SAS數(shù)據(jù)分析范例

1、sas數(shù)據(jù)分析范例范金城 目錄第1章 圖形分析2范例1.1 國內(nèi)生產(chǎn)總值及構(gòu)成圖形分析2范例1.2 國內(nèi)生產(chǎn)總值圖形分析7范例1.3 國家和地區(qū)人口資料圖形分析（一）10范例1.4 國家和地區(qū)人口資料圖形分析（二）13范例1.5 歷年居民消費(fèi)指數(shù)圖形分析18第2章 描述性分析23范例2.1 盤碟、金屬線數(shù)據(jù)描述性分析23范例2.2 血清總蛋白含量數(shù)據(jù)描述性分析27范例2.3 金屬線數(shù)據(jù)描述性分析29范例2.4 皮帶數(shù)據(jù)描述性分析33范例2.5 股票數(shù)據(jù)描述性分析39第3章 回歸分析45范例3.1 歷年國內(nèi)生產(chǎn)總值回歸分析45范例3.2 歷年主要農(nóng)產(chǎn)品產(chǎn)量回歸分析50范例3.3 歷年畜產(chǎn)品產(chǎn)量回

2、歸分析57范例3.4 農(nóng)、林、牧、漁業(yè)總產(chǎn)值二次響應(yīng)面回歸分析63范例3.5 歷年國內(nèi)生產(chǎn)總值二次響應(yīng)面回歸分析71第4章 方差分析與一般線性模型80范例4.1 fisher的iris數(shù)據(jù)方差分析80范例4.2 城市、城鎮(zhèn)居民家庭基本情況方差分析88范例4.3 學(xué)生考試成績二因素方差分析97范例4.4 修理工修理時(shí)間二因素方差分析102范例4.5 地區(qū)人口的一般線性模型108第5章 多變量過程115范例5.1 地區(qū)平均每人全年家庭收入主成分分析115范例5.2 地區(qū)人口主成分分析120范例5.3 歷年主要農(nóng)產(chǎn)品產(chǎn)量因子分析126范例5.4 鹽泉水化學(xué)特征系數(shù)因子分析137范例5.5 fishe

3、r的iris數(shù)據(jù)的典型相關(guān)分析141第6章 聚類分析145范例6.1 人口按國家和地區(qū)聚類分析145范例6.2 主要農(nóng)產(chǎn)品產(chǎn)量聚類分析148范例6.3 地區(qū)農(nóng)、林、牧、漁總產(chǎn)值及指數(shù)聚類分析151范例6.4 各地區(qū)教育經(jīng)費(fèi)情況聚類分析156范例6.5 地區(qū)工業(yè)增加值和增長速度聚類分析158第7章 判別分析160范例7.1 人口按國家和地區(qū)判別分析160范例7.2 fisher的iris數(shù)據(jù)判別分析162范例7.3 國民經(jīng)濟(jì)生產(chǎn)總值判別分析167范例7.4 歷年居民消費(fèi)水平判別分析173范例7.5 地區(qū)農(nóng)、林、牧、漁業(yè)總產(chǎn)值判別分析177第8章 時(shí)間序列預(yù)測182范例8.1 國內(nèi)生產(chǎn)總值構(gòu)成預(yù)測

4、182范例8.2 國際航班旅客數(shù)預(yù)測190范例8.3 加拿大山貓數(shù)據(jù)預(yù)測193范例8.4美國事故死亡數(shù)據(jù)預(yù)測197范例8.5 城鄉(xiāng)居民儲(chǔ)蓄存款年增加額數(shù)據(jù)預(yù)測206第9章 時(shí)間序列arima模型213范例9.1 國內(nèi)生產(chǎn)總值構(gòu)成arima模型213范例9.2 加拿大山貓數(shù)據(jù)arima模型218范例9.3 美國月事故死亡數(shù)據(jù)arima模型221范例9.4 城鄉(xiāng)居民家庭人均收入arima模型225范例9.5 歷年國內(nèi)生產(chǎn)總值arima模型229第10章 自回歸過程233范例10.1 歷年國內(nèi)生產(chǎn)總值自回歸分析233范例10.2 商品零售額月數(shù)據(jù)自回歸分析237范例10.3 教育經(jīng)費(fèi)情況自回歸分析2

