sas04__sas基本統(tǒng)計(jì)分析功能-資料下載頁
2025-05-10 12:33本頁面
【正文】 Location） 平均成績 （ score） 性別 (sex) 身高 (height) 0：未戀愛 單位：歲 0：農(nóng)村 單位：分 0：女 單位：厘米 1：已戀愛 1：城市 1：男 假設(shè)收集數(shù)據(jù)如下表，試建立 Logistic模型，并分析 22歲農(nóng)村男生、身高 170cm,平均成績?yōu)?560時(shí)的戀愛概率。 age location score height weight sex v 21 1 593 183 154 1 0 19 1 467 178 185 1 1 20 1 550 177 170 1 0 21 1 414 175 114 1 0 19 1 502 160 98 0 0 21 0 361 175 126 1 0 21 0 595 166 112 1 1 20 0 409 178 140 1 1 20 1 436 164 128 1 0 22 1 450 170 160 1 0 23 1 482 168 106 0 0 18 0 0 160 106 0 0 20 1 475 170 120 1 1 20 0 615 165 106 0 0 19 1 549 168 110 1 0 屬性數(shù)據(jù)分析 ? 單個(gè)離散變量的擬合優(yōu)度卡方檢驗(yàn) ? 兩個(gè)離散變量的列聯(lián)表獨(dú)立性檢驗(yàn) ? 兩個(gè)離散變量的關(guān)聯(lián)度分析 單個(gè)離散變量的擬合優(yōu)度卡方檢驗(yàn) ? ：檢驗(yàn)離散變量的取值規(guī)律是否符合某種給定的比例。 ? Pearson提出的卡方檢驗(yàn)的零假設(shè)為： ?統(tǒng)計(jì)量為： ?其中： ni為事件 Ai的觀測頻數(shù)， pi為事件 Ai的頻率。 0 : P r ( ) ( 1 , 2 , .. ., )iiH X a p i k? ? ?2221() ( 1 )k iii in n p knp???????【 例 1】 ?某工廠近 5年來發(fā)生了 63次事故，按事故發(fā)生的星期號分類如下： ?問事故的發(fā)生是否與星期幾有關(guān)？ ?思路分析：采用擬合優(yōu)度卡方檢驗(yàn)六種情況發(fā)生的概率是否相等， H0： Pr(X=i)=1/6 (i=1,2,…6) 。 星期 一 二 三 四 五 六 次數(shù) 9 10 11 8 13 12 ?結(jié)果分析：零假設(shè) H0： Pr(X=i)=1/6 (i=1,2,…6) ，由輸出擬合優(yōu)度卡方檢驗(yàn)的統(tǒng)計(jì)量 χ2=,p=,對于給定的顯著性水平 α =， pα ，所以接受 H0,說明事故發(fā)生與星期幾沒有關(guān)系。 ?注明：檢驗(yàn)的是等概率情形時(shí)，選項(xiàng) testp語句可以省略。 兩個(gè)離散變量的列聯(lián)表獨(dú)立性檢驗(yàn) ? ?列聯(lián)表的概念：根據(jù)兩個(gè)離散變量的交叉分類取值把樣本進(jìn)行分類，得到每一小類的觀測個(gè)數(shù)制成表格的形式稱為列聯(lián)表，如根據(jù)學(xué)生的性別和來源把學(xué)生分為 4組，得到如下統(tǒng)計(jì)表： 學(xué)生性別、來源分布表 男生 女生 本地 4 6 外地 14 7 方式一： ?枚舉法 —— 每一行為一個(gè)樣本觀測，即一個(gè)學(xué)生的信息記錄，然后使用 freq過程可以制成列聯(lián)表，使用 tables語句指定行變量和列變量。 方式二： ?頻數(shù)表法 —— 沒有具體每行樣本觀測的信息，只有匯總的頻數(shù)表，則需要設(shè)置一個(gè)代表觀測頻數(shù)的變量，然后使用 freq過程可以制成列聯(lián)表，使用 tables語句指定行變量和列變量， weight語句指定單元格頻數(shù)變量。 ?