【正文】 當(dāng)?shù)荒苁諗繒r ， 可以嘗試使用不同的初始值重新計算 。 Run。 非線性回歸分析 NLIN過程格式 Proc nlin 選項 。 以上三個方面的問題均有很大難度 。 proc reg。 end。 應(yīng)用實例 2 data new2。 。 語法選項 SELECTION=method， 規(guī)定變量篩選的方法 ，method可以是以下幾種選項 SLE=概率值 ， 入選標(biāo)準(zhǔn) ， 規(guī)定變量入選模型的顯著性水平 ， 前進(jìn)法的默認(rèn)是 ， 逐步法是 SLS=概率值 ， 剔除標(biāo)準(zhǔn) ， 指定變量保留在模型的顯著水平 ， 后退法默認(rèn)為 ， 逐步法是 標(biāo)準(zhǔn)化偏回歸系數(shù) STB 可用來比較各個自變量作用的大小 。 應(yīng)用舉例 REG過程不僅可以完成只有一個自變量的簡單直線回歸 ， 還可以作含有多個自變量的多元線性回歸 。 180 175 28 40 25 160 117 120 165 80 。 二元多項式回歸模型； Run。定義模型和需要輸出的統(tǒng)計數(shù) 。 run。 cards。 REG過程 語句選項 Proc reg語句 Data＝輸入數(shù)據(jù)集 Outsscp＝輸出數(shù)據(jù)集 ， 存儲平方－乘積和矩陣 Outest＝輸出數(shù)據(jù)集 ， 存儲參數(shù)估計值等 。 Model 依變量＝自變量 /選項 。 REG過程是一個通用的回歸過程 。 180 175 28 40 25 160 117 120 165 80 。1964~1973年 10年間測定 7月下旬的溫雨系數(shù) (雨量 mm/平均溫度 ℃ )和大豆第二代造橋蟲發(fā)生量 (每百株大豆上的蟲數(shù) )的關(guān)系如下表 ， 試求相關(guān)系數(shù) 。 PARTIAL語句 指明偏相關(guān)變數(shù) 。 PROC CORR語句選項 設(shè)定相關(guān)系數(shù) ， 例如 Pearson， Spearman等 ，缺省為 Pearson相關(guān)系數(shù) 。 WITH 變量表 。 相關(guān)分析計算反映各個變數(shù)之間相關(guān)密切程度和性質(zhì)的統(tǒng)計數(shù) 。在建立 （ 線性 ） 回歸模型的條件下 ， 以離回歸平方和最小 (最小二乘法 )為目標(biāo)求解模型統(tǒng)計數(shù) ， 獲得優(yōu)化回歸方程和離回歸標(biāo)準(zhǔn)誤 。 9 相關(guān)和回歸分析 概述 在科學(xué)研究和生產(chǎn)實踐中 ， 經(jīng)常需要進(jìn)行兩類變量之間關(guān)系的分析 。 model y= tr x/solution。 47 54 58 66 53 63 46 51 49 56 56 66 54 61 44 50 52 54 53 53 64 67 58 62 59 62 61 63 63 64 66 69 44 52 48 58 46 54 50 61 59 70 57 64 58 68 53 66 。 input x y 。 TDIFF， PDIFF要求顯示測驗 H0： LSM（ i） =LSM（ j） 的 t值和概率值 。 選項用于多重比較 。 CLASS 語句指明分類變量 ， 協(xié)方差分析時必須設(shè)立 ，且必須出現(xiàn)在 MODEL語句之前 。 若無 ， 表明 x對 y無影響 ， 對 y作方差分析即能說明 3種肥料對蘋果樹產(chǎn)量的效應(yīng)差異顯著性 。 例：為研究 A、 B、 C三種肥料對于蘋果樹的增產(chǎn)效果 ， 選了 24株同齡的蘋果樹 ， 記下各樹基礎(chǔ)生產(chǎn)力 (上年度的產(chǎn)量 ， X)， 將每種肥料隨機(jī)施于 8株蘋果樹上 ， 記下當(dāng)年產(chǎn)量 (Y， 公斤 )。 對統(tǒng)計圖進(jìn)行修改 右鍵菜單中選擇 【 Ticks】 命令 8 協(xié)方差分析 基本概念 協(xié)方差分析解決的問題為多組 （ 多個處理 ） x, y雙變數(shù)資料 ， 其自變數(shù) （ 協(xié)同變數(shù) ）x往往對目標(biāo)變數(shù) y有一定的線性回歸效應(yīng) 。 定義散點標(biāo)記為粉紅色星號，大小為 2 run。 數(shù)據(jù)塊開始 170 45 173 42 160 44 155 41 173 41 數(shù)據(jù)塊 188 50 178 47 183 46 180 49 165 43 數(shù)據(jù)塊 。 