SAS分析法代码.docx

1、SAS分析法代码SAS 分析常用的过程 过程步大全为区分过程名称的拼写，故意部分小写，以便识别和记忆。基本SAS程序代码结构：-PROC MODE data=Arndata.moddat; /* 命令的解释 */ var y x1-x6; /* 命令的解释 */ model y = x1-x6;run;-正态性检验PROC UNIvariate-PROC UNIvariatedata=Arndata.unidat; var x1;run;-相关分析和回归分析PROC REG 回归-PROC REG data=Arndata.regdat; var y x1-x6; model y = x1-x

2、6 / selection=stepwise; /* 加入逐步回归选项 */ print cli; /* 加入输出预测结果部分，还可以输出acov,all,cli,clm,collin,collinoint,cookd,corrb, covb,dw(时序检验统计量),i,influence,p,partial,pcorr1,pcorr2,r, scorr1,scorr2,seqb,spec,ss1,ss2,stb,tol,vif(异方差检验统计量),xpx*/ plot y*x2 / conf95; /* 做散点图 */run;-DATAArndata.regdat;x2x2 = x2*x2;

3、x1x2 = x1*x2;PROC REG data=Arndata.regdat; var y x1 x2 x2x2 x1x2 ; /* 多项式回归,非线性回归 */ model y =x1 x2 x2x2 x1x2/ selection=stepwise; /* 加入逐步回归选项 */ print cli; plot y*x2 / conf95; /* 做散点图 */run;-PROC RSreg 二次响应面回归PROC ORTHOreg 病态数据回归PROC NLIN 非线性回归PROC TRANSreg 变换回归PROC CALIS 线性结构方程和路径分析PROC GLM 一般线性模型

4、PROC GENmod 广义线性模型方差分析PROC ANOVA 单因素均衡数据和非均衡数据-PROC ANOVA data=Arndata.anovadat; /* 命令的解释 */ class typ; /* 命令的解释 */ model y = typ; /* 可以看出此处是 单因素方差分析(分类型自变量对数值型自变量的影响)*/run;-PROC GLM 多因素非均衡数据:-PROC GLM data=Arndata.glmdat; /* 命令的解释 */ class typea typeb; /* 命令的解释 */ model y = typea typeb; /* 可以看出此处是不

5、考虑交互作用的多因素方差分析(分类型自变量对数值型自变量的影响)*/run;-PROC GLM data=Arndata.glmdat; /* 命令的解释 */ class typea typeb; /* 命令的解释 */ model y = typea typeb typea*typeb; /* 可以看出此处是考虑交互作用的多因素方差分析(分类型自变量对数值型自变量的影响)*/run;-主成分分析PROC PRINcomp-PROC PRINcompdata=Arndata.pmdat n=4 out=w1 outstat=w2 ; var x1-x6; PROC print data=w1

6、;PROC plot data=w1 vpct=80; /* 一句话，其实print就是plot输出图形的文字形式而已 */ plot prin1*prin2 $ districts=*/ haxis=-3.5 to 3 by 0.5 HREF=-2,0,2 vaxis=-3 to 4.5 by 1.5 HREF=-2,0,2; /* 主成分的散点图，也就是载荷图 */run;-因子分析PROC FACTOR-PROC FACTOR data=Arndata.factordat simple corr ; var y x1-x6; title18个财务指标的分析; title2主成分解;run

7、;PROC FACTOR data=Arndata.factordat n=4 ; /* 选择4个公共因子 */ var y x1-x6; run;PROC FACTOR data=Arndata.factordat n=4 rotate=VARImax REorder; /* 因子旋转：方差最大因子法 */ var y x1-x6; run;-PROC SCORE-PROC FACTOR data=Arndata.factordat n=4 rotate=VARImax REorder score out=score_Out; /* 输出因子得分矩阵 */run;PROC print dat

8、a=score_Out; var districts factor1 factor2 factor3 factor4;run;PROC plotdata=score_Out; plot factor1*factor2 $ districts=* / href=0Vref=0; /* 因子的散点图，也就是载荷图 */run;-典型相关分析PROC CANcorr基本SAS程序代码结构：-DATA jt(TYPE=CORR); /* TYPE=CORR 表明数据类型为相关矩阵，而不是原始数据, type还可以是cov,ucov,factor,sscp,ucorr等*/ input names$ 1

9、-2(x1 x2 y1-y3)(6.); /* name $ 表示读取左侧的变量名，1-2表示变量名的字符落在第1,2列上 */ cards;x1 1 0.8 x2 y1 y2 y3 ;PROC CANcorr data=Arndata.cancorrdat edf=70 redundancy; /* 误差自由度的参考值，默认值是n=1000； redundancy表示输出冗余度分析的结果*/ var x1 x2; with y1 y2 y3;run;-对应分析 /* 交叉表分析的拓展，寻找行和列的关系，一般行指代各种cases，而列代表各种visions */PROC CORResp-PRO

10、C CORResp data=Arndata.correspdat out=result; var x1-x6; id Type;run;options ps=40;proc plot data=result; plot dim2*dim1=* $ Type / box haxis=-0.2 to 0.3 by 0.1 Vaxis=-0.1 to 0.3 by 0.1 Href=0 Vref=0;run;-聚类分析PROC CLUSTER-PROC CLUSTER data=Arndata.clusdat method=ave outtree=clusdat_Out; var x1-x6; i

11、d datid;run;proc tree horizontal; /* 做聚类树 */run;-PROC FASTclus-PROC FASTclus data=Arndata.clusdat maxclusters=3 list out=clusdat_Out; var x1-x6; id datid;run;-PROC ACEclusPROC VARCLUS-PROC VARclus data=Arndata.clusdat; /* 系统默认使用主成分法聚类 */ var x1-x6;run;-PROC VARclus hierarchy data=Arndata.clusdat; /*

12、 保证分析过程中不同水平的谱系结构 */ var x1-x6;run;-PROC VARclus centroid data=Arndata.clusdat outtree=clusdat_out; /* 使用重心法聚类 */var x1-x6;run;-PROC TREE-PROC TREE data=Arndata.clusdat horizontal; /* 使用TREE过程绘制聚类谱系图 */var x1-x6;run;-判别分析PROC DISCRIM-PROC DISCRIM data=Arndata.discrimdat list out=discrimdat_Out dista

13、nce pool=yes; class Typ; /* 指定分类变量 */ var x1-x6; /* 用于建立判别识别函数的变量 */ id iddiscrim; /* 标注样本的变量 */run;-第二种方法，将需要判别的新样本放在testdata里：-PROC DISCRIM data=Arndata.discrimdat1 testdata=Arndata.discrimdat2 testlist testout=discrimdat_Out; /* 将原来的几个选项加注test标示 */ class Typ; /* 指定分类变量 */ var x1-x6; /* 用于建立判别识别函数

14、的变量 */ id iddiscrim; /* 标注样本的变量 */run;-PROC STEPdisc： 逐步判别分析过程-PROC STEPdisc method=stepwise data=Arndata.discrimdat SLentry=0.10 SLstay=0.10; /* 设定引入和剔除的显著性水平 */ class Typ; /* 指定分类变量 */ var x1-x6; /* 用于建立判别识别函数的变量 */run;-PROC CANdisc： Fisher判别分析过程-PROC CANdisc data=Arndata.discrimdat out=discrimdat_Out distance simple; class Typ; /* 指定分类变量 */ var x1-x6; /* 用于建立判别识别函数的变量 */run;proc print data=discrimdat_Out;run;-