定量资料的统计描述和检验.ppt

《定量资料的统计描述和检验.ppt》由会员分享，可在线阅读，更多相关《定量资料的统计描述和检验.ppt（28页珍藏版）》请在三一办公上搜索。

1、定量资料的统计描述和检验,第三章,对于定量资料的统计描述和基本推断，SAS提供了四个强有力的程序步，它们是UNIVARIATE过程 提供单个变量的详细描述和对其分布类型的检验。MEANS过程 提供单个或多个变量的简单描述，对于多个变量，它的输出格式紧凑，便于阅读。TTEST过程 对变量进行t/u检验。ANOVA过程对变量进行方差分析。,4.1 UNIVARIATE过程,Univariate过程对数值变量给出比较详细的变量分布的描述，其中包括：变量的极端值;常用的百分位数，包括四分位数和中位数;用散点图描绘变量的分布;频数表;确定数据为正态分布的检验;,Univariate过程的语法格式,Uni

2、variate过程常用的选项如下：NOPRINT 禁止统计报告在OUTPUT视窗中输出；PLOT 绘出茎叶图、箱式图和正态概率图；FREQ 给出频数表；NORMAL 对变量进行正态性检验。,注：FREQ 语句,语句格式：FREQ 变量；功能：规定一个数值变量，它的值表示数据集中某观测值出现的频数。说明：数据集中观测值总数等于FREQ变量的和。,例：DATA B;INPUT SEX$AGE NUMBER;CARDS;F 20 10 F 22 23 M 21 19 M 22 16 PROC MEANS;VAR AGE;PROC MEANS;FREQ NUMBER;VAR AGE;weight NU

3、MBER;run；,data a;input x f;cards;12 713 816 917 2018 22;proc Univariate normal;var x;FREQ f;weight f;output out=b n=n mean=xbar std=s cv=cv;proc print data=b;run;,4.2 MEANS 过程,功能：提供单个或多个变量的简单描述。Means过程和Univariate过程相比，它更倾向于描述已经明确样本所在总体符合正态分布的变量，因此它不提供百分位数，但可以提供95%可信区间。同时在多个变量输出时，它的输出格式紧凑，便于阅读。,语句说明,P

4、ROC MEANS 选择项列表；PROC MEANS语句中可使用的选择项包括：DATA=SAS数据集NOPRINT MAXDEC=n 指定打印结果的小数位数（08），缺省为2VARDEF=除数 指明用于方差计算的除数，缺省值是VARDEF=DF。,Statistic list 统计量列表：MEANS过程可以计算的统计量有21种，可用下列关键词表示：N、MAEN、MAX、MIN、STD、STDERR、SUM、VAR、USS、CSS、NMISS、RANGE、T、PRT、SUMWGT、CV、SKEWNESS、KURTOSIS、CLM、LCLM、UCLM。缺省时为N、MIN、MAX、MEAN、STD。

5、,OUTPUT 语句OUTPUT 选择项；OUTPUT语句能将MEANS过程计算的统计值输出到一个新的SAS数据集里。OUTPUT语句中的选择项包括:OUT=SAS-dataset(SAS数据集)output-statistic-list(输出统计量列表）例：PROC MEANS；VAR X1 X2；OUTPUT OUT=STATS MEAN=MX1 MX2 STD=SX1；,MEANS过程示例：DATA SCORE;LENGTH NAME$12;INPUT NAME SEX GROUP$T1-T3;S=SUM(OF T1-T3);CARDS;SUNHONG 2 3 89 97 87 ZHAO

6、BIN 2 3 66 98 86 WANGDONG 1 1 90 70 60 XUEPING 2 2 85 95 88 ZHOUHUA 1 1 77 84 69 HEYAN 1 2 95 78 88 HUANGSHAN 2 3 67 75 76,proc means data=score maxdec=3;var t1 t2 t3;class group;title statistics with class variable;proc sort data=score;by group;proc means maxdec=3;by group;var t1 t2 t3;title statis

7、tics with by variable;Run;,4.3 TTEST过程,TTEST过程就是用于进行两样本均数的比较，它给出两总体方差齐和不齐时的检验结果，并同时做方差齐性检验。综合两者的结果，即可做出判断。,data a;input x1-x4 class;cards;-0.45-0.41 1.09 0.45 1-0.56-0.31 1.51 0.16 1 0.06 0.02 1.01 0.40 1-0.07-0.09 1.45 0.26 1-0.10-0.09 1.56 0.67 1-0.14-0.07 0.71 0.28 1-0.23-0.30 0.22 0.18 1 0.07 0.

