2024-06-06 初级SAS学习笔记16(Statistics)

    1. PROC UNIVARIATE  

        正态性检验可以使用proc  univariate normal进行；normal表示正态性检验，在proc univariate 默认输出的skewness表示数据偏度，即不对称性，说明数据是否更偏向于一边；kurtosi表示数据的峰度，说明数据的分布是平坦的还是尖锐的；而正态性分布的偏度值（skewness）和峰度值(kurtosis)都是0。

        使用proc univariate  的plot语句可以绘制图形，基本格式如下:

        proc univariate;

                var variable-list;

                plot request variable-list/options;

        run;

plot-request 包括:

        cdfplot       累积分布函数图

        histogram  直方图

        ppplot        probability-probability 图形(p-p图)

        probplot     概率密度图

        qqplot         quantile-quantile图形(Q-Q图)

        如果没有在plot request 里面设置 variable-list, 会对VAR 语句定义的变量绘制图形，如果没有定义var 语句，会对所有的数值变量定义图形；在options选项加入标准分布名称，将会在上述图形图形叠加标准分布曲线;PPPLOT、PROBPLOT、QQPLOT默认是使用正态分布绘制；也可以使用下列分布修改。

标准分布包括:BETA、EXPONENTIAL、GAMMA、LOGNORMAL、NORMAL、WEIBULL

如：probplot  score/exponential

2.PROC MEANS

        在proc means options 里面可以将options设置多个统计量名称，proc means支持的统计量如下:

        CLM  双侧置信区间        CSS 校正平方和(corrected sum of squares)       CV(变异系数)

        KURTOSIS  偏度            LCLM      置信区间下限                    MAX   最大值

        MEAN          均值            MIN         最小值                               MODE  众数

        N    非缺失数                   NMISS    缺失数                               MEDIAN(P50)   中位数

        Q1(P25)      25%分位数   Q3(P75）75%分位数                       P1          1%分位数                            P5    5%分位数                 P10   10%分位数                             P90         90%分位数                        P95    95%分位数             P99    99%分位数                            RANGE    范围   

        SKEWNESS   峰度           STDDEV  标准差                             STDERR   标准误 

        SUM   求和                       SUMWGT    加权求和                       UCLM        置信区间上限   

        USS   不校正平方和           VAR             方差                             PROBT      T检验P值   

        T          T值

计算置信区间CLM的时候可以考虑使用alpha=来定义置信区间宽度，不定义VAR 语句，PROC  MEANS 对所有的数值变量计算统计量

3. PROC TTEST

        使用proc ttest 进行单样本t检验的基本命令如下：

        proc  ttest    H0=n  options ;

                var variable;

        两独立样本t检验基本命令如下：

        proc  ttest  options；

                 class variables;

                 var variable;

        配对t检验的基本命令如下：

        proc ttest  options;

                paried variable1*variable2;

常用的options选项如下：

        alpha=n        设置检验水准，取值0-1，默认是0.05；

        CI=type         设置标准差的置信区间计算方法，默认是EQUAL，上下限置信区间宽度是相等的，另一个取值是UMPU和NONE，NONE表示不输出标准差的置信区间

        H0=n             单样本检验的原假设值，默认是0；

        NOBYVAR     将变量的名称从标题放置表格中

        SIDES=TYPE   设置检验方向，取值2表示双侧检验，取值L表示低测的单侧检验，设置U表示高侧的单侧检验

        

        proc ttest会默认使用ODS GRAPH创建图形包括直方图、箱式图和Q-Q图，可以使用如下命令控制输出图形：

        proc ttest   plots=(plot-requestion-list)

 常用的proc -requestion-list如下：

        ALL                                所有图形

        BOXPLOT                     创建箱式图

        HISTOGRAM                 创建直方图

        INTERVALPLOT            创建均值置信区间图

        NONE                             不创建任何图形

        QQPLOT                         创建正态性的QQ图

        SUMMARYPLOT            同时创建直方图和箱式图

        配对t检验还可以创建如下两类图形：

        AGREEMENTPLOT        创建一致性图形

        PROFILESPLOT             创建成对详细信息图，示例如下：

当使用proc ttest时 QQPLOT 和SUMMRYPLOT会默认自动创建，在配对t检验时还会默认自动AGREEMENTPLOT和PROFILESPLOT，可以使用plots(only)=(plot-requestion-list)来告诉SAS只输出请求创建的图形

举例如下：

        proc ttest data=swim plots(only)=(SUMMARY QQPLOT);

                title "50m Freestyle Semifinal vs. Final Results";

                paired SemiFinalTime*FinalTime;

        run;

生成图形如下:

  4.proc freq

        proc freq用于对分类数据进行统计，一个是统计分类数据间是否存在关联，一个是统计关联的强度，基本格式如下：

        proc freq  ;

                table variable-combination/options;