10名 20歲男青年身高 (cm)與臂長 (cm)如下 ， 請繪出散點圖 。 0nn99。 SYMBOL語句選項 : VALUE=符號 可用的符號及相應(yīng)名稱有： ＋ PLUS ★ STAR ■ SQUARE ◆ DIAMOND ▲ TRIANGLE I=連線方式 I=NEEDLE：點與點之間不連 ， 但每點向橫軸畫垂線 。 HAXIS=數(shù)值 定義橫坐標(biāo)的刻度。 指定圖案的花紋 T IT E Ln 選項 2?？僧嫺鲗ψ兞康纳Ⅻc圖、連線（即折線、擬合、回歸、特定線條）組成的曲線圖 P LO T 2 縱坐標(biāo)變量 * 橫坐標(biāo)變量 / 選項 1。 run。 end。 GPLOT過程 data new2。 調(diào)用繪圖程序步 gchart VBAR x / levels=10。 建立數(shù)據(jù)集 exam INFILE 39。 MIDPOINTS＝值：指定中點值，一般用系統(tǒng)約定值。 TYPE=作圖類型關(guān)鍵字 。 標(biāo)題內(nèi)容 FOOTNOTEn 選項 10 ’ 腳注 ’ 。 星形圖 AXISn 選項 6。 水平條形圖 VBAR 變量表 / 選項 2。 GCHART過程可以繪制水平 、 豎直條圖 (HBAR， VBAR)、 區(qū)域圖 (BLOCK)、餅圖 (PIE)和星狀圖 (STAR)等 。 早期 DOS版本的 SAS只提供低分辨率圖形 （ 即用鍵盤字符模擬輸出的圖形 ） 。,quantile,parm1, . . . ,parmk) PROBCHI(x,df,nc) PROBF(x,ndf,ddf,nc) PROBBNML(p,n,m) PROBBNML(p,n,m) 樣本統(tǒng)計數(shù)函數(shù) CSS(argument1,argumentn) －離差平方和 CV(argument,argument, . . .) －變異系數(shù) N(argument,argument, . . .) －樣本容量 RANGE(argument,argument, . . .) －極差 STD(argument,argument, . . .) －標(biāo)準(zhǔn)差 SUM(argument,argument, ...) －和 VAR(argument,argument, . . .) －方差 STDERR(argument,argument, . . .) －標(biāo)準(zhǔn)誤 數(shù)學(xué)和三角函數(shù) EXP(argument) －指數(shù) LOG(argument)－以 e為底的自然對數(shù)值 LOG2(argument) －以 2為底的對數(shù)值 LOG10(argument) －以 10為底的對數(shù)值 ARCOS (argument) －反余弦函數(shù) ARSIN (argument) －反正弦函數(shù) ATAN (argument) －反正切函數(shù) COS (argument) －余弦函數(shù) SIN(argument) －正弦函數(shù) TAN(argument) －正切函數(shù) 7 統(tǒng)計圖 統(tǒng)計圖是統(tǒng)計描述的重要工具 ， 它可以直觀的反映變數(shù)間的關(guān)系 。 算術(shù)函數(shù) ABS（ argument）－絕對值函數(shù) MAX（ argument ， argument ， … ）－最大值函數(shù) MIN（ argument ， argument ， … ）－最小值函數(shù) MOD（ argument1 ， argument2 ）－取模函數(shù) SQRT（ argument ）－平方根函數(shù) 概率和密度函數(shù) CDF (39。 model y=blk a b a*b。 4 5 5 。 end。 do b=1 to 5。 run。 proc anova。 end。 input y 。 品 種 盆 號 砷含量 A 1 2 3 1 B 4 5 1 6 C 7 8 1 9 1 D 10 11 12 4 應(yīng)用舉例 3— 系統(tǒng)分組資料的方差分析 data new。 means trt/T alpha=.05。 1 F 20 1 A 24 1 E 22 1 D 18 1 C 21 1 G 20 1 B 20 2 A 26 2 D 16 2 C 19 2 F 21 2 B 19 2 E 20 2 G 19 3 F 21 3 B 21 3 G 21 3 E 23 3 C 20 3 A 23 3 D 19 。 [eganova22] F A E D C G B 區(qū)組 1 20 24 22 18 21 20 20 A D C F B E G 區(qū)組 2 26 16 19 21 19 20 19 F B G E C A D 區(qū)組 3 21 21 21 23 20 23 19 有一大麥品比試驗， 7個品種（ A、 B、 C、 D、E、 F、 G，其中 G為對照），隨機(jī)區(qū)組設(shè)計， 3次重復(fù)，得小區(qū)產(chǎn)量（ y）于下表，試進(jìn)行方差分析。 class a b。 end。 input y 。 二因素有重復(fù)資料方差分析表 ANOVA的例子 data new。 Model y=a b。 13 14 14 12 12 13 3 3 3 10 9 10 2 5 4 。 Output。 應(yīng)用舉例 1－兩向分組資料方差分析 Data new。 model y=i。 . . 。 end。 do i=1 to 3。 Random語句 指定模型中的隨機(jī)效應(yīng)。 語句說明 Proc glm語句 設(shè)定分析數(shù)據(jù)集和輸出數(shù)據(jù)集等。 Model 依變數(shù)＝效應(yīng)表 /選項 。 當(dāng)用于方差分析時 ， 主要處理非平衡資料 ， 可進(jìn)行多個變量的對比檢驗 。 Model y=i。 cards。 output。 Data new。 clear。 Model y=a b(a)； 嵌套（ nested）模型，用于系統(tǒng)分組資料。 Model y=a b。同一試驗資料，分析結(jié)果依模型不同而異。 ANOVA過程 Means，計算效應(yīng)平均數(shù)，用于設(shè)定多重比較方法和確定比較的顯著水平（ α）等。 *用于指明分類變數(shù)； Model 依變數(shù)＝效應(yīng)表 /選項 。 對于平衡資料 （ 數(shù)據(jù)均衡 ， 沒有發(fā)生缺失 ） ， 一般應(yīng)用 ANOVA過程 。 當(dāng)處理效應(yīng)為固定模型時 ， 對各個平均數(shù)進(jìn)行多重比較 。 該過程同時對兩樣本方差是否同質(zhì)做出測驗 ，并給出總體方差相等和不等兩種情況下的平均數(shù)測驗結(jié)果供選擇 。 run。 1 1 1 1 1 1 2 2 2 2 2 。 測驗兩品種千粒重差異的顯著性 。 CLASS 變量 。 var y。 y=ab。 proc means n mean stderr t prt。 input y 。 RUN。 上述兩過程均可對總體平均數(shù)是否為零或兩個平均數(shù)是否相等做出測驗 。 log。 [eg10] SAS/INSIGHT進(jìn)行描述統(tǒng)計分析 建立所需分析的數(shù)據(jù)集 選擇菜單 【 Solutions】【 Analysis】【 Interactive Data Analysis】 打開SAS/INSIGHT窗口 打開要分析的數(shù)據(jù)集 【 Analyze】【 Distribution】 窗口的管理 SAS窗口由 DMS (display management sysytem) 管理 ， 一般將其分成輸出 、 結(jié)果 、日志和程序編輯窗等 。 SUMMARY過程 univariate過程除可計算基本統(tǒng)計數(shù)之外 ， 主要用于計算分位數(shù) （ Quartile， 中位數(shù)為一特例 ， 即 50％ 分位數(shù) ） 、 繪制分布圖 、 次數(shù)表及正態(tài)分布測驗等 。 Means 過程可以再加一個 OUTPUT語句 ， 它的作用是將下列統(tǒng)計數(shù)以新的變數(shù)名輸出 （ 利用 ） ，以防新的統(tǒng)計數(shù)的計算將此前的結(jié)果沖掉 。 指定統(tǒng)計量對應(yīng)的新變量名 MEANS語句的選項 設(shè)定結(jié)果輸出的統(tǒng)計數(shù) ， 如 STD, MEAN, VAR等 （ 可選項有 CSS, CV, KURTOSIS, MAX, MEAN, MEDIAN, MIN, N, P1, P99, PROBT, Q1, Q3, QRANGE, RANGE, SKEWNESS, STDDEV, STDERR, SUM, SUMWGT, T, VAR等共 38項 ） 。 指明分類變量 FREQ 變量表 。 描