兩種方式的輸出結(jié)果一樣，如下圖，每一個(gè)格子中有 4個(gè)數(shù)： Frequency(頻數(shù) )、 percent(百分比 )、 Row Pct(行百分比 )、 Col Pct(列百分比 )。在表的右側(cè)有行總計(jì)的頻數(shù)及百分比，在表的下側(cè)有列總計(jì)的頻數(shù)及百分比。 說明： ?簡化形式的列聯(lián)表，可以在 tables語句中加上 nofreq、nopercent、 norow 、 nocol等選項(xiàng)。如 ?功能：檢驗(yàn)兩個(gè)離散變量的取值是否獨(dú)立。檢驗(yàn)的零假設(shè)為 H0：離散變量 X與變量 Y相互獨(dú)立 ?檢驗(yàn)統(tǒng)計(jì)量 ?其中 22211() ( ( 1 ) ( 1 ) )st i j i jij ijn n n n rsn n n?? ???? ???? ? ???11,sri ij j ijjin n n n????????【 例 2】 ?為了探討吸煙與慢性支氣管炎有無關(guān)系，調(diào)查了 339人，情況如下： ?試分析吸煙與慢性支氣管炎是否有關(guān)系。 患慢性支氣管炎 未患慢性支氣管炎 吸煙 43 162 不吸煙 13 121 ?結(jié)果分析：零假設(shè) H0：吸煙與慢性支氣管炎相互獨(dú)立，由輸出結(jié)果中 peraons卡方獨(dú)立性檢驗(yàn)統(tǒng)計(jì)量為χ2=,p=，對于給定的顯著性水平 α =，pα ，故拒絕 H0，即認(rèn)為吸煙與患慢性支氣管炎間不是相互獨(dú)立的。 說明： ?各種檢驗(yàn)方法應(yīng)根據(jù)資料選?。? （ T—— 最小的單元格期望頻數(shù)， n—— 總樣本量 ) ?當(dāng) T5且 n40 選 Person 卡方值，它是最常用的檢驗(yàn)方法。 ?當(dāng) 1T5且 n40選連續(xù)校正卡方值；似然比卡方在大樣本下與 Person 卡方近似。 ?Fisher精確檢驗(yàn)法適用于 2 2的交叉表， n40或T5(有的教材上稱樣本量 小于 20）。 兩個(gè)離散變量的關(guān)聯(lián)度分析 ?功能：計(jì)算兩個(gè)有序?qū)傩宰兞康年P(guān)聯(lián)性量度（類似于相關(guān)系數(shù)），重點(diǎn)掌握 Kendal Taub統(tǒng)計(jì)量。 ?例 3：假設(shè)我們要研究奶牛種群大小與其患某種細(xì)菌性疾病的關(guān)系。牛的患病程度（ DISEASE）分為沒有（ 0）、低（ 1）、高（ 2），牛群大?。?HERDSIZE）分為?。?1）、中（ 2）、大（ 3）。數(shù)據(jù)如下所示： ?；疾〕绦? 沒有 低 高 牛群大小 小 9 5 9 中 18 4 19 大 11 88 136 分析： ?由輸出得 Kendall Taub統(tǒng)計(jì)量值為 ，漸近標(biāo)準(zhǔn)誤差（ ASE）為 ，用統(tǒng)計(jì)量值加減 兩倍 標(biāo)準(zhǔn)誤差作為Kendall Taub的 95%置信區(qū)間，可算得 (， )在零點(diǎn)左邊，所以可認(rèn)為奶?；疾〕潭扰c種群大小有正的關(guān)聯(lián)。 ?事實(shí)上，我們從列聯(lián)表中實(shí)際頻數(shù)與期望頻數(shù)的對比也可以看出，小的種群患病比期望值輕，大的種群患病比期望值重，即患病程度與種群大小有正的關(guān)聯(lián)。 作業(yè)：教材 P161 18 ?補(bǔ)充：某公司準(zhǔn)備抽出一個(gè)新品牌的礦泉水，現(xiàn)已萬事俱備，就是在新產(chǎn)品的名稱上幾位董事意見尚未統(tǒng)一。董事屢議不決之后，最終決定進(jìn)行抽樣調(diào)查。在受訪的 200人中， 52人更喜歡名稱 A， 61人更喜歡名稱 B， 87人更喜歡名稱 C。請問 A、B、 C三種名稱受歡迎程度有無差異？ 掌握自學(xué)方法 事半功倍 返回
法律信息相關(guān)推薦
鄂ICP備17016276號-1