SAS基本统计分析语句

提示：以下是本篇文章正文内容，数据资料来自第5版医学统计学

一、正态性检验(univariate)

示例：对样本x 进行正态性检验

data ex;   /* 建立数据集 */
input x f @@; 
cards;
3.17 2 
3.37 3
3.57 9
3.77 14
3.97 22
4.17 30
4.37 21
4.57 15
4.77 10
4.97 6
5.17 4
5.37 2
;
proc univariate data=ex  /* 调用univariate过程 */
   normal;   /* 做正态性检验  */
  var x;  /* 定义分析变量 */
run;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

结果：小样本量采用Shapiro-Wilk法，Pr0.05，H0成立，样本x 符合正态分布。

在这里插入图片描述

/*Code功能：清除日志、输出结果、ods结果*/
dm ' log; clear; output; clear; odsresult;clear;';
1
2

二、t检验(means univariate ttest)

示例（1）：配对资料两样本均数比较t检验（H0：x1=x2,H1：x1≠x2； α=0.05）

data ex; /*建立数据集*/ 
  input x1 x2 @@;
  d=x1-x2; /*计算两个变量的差值*/
cards;
0.840	0.580
0.591	0.509
0.674	0.500
0.632	0.316
0.687	0.337
0.978	0.517
0.750	0.454
0.730	0.512
1.200	0.997
0.870	0.506
;
/*用MEANS作配对资料两个样本均数比较的t检验*/
proc means t prt;
  var d; /*定义分析变量d*/
run;

/*用UNIVARIATE过程作配对资料两样本均数比较的t检验*/
proc univariate data=ex;
  var d;
run;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

结果：P＜0.001，故拒绝H0，接受H1，x1,x2差异有统计学意义。
在这里插入图片描述

示例（2）独立资料两样本均数比较t检验

data ex;  /*建立数据集*/ 
  input x @@; 
  if _n_<9  then c=1; /*将x变量分为2组*/
            else c=2;
cards;
0.66	0.76	0.79	0.88	0.78	0.66	0.75	0.88
0.58	0.69	0.59	0.70	0.69	0.68	0.58	0.60
;
proc ttest;/*调用ttest过程*/
 var x; /*定义分析变量*/
 class c;/*定义分组变量*/
run;
1
2
3
4
5
6
7
8
9
10
11
12

结果：P＜0.05，拒绝H0，两组差异有统计学意义。
在这里插入图片描述

三、方差分析

1. 完全随机设计资料的方差分析(anova)

示例：

data ex; /*建立数据集*/
  input c x ;/*x为分析变量，c为分组变量*/
cards;
1.00	2.97
1.00	3.30
1.00	4.04
1.00	3.53
1.00	3.56
1.00	3.85
1.00	4.07
1.00	3.52
1.00	3.93
1.00	4.19
1.00	2.96
1.00	2.36
1.00	2.56
1.00	2.52
1.00	2.27
1.00	2.98
1.00	3.72
1.00	2.80
1.00	3.57
1.00	4.02
2.00	1.65
2.00	4.02
2.00	3.53
2.00	3.59
2.00	3.34
2.00	1.66
2.00	4.59
2.00	3.13
2.00	2.64
2.00	2.56
2.00	3.50
2.00	3.25
2.00	3.48
2.00	2.42
2.00	2.41
2.00	2.66
2.00	4.29
2.00	3.70
2.00	3.04
2.00	1.81
3.00	.89
3.00	1.06
3.00	1.08
3.00	1.27
3.00	1.63
3.00	1.89
3.00	1.19
3.00	2.17
3.00	2.28
3.00	1.72
3.00	1.98
3.00	1.74
3.00	2.16
3.00	3.37
3.00	2.97
3.00	1.69
3.00	.94
3.00	2.11
3.00	2.81
3.00	2.52
;
proc anova;
  class c; 
  model x=c;/*定义模型*/
  means c/bon; /*用bonferroni法对多组均数两两比较，也可为/regwq(REGWQ 检验)，/tukey(4组以上使用)*/
  means c/hovtest;/*用Levene法，进行方差齐性检验*/
quit;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70

结果：H0:3组相同（不成立），H1:3组不全相同（成立），P<0.001。Levene检验：P值>0.05,符合方差齐性。bonferroni：两两比较，P>0.05，差异没有统计学意义。
在这里插入图片描述

2. 随机区组设计资料的方差分析(anova)

