sas編程習題與實例應用要點

1、一、數(shù)據(jù)集整理與SAS基本編程1、 試用產(chǎn)生標準正態(tài)分布函數(shù)的隨機函數(shù)normal（seed） 產(chǎn)生均值為170，方差為64的正態(tài)隨機數(shù)100個 ,并計算其常規(guī)統(tǒng)計量（均值、標準差、變異系數(shù)、偏度和峰度）。data date1;mu=170 ;sigma= 8;do i= 1 to 100 ;y=mu+sigma*RANNOR（ 0）;output ;end ;run ;proc means data =data1 mean std cv stderr skewness ;var y;output out =result;run ;2、設已知數(shù)據(jù)集class 中有5個變量：name, sex,

2、 age, height和 weight ，請編寫程序新建數(shù)據(jù)集class1 ，其中 class1 只包含 name,sex, age 三個變量，且把name重命名為id 。data class;input name$ sex$ age heigh weigh;cards ;小明 男 15 160 50;run ;data class1;set class;keep name sex age;rename name=id ;run ;proc print data =class1;run ;3、 SAS 的邏輯庫可分為永久庫和臨時庫兩種，請編寫一段程序直接建立永久庫sasuser中的下例數(shù)據(jù)集

3、，并按降序排序。數(shù)據(jù)名 tong： 20 13 20 16 23 19 19 16data Sasuser.tong;input x;cards ;20 13 20 16 23 19 19 16;run ;proc sort data =Sasuser.tong;by descending x ;run ;proc print data =Sasuser.tong;run ;4、設已知數(shù)據(jù)集data1 和數(shù)據(jù)集data2numberprovince1Hebei3Zhejiang5Gansunumbercity2Chengdu4Nanjing請編寫程序串接data1 和 data2 ，且分組變量

4、為number。data data1;input number province$;cards ;1 Hebei3 Zhejiang5 Gansu;run ;data data2;input number city$;cards ;2 Chengdu4 Nanjing;run ;data data;set data1 data2;by number;run ;proc print data =data;1、下表記錄了某超市一個月內每天的營業(yè)額( 千元 ) ，現(xiàn)用 SAS過程做描述統(tǒng)計，請根據(jù)給出的結果回答以下問題：日期營業(yè)額日期營業(yè)額日期營業(yè)額日期營業(yè)額日期營業(yè)額16.14714.761342

5、.411911.132533.87248.35839.181430.21201.072620.0930.95936.871515.622117.122734.73418.611015.641640.47228.332843.86537.891130.44178.81238.59297.5663.481223.38182.5244.083023.441) 、該超市一個月內的平均營業(yè)額，哪天最大、最??？2) 、營業(yè)額的偏度、變異系數(shù)；3) 、數(shù)據(jù)是否服從正態(tài)分布？（0.05）data data1;input number province$;cards ;1 Hebei3 Zhejiang5 Ga

6、nsu;run ;data data2;input number city$;cards ;2 Chengdu4 Nanjing;run ;data data;set data1 data2;by number;run ;proc print data =data;run ;data a;input date total;cards ;proc univariate data =a ;var total;232、假設某學校大學生的身高為X（記總體X 的均值為1，方差為12） ，體重為Y（記總體Y的均值為2，方差為22） ，今從全校隨機抽取 100 名學生，測得身高、體重數(shù)據(jù)如下，請根據(jù)輸出結果

7、回答以下問題：身高體重身高體重身高體重身高體重身高體重172.475169.354.8169.364171.464.8166.547.4171.462.2168.266.9165.152168.862.2167.865165.862.2167.865164.458.7169.957.5164.963.5160.355.217566.6172.573.517264168.45715557175.563.9172.369168.658176.456.9173.257.5167.550169.452.2166.772169.557165.755.4161.248.5172.857175.175.51

8、57.550.5169.862.9168.663.4172.661163.858.5165.161.5166.752.5170.961166.169.5166.262.5172.452.6172.860177.863.9162.756.8168.854169.166.2177.56017766.2169.955.9167.454.4169.358.4172.872.8169.85816065.3179.162.2172.349.8163.346.5172.966.7165.458175.863.2162.352.2165.465.7171.559.3176.666.3181.768.6175.

