第1章 SAS基础 1.SAS工作界面与方式 2.常用工作模块 – VIEWTABLE模块
? Viewtable第一行显示变量的标签
– 初识INSIGHT模块
? 表格的列称为变量，表格的行称为观测
? 变量分为：字符型和数值型（按变量的测量水平可分为：区间型变量和列名
型变量）
– 初识“分析家” 3.SAS文件的管理方式
? 逻辑库(临时+永久)
? 数据集(描述部分+数据部分-变量、观测)
4.数据集的建立 5.SAS编程初步
第2章 SAS的描述统计功能 ? 2.1 描述性统计的基本概念
? 总体：总体是指所研究对象的全体组成的集合。
? 样本：样本是指从总体中抽取的部分对象（个体）组成的集合。样本
中包含个体的个数称为样本容量。
? 参数：参数是用来描述总体特征的概括性值。
? 统计量：统计量使用来描述样本特征的概括性值。
– 表示数据位置的统计量
? 均值：所有观测值得平均值，是描述数据取值中心位置的一个度量。 ? 中位数：中位数是描述观测数据中心位置的统计量，大体上其数据大小
为观测值的一半。优点是不受个别极端数据的影响。 ? 众数：观测值中出现最多的数称为众数。
? 百分位数：分位数也是描述数据分布和位置的统计量。
– 表示数据分散程度的统计量
? 极差与半极差：极差就是数据中的最大值和最小值之间的差。半极差是
上下四分位数之差，描述了中间半数观测值得散布情况。 ? 方差与标准差：反映数据对其均值中心的某种离散程度。 ? 变异系数：将标准差表示为均值的百分数。
– 表示数据分布形状的统计量
? 偏度：刻画数据对称性的指标。（均值对称时为零，左侧数据分散时为负，
右侧时为正）
? 峰度：描述数据向分布尾端散布的趋势。（标准正态分布时为零，尾部较
正态分布分散时为正，集中时为负）
– 正态分布
? 2.2 在SAS中计算统计量
? 2.3 统计图形（定量变量和分类变量的图形表示） – 什么类型数据适合用什么图形
? 定量变量：
? 直方图
数值型变量 展示变量取值的分布
可以估计总体的概率密度，组距对直方图的形态影响很大。 可以看出数据分布的疏密。 ? 盒形图
简洁地表现数据在数轴上的分布及其特点 中间横线是数据的中位数。
封闭盒子的上下两横线（边）分别为上、下四分位数（点）。 盒子的长度是分布的四分位间距。类似标准差
触须线最长可以延伸到四分位间距的1.5倍。异常点考虑剔除 可以大体看出数据集中在什么范围，上下两侧是否对称。 常将分类数据的若干个盒形图放在一个图中比较。 ? 散点图
得到的数据有两个变量，希望了解两个变量的关系 回归分析 ? 线图
表示变量间的取值变化情况，有单式和复式两种。 常用来描述变量与时间变量的关系。 ? 分类变量：
? 条形图——给出分类变量取每个值的频数。 ? 饼图——对分类变量描述其频数取值的比例。
? 马赛克图——针对两个以上分类变量。直观显示两个以上变量每种取值组合
的观测个数和比例。
? 2.4 用SAS绘制统计图形 – 图形结果的查看 – 过程步语句实现制图
? Gchart、Gplot、
第3章 区间估计与假设检验 1、假设检验的理论依据
? 对总体参数进行假设检验时，首先要给定一个原假设H0，H0是关于总体参
数的描述，与此同时存在一个与H0相对立的备选假设H1，H0与H1有且只有一个成立；经过一次抽样，若发生了小概率事件（通常把概率小于0.05的事件称为小概率事件），可以依据“小概率事件在一次试验中几乎不可能发生”的理由，怀疑原假设不真，做出拒绝原假设H0，接受H1的决定；反之，若小概率事件没有发生，就没有理由拒绝H0，从而因做出拒绝H0的决定。
2、均值比较的T检验的一般步骤
? 1、根据问题确立原假设H0和备选假设H1；
? 2、确立一个显著水平α，它是衡量稀有性（小概率事件）的标准，常取为
0.05；
? 3、根据SAS计算出的p值，就可以在指定的显著水平下，作出拒绝或者不
能拒绝原假设的决定。
–单样本T检验
相关推荐：
loading