SAS统计分析从入门到精通

第1章数据预处理

1.1SAS环境与操作界面

1.2SAS编程基础

1.2.1SAS编程语言的基本结构

1.2.2SAS结构化编程语句

1.3SAS的数据处理对象

1.3.1SAS数据库和SAS数据集

1.3.2SAS系统的外部数据文件

1.4数据预处理原理和基本方法

1.4.1数据整理

1.4.2数据分拆与合并

1.4.3数据清洗

1.4.4数据变换

1.5本章小结

第2章数据的描述

2.1统计图

2.1.1直方图

2.1.2条形图

2.1.3线图

2.1.4散点图

2.1.5饼图

2.1.6盒式图

2.1.7茎叶图

2.2统计量

2.2.1集中趋势

2.2.2离散程度

2.2.3分布形状

2.2.4利用菜单和程序进行详细的描述统计分析

2.3统计表

2.3.1统计表的基本要素

2.3.2用TABULATE过程绘制统计表

2.4数据分布

2.4.1总体分布

2.4.2样本分布

2.4.3抽样分布

2.5本章小结

第3章简单统计推断

3.1简单统计推断的基本原理

3.1.1参数估计

3.1.2假设检验

3.2单总体参数的估计及假设检验

3.2.1单总体的参数估计

3.2.2单总体参数的假设检验

3.3两总体参数的估计及假设检验

3.3.1独立样本的参数估计和检验

3.3.2成对样本的参数估计和检验

3.4本章小结

第4章方差分析

4.1方差分析的基本原理

4.2单因素方差分析

4.2.1单因素方差分析与方差同质性检验

4.2.2方差分析的多重比较

4.2.3方差分析模型的参数估计和预测

4.3多因素方差分析

4.3.1只考虑主效应的多因素方差分析

4.3.2存在交互效应的多因素方差分析

4.4协方差分析

4.5本章小结

第5章非参数检验

5.1非参数检验的基本问题

5.2单样本非参数检验

5.2.1单样本均值的Wilcoxon符号秩检验

5.2.2单样本的Kolmogorov-Smirnov检验

5.3两个样本的非参数检验

5.3.1两个独立样本中位数比较的Wilcoxon秩和检验

5.3.2两个独立样本分布的Kolmogorov-Smimov检验

5.3.3成对样本中位数的Wilcoxon符号秩检验

5.4多个样本的非参数检验

5.4.1多个独立样本位置的Kruskal-Wallis检验

5.4.2多个独立样本位置的Jonckheere-Terpstra检验

5.4.3多个独立样本中位数的Brown-Mood检验

5.5本章小结

第6章相关与回归分析

6.1相关分析

6.1.1简单相关分析

6.1.2偏相关分析

6.1.3等级相关分析

6.2典型相关分析

6.2.1典型相关分析基本原理

6.2.2典型相关系数的显著性检验

6.2.3典型相关的冗余分析

6.3线性回归分析

6.3.1回归分析的基本原理

6.3.2一元线性回归分析

6.3.3多元线性回归分析

6.4定性自变量回归分析

6.4.1虚拟变量的设定

6.4.2含有虚拟变量的回归分析

6.5本章小结

第7章因子分析

7.1数据降维

7.1.1数据降维的基本问题

7.1.2数据降维的基本原理

7.2主成分分析

7.2.1主成分分析的基本概念与原理

7.2.2主成分分析的基本步骤和过程

7.3因子分析

7.3.1因子分析的基本原理

7.3.2因子分析的基本步骤和过程

7.4本章小结

第8章聚类分析与判别分析

8.1聚类分析的基本原理

8.1.1分类的基本原则

8.1.2单一指标的系统聚类过程

8.1.3多指标的系统聚类过程

8.2聚类分析的步骤和过程

8.2.1系统聚类

8.2.2快速聚类

8.2.3变量聚类

8.3判别分析的基本原理

8.4判别分析的步骤和过程

8.4.1距离判别

8.4.2Bayes判别

8.4.3Fisher判别

8.4.4逐步判别

8.5本章小结

第9章列联分析与对应分析

9.1列联分析

9.1.1列联表