5、41范例10.4 居民消費(fèi)水平自回歸分析245范例10.5 人均主要農(nóng)產(chǎn)品產(chǎn)量自回歸分析248第1章 圖形分析范例1.1 國內(nèi)生產(chǎn)總值及構(gòu)成圖形分析sas數(shù)據(jù)集d1是國內(nèi)生產(chǎn)總值（單位：億元）。x1是第一產(chǎn)業(yè)，x2是第二產(chǎn)業(yè)，x3是第三產(chǎn)業(yè)。sas數(shù)據(jù)集d2是國內(nèi)生產(chǎn)總值構(gòu)成（單位： %）。x1是第一產(chǎn)業(yè)，x2是第二產(chǎn)業(yè)，x3是第三產(chǎn)業(yè)。對變量x1、x2、 x3，用gchart過程分別畫出水平條形圖（hbar）、垂直條形圖（vbar）、三維水平條形圖（hbar3d）、三維垂直條形圖（vbar3d）、餅形圖（pie）、三維餅形圖（pie3d）。%let d1=fjc.sczz;%let d2=f

6、jc.sczzgc;%macro gchart;%do i=1 %to 2;proc gchart data=&d&i;hbar x1 x2 x3;vbar x1 x2 x3;hbar3d x1 x2 x3;vbar3d x1 x2 x3;pie x1 x2 x3;pie3d x1 x2 x3;title c=blue h=7pct gchart &d&i;%end;%mend;%gchart;圖1.1.1 d1變量x1的水平條形圖圖1.1.2 d1變量x2的水平條形圖圖1.1.3 d1變量x3的水平條形圖圖1.1.4 d1變量x1的垂直條形圖圖1.1.5 d1變量x1的三維水平條形圖圖1.1

7、.6 d1變量x2的垂直條形圖圖1.1.7 d1變量x3的餅形圖圖1.1.8 d1變量x2的三維餅形圖范例1.2 國內(nèi)生產(chǎn)總值圖形分析sas數(shù)據(jù)集d1是國內(nèi)生產(chǎn)總值（單位：億元） 。x1是第一產(chǎn)業(yè)，x2是第二產(chǎn)業(yè)，x3是第三產(chǎn)業(yè)。對變量x1、x2、x3，用gchart過程畫出三維垂直條形圖（vbar3d）?！皏bar3d x1 x2 x3/type=freq inside=freq outside=cfreq;”表示三維垂直條形圖類型為頻數(shù)，內(nèi)側(cè)記頻數(shù)，外側(cè)記累積頻數(shù)。 “vbar3d x1 x2 x3/type=percent inside=percent outside=cpercent;

8、”表示三維垂直條形圖類型為百分比，內(nèi)側(cè)記百分比，外側(cè)記累積百分比。“vbar3d x1/ sumvar=x1 type=sum inside=freq outside=cfreq;”表示三維垂直條形圖類型為求和（對變量x1求和），內(nèi)側(cè)記頻數(shù)，外側(cè)記累積頻數(shù)。%let d1=fjc.sczz;%macro gchart;%do i=1 %to 1;proc gchart data=&d&i;vbar3d x1 x2 x3/type=freq inside=freq outside=cfreq;vbar3d x1 x2 x3/type=percent inside=percent outside=

9、cpercent;vbar3d x1/ sumvar=x1 type=sum inside=freq outside=cfreq;vbar3d x2/ sumvar=x2 type=sum inside=freq outside=cfreq;vbar3d x3/ sumvar=x3 type=sum inside=freq outside=cfreq;title c=blue h=5pct &d&i;run;%end;%mend;%gchart;圖1.2.1 d1變量x3的三維垂直條形圖(頻數(shù)類型)圖1.2.2 d1變量x1的三維垂直條形圖(百分比類型)圖1.2.3 d1變量x2的三維垂直條形

