【正文】 按指定的變量進(jìn)行分組處理，然后按每一個(gè)被 BY 語(yǔ)句指定的變量分組生成分開的圖形。所謂通用選項(xiàng)列表是指這些選項(xiàng)可以用在每個(gè)圖形要求語(yǔ)句中，而專用選項(xiàng)列表是指這些選項(xiàng)只有本語(yǔ)句可使用。 每一個(gè)圖形要求語(yǔ)句需要指定一個(gè)圖形變量或多個(gè)圖形變量用于將它們的值畫圖。 在 PROC GCHART 語(yǔ)句后面可以跟隨著任何多個(gè)圖形要求的語(yǔ)句，如上面的 VBAR、BLOCK 等語(yǔ)句。 By 變量列表 。 PIE 變量列表 /通用選項(xiàng)列表 PIE 專用選項(xiàng)列表 。 HBAR 變量列表 /通用選項(xiàng)列表 HBAR 專用選項(xiàng)列表 。 1. PROC GCHART 過 程的一般格式 GCHART 過程一般由下列語(yǔ)句控制： Proc Gchart DATA=數(shù)據(jù)集 。 一、 PROC GCHART 過程的功能和語(yǔ)句說明 GCHART 過程不僅能把輸入數(shù)據(jù)集中的變量值以各種圖形的方式顯示出來，而且能把輸入數(shù)據(jù)集中的一個(gè)或多個(gè)變量按分組進(jìn)行各種統(tǒng)計(jì)計(jì)算，然后再把統(tǒng)計(jì)結(jié)果以圖形的方式顯示出來。使用 GCHART 圖表可以形象地表示變量的取值大小和兩個(gè)以上變量之間的關(guān)系。而 PROC GCHART 過程是用 來生成訂制的、高分辨率的圖形，輸出在 GRAPH 窗口。此時(shí)的利潤(rùn)值是一個(gè)在 n 維空間的曲面，可以稱為等值面，而可行域也為 n 維的一個(gè)體積。還有許多 其他 選項(xiàng)，如可定義各個(gè)對(duì)象的顏色 ， 可選擇網(wǎng)格線、垂直和水平參考線等。 程序的運(yùn)行結(jié)果顯示在 GRAPH 窗口中， 如圖 所示。 。 Title 39。 Proc Gcontour data= 。由于生成的是低 分辨率的圖形，顯示不清楚，我們改用 PROC GCONTOUR 過程來繪制高分辨率的層次圖，最多可以繪制 100 層。第一層 Z的取值范圍 ～ ，第二層 Z 的取值范圍 ～ ，?，第十層 Z 的取值范圍 ～ 。 Run 。||39。 end。 output。 do y=0 to 9 by 。 format z 。程序如下： libname study d:\sasdata\mydir。通常的做法，是將利潤(rùn)函數(shù) Z 在 X和 Y 平面上畫出等值線，而三種資源的約束函數(shù)曲線也將在 X和 Y 平面上圍成可行域，然后在可行域中找出（ X， Y）使等值線最大。假設(shè)我們要生產(chǎn)兩種產(chǎn)品 X 和 Y，但受到時(shí)間 T、空間 S、能力 C 三種資源約束，在已知兩個(gè)產(chǎn)品的單位利潤(rùn)為 f1(x)和 f2(y)情況下，各生產(chǎn)產(chǎn)品 X 和 Y 多少數(shù)量，才能使利潤(rùn) Z 最 大化。在地理學(xué)研究中用來繪制等高線，在經(jīng)濟(jì)學(xué)研究中常用來畫等值的利潤(rùn)曲線。 程序的運(yùn)行結(jié)果顯示在 GRAPH 窗口中， 如圖 所示 除了用 DATA 數(shù)據(jù)步直接計(jì)算移動(dòng)平均外，我們還可以用 SAS/ETS 軟件的 EXPAND 過程來生成時(shí)間序列數(shù)據(jù)的簡(jiǎn)單、加權(quán)和中 心移動(dòng)平均，用 SAS/QC 軟件的 MACONTROL 過程生成一致加權(quán)和指數(shù)加權(quán)的移動(dòng)平均控制圖表。RETAIN 語(yǔ)句 的 作用是 DATA步 從 這次到下次重復(fù)時(shí)，保留變量 EWMA1 和 EWMA2 的值。 程序說明： DATA 數(shù)據(jù)步創(chuàng)建了一個(gè)名為 INDEXMA 的 數(shù)據(jù)集，共生成了四種移動(dòng)平均線，使用滯后函數(shù) LAGn（）生成了收盤價(jià) CLOSE的十日簡(jiǎn)單移動(dòng)平均線 MA10 和十日加權(quán)移動(dòng)平均線 WMA10；用平滑因子 W1生成一次指數(shù)加權(quán)移動(dòng)平均 EWMA1，用平滑因子 W2生成二次指數(shù)加權(quán)移動(dòng)平均 EWMA2，平滑因子值較大，則對(duì)最近的序列值給出較大的權(quán)數(shù)，作為一個(gè)一般原則，較小的平滑因子適于緩緩改變的趨勢(shì)序列，而較大的平滑因子適于快速改變的易變序列。 