示例：

data ex;
  input x a b @@; /*x为分析变量，a和b为分组变量*/
cards;
3300	1	1
3630	1	2
3800	1	3
3300	1	4
3600	1	5
3550	1	6
3400	1	7
3400	1	8
3700	1	9
3200	1	10
3500	2	1
3500	2	2
3200	2	3
2800	2	4
2900	2	5
3300	2	6
3250	2	7
2700	2	8
3100	2	9
2710	2	10
3260	3	1
2800	3	2
3500	3	3
2800	3	4
3260	3	5
3020	3	6
3200	3	7
2730	3	8
3800	3	9
2560	3	10
;
proc anova;
  class a b;
  model x=a b; /*定义模型，分析a和b对x的影响*/
  means a/regwq;/*用regwq法对变量a的多组均数进行两两比较*/
quit;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39

结果：:区组比较不全相同（成立），P<0.05。REGWQ：两两比较，没有显著差异。
在这里插入图片描述

在这里插入图片描述

3. 两阶段交叉设计资料的方差分析(anova)

示例：

data ex;
  input seq treat time x @@; /*seq为处理顺序变量，treat为处理因素，x为分析变量*/
cards;
1	1	1	760
2	2	1	860
3	1	1	568
4	1	1	780
5	2	1	960
6	2	1	940
7	1	1	635
8	2	1	440
9	1	1	528
10	2	1	800
1	2	2	770
2	1	2	855
3	2	2	602
4	2	2	800
5	1	2	958
6	1	2	952
7	2	2	650
8	1	2	450
9	2	2	530
10	1	2	803
;
proc anova;
  class seq time treat;
  model x=seq time treat; /*定义模型，分析seq，time和treat对x的影响*/
quit;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28

结果：
在这里插入图片描述

4. 两因素析因设计资料的方差分析(anova)

示例：

data ex;
  input x a b @@;/*x为分析变量，a和b为处理因素变量*/
cards;
10.00	1.00	1.00
10.00	1.00	1.00
40.00	1.00	1.00
50.00	1.00	1.00
10.00	1.00	1.00
30.00	1.00	2.00
30.00	1.00	2.00
70.00	1.00	2.00
60.00	1.00	2.00
30.00	1.00	2.00
10.00	2.00	1.00
20.00	2.00	1.00
30.00	2.00	1.00
50.00	2.00	1.00
30.00	2.00	1.00
50.00	2.00	2.00
50.00	2.00	2.00
70.00	2.00	2.00
60.00	2.00	2.00
30.00	2.00	2.00
;
proc anova;
  class a b;/*定义分组变量a和b*/
  model x=a b a*b; /*定义模型，分析a、b以及ab的交互作用对x的影响*/
quit;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28

结果：
在这里插入图片描述

5. 正交设计资料的方差分析(anova)

示例：

data ex;
  input x a b c d@@;
cards;
86      1      1      1      1
95      1      1      2      2
91      1      2      1      2
94      1      2      2      1
91      2      1      1      2
96      2      1      2      1
83      2      2      1      1
88      2      2      2      2
;
proc anova;
  class a b c d;
  model x=a b c d a*b;/*定义模型，分析a、b、c、d以及a和b交互作用对x的影响*/
quit;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

结果：
在这里插入图片描述

6. 嵌套设计资料的方差分析(glm)

示例：

data ex11_6;
  input x a b @@;
cards;
6.91	1	1
6.04	1	1
6.48	1	1
7.08	1	2
6.71	1	2
6.88	1	2
7.41	1	3
7.06	1	3
6.54	1	3
7.33	2	4
7.44	2	4
8.21	2	4
7.33	2	5
7.95	2	5
7.82	2	5
8.78	2	6
8.23	2	6
8.55	2	6
8.35	3	7
8.61	3	7
9.25	3	7
9.11	3	8
8.89	3	8
9.39	3	8
10.14	3	9
9.44	3	9
10.22	3	9
;
proc glm;
  class a b;
  model x=a a(b);/*定义模型，a为一级处理因素，b为二级处理因素*/
quit;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35

结果：
在这里插入图片描述

7. 重复测量资料的方差分析(glm)