10、圖(求和類型)范例1.3 國家和地區(qū)人口資料圖形分析（一）sas數(shù)據(jù)集d1是74個(gè)國家和地區(qū)人口資料，birth表示出生率，death表示死亡率。sas數(shù)據(jù)集d2程序分析97個(gè)國家和地區(qū)人口資料，birth表示出生率，death表示死亡率，infantdeath表示嬰兒死亡率。用gchart過程進(jìn)行圖形分析?！皏bar3d &c&i/type=freq inside=freq outside=cfreq;”表示三維垂直條形圖類型為頻數(shù)，內(nèi)側(cè)記頻數(shù)，外側(cè)記累積頻數(shù)。 “hbar3d &c&i/type=percent;”表示三維水平條形圖類型為百分比?！癶bar3d birth/ sumvar=

11、birth type=sum;”表示三維水平條形圖類型為求和（對變量birth求和）?！皏bar3d birth/ sumvar=birth type=sum inside=freq outside=cfreq;”表示三維垂直條形圖類型為求和（對變量birth求和），內(nèi)側(cè)記頻數(shù)，外側(cè)記累積頻數(shù)?！癮utoref”表示自動(dòng)加入與坐標(biāo)軸相交的參照線。%let d1=fjc.modeclu4;%let d2=fjc.poverty;%let c1=birth death;%let c2=birth death infantdeath;%macro gchart;%do i=1 %to 2;proc

12、gchart data=&d&i;vbar3d &c&i/type=freq inside=freq outside=cfreq;hbar3d &c&i/type=percent;hbar3d birth/ sumvar=birth type=sum;vbar3d birth/ sumvar=birth type=sum inside=freq outside=cfreq;hbar3d &c&i/freq percent autoref;vbar3d &c&i/freq percent autoref;title c=green h=5pct &d&i;run;%end;%mend;%gcha

13、rt;圖1.3.1 d1變量birth的三維垂直條形圖(頻數(shù)類型)圖1.3.2 d1變量birth的三維水平條形圖(百分比類型)圖1.3.3 d1變量birth的三維垂直條形圖(求和類型)圖1.3.4 d1變量birth的三維水平條形圖(頻數(shù)類型，加參照線)圖1.3.5 d1變量birth的三維垂直條形圖(頻數(shù)類型，加參照線)范例1.4 國家和地區(qū)人口資料圖形分析（二）sas數(shù)據(jù)集d1是74個(gè)國家和地區(qū)人口資料，分為3類；sas數(shù)據(jù)集d2是74個(gè)國家和地區(qū)人口資料，分為4類。birth表示出生率，death表示死亡率。用gchart過程進(jìn)行圖形分析。pattern是圖形設(shè)定語句，如：“patt

14、ern1 v=s c=blue;”表示圖形是實(shí)心、藍(lán)色。group是分組變量?！皏bar &c&i/group=y patternid=group;”“vbar3d &c&i/group=y patternid=group;”表示垂直條形圖與三維垂直條形圖按y分組畫,并按y分組上色?！癶bar &c&i/subgroup=y freq;”“hbar3d &c&i/subgroup=y freq;”表示水平條形圖與三維水平條形圖按子組變量subgroup=y連接成條形圖,并按y分組上色。%let d1=fjc.bd3;%let d2=fjc.bd4;%let c1=birth death;%le

15、t c2=birth death;%macro gchart;%do i=1 %to 2;goptions reset=all;proc gchart data=&d&i;vbar &c&i/group=y patternid=group;hbar &c&i/group=y patternid=group;vbar3d &c&i/group=y patternid=group;hbar3d &c&i/group=y patternid=group;vbar &c&i/subgroup=y freq;hbar &c&i/subgroup=y freq;vbar3d &c&i/subgroup=y