Title2 ‘Close and MoveAverage ’。 title 39。Date39。) logbase=10 order=(100 200 400 800 1600 3200)。 axis1 label=(39。 symbol1 i=join v=none L=1 h= 。 Proc gplot data= 。 If _n_2 then ewma2=ewma1 。 W2= 。 If _n_=1 then ewma1=close 。 W1= 。 Ma10=(close+lag(close)+lag2(close) +lag3(close) +lag4(close) +lag5(close)+lag6(close)+lag7(close) +lag8(close) +lag9(close))/10。 Data 。程序如下： Goptions reset=global gunit=pct cback=white border htitle=6 htext=3 ftext=swissb colors=(back) 。 下面，我們首先對(duì)上證指數(shù) INDEXSH 數(shù)據(jù)集計(jì)算簡(jiǎn)單的、加權(quán)的和指數(shù)加權(quán)的移動(dòng)平均線。移動(dòng)平均有很多種類，主要有簡(jiǎn)單移動(dòng)平均、加權(quán)移動(dòng)平均和指數(shù)加權(quán)移動(dòng)平均，最優(yōu)長(zhǎng)度依賴于使用的時(shí)間結(jié)構(gòu)。作為對(duì)使用 PROC X11過程去估計(jì)趨勢(shì)成分的一種補(bǔ)充，可以采用平滑時(shí)間序列的數(shù)據(jù)的方法，以便移去隨機(jī)波動(dòng)從而揭示數(shù)據(jù)中的趨勢(shì)。如果移去非趨勢(shì)成分會(huì)使趨勢(shì)更容易顯現(xiàn)。然而，由于隨機(jī)波動(dòng)遮掩了反轉(zhuǎn)點(diǎn)或使反轉(zhuǎn)點(diǎn)錯(cuò)誤地出現(xiàn)，因此技術(shù)分析必須借助于估計(jì)序列成分（包括趨勢(shì)周期計(jì)算、季節(jié)和交易日方式的循環(huán)和非規(guī)則成分的循環(huán)）或計(jì)算序列的移動(dòng)平均來估計(jì)序列的趨勢(shì)。利用時(shí)間序列的 其他 組成部分建模后，把確定部分也加進(jìn)去形成最終模型。 用描述方法判定時(shí)間序列數(shù)據(jù)的趨勢(shì)后，技術(shù)分析人員往往要對(duì)該序列建立模型并預(yù)測(cè)它們的將來值。從數(shù)學(xué)角度看，時(shí)間序列數(shù)據(jù)的建模是構(gòu)造一個(gè)包含時(shí)間序列本身、推薦函數(shù)的殘差以及可選擇的 其他 時(shí)間序列的函數(shù)。折線圖常應(yīng)用于時(shí)間序列模型中，把有關(guān)時(shí)間序列的數(shù)據(jù)繪制成圖形。圖中大約有 5%的數(shù)據(jù)點(diǎn)落在兩條虛線構(gòu)成的置信帶之外。 CI 表示回歸線的顏色， CO 表示置信帶的顏色， CV表示散點(diǎn)的顏色， W表示連接線的寬度， L 表示連接線的類型。然后對(duì)第二張圖的連接方式 I 選項(xiàng)確定為 RLCLI95，包括 三部分含義： ⑴ RL表示作直線回歸，還可用表示作 2次回歸 RQ 和 RQ0（消除截距，強(qiáng)制線經(jīng)過原點(diǎn)）代替，或表示作 3次回歸的 RC、 RC0 代替； ⑵ CLI 表示作單個(gè)預(yù)測(cè)值的置信Model: MODEL1 Dependent Variable: HEIGHT Analysis of Variance Sum of Mean Source DF Squares Square F Value ProbF Model 1 Error 198 C Total 199 Root MSE Rsquare Dep Mean Adj Rsq . Parameter Estimates Parameter Standard T for H0: Variable DF Estimate Error Parameter=0 Prob |T| INTERCEP 1 WEIGHT 1 上海財(cái)經(jīng)大學(xué)經(jīng)濟(jì)信息管理系 IS/SHUFE Page 12 of 28 帶，可用 CLM代替，表示作均數(shù)的置信帶； ⑶ 95 表示置信度為 95%，另有兩個(gè)可用值 為 90和 99。 