《《应用多元分析》(第三版)各章附录中SAS程序的说明等(DOC)》由会员分享，可在线阅读，更多相关《《应用多元分析》(第三版)各章附录中SAS程序的说明等(DOC)（20页珍藏版）》请在金锄头文库上搜索。
1、应用多元分析（第三版）各章附录中SAS程序的说明等（王学民 编）附录1-1 SAS的应用例1-1.1的SAS程序： proc iml; x=1 2 3 4 5, 2 4 7 8 9, 3 7 10 15 20, 4 8 15 30 20, 5 9 20 20 40; g=inv(x); e=eigval(x); d=eigvec(x); h=det(x); t=trace(x); print g e d h t;程序说明：“proc iml”是一个矩阵运算的过程步；“x=1 2 3 4 5,2 4 7 8 9,3 7 10 15 20,4 8 15 30 20,5 9 20 20 40”是输入
2、矩阵，并赋值给变量x；inv(x)是x的逆矩阵函数，eigval(x)是x的特征值函数，eigvec(x)是x的特征向量函数，det(x) 是x的行列式函数，trace(x)是x的迹函数，这些函数分别赋值给我们取的变量g,e,d,h,t；“print g e d h t”是打印语句，指定将g e d h t的值输出。附录2-1 SAS的应用例2.3.3和例2.3.6的SAS程序：proc iml; a=2 -1 4,0 1 -1,1 3 -2; b=5,-2,7; c=4 1 2,1 9 -3,2 -3 25; d=block(2,3,5); e=a*b; v=a*c*t(a); r=inv(
3、d)*c*inv(d);print e v r;程序说明：“proc iml”是一个矩阵运算的过程步；“a=2 -1 4,0 1 -1,1 3 -2”是输入矩阵，并赋值给变量a；“b=5,-2,7”是输入向量，并赋值给变量b；“c=4 1 2,1 9 -3,2 -3 25”是输入矩阵，并赋值给变量c；“d=block(2,3,5)”是输入对角阵diag(2,3,5)，并赋值给变量d；“e=a*b”是将a与b相乘，并赋值给变量e；“v=a*c*t(a)”是将a，c，a三个矩阵相乘，并赋值给变量v，其中t(a)是a的转置函数；“r=inv(d)*c*inv(d)”是将d-1，c，d-1相乘，并赋值
4、给变量r，其中inv(d)是d的逆矩阵函数；”print e v r”是打印语句，指定将e v r的值输出。附录3-1 SAS的应用例3-1.1的SAS程序： proc corr data=sasuser.examp3a1 cov; var x1-x7; run; proc corr data=sasuser.examp3a1 nosimple cov; var x5 x6 x7;with x3 x4; partial x1 x2; run;程序说明：Proc步是以proc开头的一组或几组语句，它以另一个proc步、data步或run语句结束。SAS程序中的所有语句均以“；”结束。“proc
5、corr”调用corr过程，进行有关的相关分析计算。“data=sasuser.examp3a1”规定过程分析的是sasuser逻辑库中的examp3a1数据集；选项“cov”要求输出样本协差阵；“var x1-x7”指定要分析的变量是x1至x7，缺省var语句，将对所有数值型变量进行分析计算。上述程序中有两个proc步，第一个proc步中的语句“var x1-x7”和“run”可以省略。第二个proc步是作偏相关分析。选项“nosimple”要求不输出简单统计量；选项“cov” 要求输出样本偏协差阵；“partial x1 x2”指定在作偏相关计算时给定的变量是x1和x2；“var x5 x
6、6 x7”和“with x3 x4”表明计算x5、x6、x7与x3、x4之间的偏相关。该proc步中，语句“var x5 x6 x7”可以省略。附录4-1 SAS的应用例4.6.1的SAS程序：proc anova data=sasuser.examp461; class g; model x1-x4=g; manova h=g;run;程序说明：“proc anova”是一个（均衡数据的）方差分析过程；“data=sasuser.examp461”规定过程分析的是sasuser逻辑库中的examp461数据集；class语句规定了分组变量是g；model语句规定了模型的因变量是x1，x2，x
7、3，x4，自变量是g；manova语句要求计算另外的多元统计量。附录5-1 SAS的应用例5.2.3的SAS程序：proc discrim data=sasuser.examp523 listerr crosslisterr; class g; var x1-x4;run;程序说明：“proc discrim” 是一个判别分析的过程；“data=sasuser.examp523”规定过程分析的是sasuser.examp523数据集；class语句规定了分组变量是g；“var x1-x4”指定要分析的变量是x1至x4，缺省var语句，将对所有数值型变量进行分析计算；选项“listerr”要求列