示例：

data ex;
  input g t0-t4@@; /*t0-t4分别为5个时间点的分析变量，g为处理因素变量*/
cards;
1	20.69	20.36	20.91	22.99	23.07
1	20.34	19.89	21.43	24.02	24.11
1	20.52	20.41	22.12	23.68	23.24
1	20.86	20.41	22.12	24.02	23.59
1	21.9	21.96	23.5	25.23	24.62
2	20.86	21.79	21.94	24.89	26.52
2	21.03	21.96	22.12	24.54	25.83
2	22.07	23.34	23.32	25.58	27.38
2	20.17	20.52	20.74	23.51	25.49
2	20.34	20.76	21.6	23.51	25.83
3	22.59	21.62	21.94	25.58	25.14
3	22.24	22.33	22.46	27.82	25.66
3	21.21	22.31	22.29	26.96	26.35
3	21.21	21.96	21.6	27.3	24.62
3	21.55	22.48	21.94	26.78	25.31
;
proc glm;
  class g;
  model t0-t4=g;     /*定义模型，分析g对变量t0-t4的影响*/
  repeated time 5    /*命名重复因子为time，有5个水平*/
  contrast(1)        /*以第一时间点为对照点*/
  /summary;          /*汇总不同时间点与对照时间点比较的结果*/
quit;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

结果：
在这里插入图片描述

8. 完全随机设计资料的协方差分析(glm)

示例：

data ex;
  input g x y;/*x为协变量，y为分析变量，g为分组变量*/
cards;
.00	48.00	3.50
.00	33.00	4.60
.00	51.00	5.80
.00	43.00	5.80
.00	44.00	4.90
.00	63.00	8.70
.00	49.00	3.60
.00	42.00	5.50
.00	40.00	4.90
.00	47.00	5.10
.00	41.00	4.10
.00	41.00	4.60
.00	56.00	5.10
1.00	58.00	7.30
1.00	41.00	4.70
1.00	71.00	8.40
1.00	76.00	8.80
1.00	49.00	5.10
1.00	33.00	4.90
1.00	54.00	6.70
1.00	65.00	6.40
1.00	39.00	6.00
1.00	52.00	7.50
1.00	45.00	6.40
1.00	58.00	6.80
1.00	67.00	9.20
;
proc glm;
  class g;
  model y=x g;/*定义模型，分析x、g对y的影响*/
quit;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34

结果：
在这里插入图片描述

四、卡方检验

1.四格表资料的χ²检验 (freq)

示例：

data ex;
  input id group eff @@;/*group 分组变量，eff观测指标*/
datalines;
1	1	1
2	1	1
3	1	1
4	1	1
5	1	2
6	1	1
7	1	1
8	1	2
9	1	2
10	1	2
11	1	1
12	1	1
13	1	2
14	2	1
15	2	1
16	2	2
17	2	1
18	2	2
19	2	2
20	2	2
21	2	2
22	2	2
23	2	2
24	2	2
25	2	1
26	2	2
27	2	2
28	2	2
29	2	2
30	2	2
31	2	2
32	2	1
33	2	2
34	2	2
35	2	2
36	1	2
37	2	1
38	2	2
;
proc freq;
	tables group*eff
    /chisq    /*进行卡方检验*/
    expected norow nopercent; /*输出每个格的理论频数，不输出行百分比和总百分比*/
run;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47

结果：
在这里插入图片描述

配对四格表χ²检验，示例：

data ex;
  input  A B f @@;/*A,B为配对变量，f为相应频数*/
datalines;
1.00	1.00	11.00
1.00	2.00	12.00
2.00	1.00	2.00
2.00	2.00	33.00
;

proc freq;
  tables A*B/agree norow nopercent;
  weight f; /*定义频数为 f*/
run;
1
2
3
4
5
6
7
8
9
10
11
12
13

结果：
在这里插入图片描述

2.Fisher确切概率法(freq)

示例：

data ex;
  input group x freq @@;
datalines;
1.00	1.00	4.00
1.00	2.00	18.00
2.00	1.00	5.00
2.00	2.00	6.00
;

proc freq;
  tables group*x/fisher;
  weight freq;
run;
1
2
3
4
5
6
7
8
9
10
11
12
13

结果：
在这里插入图片描述

3.行x列表的χ²检验 (双向有序资料)(freq)

示例：

data ex;
input r c f @@;
datalines;
1	1	70
1	2	22
1	3	4
1	4	2
2	1	27
2	2	24
2	3	9
2	4	3
3	1	16
3	2	23
3	3	13
3	4	7
4	1	9
4	2	20
4	3	15
4	4	14
;
proc freq;
	weight f;
    tables r*c/chisq expected norow nopercent;
run;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