9、274.9169.559.5169.661.5169.163.1185.577173.965.5162.550171.558.5175.659.816675.5167.263.3171.957176.658.4177.367169.271.8166.249.8181.763175.868.3172.355.5172.758.5174.364171.259174.868165.455.5169.164.8167.962176.864183.569.9165.548.617170.5170.358.51、身高、體重的均值1, 2和方差12, 22的90%的置信區(qū)間；data a;input hei

10、gh weigh;cards ;run ;proc ttest data =a alpha =0.1 ;run ;169.31， 171.0960.201， 62.3072、分析100 名學生身高數(shù)據(jù)頻率直方圖；proc gchart data =a;vbar heigh/ type =freq;run3、對身高均值170cm和方差2 30cm2做假設檢驗；0.7072>0.05 接受原假設沒有顯著差異；4、體重數(shù)據(jù)是否來自正態(tài)總體？proc univariate data =a normal ; var weight;run ;樣本少于 2000 看第一個大于 2000 看第二個因為

11、0.4639 大于 0.05 所以接受原假設所以來自正態(tài)總體三、假設檢驗1、 某生產(chǎn)企業(yè)進行技術改造，為考察改造是否對生產(chǎn)量有提高，記錄改造前后各10 天的產(chǎn)量（噸/天）的數(shù)據(jù)：改 造 前3.311.79.46.823.15.33.721.817.6改8.11造3330.88.442.65.81.61922.430.2后技術改造對產(chǎn)量是否有顯著的影響（0.05）？data test;input a b;cards ;run ;proc ttest data =test;paired a*b;run ;0.0384<0.05 拒絕原假設，使用新技術后有顯著差異。2、某工廠有兩臺不同型號的機

12、器生產(chǎn)同一種產(chǎn)品，為檢驗這兩性別甲甲甲甲甲甲甲乙乙乙乙乙乙乙產(chǎn)量7576807780777382808585788782甲乙的產(chǎn)量是否有顯著的差異（0.01）？data test2;input a$ b;cards ;run ;proc ttest data =test2 alpha =0.01 class a;var b;run ;因為0.6189>0.01,所以方差相等，看第一個equal,0.0024<0.01拒絕原假設，兩個獨立樣本有顯著差異。四、方差分析1、生產(chǎn)配方問題。生產(chǎn)某種產(chǎn)品需要兩種原材料：A 和B；考察的指標為產(chǎn)品的產(chǎn)量Y。設因子A有三個品牌：A1， A2， A

13、3；因子B有四個品牌：B1， B2， B3， B4。對這12 中配搭的每一種，安排兩次實驗，得數(shù)據(jù)如下表（每次實驗的產(chǎn)量）：B1B2B3B4A119.3， 19.224， 27.326,28.527.8， 28.5A221.7,22.627.5， 30.329， 28.730.2,29.8A320,20.124.2,27.324.5， 27.128.1 ， 27.7（1） 、 原材料 A 的不同品牌對產(chǎn)量是否有顯著的差別？哪個品牌更好些（0.05）？2) 、原材料B的不同品牌對產(chǎn)量是否有顯著的影響？（3） 、A和B對產(chǎn)量的影響哪個更大些？（4） 、A和B是否有交互作用？（5） 、使產(chǎn)量達到最大

14、的生產(chǎn)條件是什么？data test3;do a= 1 to 3;do b= 1 to 4;do c= 1 to 2 ;input x ;output ;end ;end ;end ;cards ;run ;proc glm data =test3;class a b;model x=a b a*b;means a b a*b/ t ;/* 多重比較設置*/run ;0.0036<0.05 拒絕原假設，A品牌對產(chǎn)量有顯著影響。0.001<0.05 拒絕原假設，A品牌對產(chǎn)量有顯著影響。0.8995>0.05 接受原假設，A、 B相互沒有作用。在 A品牌中分成兩組，a2和 a1、