16、 freq;hbar3d &c&i/subgroup=y freq;pattern1 v=s c=blue;pattern2 v=s c=red;pattern3 v=s c=green;pattern4 v=s c=yellow;title c=blue h=5pct &d&i;run;%end;%mend;%gchart;圖1.4.1 d1變量birth的分組垂直條形圖(頻數(shù)類型)圖1.4.2 d1變量death的分組水平條形圖(頻數(shù)類型)圖1.4.3 d1變量death的三維分組垂直條形圖(頻數(shù)類型)圖1.4.4 d1變量birth的三維分組水平條形圖(頻數(shù)類型)圖1.4.5 d1變量b

17、irth的分組連接垂直條形圖(頻數(shù)類型)圖1.4.6 d1變量death的分組連接水平條形圖(頻數(shù)類型)圖1.4.7 d1變量birth的分組連接三維垂直條形圖(頻數(shù)類型)圖1.4.8 d1變量death的分組連接三維水平條形圖(頻數(shù)類型)范例1.5 歷年居民消費(fèi)指數(shù)圖形分析sas數(shù)據(jù)集是歷年居民消費(fèi)指數(shù)，x是全體居民消費(fèi)指數(shù)，x1是城鎮(zhèn)居民消費(fèi)指數(shù)，x2是農(nóng)村居民消費(fèi)指數(shù)。sas數(shù)據(jù)集d1原分為2類，sas數(shù)據(jù)集d2原分為3類。subgroup是子組變量?！皏bar &c&i/subgroup=&b&i freq inside=freq outside=cfreq;”“vbar3d &c&i

18、/subgroup=&b&i freq inside=freq outside=cfreq;”表示垂直條形圖與三維垂直條形圖按子組變量subgroup=y連接成條形圖,并按y分組上色；每條內(nèi)側(cè)記頻數(shù)，外側(cè)記累積頻數(shù)。“hbar &c&i/subgroup=&b&i percent;”“hbar3d &c&i/subgroup=&b&i percent;”表示水平條形圖與三維水平條形圖按子組變量subgroup=y連接成條形圖,并按y分組上色；每條記頻數(shù)與百分比?！皃ie &c&i/subgroup=&b&i;”“pie3d &c&i/subgroup=&b&i;”表示餅形圖與三維餅形圖按子組變

19、量subgroup=y畫圖,并按y分組上色。%let d1=fjc.jmxfzss;%let d2=fjc.jmxfzst;%let c1=x x1 x2;%let c2=x x1 x2;%let b1=y;%let b2=y;%macro gchart;%do i=1 %to 2;proc gchart data=&d&i;vbar &c&i/subgroup=&b&i freq inside=freq outside=cfreq;hbar &c&i/subgroup=&b&i percent;pie &c&i/subgroup=&b&i;vbar3d &c&i/subgroup=&b&i

20、freq inside=freq outside=cfreq;hbar3d &c&i/subgroup=&b&i percent;pie3d &c&i/subgroup=&b&i;title c=blue h=5pct &d&i group=&b&i;run;%end;%mend;%gchart;圖1.5.1 d1變量x1的分組連接垂直條形圖(頻數(shù)類型)圖1.5.2 d1變量x2的分組連接垂直條形圖(頻數(shù)類型)圖1.5.3 d1變量x的分組連接水平條形圖圖1.5.4 d1變量x1的分組餅形圖圖1.5.5 d1變量x的分組連接三維垂直條形圖(頻數(shù)類型)圖1.5.6 d1變量x2的分組連接三維水平

