第1章 SAS系统简介 1
1.1 SAS系统与统计学 1
1.1.1 SAS系统的功能和模块 1
1.1.2 统计的方法和内容 2
1.2 Windows环境下SAS系统的安装要求 3
1.2.1 操作系统要求 3
1.2.2 CPU与内存要求 3
1.2.3 硬盘存储空间要求 3
1.3.1 交互显示管理方式 4
1.3 启动SAS系统 4
1.2.5 config.sys和autoexec.bat 4
1.2.4 系统时钟 4
1.3.2 交互行方式 5
1.3.3 非交互方式 6
1.3.4 批处理方式 6
1.4 SAS系统的基本运行环境 6
1.4.1 显示管理系统窗口 6
1.4.2 显示管理系统命令 7
1.4.3 显示管理系统的常用窗口 10
1.5 SAS系统的几组重要命令 12
1.5.1 向SAS系统寻求帮助命令 12
1.5.3 文本编辑行命令 13
1.5.2 显示管理系统命令框中常用命令 13
1.6 运行SAS程序的步骤 14
1.6.1 在program editor窗口中键入程序 14
1.6.2 提交这段程序 15
1.6.3 查看log窗口的信息 15
1.6.4 重新调出刚才提交的程序 15
1.6.5 在output窗口查看运行结果 16
1.6.6 存储程序 17
第2章 SAS程序编写基础 18
2.1 SAS系统对数据的管理 18
2.1.1 SAS数据集 18
2.1.2 SAS数据库 23
2.1.3 SAS数据集的输入格式和输出格式 26
2.2 建立SAS系统的数据集 27
2.2.1 用SAS/ASSIST 通用菜单援助系统创建数据集 27
2.2.2 用SAS/FSP系统的fsedit过程创建数据集 32
2.2.3 用SAS数据步data step将外部文件转换为数据集 35
2.2.4 用SAS/ACCESS系统访问其他的数据库 41
2.2.5 用file/import或export输入/输出数据库 45
2.3 SAS数据集的编辑 48
2.3.1 增加数据集一个新变量 48
2.3.2 选择数据集的变量和观测 49
2.3.3 拼接和合并数据集 52
2.3.4 使用proc transpose过程转置数据集 56
2.3.5 使用SAS/FSP软件的fsview过程编辑数据集 57
2.4 SAS编程基础 60
2.4.1 用在data步中的控制语句 60
2.4.2 用在proc步中的通用语句 71
2.4.3 使用列表报告proc print和汇总报告proc tabulate 75
2.4.4 SAS宏功能 86
第3章 SAS图形 91
3.1 SAS系统的图形功能简介 91
3.2 散布图、折线图和层次图 92
3.2.1 proc plot过程 92
3.2.2 生成高分辨率图形 96
3.2.3 散布图 98
3.2.4 折线图 101
3.2.5 层次图 103
3.3 条形图、圆饼图和星形图 104
3.3.1 proc gchart过程 105
3.3.2 条形图 107
3.3.3 圆饼图 111
3.3.4 星形图 113
3.4 三维图形 114
3.4.1 proc g3d过程 114
3.4.2 曲面图 115
3.4.3 气泡图 117
3.5.1 图形编辑窗口 118
3.5 编辑统计图形 118
3.5.2 编辑图形 119
3.5.3 输入/输出图形 121
第4章 概率论与数理统计基础知识 123
4.1 随机变量及其分布 123
4.1.1 随机变量 123
4.1.2 概率分布 123
4.2 随机变量的数学期望和方差 124
4.3 多维随机变量及其分布 125
4.3.1 联合分布 125
4.3.4 协方差和相关系数 126
4.3.2 边际分布 126
4.3.3 多维随机变量的数学期望和方差 126
4.3.5 条件分布 127
4.4 几个常见的概率分布 128
4.4.1 多元正态分布 128
4.4.2 卡方分布 128
4.4.3 t分布 129
4.4.4 F分布 129
4.5 渐近分布基本理论 129
4.5.1 依概率收敛 129