结果：
在这里插入图片描述

五、秩和检验

1. 配对样本差值的Wilcoxon符号秩检验(univariate)

示例：

data ex;
  input x1 x2 @@;
  d=x1-x2;
cards;
3.55	2.45
2.00	2.40
3.00	1.80
3.95	3.20
3.80	3.25
3.75	2.70
3.45	2.50
3.05	1.75
;
proc univariate;
  var d;
run;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

结果：
在这里插入图片描述

2.两独立样本比较的Wilcoxon秩和检验(npar1way wilcoxon)

示例：

data ex;
  input x c @@;
cards;
2.78 1
3.23 1
4.20 1
4.87 1
5.12 1
6.21 1
7.18 1
8.05 1
8.56 1
9.60 1
3.23 2
3.50 2
4.04 2
4.15 2
4.28 2
4.34 2
4.47 2
4.64 2
4.75 2
4.82 2
4.95 2
5.10 2
;
proc npar1way wilcoxon;/*调用nparlway过程，进行Wilcoxon秩和检验*/
  var x;
  class c;
run;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

结果：
在这里插入图片描述

2.多组等级资料比较的秩和检验(npar1way wilcoxon)

示例：

data ex;
  input c g f @@;
cards;
1	1	49
1	2	31
1	3	5
1	4	15
2	1	45
2	2	9
2	3	22
2	4	4
3	1	15
3	2	28
3	3	11
3	4	20
;
proc npar1way wilcoxon;
  var g;/*分析变量*/
  class c;/*分组变量*/
  freq f;/*频数变量*/
run;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

结果：
在这里插入图片描述

2.完全随机设计多个样本比较的Kruskal-Wallis检验(npar1way wilcoxon)

示例：

data ex;
  input c x  @@;
cards;
1	32.5
1	35.5
1	40.5
1	46.0
1	49.0
2	16.0
2	20.5
2	22.5
2	29.0
2	36.0
3	6.5
3	9.0
3	12.5
3	18.0
3	24.0
;
proc npar1way wilcoxon;
  var x;
  class c;
run;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

结果：
在这里插入图片描述

2.随机区组设计多个样本比较的Friedman检验(freq)

示例：

data ex;
  input x a b @@;/*x为分析变量，a为分组变量，b为区组变量*/
cards;
 8.4 1 1  9.6 2 1  9.8 3 1 11.7 4 1
11.6 1 2 12.7 2 2 11.8 3 2 12.0 4 2
 9.4 1 3  9.1 2 3 10.4 3 3  9.8 4 3
 9.8 1 4  8.7 2 4  9.9 3 4 12.0 4 4
 8.3 1 5  8.0 2 5  8.6 3 5  8.6 4 5
 8.6 1 6  9.8 2 6  9.6 3 6 10.6 4 6
 8.9 1 7  9.0 2 7 10.6 3 7 11.4 4 7
 7.8 1 8  8.2 2 8  8.5 3 8 10.8 4 8
;
proc freq;
  tables b*a*x  /*作列联表*/
  /scores=rank /*对x进行排秩*/
  cmh2;       /*进行friedman检验*/
run;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

结果：
在这里插入图片描述

六、多元线性回归分析

1. 两变量分析

1.1 直线回归分析(reg)

示例：

data ex;
input x y;
cards;
56	5.32
32	3.21
41	4.67
51	5.03
25	3.01
35	3.57
21	2.98
47	3.93
62	5.62
;
proc reg;
model y=x;/*y为应变量，x为自变量*/
quit;
/*model 添加关键字，可得其他统计量，如：
/stb：标准化偏回归系数
/p:每个观测实际值，预测值，残差
/cli:每个观测 预测值均数的双侧95%CI
/clm:每个观测 预测值的双侧95%CI
*/
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

结果：
在这里插入图片描述

1.2 直线相关分析(corr)

示例：

data ex;
input x y;
cards;
12.81	10.23
11.89	10.01
13.51	11.02
10.82	9.08
14.12	12.89
12.53	11.28
11.94	10.59
11.23	10.88
14.72	12.60
12.45	11.26
11.30	10.02
12.08	11.55
;
proc corr;
var x y;/*相关分析变量*/
run;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

结果：
在这里插入图片描述

1.3 秩相关分析(corr spearman)