8、出所有误判的观测；选项“crosslisterr” 要求列出使用交叉验证法时所有误判的观测。例5.4.2的SAS程序：proc candisc data=sasuser.examp542 out=outcan; class g; var x1-x4;run; proc plot; plot can2*can1=g;run;程序说明：“proc candisc” 是一个典型判别分析的过程；选项“out=outcan”要求生成一个包含原始数据和典型变量得分的SAS数据集，并命名为outcan，属于work（临时）库。“proc plot”是一个用来画散点图的过程；语句“plot can2*can1
9、=g”要求作散点图，can2为垂直变量，can1为水平变量，用变量g的值作为散点的标记。附录6-1 SAS的应用例6.3.2的SAS程序：data examp632(type=distance); array x(8) x1-x8; input v $ x1-x8; do i=1 to 8; x(i)=1-x(i); end; drop i; cards;x1 1.000 . . . . . . .x2 .846 1.000 . . . . . .x3 .805 .881 1.000 . . . . .x4 .859 .826 .801 1.000 . . . .x5 .473 .376 .3
10、80 .436 1.000 . . .x6 .398 .326 .319 .329 .762 1.000 . .x7 .301 .277 .237 .327 .730 .583 1.000 .x8 .382 .415 .345 .365 .629 .577 .539 1.000;proc print data=examp632;run;proc cluster data=examp632 method=com; var x1-x8; id v;proc tree horizontal; id v;run;程序说明：“data examp632”是用data步产生一个数据集，并命名为examp6
11、32，这是一个临时数据集，属于临时库work；“(type= distance)”表明计算包含（1-相关系数）的距离矩阵；“array x(8) x1-x8”是数组语句，名为x的数组有8个元素，数组x（1），x（8）对应x1，x8；“input v $ x1-x8”是input语句，$表示此前面的变量v是字符型变量，该语句用于从cards语句后面的数据区中读取数据，通过读取数据为变量命名、确定变量的类型等；“cards”指定本语句后面的是数据行；“do i=1 to 8; x(i)=1-x(i);end”是循环语句，用于将相关系数转为“距离”（1-相关系数）；“drop i”是删除变量语句，要
12、求从产生的数据集中删除变量i。“proc print data=examp632”是一个打印过程，数据集中的每个变量形成输出报表的列，每个观测形成行。“proc cluster data=examp632”是一个聚类分析过程；规定过程分析的是work逻辑库中的examp632数据集；“method=com” 指定了采用的系统聚类方法是最长距离法；“var x1-x8”指定用于聚类分析中的数值型变量。如果缺省，则使用所有未列入其他语句中的数值型变量，该语句此处可省略；“id v”是一个id语句，用于识别打印输出中的观测，并以变量v的取值显示；如果缺省，则用OBn显示，其中n为观测序号。“proc
13、 tree”是一个使用由cluster过程产生的数据集来画树形图的过程；选项“horizontal”要求树形图的取向为水平方向，且树根在左边。如果没有指明此选项，则其高度轴为垂直方向，树根在上部。例6.3.3的SAS程序：proc cluster data=sasuser.examp633 method=com std; id region;proc tree horizontal; id region;proc cluster data=sasuser.examp633 method=med std; id region;proc tree horizontal; id region;pro
14、c cluster data=sasuser.examp633 method=ave std; id region;proc tree horizontal; id region;proc cluster data=sasuser.examp633 method=ave nosquare std; id region;proc tree horizontal; id region;proc cluster data=sasuser.examp633 method=war std; id region;proc tree horizontal; id region;run;程序说明：“proc cluster”是一个聚类分析过程；“data=sasuser.examp633”规定过程分析的是sasuser逻辑库中的examp633数据集；“method=com” 规定了采用的系统聚类方法是最长距离法（“method= med”是采用中间距离法；“method=ave”是采用类平均法，缺省时类之间的距离为均方距离，如使用选项“nosquare”，则类之间的
