sas04__sas基本統(tǒng)計(jì)分析功能(參考版)
2025-05-14 12:33本頁(yè)面
【正文】 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。 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(wàn)事俱備，就是在新產(chǎn)品的名稱上幾位董事意見(jiàn)尚未統(tǒng)一。數(shù)據(jù)如下所示： ?；疾〕绦? 沒(méi)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)為奶牛患病程度與種群大小有正的關(guān)聯(lián)。 ?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。 ?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）。 說(shuō)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。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(wú)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。 說(shuō)明： ?簡(jiǎn)化形式的列聯(lián)表，可以在 tables語(yǔ)句中加上 nofreq、nopercent、 norow 、 nocol等選項(xiàng)。 ?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 )。 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(cè)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(lái)源把學(xué)生分為 4組，得到如下統(tǒng)計(jì)表： 學(xué)生性別、來(lái)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(cè)，即一個(gè)學(xué)生的信息記錄，然后使用 freq過(guò)程可以制成列聯(lián)表，使用 tables語(yǔ)句指定行變量和列變量。 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(duì)于給定的顯著性水平 α =， pα ，所以接受 H0,說(shuō)明事故發(fā)生與星期幾沒(méi)有關(guān)系。 ? 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(cè)頻數(shù)， pi為事件 Ai的頻率。各變量定義如下： 戀愛(ài)與否 （變量 V） 年齡 （ age） 地區(qū) （ Location） 平均成績(jī) （ score） 性別 (sex) 身高 (height) 0：未戀愛(ài) 單位：歲 0：農(nóng)村 單位：分 0：女 單位：厘米 1：已戀愛(ài) 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(jī)?yōu)?560時(shí)的戀愛(ài)概率。 給定顯著性水平 α= 結(jié)果分析 ： 結(jié)論： ? Logistic回歸模型擬合結(jié)果為： ?則 ? 故該病人 癌變部位的淋巴結(jié)會(huì)含有癌細(xì)胞。變量包括： age(年齡 )、 time(患病時(shí)間 )、 pathscat（腫瘤擴(kuò)散等級(jí)）、 pathsize（腫瘤大?。?、 histgrad（腫瘤史）、 lnyesno（癌變部位的淋巴結(jié)是否含有癌細(xì)胞）。以 Logit P為因變量，建立線性回歸模型為： ?記 ,則模型變形為 0 1 1 2 2 b b b . . . b i i k k iLo g it P x x x? ? ? ? ?0 1 1 2 2z = b b b . . . b i i k k ix x x? ? ? ?zz ze1 1 + e 1 + eP ???數(shù)據(jù)要求：因變量為二分類變量，自變量可以是分類變量或等間隔測(cè)度的變量。 距離污染物距離X(m) 50 100 150 200 250 300 400 500 氰化物濃度 Y （ mg /m3） 10 a bxy ??方法一： ?分析： logy與 x間的直線回歸方程為： ?代入 logy=log10y,得指數(shù)方程為： ^l og 0. 03 18 4 0. 00 40 9yx? ? ?^ 0 . 0 3 1 8 4 0 . 0 0 4 0 910 xy ???方法二： ?分析：指數(shù)方程為 ^ 0 . 0 8 2 4 0 . 0 0 4 9 110 xy ?? Logistic回歸（ Logistic過(guò)程） ?模型簡(jiǎn)介： 設(shè) P為某事件發(fā)生的概率，取值范圍為 0~1，1p為事件不發(fā)生的概率，將比數(shù) p/(1p)取自然對(duì)數(shù)得ln(p/(1p))，即 Logit變換，記為 Logit P。 ?許多情況下變量間呈曲線關(guān)系，求解變量間的曲線關(guān)系的方程，可以直接擬合所選擇的曲線方程式，但有時(shí)也可以變量代換成直線方程，再應(yīng)用直線回歸的方法求解。 ?（ 4）若是要輸出多元線性回歸中殘差對(duì)預(yù)測(cè)值診斷圖，可用如下語(yǔ)句： plot residual.*predicted.。 plot weight*height/conf95。 說(shuō)明： ? (3)若是一元線性回歸，可以在因變量和自變量的散點(diǎn)圖上加上回歸直線和均值置信界限，程序如下： proc reg data=。 run。 ^ 1 4 1 . 2 2 3 7 6 3 . 5 9 7 0 8 1 . 2 7 8 3 9we ig h t h e ig h t a g e? ? ? ?說(shuō)明： ?（ 1）如果要自動(dòng)挑選最優(yōu)變量，可在 model語(yǔ)句中增加選項(xiàng) ‘ selection=選擇方法’，選擇方法有 none (全用，默認(rèn) )、 forward（逐步引入法）、 backward（逐步剔除法）、stepwise(逐步篩選法 )等。 ^ 1 4 1
法律信息相關(guān)推薦
鄂ICP備17016276號(hào)-1