示例：

data ex;
input x y;
cards;
0.03	0.05
0.14	0.34
0.2	    0.93
0.43	0.69
0.44	0.38
0.45	0.79
0.47	1.19
0.65	4.74
0.95	2.31
0.96	5.95
2.44	1.11
2.69	3.53
3.07	3.48
7.78	5.65
9.82	33.95
18.93	17.16
22.59	8.42
27.96	9.33
;
proc corr spearman;/*spearman相关分析*/
var x y;
run;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

结果：
在这里插入图片描述

1.4 对数曲线回归分析(nlin)

示例：

data ex;
input x y;
cards;
 0.005	34.11
 0.050	57.99
 0.500	94.49
 5.000	128.50
25.000	169.98
;
proc nlin;
parms a=0 b=0;/*定义初始值*/
model y=a+b*log10(x);/*对数模型：y=应变量，x=自变量*/
quit;
1
2
3
4
5
6
7
8
9
10
11
12
13

结果：
在这里插入图片描述

1.5 指数曲线回归分析(nlin)

示例：

data ex;
input x y;
cards;
2	54
5	50
7	45
10	37
14	35
19	25
26	20
31	16
34	18
38	13
45	8
52	11
53	8
60	4
65	6
;
proc nlin;
parms a=4 b=0.03;/*定义初始值*/
model y=exp(a+b*x);/*指数模型：y=应变量，x=自变量*/
quit;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

结果：
在这里插入图片描述

2. 多元回归分析(reg)

示例：

data ex;
input x1-x4 y @@; 
cards;
5.68	1.90	4.53	8.2	11.2
3.79	1.64	7.32	6.9	8.8
6.02	3.56	6.95	10.8	12.3
4.85	1.07	5.88	8.3	11.6
4.60	2.32	4.05	7.5	13.4
6.05	.64	1.42	13.6	18.3
4.90	8.50	12.60	8.5	11.1
7.08	3.00	6.75	11.5	12.1
3.85	2.11	16.28	7.9	9.6
4.65	.63	6.59	7.1	8.4
4.59	1.97	3.61	8.7	9.3
4.29	1.97	6.61	7.8	10.6
7.97	1.93	7.57	9.9	8.4
6.19	1.18	1.42	6.9	9.6
6.13	2.06	10.35	10.5	10.9
5.71	1.78	8.53	8.0	10.1
6.40	2.40	4.53	10.3	14.8
6.06	3.67	12.79	7.1	9.1
5.09	1.03	2.53	8.9	10.8
6.13	1.71	5.28	9.9	10.2
5.78	3.36	2.96	8.0	13.6
5.43	1.13	4.31	11.3	14.9
6.50	6.21	3.47	12.3	16.0
7.98	7.92	3.37	9.8	13.2
11.54	10.89	1.20	10.5	20.0
5.84	.92	8.61	6.4	13.3
3.84	1.20	6.45	9.6	10.4
;
proc reg;
model y=x1-x4/*x=自变量，y=应变量*/
/*逐步回归添加下方语句*/
/selection=stepwise /*选择逐步回归方法*/
sle=0.10 /*定义入选变量界值*/
sls=0.15;/*定义剔除变量界值*/
;
quit;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39

手动筛选—结果：
在这里插入图片描述

逐步回归—拟合结果：

七、logistic回归分析

1. 多个自变量的logistic回归分析(logistic)

