.Alpha0.05ErrorDegreesofFreedom20ErrorMeanSquare8.06NumberofMeans2345CriticalRange3.74545414.54270985.02563185.3729606Meanswiththesameletterarenotsignificantlydifferent.SNKGroupingMeanNXA21.600530B17.600525BB15.400520C10.800535CC9.800515TheGLMProcedure（6。Tukey's多重比較分析表）Tukey'sStudentizedRange(HSD)TestforYNOTE:ThistestcontrolstheTypeIexperimentwiseerrorrate,butitgenerallyhasahigherTypeIIerrorratethanREGWQ.Alpha0.05ErrorDegreesofFreedom20ErrorMeanSquare8.06CriticalValueofStudentizedRange4.23186MinimumSignificantDifference5.373Meanswiththesameletterarenotsignificantlydifferent.TukeyGroupingMeanNXA21.600530ABA17.600525BBC15.400520CDC10.800535DD9.800515(4。謝菲多重比較差比較分析表）Comparisonssignificantatthe0.05levelareindicatedby***.DifferenceXBetweenSimultaneous95%ComparisonMeansConfidenceLimits30-254.000-2.08010.08030-206.200