21、條形圖圖1.5.7 d1變量x的分組三維餅形圖圖1.5.8 d1變量x2的分組三維餅形圖第2章 描述性分析范例2.1 盤碟、金屬線數(shù)據(jù)描述性分析sas數(shù)據(jù)集是盤碟、金屬線數(shù)據(jù)。sas數(shù)據(jù)集d1是盤碟數(shù)據(jù)，gap是裂縫長度；sas數(shù)據(jù)集d2是金屬線數(shù)據(jù)，length是長度。用capablity過程進(jìn)行描述性分析。畫出兩張直方圖。第一張標(biāo)出容量n、標(biāo)準(zhǔn)差std、偏度skewness、峰度kurtosis、中位數(shù)median、極差range、上四分位數(shù)q3、下四分位數(shù)q1。第二張標(biāo)出統(tǒng)計(jì)量chisq、p值pchisq、kolmogorov-smirnov統(tǒng)計(jì)量ksd、p值ksdpval、aderso

22、n-daling統(tǒng)計(jì)量ad、p值adpval、cramer-von mises統(tǒng)計(jì)量cvm、p值cvmpval；分別配正態(tài)分布（normal）與對數(shù)正態(tài)分布（lognormal）曲線，給出分布擬合檢驗(yàn)。%let d1=fjc.plates;%let d2=fjc.wire;%let c1=gap;%let c2=length;%macro driver(x);%do i=1 %to 2;proc capability data=&d&i;title data=&d&i x=&x; var &c&i; histogram / cframe=yellow cfill=red; inset n me

23、an std skewness kurtosis median range q3 q1 uss / header = summary statistics cframe = white ctext = white cfill = magenta pos = rm font =italic; histogram /&x cframe=pink cfill=blue; inset &x(mean std chisq pchisq ksd ksdpval ad adpval cvm cvmpval) / header = summary statistics cframe = white ctext

24、 = white cfill = purple pos = lmfont =italic;%end;%mend;%driver(normal);%driver(lognormal);圖2.1.1 d2的直方圖及描述性分析圖2.1.2 d2的直方圖及正態(tài)分布擬合檢驗(yàn)圖2.1.3 d1的直方圖及描述性分析圖2.1.4 d1的直方圖及對數(shù)正態(tài)分布擬合檢驗(yàn)范例2.2 血清總蛋白含量數(shù)據(jù)描述性分析sas數(shù)據(jù)集d1是血清總蛋白含量數(shù)據(jù)，x是血清總蛋白含量（g/l）。用capablity過程進(jìn)行描述性分析。畫出兩張直方圖。第一張標(biāo)出容量n、標(biāo)準(zhǔn)差std、偏度skewness、峰度kurtosis、中位數(shù)me

25、dian、極差range、上四分位數(shù)q3、下四分位數(shù)q1。第二張標(biāo)出統(tǒng)計(jì)量chisq、p值pchisq、kolmogorov-smirnov統(tǒng)計(jì)量ksd、p值ksdpval、aderson-daling統(tǒng)計(jì)量ad、p值adpval、cramer-von mises統(tǒng)計(jì)量cvm、p值cvmpval；分別配正態(tài)分布（normal）與對數(shù)正態(tài)分布（lognormal）曲線，給出分布擬合檢驗(yàn)。檢驗(yàn)表明：x服從正態(tài)分布或?qū)?shù)正態(tài)分布。%let d1=fjc.c1d2;%let c1=x;%macro driver(x);%do i=1 %to 1;proc capability data=&d&i;ti

26、tle data=&d&i x=&x; var &c&i; histogram / cframe=yellow cfill=red; inset n mean std skewness kurtosis median range q3 q1 uss / header = summary statistics cframe = white ctext = white cfill = magenta pos = rm font =italic; histogram /&x cframe=pink cfill=blue; inset &x(mean std chisq pchisq ksd ksdp

27、val ad adpval cvm cvmpval) / header = summary statistics cframe = white ctext = white cfill = purple pos = lmfont =italic;%end;%mend;%driver(normal);%driver(lognormal);圖2.2.1 d1的直方圖及描述性分析圖2.2.2 d1的直方圖及正態(tài)分布擬合檢驗(yàn)圖2.2.3 d1的直方圖及對數(shù)正態(tài)分布擬合檢驗(yàn)范例2.3 金屬線數(shù)據(jù)描述性分析sas數(shù)據(jù)集d1是金屬線數(shù)據(jù)，length是長度。用capablity過程進(jìn)行描述性分析。畫出兩張直方