Run 。 title 39。Weight39。) order=(130 to 210 by 10) 。 axis1 label=(39。 symbol1 i=none v=dot cv=black h= 。 proc gplot data= 。 PROC GPLOT 畫圖過程就帶有回歸模型的預(yù)測(cè)值和置信帶計(jì)算，并用曲線連接。還有參數(shù)顯著性檢驗(yàn)（ T 檢驗(yàn)）和回歸總體線性的顯著性檢驗(yàn)（ F 檢驗(yàn)）都顯示高度顯著。 高分辨率的輸出圖形顯示在 GRAPH窗口，在 OUTPUT 窗口還顯示輸出 PROC REG過程的統(tǒng)計(jì)報(bào)告，如下所示： 上海財(cái)經(jīng)大學(xué)經(jīng)濟(jì)信息管理系 IS/SHUFE Page 11 of 28 從回歸分析報(bào)告中我們看出，對(duì)樣本回歸直線與觀測(cè)值之間的擬合程度的檢驗(yàn)（也稱擬合優(yōu)度檢驗(yàn)） ——用判定系數(shù) R2檢驗(yàn)， R2的取值范圍 為 0～ 1，越接近 1，擬合程度越好；反之越差。 PROC REG 回歸過程，首先建立輸入為 WEIGHT輸出為 HEIGHT的回歸模型，并用 OUTPUT語(yǔ)句創(chuàng)建包含身高預(yù)測(cè)值的輸出數(shù)據(jù)集，定義輸出數(shù)據(jù)集名為 ，定義存放預(yù)測(cè)值的變量名為 PREDICT。 SAS 系統(tǒng)還提供了兩個(gè)標(biāo)準(zhǔn)正態(tài)分布的隨機(jī)函數(shù) NORMAL（）和 RANNOR（），產(chǎn)生均值為 0標(biāo)準(zhǔn)差為 1 標(biāo)準(zhǔn)正態(tài)隨機(jī)數(shù)。 Run 。 symbol1 v=dot c=red i=none。 proc gplot data= 。 model height=weight。 end 。 height=1*weight+100+5*normal(1) 。 圖 用 GPLOT 過程 訂 制的價(jià)格和成交量圖 上海財(cái)經(jīng)大學(xué)經(jīng)濟(jì)信息管理系 IS/SHUFE Page 10 of 28 do n=1 to 200 by 1。程序如下： Libname study d:\sasdata\mydir。數(shù)據(jù)集中有一組高度 HEIGH 和體重 WEIGHT 的觀測(cè)值。 作為對(duì)總體回歸直線的近似，必須進(jìn)行統(tǒng)計(jì)檢驗(yàn)才能確定這種近似是否恰當(dāng)，最后我們可以得到確認(rèn)的總體回歸方程，再比較我們已知的方程，應(yīng)該發(fā)現(xiàn)非常接近。 回歸模型中參數(shù)的計(jì)算 ， 是通過使因變量的理論值與實(shí)際值之間偏差的平方和達(dá)到最小而得到的。根據(jù)圖中的各點(diǎn)分布和密集程度，大致可以判斷變量之間協(xié)變關(guān)系的類型。 三、 散布圖 散布圖又稱散點(diǎn)圖或相關(guān)圖。 程序的運(yùn)行結(jié)果顯示在 GRAPH 窗口中， 如圖 所示。Shanghai StockIndex39。) order=(0 to 1500 by 100) offset=(25,0) 。 axis3 label=(39。01jan9339。21dec9039。Date39。) order=( 0 to 700000 by 100000) offset=(0,50) 。 axis1 label=(39。 symbol1 i=needle。 plot volume*date /vaxis=axis1 hvxis=axis2。 Goptions reset=global gunit=pct cback=white border htitle=6 htext=3 ftext=swissb colors=(back) 。 output。 output。 output。 set 。程序如下： Libname study d:\sasdata\mydir 。由于價(jià)格和交易量的取值 范圍不同且相差懸殊，交易量用左邊的縱軸來度量，價(jià)格采用右邊的縱軸來度量。 用第二條 PLOT2 語(yǔ)句定義了第二根縱軸 AXIS3。 axis3 選項(xiàng)列表 。 axis1 選項(xiàng)列表 。 Plot2 Y2*X / vaxis