【正文】 再利用菜單完成回歸分析 : (1) 選擇 Solutions→Analysis→Analyst 菜單， (2) 選擇 File→Open By SAS Name→work→reg (3) 選擇 Statistics→Regression, (4) 選擇 Linear Regression出現(xiàn)一窗口 (5) 在出現(xiàn)的窗口中設(shè)置變量，我們選擇變量 dependent為 y,選擇 Explanatory為 x1,x2,x3, Tests按鈕可以選擇顯著性水平 ,默認(rèn)是 。 input n x1x3 y。 run。（顯著水平取 ） 首先建立數(shù)據(jù)集 : data 。 ? (2) 選擇 Solutions→Analysis→Analyst 菜單， ? (3) 選擇 File→Open By SAS Name→Work→mydata, ? (4) 選擇 Statistics→Hypothesis, ? (5) 選擇 TwoSample Test for Variances,出現(xiàn)圖 5 ? 圖 5 兩個樣本的方差檢驗 ? （ 6）在圖 5的窗口中設(shè)置變量，選擇 Two variables(兩個變量 ),依次選一個變量，按 Group1按鈕及 Group2按鈕， Alternate處是備擇假設(shè)，我們選＜ 1， Intervals按鈕可以選擇顯著性水平 ,默認(rèn)是 ，我們選。 ? （ 7）單擊 OK，產(chǎn)生輸出結(jié)果。 。 ? One Sample ttest for a Mean ? Sample Statistics for life ? N Mean Std. Dev. Std. Error ? ? 16 ? Hypothesis Test ? Null hypothesis: Mean of life = 225 ? Alternative: Mean of life 225 ? t Statistic Df Prob t ? ? 15 ? 結(jié)果分析： ? 由上可見，平均值為 ，標(biāo)準(zhǔn)差為 ,標(biāo)準(zhǔn)偏差為 ， t統(tǒng)計量是 , Prob t 的值為 α =,因此應(yīng)該接受 H0，即認(rèn)為元件的平均壽命不大于 225小時。 run。 ? 未知時的 μ 檢驗（ OneSample ttest for a mean ） 例 x(以小時計 )服從正態(tài)分布 , μ , σ 2均未知 .現(xiàn)測得 16只元件的壽命如下 : 159 280 101 212 224 379 179 264 222 362 168 250 149 260 485 170 問是否有理由認(rèn)為元件的平均壽命大于 225(小時 )? ? 解 按題意需檢驗假設(shè) ? 操作步驟： （ 1）首先輸入數(shù)據(jù)，程序為 data lifetest。 運行上述程序。 input weight。 假設(shè)檢驗 在 Statistics菜單下的 Hypothesis Tests可以進行各種假設(shè)檢驗，大致可以分為單樣本檢驗和兩樣本檢驗，其中單樣本包括： ? 單樣本均值 Z檢驗： One Sample Z Tests ? 單樣本均值 t檢驗： One Sample t Tests ? 單樣本比例檢驗： One Sample Proportion Tests ? 單樣本方差檢驗 ： One Sample test for a variance 兩樣本的檢驗包括 ? 兩樣本均值 t檢驗： Two Sample t Test For Means ? 成對樣本均值 t檢驗 :Two Sample paired t test for means ? 兩樣本比例檢驗 :Two Sample test for proportions ? 兩樣本方差檢驗： Two Sample test for Variance ? 2. 正態(tài)總體均值的假設(shè)檢驗 一、單個總體 N(μ ,σ 2)均值 μ 的檢驗 已知時的 μ 檢驗（ 單樣本均值 Z檢驗： One Sample Z Tests ） 例 2 某車間用一臺包裝機包裝葡萄糖。\*其中 A取 1表有罪， 2無罪；B取 1表黑人， 2表白人 *\ Cards。 