28、圖。第一張標(biāo)出容量n、標(biāo)準(zhǔn)差std、偏度skewness、峰度kurtosis、中位數(shù)median、眾數(shù)mode、極差range、上四分位數(shù)q3、下四分位數(shù)q1、0.05分位數(shù)p5、0.10分位數(shù)p10、0.90分位數(shù)p90、0.95分位數(shù)p95。第二張標(biāo)出統(tǒng)計(jì)量chisq、p值pchisq、kolmogorov-smirnov統(tǒng)計(jì)量ksd、p值ksdpval、aderson-daling統(tǒng)計(jì)量ad、p值adpval、cramer-von mises統(tǒng)計(jì)量cvm、p值cvmpval。分別配正態(tài)分布（normal）曲線，給出分布擬合檢驗(yàn)。畫出qq圖，給出描述性分析。畫出經(jīng)驗(yàn)分布函數(shù)圖，配正態(tài)分布

29、函數(shù)曲線，給出描述性分析。%let d1=fjc.wire;%let c1=length;%macro driver(type);%do i=1 %to 1;proc capability data=&d&i; var &c&i; title data=&d&i type=&type; histogram/ &type( color=red w=2) legend=legend1 cframe=yellow cfill=blue; inset n mean std skewness kurtosis median mode range q3 q1 uss p5 p10 p90 p95 / po

30、s=lm cfill = red ctext = white font=italic; legend1 cframe=green cborder=black; histogram/ &type( color=red w=2) legend=legend1 cframe=yellow cfill=blue; inset &type(mean std chisq pchisq cvm cvmpval ad adpval)/ pos=lm cfill = red ctext = white font=italic; legend1 cframe=green cborder=black; legend

31、1 cframe=yellow cborder=black; cdfplot/ &type(color=blue w=2) cframe=yellow; inset n mean std skewness kurtosis median mode range q3 q1 uss p5 p10 p90 p95 / pos=lm cfill = red ctext = white font=italic; qqplot / cframe=blue legend=legend1 &type square; inset n mean std skewness kurtosis median mode

32、range q3 q1 uss p5 p10 p90 p95 / pos=lm cfill = red ctext = white font=italic; legend1 cframe=gray cborder=black;run;%end;%mend;%driver(normal); 圖2.3.1 d1的直方圖及描述性分析圖2.3.2 d1的直方圖及正態(tài)分布擬合檢驗(yàn)圖2.3.3 d1的qq圖及描述性分析圖2.3.4 d1的經(jīng)驗(yàn)分布函數(shù)圖（配正態(tài)分布函數(shù)曲線）范例2.4 皮帶數(shù)據(jù)描述性分析sas數(shù)據(jù)集d1是皮帶數(shù)據(jù)，strength是強(qiáng)度，width是寬度。用capablity過程進(jìn)行描述性

33、分析。畫出兩張直方圖。第一張標(biāo)出容量n、標(biāo)準(zhǔn)差std、偏度skewness、峰度kurtosis、中位數(shù)median、極差range、上四分位數(shù)q3、下四分位數(shù)q1。第二張標(biāo)出統(tǒng)計(jì)量chisq、p值pchisq、kolmogorov-smirnov統(tǒng)計(jì)量ksd、p值ksdpval、aderson-daling統(tǒng)計(jì)量ad、p值adpval、cramer-von mises統(tǒng)計(jì)量cvm、p值cvmpval。配正態(tài)分布（normal）曲線、配對數(shù)正態(tài)分布（lognormal）曲線、配伽瑪分布（gamma）曲線、配威布爾分布（weibull）曲線，給出分布擬合檢驗(yàn)?！皃roc iml;”給出變量（st