常见的选项options如下：

        agree        输出一致性程度及对该程度检验，检验包括McNemar's test \Bowker's test\Cochran's Q test\Kappa test

        chisq         输出卡方值以及关联强度

        CL             输出关联强度的置信区间

        CMH          输出针对分层表格的Cochran-Mantel-Haenszel的统计量（CMH 统计量）

        EXACT       针对2*2y以上的表格输出fisher精确统计量

        MEASURES   输出表示关联强度的指标，如person and spearman 相关系数，gamma，kendall's tau-b,Stuart's tau-c,Somer's D,lambda, odds ration(OR),risk ration,及其置信区间

        RELRISK    输出2*2相对风险比(RR)     

        TREND       输出趋势性检验Cochran-Armitage

proc freq 还会使用ods graph 输出图形如频数图、OR图、RR图及一致性图等，proc freq 输出图形的基本命令如下：值得注意的是某些plot-list必须与某些options连用

        proc freq;

                  tables variable-combinations/options plots=(plot-list)

   以下是常见的plot-list 以及可以连用的options

        agreeplot          适用于二联表， 与agree 联用 

        cumfreqplot      适用于单向表

        deviationplot     适用于单向表，与chisq联用

        freqplot             适用于各种形式

        kappaplot          适用于三向表，与agree联用

        oddsratioplot      h*2*2,与 measures或relrisk联用

        relriskplot           h*2*2,与measures或relrisk联用

        riskdiffplot           h*2*2,与riskdiff联用

        wtkappaplot        h*r*r(r>2),与agree联用

SAS 还提供了一些选项控制图形的样式，比如：

        tables variable1*variable2/plots=freqplot(two-way=grouphorizontal)，输出的频数表成横向排列

5.proc  corr

        proc corr 可以计算两个变量的相关性，基本命令如下：

        proc corr options;

                var  variable-list;(表示两两相关的列变量)

                with variable-list;(表示两两相关的行变量)

如果只有var变量没有with 变量，则所有的var变量即是列变量也是行变量

常见选项pearson,spearman,hoeffding(hoeffding’s D),kendall(,kendall's tau-b)
 

可以使用proc corr生成图形，但需要用户自己向SAS请求，基本命令如下：

 proc corr  plots=(plot-list);

        var variable-list;

        with variable-list;

run;

可以使用plot-list如下：

 scatter              为一对变量绘制带有预测椭圆，默认是出预测椭圆，如果不需要产生预测椭圆可以使用scatter(ellipse=none),如果需要为预测椭圆加上置信区间可以使用scatter(ellipse=confidence);

matrix                为所有变量绘制散点图矩阵,如果没有with 语句，matrix会为所有的var 语句内的变量生成对称矩阵散点图（variable即为横轴也为纵轴），该散点图的对角为空；加上histogram则会在为空的对角上加上直方图，如matrix(histogram)

 举例如下：

        proc corr  data=class  plots=(scatter matrix);

                var television exercise;

                with score;

                title "Correlations for Test Scores";

                title2 "With Hours of Televsion and Exercise";

        run;

   结果如下：

        

6.proc  reg

        使用proc reg 时会自动调用ODS GRAPH 来创建图形，基本格式如下：

        proc reg  plot(options)=(plot-requestion-list)

                model dependent=independent

        run;

常用的plot-request如下：

        fitplot                     散点图，带有拟合线、置信线和预测条带,(只有1个变量时默认输出)

        residuals               残差vs自变量图(默认输出）

        diagnostics           诊断图（包括下面所有图,也是默认输出）

        cooksd                  观测点的COOK'D值图

        observedbypredicted      因变量vs预测值

        QQPLOT               残差的正态性QQ图

        residualbypredicted  残差vs预测值

        rfplot                      残差拟合线图

        rstudentbyleverage    学生化残差vs杠杆值

        rstudentbypredicted   学生化残差vs预测值

如果只需要输出某些自定义的图，可以使用plots(only)=(plot-requesi-list)

        举例如下：

        proc reg  data=hist plots(only)=(diagnotics fitplot)

                model Distance=height;

                title "Results of Regression Analysis";

        run;

图形如下：

        

        

7.proc  anova 

        proc anova 是用于进行方差分析，适用于平衡数据或者说单因素方差分析；当单因素方差分析且数据不平衡时则不适用于使用proc anova 进行分析，考虑使用proc  glm进行分析。本节仅说明使用proc anova 进行单因素方差分析情形，基本格式如下：

        proc anova;

                class variable-list;

                model dependent=effects;

                means effects/options;

class表示分类变量，在单因素方差分析中class 中只包含1个分类变量，

model 表示进行方差分析，effect来源于class设置的分类变量，dependent则为因变量;

means表示计算因变量在各个主效应（main effects）的均值，effects来源于model 中的任意表示effect的变量；options表示可进行组间多重比较，多重比较的检验如下：

名称                 检验

BON                bonferroni  t检验

DUNCAN        duncan 多重检验

SCHEFFE       scheffe多重检验

T                      成对t检验

TUKEY            TUKEY多重检验

举例如下：

proc anova  data=heights;

        class region;

        model height=region;

        means  region/scheffe;

        title "Girl's Heights from Four Regions";

run;

scheffe检验结果如下：

上表的字母用于表示组别,有相同的字母的两组表示没有显著性差异。