示例：

data ex;
  input x1-x8 y @@;
cards;
3	1	0	1	0	0	1	1	0
2	0	1	1	0	0	1	0	0
2	1	0	1	0	0	1	0	0
2	0	0	1	0	0	1	0	0
3	0	0	1	0	1	1	1	0
3	0	1	1	0	0	2	1	0
2	0	1	0	0	0	1	0	0
3	0	1	1	1	0	1	0	0
2	0	0	0	0	0	1	1	0
1	0	0	1	0	0	1	0	0
1	0	1	0	0	0	1	1	0
1	0	0	0	0	0	2	1	0
2	0	0	0	0	0	1	0	0
4	1	0	1	0	0	1	0	0
3	0	1	1	0	0	1	1	0
1	0	0	1	0	0	3	1	0
2	0	0	1	0	0	1	0	0
1	0	0	1	0	0	1	1	0
3	1	1	1	1	0	1	0	0
2	1	1	1	1	0	2	0	0
3	1	0	1	0	0	1	0	0
2	1	1	0	1	0	3	1	0
2	0	0	1	1	0	1	1	0
2	0	0	0	0	0	1	0	0
2	0	1	0	0	0	1	0	0
2	0	0	1	1	0	1	1	0
2	0	0	0	0	0	1	0	0
2	0	0	0	0	0	2	1	0
2	1	1	1	0	1	2	1	1
3	0	0	1	1	1	2	1	1
2	0	0	1	1	1	1	0	1
3	1	1	1	1	1	3	1	1
2	0	0	1	0	0	1	1	1
2	0	1	0	1	1	1	1	1
2	0	0	1	0	1	1	0	1
2	1	1	1	1	0	1	1	1
3	1	1	1	1	0	1	1	1
3	1	1	1	0	1	1	1	1
3	1	1	1	1	0	1	1	1
3	0	1	0	0	0	1	0	1
2	1	1	1	1	0	2	1	1
3	1	0	1	0	1	2	1	1
3	1	0	1	0	0	1	1	1
3	1	1	1	1	1	2	0	1
4	0	0	1	1	0	3	1	1
3	1	1	1	1	0	3	1	1
4	1	1	1	1	0	3	0	1
3	0	1	1	1	0	1	1	1
4	0	0	1	0	0	2	1	1
1	0	1	1	1	0	2	1	1
2	0	1	1	0	1	2	1	1
2	1	1	1	0	0	2	1	1
2	1	0	1	0	0	1	1	1
3	1	1	0	1	0	3	1	1
;
proc logistic decending;/*decending为y降序排列*/
  model y=x1-x8;
quit;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61

结果：
在这里插入图片描述

2. 1：M配对资料的logistic回归分析(phreg)

示例：

data ex;
  input i y x1-x6 @@; /*i=区组变量，y=患者情况(1=实验组/0=对照组)，x1-x6=危险因素*/
  t=2-y; /*t=时间变量*/
cards;
 1      1      3      5      1      1      1      0
 1      0      1      1      1      3      3      0
 1      0      1      1      1      3      3      0
 2      1      1      3      1      1      3      0
 2      0      1      1      1      3      2      0
 2      0      1      2      1      3      2      0
 3      1      1      4      1      3      2      0
 3      0      1      5      1      3      2      0
 3      0      1      4      1      3      2      0
 4      1      1      4      1      2      1      1
 4      0      1      1      1      3      3      0
 4      0      2      1      1      3      2      0
 5      1      2      4      2      3      2      0
 5      0      1      2      1      3      3      0
 5      0      2      3      1      3      2      0
 6      1      1      3      1      3      2      1
 6      0      1      2      1      3      2      0
 6      0      1      3      2      3      3      0
 7      1      2      1      1      3      2      1
 7      0      1      1      1      3      3      0
 7      0      1      1      1      3      3      0
 8      1      1      2      3      2      2      0
 8      0      1      5      1      3      2      0
 8      0      1      2      1      3      1      0
 9      1      3      4      3      3      2      0
 9      0      1      1      1      3      3      0
 9      0      1      4      1      3      1      0
10      1      1      4      1      3      3      1
10      0      1      4      1      3      3      0
10      0      1      2      1      3      1      0
11      1      3      4      1      3      2      0
11      0      3      4      1      3      1      0
11      0      1      5      1      3      1      0
12      1      1      4      3      3      3      0
12      0      1      5      1      3      2      0
12      0      1      5      1      3      3      0
13      1      1      4      1      3      2      0
13      0      1      1      1      3      1      0
13      0      1      1      1      3      2      0
14      1      1      3      1      3      2      1
14      0      1      1      1      3      1      0
14      0      1      2      1      3      3      0
15      1      1      4      1      3      2      0
15      0      1      5      1      3      3      0
15      0      1      5      1      3      3      0
16      1      1      4      2      3      1      0
16      0      2      1      1      3      3      0
16      0      1      1      3      3      2      0
17      1      2      3      1      3      2      0
17      0      1      1      2      3      2      0
17      0      1      2      1      3      2      0
18      1      1      4      1      3      2      0
18      0      1      1      1      2      1      0
18      0      1      2      1      3      2      0
19      1      1      3      2      2      2      0
19      0      1      1      1      2      1      0
19      0      2      2      2      3      1      0
20      1      1      4      2      3      2      1
20      0      1      5      1      3      3      0
20      0      1      4      1      3      2      0
21      1      1      5      1      2      1      0
21      0      1      4      1      3      2      0
21      0      1      2      1      3      2      1
22      1      1      2      2      3      1      0
22      0      1      2      1      3      2      0
22      0      1      1      1      3      3      0
23      1      1      3      1      2      2      0
23      0      1      1      1      3      1      1
23      0      1      1      2      3      2      1
24      1      1      2      2      3      2      1
24      0      1      1      1      3      2      0
24      0      1      1      2      3      2      0
25      1      1      4      1      1      1      1
25      0      1      1      1      3      2      0
25      0      1      1      1      3      3      0
;
proc phreg;
  model t*y(0)=x1-x6; 
  strata i;  /*定义区组变量*/
quit;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84

