SAS分析法代码

《SAS分析法代码》由会员分享，可在线阅读，更多相关《SAS分析法代码（18页珍藏版）》请在装配图网上搜索。

1、SAS分析常用的过程过程步大全为区分过程名称的拼写，故意部分小写，以便识别和记忆基本SAS程序代码结构:PRO(MODEata=Arndata.moddat;/*命令的解释*/var yx1-x6;/*命令的解释*/正态性检验PROC UNIvariatePROC UNIvariate data=Arndata.u nidat;相关分析和回归分析PROC REG 回归PROC REG data=Arndata.regdat;var y x1-x6;selection=stepwise; /*model y = x1-x6 /加入逐步回归选项*/printcli;/*加入输出预测结果部分，还可以

2、输出acov,all,cli,clm,colli n, colli noin t,cookd,corrb.covb,dw（时序检验统计量）,i,i nflue nce,p,partial,pcorr1,pcorr2,r.scorr1,scorr2,seqb,spec,ss1,ss2,stb,tol,vif（异方差检验统计量）,xpx*/plot y*x2 /conf95;/* 做散点图*/run;DATA Arndata.regdat;x2x2 = x2*x2;x1x2 = x1*x2;PROC REG data=Arndata.regdat;var y x1 x2 x2x2x1x2 ;/*多

3、项式回归，非线性回归*/model y = x1 x2 x2x2 x1x2 /selectio n=stepwise;/*加入逐步回归选项*/con f95;散点图*/*做run;PROC RSreg 二次响应面回归PROC ORTHOreg 病态数据回归PROC NLIN 非线性回归PROC TRANSreg 变换回归PROC CALIS 线性结构方程和路径分析PROC GLM 一般线性模型/* *命令的PROC GENmod 广义线性模型model y =typ;/* 可以看出此处是 单因素方差分析（分类型自变量对数值型自变量的影响）*/run;PROC GLM多因素非均衡数据PROC G

4、LM data=Arndata.glmdat;/* 命令的解释*/class typeatypeb;model y = typeatypeb;/*可以看出此处是不考虑交互作用的多因素方差分析（分类型自变量对数值型自变量的影响）*/run;PROC GLM data=Arndata.glmdat;*/class typeatypeb;model y = typea typebtypea*typeb;/*可以看出此处是考虑交互作用的多因素方差分析（分类型自变量对数值型自变量的影响）*/run;主成分分析PROC PRINcompPROC PRINcompdata=Arndata.pmdat n=4

5、 out=w1 outstat=w2 ;varx1-x6;PROC print data=w1;PROC plot data=w1vpct=80;/* 一句话，其实print就是plot输出图形的文 字形式而已*/plot prin1*prin2 $ districts=*7haxis=-3.5 to 3 by 0.5 HREF=-2,0,2 vaxis=-3 to 4.5 by 1.5HREF=-2,0,2;/*主成分的散点图，也就是载荷图*/run;因子分析PROC FACTORPROC FACTOR data=Arndata.factordat simple corr ;var yx1-

6、x6;title18个财务指标的分析；title2 主成分解；run;PROC FACTOR data=Arndata.factordatn=4 ;/*选择4个公共因子*/PROC FACTOR data=Arndata.factordat n=4rotate=VARImaxREorder;/*因子旋转：方差最大因子法*/PROC SCOREPROC FACTOR data=Arndata.factordat n=4rotate=VARImax REorder score out=score_Out;/* 输出因子得分矩阵*/run;PROC print data=score_Out;var

7、districts factorl factor2 factor3factor4;run;PROC plot data=score_Out;plot factor1*factor2 $ districts=* /href=0 Vref=0;/*因子的散点图，也就是载荷图*/典型相关分析PROC CANcorr基本SAS程序代码结构:DATAjt(TYPE=CORR);/* TYPE=CORR表明数据类型为相关矩阵，而不是原始数据, type 还可以是 cov,ucov,factor,sscp,ucorr等*/input names$ 1-2(x1 x2 y1-y3)(6.);/*name$表示

8、读取左侧的变量名，1-2表示变量名的字符落在第1,2 列上*/y3PROC CANcorr data=Arndata.ca ncorrdatedf=70redundancy;/*误差自由度的参考值，默认值是n=1000； redundancy表示输出冗余度分析的结 果*/对应分析/*交叉表分析的拓展，寻找行和列的关系，一般行指代各种cases，而列代表各种visions */PROC CORRespPROC CORResp data=Arndata.correspdat out=result;var x1-x6;id Type;optio ns ps=40;proc plot data=res

9、ult;plot dim2*dim1=* $ Type / boxhaxis=-0.2 to 0.3 by 0.1Vaxis=-0.1 to 0.3 by 0.1聚类分析PROC CLUSTERPROC CLUSTER data=Arndata.clusdatmethod=ave/*做聚类树proc tree horiz on tai;*/run;PROC FASTclusPROC FASTclus data=Arndata.clusdat maxclusters=3 list out=clusdat_Out;var x1-x6; id datid;run;PROC ACEclusPROC V

10、ARCLUS/*系统默认使用主成分法PROC/ARclus data=Arndata.clusdat; 聚类*/var x1-x6;run;保证分析过PROC VARclus hierarchy data=Arndata.clusdat; /* 程中不同水平的谱系结构*/var x1-x6;run;PROC VARclus cen troid data=Arndata.clusdat outtree=clusdat_out; /*使用重心法聚类 */ var x1-x6;run;PROC TREEPROC TREE data=Arndata.clusdat horizontal; /* 使用

11、TREE过 程绘制聚类谱系图*/var x1-x6;run;判别分析PROC DISCRIMPROC DISCRIM data=Arndata.discrimdatlist out=discrimdat_Out dista nee pool=yes;class Typ; /*指定分类变量*/var x1-x6; /*用于建立判别识别函数的变量*/id iddiscrim; /* 标注样 本的变量*/run;第二种方法，将需要判别的新样本放在testdata 里:PROC DISCRIM data=Arndata.discrimdat1 testdata=Arndata.discrimdat2t

12、estlisttestout=discrimdat_Out; /*将原来的几个选项加注test标示*/class Typ; /*指定分类变量*/var x1-x6; /*用于建立判别识别函数的变量*/id iddiscrim; /* 标注样本的变量*/run;PROC STEPdisc :逐步判别分析过程PROC STEPdisc method=stepwise data=Arndata.discrimdatSLe ntry=O.1OSLstay=0.10; /*设定引入和剔除的显著性水平 */class Typ; /*指定分类var x1-x6; /*用于建立变量*/判别识别函数的变量*/run;PROC CANdisc : Fisher判别分析过程PROC CANdisc data=Arndata.discrimdat out=discrimdat_Outdista nee simple;class Typ; /*指定分类变量*/var x1-x6; /*用于建立判别识别函数的变量*/run;proc print data=discrimdat_Out;run;方差分析PROC ANOVA单因素均衡数据和非均衡数据PROC ANOVA data=Arndata.a novadat; 解释*/class typ;*命令的解释*/