sas
- proc means
proc means data=数据集;
class <分组变量,按变量名列分组统计,不要求排序>;
var 要分析的变量名;
by 分组变量,按变量名列分组统计,必须排序;
freq 分析变量的品书;
weight 权重;
id 输出时加上的索引;
output out 数据集名 关键字=新变量名;
- proc univariate
proc univariate data=数据集;
class <分组变量,按变量名列分组统计,不要求排序>;
var 要分析的变量名;
by 分组变量,按变量名列分组统计,必须排序;
freq 分析变量的品书;
weight 权重;
id 输出时加上的索引;
output out 数据集名 关键字=新变量名
pctlpts = 百分位数
pctlpre = 新变量名列;
R
以下包含常见的统计描述分析
myDescriptStat <- function(x){
n <- length(x) #???????ݸ???
m <- mean(x) #??ֵ
me <- median(x) #??λ??
mo <- names(table(x))[which.max(table(x))] #????
sd <- sd(x) #????
v <- var(x) #????
r <- max(x) - min(x) #????
cv <- 100 * sd/m #????ϵ??
css <- sum(x - m)^2 #????У??ƽ????
uss <- sum(x^2) #????δУ??ƽ????
R1 <- quantile(x,0.75) - quantile(x,0.25) #?ķ?λ??
sm <- sd/sqrt(n) # ????
g1 <- n/((n-1)*(n-2)*sd^3)*sum((x-m)^3)/sd^3 #ƫ??ϵ??
g2 <- ((n*(n+1))/((n-1)*(n-2)*(n-3))*sum((x-m)^4)/sd^4 -(3*(n-1)^2)/((n-2)*(n-3))) #????ϵ??
data.frame(N=n,Mean=m,Median=me,Mode=mo,
Std_dev=sd,Variance=v,Range=r,
CV=cv,CSS=css,USS=uss,
R1=R1,SM=sm,Skewness=g1,Kurtosis=g2,
row.names=1)
}
回归种的拟合优度:
myRA <-function(y,py,n){
rss<- sum((y-py)^2)
tss<- sum((y-mean(y))^2)
r2 <- 1-(rss/(n-2))/(tss/(n-1))
return(r2)
}
myR <-function(y,py,n){
rss<- sum((y-py)^2)
tss<- sum((y-mean(y))^2)
r2 <- 1-(rss/tss)
return(r2)
}