结果：
在这里插入图片描述

3. 应变量为有序资料的logistic回归分析(logistic)

示例：

data ex;
  input x1 x2 y f;
cards;
1 1 1 9
1 2 1 18
1 2 2 1
1 3 1 15
1 3 2 8
2 1 2 3
2 2 1 2
2 2 2 15
2 2 3 2
2 3 2 14
2 3 3 4
3 1 2 1
3 2 2 2
3 2 3 12
3 3 3 23
;
run;
proc logistic descending;
  freq f;
  model y=x1 x2;
quit;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

结果：
在这里插入图片描述

4. 应变量为多分类资料的logistic回归分析(logistic)

示例：

data ex;
  input x1 x2 y f;/*y为多分类资料，x1-2为自变量，f为发生频数*/
cards;
1 1 1 9
1 2 1 18
1 2 2 1
1 3 1 15
1 3 2 8
2 1 2 3
2 2 1 2
2 2 2 15
2 2 3 2
2 3 2 14
2 3 3 4
3 1 2 1
3 2 2 2
3 2 3 12
3 3 3 23
;
run;
proc logistic;
  freq f;          /*定义频数变量为f*/
  model y(ref='1')/*ref语句指明，对照组为y=1*/
   =x1 x2
  /link=glogit;/*指定多分类 应变量 回归模型*/
quit;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

结果：
在这里插入图片描述

八、广义线性模型

1.对数线性模型(genmod)

示例：

data ex;
  input x y count;
cards;
1 1 86
1 2 81
2 1 38
2 2 43
3 1 49
3 2 49
;
proc genmod data=ex  order=data;;
  class x y;                  /*定义分组变量*/
  model  count = x y x*y      /*定义模型，count为应变量，x、y及xy交互为自变量*/
  /link=log                   /*定义连接函数为对数log*/
  dist= poi                   /*定义内部概率分布为泊松分布*/
  obstats                     /*打印附加统计量表*/
  residuals;                  /*将Pearson、偏差、似然残差加至附加统计量表中*/
run;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

结果：
在这里插入图片描述

2.Poisson模型(genmod)

示例：

data  ex; 
   Input  agegr$  x  n  y @@; /*x为有无暴露，n为观察年数，y为死亡人数*/
     x1=(x='1');             /*以无暴露x=1为对照，设置有暴露的哑变量x1*/
     x2=(agegr='50-59');     /*以年龄40-49岁为对照，设置年龄50-59的哑变量x2*/
     x3=(agegr='60-69');     /*以年龄40-49岁为对照，设置年龄60-69的哑变量x3*/
     x4=(agegr='>=70');
     lg=log(n);              /*观察年数取对数*/
cards;
     40-49      0      38336.7      14
     40-49      1      11026.1       7
     50-59      0      31019.1      38
     50-59      1      10792.1      42
     60-69      0      17495.5      58
     60-69      1       6897.9      59
      >=70      0       6842.4      41
      >=70      1       2580.9      17
;
proc  genmod;
model  y=x1 x2-x4 
/link=log                /*定义连接函数为对数log*/
DIST=poisson             /*定义内部概率分布为poisson分布*/
offset=lg                /*设置偏移量*/
LRCI                     /*计算参数双侧CI*/
scale=DEVIANCE;          /*设置尺度参数*/
run; 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

结果：
在这里插入图片描述

3.负二项模型(genmod)

示例：

data  ex; 
   Input  place$  outcome  f  @@;/*place=居住地，f=频数*/
     place2=(place='slum');    /*以农村为对照，设置城市的哑变量*/
     place3=(place='urban');   /*以农村为对照，设置平民区的哑变量*/
cards;
     rural        0      136  
	 rural        1       23  
     rural        2       10  
	 rural        3        5  
     rural        4        2  
	 rural        5        1  
     rural        6        1  
	 rural       11        1  
     slum         0       38  
	 slum         1        8  
     slum         2        2  
     urban        0       67  
	 urban        1        5  
;
proc  genmod;
freq f;
model  outcome=place2-place3 /*定义模型：outout=应变量，plece2-3=自变量*/
/link=log                    /*定义连接函数为对数log量*/
DIST=nb                      /*定义内部概率分布为负二项分布*/
LRCI ;                       /*计算参数双侧CI*/
run;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