4.5.2 依分布收敛 130
4.6 统计量及其分布 131
4.7 参数的估计 133
4.7.1 无偏性 134
4.7.2 有效性 134
4.7.3 最小均方误差 134
4.7.4 渐近性 135
4.8 假设检验 135
4.8.1 显著性检验法 137
4.8.2 置信区间法 139
4.9 SAS的一些基础统计过程 140
4.9.1 univariate基础统计过程 140
4.9.2 实例分析 142
4.9.3 means基础统计过程 144
4.9.4 实例分析 146
第5章 回归分析 155
5.1 相关分析和一元线性回归分析 155
5.1.1 相关分析 155
5.1.2 变量之间的关系 156
5.1.3 回归模型及其运用 156
5.1.4 未指定误差项分布的回归模型 158
5.1.5 最小二乘估计法 159
5.2 多元线性回归分析 163
5.2.1 多元回归模型表示法 163
5.2.2 最小二乘法估计 163
5.2.4 R2和F检验 165
5.2.3 σ2的估计和t检验 165
5.3 SAS的corr及reg过程 167
5.3.1 corr相关过程 167
5.3.2 reg回归过程 168
5.3.3 实例分析 170
5.4 逐步回归分析 179
5.4.1 逐步回归分析 179
5.4.2 变量选择的方法 180
5.4.3 引入变量和剔除变量的依据 181
5.4.4 逐步回归在使用过程中要注意的问题 182
5.4.5 stepwise逐步回归过程 183
5.4.6 实例分析 185
5.5 非线性回归分析 187
5.5.1 可变换成线性的非线性回归分析 188
5.5.2 多项式回归分析 189
5.5.3 不可变换成线性的非线性回归分析 189
5.5.4 SAS的实现 191
第6章 主成分、因子和典型相关分析 194
6.1 主成分分析 194
6.1.1 主成分的导出 194
6.1.2 贡献率与累积贡献率 195
6.1.3 样本资料数据的主成分分析 195
6.1.5 princomp主成分过程 196
6.1.4 数据的标准化 196
6.1.6 实例分析 197
6.2 因子分析 201
6.2.1 何为因子分析 201
6.2.2 因子载荷矩阵的求解 202
6.2.3 factor因子分析过程 203
6.2.4 factor score因子得分过程 204
6.2.5 实例分析 204
6.3 典型相关分析 208
6.3.1 典型相关分析 208
6.3.2 cancorr典型相关分析过程 210
6.3.3 实例分析 211
第7章 判别和聚类分析 216
7.1 判别分析 216
7.1 1 距离判别分析 216
7.1.2 Fisher线性函数判别 219
7.1.3 discrim判别分析过程 221
7.1.4 candisc典型判别分析过程 223
7.1.5 实例分析 224
7.2 聚类分析 235
7.2.1 距离和相似系数 235
7.2.2 类的特征和类与类之间的距离 237
7.2.3 系统聚类法 239
7.2.4 其他聚类方法 240
7.2.5 cluster聚类分析过程 241
7.2.6 fastclus快速聚类过程 242
7.2.7 varclus方差聚类过程 243
7.2.8 tree聚类树型输出过程 243
7.2.9 常用过程比较和选择 244
7.2.10 实例分析 244
第8章 时间序列分析 250
8.1 时间序列的平滑技术 250
8.1.1 滑动平均与加权滑动平均法 250
8.1.3 指数平滑法 251
8.1.2 二次滑动平均预测法 251
8.1.4 二次指数平滑法 252
8.1.5 三次指数平滑法 252
8.1.6 温特线性和季节性指数平滑 252
8.2 时间序列的分解 254
8.2.1 时间序列的结构形式 254
8.2.2 时间序列的分解 254
8.3 Box Jenkins法 255
8.3.1 ARIMA模型 256
8.3.2 ARIMA时间序列过程 257
8.3.3 实例分析 258
参考文献 268