34、rength width）的二元正態(tài)分布檢驗(yàn)，檢驗(yàn)方法為偏度、峰度法，結(jié)論為服從二元正態(tài)分布。%let d1=fjc.belts;%let c1=strength width;%macro driver(x);%do i=1 %to 1;proc capability data=&d&i; var &c&i;title data=&d&i x=&x; histogram / cframe=yellow cfill=red; inset n mean std skewness kurtosis median range q3 q1 uss / header = summary statistic

35、s cframe = white ctext = white cfill = magenta pos = rm font =italic; histogram /&x cframe=pink cfill=blue; inset &x(mean std chisq pchisq ksd ksdpval ad adpval cvm cvmpval) / header = summary statistics cframe = white ctext = white cfill = purple pos = lmfont =italic;proc iml;use &d&i;read all into

36、 mymatrix;y=mymatrix;print y;n=nrow(y);p=ncol(y);dfchi=p*(p+1)*(p+2)/6;q=i(n)-(1/n)*j(n,n,1);s=(1/n)*y*q*y; s_inv=inv(s);g_matrix=q*y*s_inv*y*q;beta1hat=(sum(g_matrix#g_matrix#g_matrix)/(n*n);beta2hat=trace(g_matrix#g_matrix)/n;kappa1=n*beta1hat/6;kappa2=(beta2hat-p*(p+2)/sqrt(8*p*(p+2)/n);pvalskew=

37、1-probchi(kappa1,dfchi);pvalkurt=2*(1-probnorm(abs(kappa2);print s;print s_inv;print beta1hat kappa1 pvalskew;print beta2hat kappa2 pvalkurt;quit;%end;%mend;%driver(normal);%driver(lognormal);%driver(gamma);%driver(weibull);圖2.4.1 d1變量strength的直方圖及描述性分析圖2.4.2 d1變量strength的直方圖及正態(tài)分布擬合檢驗(yàn)圖2.4.3 d1變量widt

38、h的直方圖及描述性分析 圖2.4.4 d1變量width的直方圖及正態(tài)分布擬合檢驗(yàn)圖2.4.5 d1變量strength的直方圖及伽瑪分布擬合檢驗(yàn)圖2.4.6 d1變量width的直方圖及伽瑪分布擬合檢驗(yàn)表2.4.1 d1變量(strength width)的二元正態(tài)分布擬合檢驗(yàn)y1243.51 3.0361221.95 2.9951131.67 2.9831129.7 3.0191198.08 3.1061273.31 2.9471250.24 3.0181225.47 2.981126.78 2.9651174.62 3.0331250.79 2.9411216.75 3.0371285.

39、3 2.8931214.14 3.0351270.24 2.9571249.55 2.9581166.02 3.0671278.85 3.0371280.74 2.9841201.96 3.0021101.73 2.9611165.79 3.0751186.19 3.0581124.46 2.9291213.62 2.9841213.93 3.0291289.59 2.9561208.27 3.0291247.48 3.0271284.34 3.0731209.09 3.0041146.78 3.0611224.03 2.9151200.43 2.9741183.42 3.0331195.66

40、 2.9951258.31 2.9581136.05 3.0221177.44 3.091246.13 3.0221183.67 3.0451206.5 3.0241195.69 3.0051223.49 2.9711147.47 2.9441171.76 3.0051207.28 3.0651131.33 2.9841215.92 3.0031202.17 3.058s2288.9743 -0.33537-0.33537 0.0021631s_inv0.000447 0.06930990.0693099 473.05536beta1hat kappa1 pvalskew0.697346 5.