例：繪制 Normal數(shù)據(jù)集中 X的概率圖，步驟如下： （ 1）首先選擇 Graphs下 Probality Plot，彈出對話框 （ 2）單擊 X，再單擊 Analysis，然后選擇分布為Normal，單擊 Ok得到概率圖： 可以看到 X的分布與正態(tài)分布基本吻合，圖中還給出了正態(tài)分布的參數(shù)：均值為－ ，標(biāo)準(zhǔn)差為 。 例：以上節(jié) normal數(shù)據(jù)集中 X為對象繪制直方圖，并在直方圖上擬合正態(tài)分布曲線。 七、 SAS的基本統(tǒng)計分析功能 －－－ SAS Analysis 模塊 ? 前面我們已經(jīng)對 SAS系統(tǒng)進行了簡要的介紹，下面我們講如何利用 SAS Analysis 模塊計算描述統(tǒng)計量、進行假設(shè)檢驗、擬合曲線以及進行回歸分析 啟動 Analyst模塊 ? 選擇 Solutions菜單下的 Analysis，然后再選擇下面的 Analyst，如圖： ? 得到 Analyst界面 ? 數(shù)據(jù)集相關(guān)操作 ? 一、依分布產(chǎn)生數(shù)據(jù) ? 利用 Data菜單中 Random Variates可以產(chǎn)生服從特定分布的隨機數(shù)，可以選擇的分布類型包括： ? 正態(tài)分布 ? 均勻分布 ? 二項分布 ? 卡方分布 ? 泊松分布 ? 指數(shù)分布 ? Beta分布 ? Gama分布 ? 幾何分布 ? 極值分布 ? 例 利用 Analyst模塊生成 100個服從標(biāo)準(zhǔn)正態(tài)分布的數(shù)據(jù)，并把生成的數(shù)據(jù)命名為 Normal保存在Sasuser下。 put i 3. j 5.。注意每輪循環(huán)都是先執(zhí)行循環(huán)體再判斷是否退出。 程序先判斷循環(huán)繼續(xù)條件是否成立，成立時執(zhí)行循環(huán)體語句，再判斷循環(huán)繼續(xù)條件，如此重復(fù)，直到循環(huán)繼續(xù)條件不再成立。 循環(huán)體語句 …… END。 END。 PUT 39。 else p=1。 結(jié)果將在運行記錄窗口顯示一行 Sine function value of is 在 PUT語句中使用?變量名＝?來指定輸出項可以顯示帶有變量名的輸出結(jié)果，比如把上程序中的 PUT語句改為 put x= y=。 x 39。 x=。 /*將變量賦了缺失值 */ 注意想試驗上述語句要把它們放入數(shù)據(jù)步中，并且等號右邊的表達(dá)式中的各變量應(yīng)該是存在的，否則會得到缺失值結(jié)果。/* 計算平均分?jǐn)?shù) ,賦值給變量 avg*/ isfem = (sex=39。 ? 也可以省略數(shù)據(jù)集名，這時 SAS自動生成一個臨時數(shù)據(jù)集名。由于 SAS的數(shù)據(jù)處理功能非常強大，我們并不提倡用它來編復(fù)雜的程序，因此，我們只介紹 SAS語言用來進行一般編程計算的功能。其一般形式為 MODEL 因變量 ＝ 自變量表 / 選項 。例如： Proc print。 用于指明所需要處理的數(shù)據(jù)集，如果缺省的話使用最近生成的數(shù)據(jù)集。過程步一般以 RUN 語句結(jié)束。 過程語句 / 選項 。過程步總是以一個proc語句開始，后面緊跟著過程步名。 /*建立數(shù)據(jù)集，其名為 aaaa*/ input x 。 /*輸入 10個變量 x1到 x10*/ Input x$y。 data data 。 數(shù)據(jù)塊 。 數(shù)據(jù)步的開始，同時命名將要創(chuàng)建的數(shù)據(jù)集 INPUT語句 INPUT 變量名 變量類型 起止列數(shù) … 。即用 庫名稱 .數(shù)據(jù)集名 的格式來引用該數(shù)據(jù)集。 var x。 input x 。前面見到過的libname命令就用于指定庫標(biāo)記。在 C0401數(shù)據(jù)集中有 5個觀測，分別代表 5個學(xué)生的情況，而每個學(xué)生有 5個數(shù)據(jù)，分別為姓名、性別、數(shù)學(xué)成績、語文成績、平均分，所以此數(shù)據(jù)集有 5個變量，變量名依次為 NAME、 SEX、