9.1.2列联表的分布

9.1.3X2分布与X2检验

9.1.4列联表中的关联度分析

9.1.5X2分布的期望值准则

9.2对应分析

9.2.1对应分析的基本思想

9.2.2对应分析的步骤和过程

9.3本章小结

第10章离散因变量模型

10.1线性概率模型

10.2二元选择模型

10.2.1线性概率模型的缺陷与改进

10.2.2二元选择模型的基本原理

10.2.3BINARYPROBIT模型

10.2.4BINARYLOGIT模型

10.3多重选择模型

10.3.1多重选择模型的基本原理

10.3.2ORDINALPROBIT模型

10.3.3ORDINALLOGIT模型

10.3.4MULTINOMIALLOGIT模型

10.4计数模型

10.4.1POISSON回归模型的基本原理

10.4.2POISSON回归模型的分析过程和步骤

10.5本章小结

第11章时间序列分析

11.1时间序列的基本问题

11.1.1时间序列的组成部分

11.1.2时间序列的平稳性

11.2ARIMA模型的分析过程

11.2.1ARIMA模型

11.2.2ARMA模型的识别、估计与预测

11.2.3利用SAS时间序列预测系统进行菜单操作

11.3本章小结

　　在数据处理和统计分析领域，SAS软件被誉为标准软件，在我国广泛应用于医学、农林、财经、社会科学、行政管理等众多领域。本书分为11章讲解SAS统计分析相关知识，全面透彻地讲解统计分析与数据挖掘技术，内容包括数据预处理、数据的描述、统计推断、相关与回归分析、因子分析、聚类分析与判别分析、列联分析与对应分析、定性数据分析和时间序列分析。本书实用性强，避免复杂的数学公式推导，并且通过菜单和编程两种方式实现统计分析和得到结论的全部过程。本书既可作为高等院校本科生和研究生的统计学教材，又可以作为管理、金融、医学领域进行数据分析的自学教材，同时还可以作为从事数据分析与数据管理的研究人员的参考用书。　　本书全面、细致地讲解了SAS系统进行数据预处理和数据分析的全过程，全书分为7个部分共11章。　　第1部分数据预处理。该部分内容包括第1章，主要结合笔者实际工作经验对数据分析之前的准备工作和处理流程进行系统讲解。同时，对于SAS系统环境和界面的基本元素和操作方式进行了介绍，详细阐释了SAS编程语言的基本结构，并明确了SAS系统分析的对象是数据库当中的数据集。本部分内容是掌握SAS系统的基本知识，也是读者必须学习和掌握的内容。　　第2部分数据的描述。该部分内容主要为第2章，主要讲解如何通过SAS系统绘制常见的统计图形和统计表格来描述数据的概貌，并在此基础上计算反映数据集中趋势、离散程度和分布状况的统计量来进行简单的描述统计分析。该部分内容是数据分析工作的基础和前提，同时也是各种高级统计方法的数据描述基础。　　第3部分统计推断。该部分包含第3-5章，内容涵盖了简单统计推断、方差分析和非参数检验。本部分主要讲解如何利用已经搜集到的一个或多个样本数据，根据样本数据的特征，在总体分布形式已知或未知的情况下，通过特定的方法，推断总体参数或对总体参数进行判断的基本思路和详细分析流程。　　第4部分相关与回归分析。该部分内容主要是第6章，主要研究两个或多个变量之间的相互依存或影响的统计关系，具体内容包括两个变量之间的相关分析、两组变量之间的典型相关分析以及经典回归分析。本章是进行数据统计建模的基础，也是数据分析工作的核心内容之一。　　第5部分多元统计分析。该部分内容包括第7-9章，具体内容涵盖了因子分析、主成分分析、聚类分析、判别分析、列联表分析和对应分析。本部分内容对多元统计分析中各种常用的方法和原理进行了具体阐述，是对数据分析工作的进一步深入介绍。　　第6部分微观计量分析。该部分内容主要是第10章，讲解微观计量分析中的常见离散因变量模型，具体内容包括概率线性模型、二元选择模型、多重选择模型及计数模型。这部分内容也是日常问卷数据分析的重点。　　第7部分时间序列分析。该部分内容主要为第11章，着重讲解时间序列的平稳性以及利用Box-Jenkins法进行时间序列建模的模型识别、估计及预测等问题。