41、8112224 0.2136968beta2hat kappa2 pvalkurt7.4541454 -0.482472 0.6294708范例2.5 股票數(shù)據(jù)描述性分析sas數(shù)據(jù)集d1是某種股票數(shù)據(jù)，high是最高價(jià)，low是最低價(jià)，close是收盤價(jià)。用capablity過程進(jìn)行描述性分析。畫出兩張直方圖。第一張標(biāo)出容量n、標(biāo)準(zhǔn)差std、偏度skewness、峰度kurtosis、中位數(shù)median、極差range、上四分位數(shù)q3、下四分位數(shù)q1。第二張標(biāo)出統(tǒng)計(jì)量chisq、p值pchisq、kolmogorov-smirnov統(tǒng)計(jì)量ksd、p值ksdpval、aderson-daling

42、統(tǒng)計(jì)量ad、p值adpval、cramer-von mises統(tǒng)計(jì)量cvm、p值cvmpval。配正態(tài)分布（normal）曲線、配對數(shù)正態(tài)分布（lognormal）曲線、配伽瑪分布（gamma）曲線、配威布爾分布（weibull）曲線, 給出分布擬合檢驗(yàn)?！皃roc iml;”給出變量（high low close）的多元正態(tài)分布檢驗(yàn)，方法為偏度、峰度法，結(jié)論為服從三元正態(tài)分布。%let d1=fjc.gr08n01(drop=date);%let c1=high low close;%macro driver(x);%do i=1 %to 1;proc capability data=&d&

43、i; var &c&i;title data=&d&i x=&x; histogram / cframe=yellow cfill=red; inset n mean std skewness kurtosis median range q3 q1 uss / header = summary statistics cframe = white ctext = white cfill = magenta pos = rm font =italic; histogram /&x cframe=pink cfill=blue; inset &x(mean std chisq pchisq ksd

44、ksdpval ad adpval cvm cvmpval) / header = summary statistics cframe = white ctext = white cfill = purple pos = lmfont =italic;proc iml;use &d&i;read all into mymatrix;y=mymatrix;print y;n=nrow(y);p=ncol(y);dfchi=p*(p+1)*(p+2)/6;q=i(n)-(1/n)*j(n,n,1);s=(1/n)*y*q*y; s_inv=inv(s);g_matrix=q*y*s_inv*y*q

45、;beta1hat=(sum(g_matrix#g_matrix#g_matrix)/(n*n);beta2hat=trace(g_matrix#g_matrix)/n;kappa1=n*beta1hat/6;kappa2=(beta2hat-p*(p+2)/sqrt(8*p*(p+2)/n);pvalskew=1-probchi(kappa1,dfchi);pvalkurt=2*(1-probnorm(abs(kappa2);print s;print s_inv;print beta1hat kappa1 pvalskew;print beta2hat kappa2 pvalkurt;qu

46、it;%end;%mend;%driver(normal);%driver(lognormal);%driver(gamma);%driver(weibull);圖2.5.1 d1變量high的直方圖及描述性分析圖2.5.2 d1變量high的直方圖及正態(tài)分布擬合檢驗(yàn) 圖2.5.3 d1變量low的直方圖及描述性分析圖2.5.4 d1變量low的直方圖及正態(tài)分布擬合檢驗(yàn)圖2.5.5 d1變量close的直方圖及描述性分析圖2.5.6 d1變量close的直方圖及正態(tài)分布擬合檢驗(yàn)表2.5.1 d1變量(high low close)的多元正態(tài)分布擬合檢驗(yàn)y6511.38 6318.96 6442

47、.496586.42 6437.1 6544.096647.22 6508.3 6567.186621.82 6481.75 6600.666650.3 6509.84 6549.486677.24 6520.23 6625.676725.35 6530.62 6703.796773.45 6647.99 6709.186816.17 6689.94 6762.296800.77 6669.93 6726.886818.47 6688.4 6765.376863.88 6732.66 6833.16839.13 6777.3 6843.876934.69 6771.14 6883.96913.14 6801.16 6850.036953.55 6724.19 6755.756798.08 6629.91 6696.486748.82 6598.73 6660.696823.48 6612.2 6656.086673.39 6627.98 6740.746845.03 6719.96 6823.866912.37 6769.99 6813.09s13736.6