sas univariate 结果解释_SAS统计之描述性统计分析

本文来阐述统计学基本的描述性统计分析在SAS软件内的实现方法与案例解读，首先大概过一遍统计学基本的描述性统计。

描述性统计就是利用手里已有的数据，分析数据的集中趋势和离散趋势，总体来说在统计学内数据可以分为以下三种类型：

一：分类数据，又名定性数据或者品质数据。这是一种非数字型数据。比如人口按照性别分可以分为男、女，企业可以按照行业属性分为：互联网企业、医药企业、家电企业等等。当然日常统计中为了方便起见，我们可以将这些变量赋予一个不支持加减乘除运算的数字(这儿说的不支持是因为对其进行加减乘除没有什么实际意义)，例如人口按照性别分类中我们可以将男记为0，女记为1(当然反过来男1女0也是可以的)。

二：顺序数据。它是分类数据的一种，但是！！！它的变量是有顺序的，或者说它的变量是有重要和不重要之分的！！ 例如，一个学生的考试成绩我们可以用：优、良、中、及格、不及格来表示，这儿有着明显的主次顺序，即优>良>中>及格>不及格（当然你想反过来不及格<及格...）也没问题。同样在日常的统计中，为了方便(反正就一个原则，怎么方便怎么来),将其赋予一个不支持加减乘除运算的数字，优——1，良——2，中——3，及格——4，不及格——5。

三：数值型数据，又名定量数据，其变量为数值形式的变量。故名思意，这是一种数值数据。而数值型数据中的变量又可以分为两类：

1，离散型变量

这些变量一般以整数的形式出现，可以一一列举。举个简单的例子：不同城市的企业数量，这些数据一定是数值型数据，这就是离散型变量，它的特点是你只能取它的整数值，也就是说你可以说其中一个城市有100家企业，但是你要是说这个城市有100.5家企业，这就没有什么意义了，因为我们都知道0.5家企业这是不存在的。同理的还有产品数量、汽车产量等等。

2,，连续型变量

与离散型变量相对应，这些变量可以取小数部分。比如一个城市所有人的平均身高，它可以是175cm，也可以是175.1cm或者175.2cm，这都是没问题的。这一类连续变化的变量我们就称之为连续型变量。

接下来介绍数据集中趋势和数据离散趋势的度量方法。

一：数据的集中趋势

1，众数：一组数据中出现最多的变量即为众数。

2，分位数：常用的有中位数（即二分位数）、四分位数、百分位数等，定义为分位数(n分位数)通过n-1个数据点将我们的数据平均分为了n份

3，平均数：平均数可以分为三类

1）简单平均数：公式为

2）加权平均数（针对分组数据），公式为