15、 a3. 因為 a2均值最大所以最好。a1a3 可分成一組看上面那個表格第五行，只要差1.4596，即可看成一組，兩個效果差不多。)b4 最好。若A、 B 相互不影響，那么使產(chǎn)量最大的組合可直接選擇A、 B 分別均值最大那個，即a2*b4.若 A、 B 相互影響，那么看這個表格均值最大那個。2、考慮合成纖維收縮率（因子A）和總拉伸倍數(shù)（因子B）對纖維彈性Y的影響。設收縮率（A）有4 個水平：A1， A2， A3， A4；總拉伸倍數(shù)（B）也有4 個水平B1， B2， B3， B4。在每個組合下重復二次試驗，彈性的數(shù)據(jù)如下表：B1 （ =460）B2（ =520）B3（ =560）B4（ =640

16、）A1（ =0）71,7372,7375,7377,75A2（ =4）73,7576,7478,7774,74A3（ =8）76,7379,7774,7574,73A4（ =12）75,7373,7270,7169,691） 、 收縮率對彈性Y是否有顯著的影響？哪個收縮率影響更大些？（0.05）（2） 、不同拉伸倍數(shù)對產(chǎn)量是否有顯著的影響？（3） 、收縮率和拉伸倍數(shù)是否有交互作用？（4） 、使彈性達到最大的生產(chǎn)條件是什么？五、回歸分析1、 某廠生產(chǎn)的一種產(chǎn)品的銷售額Y與生產(chǎn)成本x1及銷售成本x2有10個城市銷售數(shù)據(jù)記錄如下，x1（元）x2（元）Y （個）x1（元）x2（元）Y （個）12010

17、010215521046140110100175150931909012012525026130150771452706912010010218030065（ 1） 、建立銷售量Y與生產(chǎn)成本x1及銷售成本x2的回歸關系式，0.05的水平上是否顯著？并解釋回歸系數(shù)的含義data sale;input x1 x2 y;cards ;run ;proc reg data =sale;model y=x1 x2 / r;run ;0.0078 小于 0.05，所以模型達到顯著水平。:y=79.88271+0.37176x1-0.31736x22） 、 對回歸模型進行初步診斷，并指出有無可疑點或異常點？

18、根據(jù) Student Residual 或 星星判斷，得觀測1、 8、 9的殘差較大，說明這三個模型的預測結果不是很理想。（ 3） 、寫出模型的決定系數(shù)、均方誤差、均方誤差的根，并說明決定系數(shù)的含義。決定系數(shù)：R-Square=0.7499>0.5, 說明多元回歸模型的擬合程度較好。均方誤差：Mean Square Error = 270.21070均方誤差的根：Root MSE=16.43809（ 4） 、 該回歸模型回歸系數(shù)是否顯著？可以從哪些方面對模型進 行改進？X1 的回歸系數(shù)p 值 =0.1265>0.05，不顯著。X2的回歸系數(shù)p 值 =0.0029<0.05,

19、顯著。（ 5） 、如果x1 170 元及x2 160元，試預測該廠的銷售量。代進去。2、某地區(qū)對某種電器的銷售量Y進行調查，它與以下4個量有關：x1 =居民可支配收入，x2 =該電器平均價格指數(shù)，x3=該電器保有量，x4 =其他電器平均價格指數(shù)。現(xiàn)有10個歷史數(shù)據(jù)記錄如下，x1x2x3x4Yx1x2x3x4Y82.99217.1948.41311014010114.2889321.3969.6148.21054410415.899.99625.19710.4161.81124910917.9105.394299711.4174.21125111119.6117.71003410012.2184.71125311120.8（ 1） 、建立銷售量Y 與 x1 x4 的回歸關系式，說明回歸方程在0.05的水平上是否顯著？（ 2） 、