4.基本统计分析4.1正态性检验：univariate过程Proc univariate data= sasuser.stock normal; Var eps; Run; |
Proc univariate data= sasuser.stock normal; Var eps; Histogram eps; //画出直方图 Probplot eps; //画出概率分布图 Run; |
4.2单变量均值检验4.2.1如果一个变量服从正态分布，那么可以用t检验来对变量进行均值检验
Proc ttest data =数据集 ho = 均值； Var 检验变量； Run； |
4.2.2t检验还可以检验方差相同的两个独立样本均值是否相等
Proc ttest data =数据集； Class 分类变量； Var 检验变量； Run； 结果 第一部分简单统计量 第二部分t检验结果 第三部分两者方差是否相等检验 |
T检验要求两个独立样本都必须服从正态分布，如果不服从正态分布，则无法进行t检验。这时可用非参数的方法，常用的非参数方法是NPAR1WAY过程，它是 noparameter 1 way缩写。
4.3成对总体均值检验4.4回归分析：reg（回归）过程、rsreg（二次响应面回归）过程、orthoreg（病态数据回归）过程、nlin（非线性回归）过程、transreg（变换回归）过程、calis（线性结果方程和路径分析）过程、glm（一般线性回归）过程、genmod（广义线性回归）过程4.4.1 REG过程
Proc reg data = 输入数据集 选项； Var 变量列表； Model 因变量 = 自变量列表； Print 输出结果； Plot 诊断图形； Run； |
4.4.2 nlin过程指明模型的表达式并给定系数初值
4.4.3glm过程：使用最小二乘法回归线性模型，还可以进行回归，分差，协方差，多变量方差、偏相关系数分析4.5方差分析4.5.1单因素方差分析
Proc anova data =数据集名称； Class 因素； Model 实验结果 =因素； Run； |
Proc anova data =数据集名称； Class 因素； Model 实验结果 =因素； Means brand； Run； |
Proc anova data =数据集名称； Class 因素； Model 实验结果 =因素； Means brand/t； //t检验 Run； |
Proc anova data =数据集名称； Class 因素； Model 实验结果 =因素； Means brand/bon； //bonferroni t检验 控制第一类错误的概率，但是具有较大第二类错误概率 Run； |
Proc anova data =数据集名称； Class 因素； Model 实验结果 =因素； Means brand/regwq； //regwq检验 控制第一类错误的概率 Run； |
Proc anova data =数据集名称； Class 因素； Model 实验结果 =因素； Means brand/tukey； //tukey检验 控制第一类错误的概率，但是第二类错误概率通常高于regwq检验 Run； |
4.5.2多因素方差分析
4.5.3列联表检验
Proc freq data = 数据集； Tables 因素a*因素b / chisq； Weight 实验结果； Run； |
5相关知识因变量—Depender （Y）
自变量—Independent (X1 X2…)
扫码加好友，拉您进群
全部版块
我的主页
收藏