8、02 1.31 0.25 1 0.01 0.00 2.15 0.70 1-0.28-0.23 1.19 0.66 1 0.15 0.05 1.88 0.27 1 0.37 0.11 1.99 0.38 1-0.08-0.08 1.51 0.42 1 0.05 0.03 1.68 0.95 1 0.01 0.00 1.26 0.60 1 0.12 0.11 1.14 0.17 1-0.28-0.27 1.27 0.51 1 0.51 0.10 2.49 0.54 2 0.08 0.02 2.01 0.53 2 0.38 0.11 3.27 0.55 2 0.19 0.05 2.25 0.33 2

9、 0.32 0.07 4.24 0.63 2 0.31 0.05 4.45 0.69 2 0.12 0.05 2.52 0.69 2-0.02 0.02 2.05 0.35 2 0.22 0.08 2.35 0.40 2 0.17 0.07 1.80 0.52 2 0.15 0.05 2.17 0.55 2-0.10-1.01 2.50 0.58 2 0.14-0.03 0.46 0.26 2 0.14 0.07 2.61 0.52 2-0.33-0.09 3.01 0.47 2 0.48 0.09 1.24 0.18 2 0.56 0.11 4.29 0.45 2 0.20 0.08 1.9

10、9 0.30 2 0.47 0.14 2.92 0.45 2 0.17 0.04 2.45 0.14 2 0.58 0.04 5.06 0.13 2;proc ttest;class class;var x1-x4;run;,某工厂实行早、中和晚三班工作制。工厂管理部门想了解不同班次工人劳动效率是否存在明显的差异。每个班次随机抽出了7个工人，得工人的劳动效率（件/班）资料如表。分析不同班次工人的劳动效率是否有显著性差异。,为什么各值 会有差异？可能的原因有两个。,一是，各个班次工人的劳动效率可能有差异，从而导致了不同水平下的观察值之间差异，即存在条件误差。,二是，随机误差的存在。,如何衡量两种

11、原因所引起的观察值的差异?,总平均劳动效率为：,三个班次工人的平均劳动效率分别为：,总离差平方和ss,组间离差平方和(条件误差)ssA,组内离差平方和（随机误差）sse,统计量F,查F分布表得临界值因为 故应拒绝原假设，即不同班次工人的劳动效率有显著的差异。,方差分析：比较3个或3个以上的总体均值是否有显著性差异。用组间的方差与组内方差相比，据以判别误差主要源于组间的方差（不同组工人的产量，条件误差），还是源于组内方差（随机误差）。,4.4 ANOVA-方差分析,单因素试验（各处理重复数相等）,DATA E;INPUT TR$y;cards;A1 15 A1 16 A1 15 A1 17 A1

12、 18 A2 45 A2 42 A2 50 A2 38 A2 39 A3 30 A3 35 A3 29 A3 31 A3 35 A4 31 A4 28 A4 20 A4 25 A4 30 A5 40 A5 35 A5 31 A5 32 A5 30;PROC anova;CLASS TR;model y=TR;MEANS TR/T;RUN;,data a;input class$x;cards;a 34 a 37 a 35 a 33 a 33 a 35 a 36b 49 b 47 b 51 b 48 b 50 b 51b 51 c 39 c 40 c 42 c 39 c 41c 42 c 40;proc print data=a;proc anova;class class;model x=class;(工作效率x受班次class影响）means class/t;run;,