SAS描述性统计分析

一、使用proc means描述数据

可以用proc means查看一些简单的统计量，Means过程开始于关键词proc means，后面接需要打印的统计量，基本形式：

PROC MEANS options;

如果不加选项，则默认打印出非缺失值个数、均值、标准差、以及最大最小值，下面是用选项可以查看的统计量：

                                                    

1. BY variable-list; 分变量单独分析，但数据必须先按照variable-list的变量顺序排序（proc sort）。
2. CLASS variable-list; 也是分变量单独分析，看起来会更集中一些，且不需要排序。
3. VAR variable-list; 指定分析中使用哪种数值变量，默认则使用所有的数值变量

下面的代码读取数据，计算新变量销售月份month，并使用proc sort按照月份排序，并使用proc means的by语句来按照月份描述数据：                  

                                    

输出结果为：

                            

将描述性统计写入SAS数据集中

有两种方法可以在SAS数据集中储存描述性统计量，Output Delivery System(ODS)，或者output语句。后者的基本形式为：OUTPUT OUT=data-set output-statistic-list;

                         

要描述数据，每个顾客只有一个观测值，包括SUM和MEAN，并且将结果储存到数据集中以便日后分析。下面的程序读取程序，按照CustomerID排序，使用means过程，结果存在totals数据集中。以原始名Petunia,SnapDragon,Marigold给出sum，以新变量名MeanPetunia,MeanSnapDragon,and MeanMarigold给出mean。

                             

结果如下：

                             

二、用proc freq为数据计数

使用proc freq最明显的目的是现实分类数据的分布情况，基本形式为：

        PROC FREQ;

       TABLES variable-combinations;

建立两个变量的交叉表需要一个*号，下面的语句显示变量Sex by YearsEducation的频数情况：TABLES Sex*YearsEducation;

这个语句之后可以用/option的形式添加选项，主要下面几个：

LIST：用list形式打印交叉表（而不是网格）

MISSING：频率统计量中包含缺失值

NOCOL：强制在交叉表中不打印列百分比

NOROW：强制在交叉表中不打印行百分比

OUT=data-set：输出数据集

比如说，使用第二个选项：TABLES Sex*YearsEducation/MISSING;

例子 有一家咖啡店的销售数据，记录了销售的咖啡种类（cappuccino,espresso,kona,or iced coffee），以及每次购买的顾客是打包还是原地就饮：

下面的代码就产生了一个one-way和two-way的频率表：

                          

代码告诉SAS打印两个表，一个是one-way的频率表，一个是交叉表。交叉表的每个小方格内，SAS打印了频数、百分比、行百分比和列百分比。左边和右边是累积百分比。注意计算频数时没有考虑缺失值。

                       

三、用proc tabulate产生一个表格报告

比起print means和print freq，Proc tabulate过程产生的报告更耐看。Proc tabulate的基本形式为：

                     PROC TABULATE;

                    CLASS classification-variable-list;

                    TABLE page-dimension,row-dimension,column-dimension;

Class语句告诉SAS哪些变量将数据分成不同部分。

Table语句可以定义一个表，可以用多个table语句定义多个表；

维度 table语句可以在报告中指定三个维度：页、行、列。如果只指定一个维度，则默认是列维度；如果指定两个，则是行和列。

 

缺失数据 默认下不考虑缺失数据，在proc语句后面增加missing选项可以改变这种默认：

PROC TABULATE MISSING;

例子 有关于船的一些数据，Boats.dat，记录了每艘船的姓名、港口、移动方式（sailing或者power vesse），类型（schooner,catamaran,or yacht），使用它远行的价格

                                              

你想得到一份报告，包含了每一个港口的、sailing或者power vessel的、每一种类型的、船的数量，下面的代码用proc tabulate创建了一个三维报告：港口作为页、移动方式作为行、类型作为列：                                                                                                                            

报告分两页，港口的每个值情况为一页：

                              

为proc tabulate输出增加统计量

Class语句列出分类变量，而VAR语句告诉SAS那些变量包含连续数据。基本形式为：

             PROC TABULATE;

             VAR analysis-variable-list;

            CLASS classification-variable-list;

            TABLE page-dimension row-dimension column-dimension;

关键词 下面是tabulate可以计算的值：

ALL:增加行、列或页，显示总数

Max：最高值

Min：最低值

Mean：算术均值

Median：中位数

N：非缺失值个数

Nmiss：缺失值数

P90：90th分位数

Pctn：某类的观测值百分数

Pctsum：某类值总和的百分数

STDDEV：标准差

SUM：求和