结果：

在这里插入图片描述

九、生存分析

1.Log-rank检验(lifetest)

示例：

data ex18_4;
  input t d g @@;/*t=时间变量，d=截尾变量，g=分组变量*/
cards;
1      1      1
3      1      1
5      1      1
5      1      1
5      1      1
6      1      1
6      1      1
6      1      1
7      1      1
8      1      1
10      1      1
10      1      1
14      0      1
17      1      1
19      0      1
20      0      1
22      0      1
26      0      1
31      0      1
34      1      1
34      0      1
44      1      1
59      1      1
1      1      2
1      1      2
2      1      2
3      1      2
3      1      2
4      1      2
4      1      2
4      1      2
6      1      2
6      1      2
8      1      2
9      1      2
9      1      2
10      1      2
11      1      2
12      1      2
13      1      2
15      1      2
17      1      2
18      1      2
; 
proc lifetest plots=(s);/*调用lifetest 制作生存曲线*/
  time t*d(0);           /*变量值为0表示结尾数据*/
  strata g;              /*定义g为分组变量*/
run;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51

结果：
在这里插入图片描述

2.Cox回归分析(phreg)

示例：

data ex;
  input x1-x6 t y@@;/*x1-x6为危险因素变量，t=时间变量，y=截尾变量*/
cards;
54	0	0	1	1	0	52	0
57	0	1	0	0	0	51	0
58	0	0	0	1	1	35	1
43	1	1	1	1	0	103	0
48	0	1	0	0	0	7	1
40	0	1	0	0	0	60	0
44	0	1	0	0	0	58	0
36	0	0	0	1	1	29	1
39	1	1	1	0	1	70	0
42	0	1	0	0	1	67	0
42	0	1	0	0	0	66	0
42	1	0	1	1	0	87	0
51	1	1	1	0	0	85	0
55	0	1	0	0	1	82	0
49	1	1	1	0	1	76	0
52	1	1	1	0	1	74	0
48	1	1	1	0	0	63	0
54	1	0	1	1	1	101	0
38	0	1	0	0	0	100	0
40	1	1	1	0	1	66	1
38	0	0	0	1	0	93	0
19	0	0	0	1	0	24	1
67	1	0	1	1	0	93	0
37	0	0	1	1	0	90	0
43	1	0	0	1	0	15	1
49	0	0	0	1	0	3	1
50	1	1	1	1	1	87	0
53	1	1	1	0	0	120	0
32	1	1	1	0	0	120	0
46	0	1	0	0	1	120	0
43	1	0	1	1	0	120	0
44	1	0	1	1	0	120	0
62	0	0	0	1	0	120	0
40	1	1	1	0	1	40	1
50	1	0	0	1	0	26	1
33	1	1	0	0	0	120	0
57	1	1	1	0	0	120	0
48	1	0	0	1	0	120	0
28	0	0	0	1	0	3	1
54	1	0	1	1	0	120	1
35	0	1	0	1	1	7	1
47	0	0	0	1	0	18	1
49	1	0	1	1	0	120	0
43	0	1	0	0	0	120	0
48	1	1	0	0	0	15	1
44	0	0	0	1	0	4	1
60	1	1	1	0	0	120	0
40	0	0	0	1	0	16	1
32	0	1	0	0	1	24	1
44	0	0	0	1	1	19	1
48	1	0	0	1	0	120	0
72	0	1	0	1	0	24	1
42	0	0	0	1	0	2	1
63	1	0	1	1	0	120	0
55	0	1	1	0	0	12	1
39	0	0	0	1	0	5	1
44	0	0	0	1	0	120	0
42	1	1	1	0	0	120	0
74	0	0	0	1	1	7	1
61	0	1	0	1	0	40	1
45	1	0	1	1	0	108	0
38	0	1	0	0	0	24	1
62	0	0	0	1	0	16	1
;
proc phreg;
  class x2-x6        /*定义分组变量x2-x6*/
  /ref=first;        /*ref语句指明，对照组为第一类*/      
  model t*y(0)=x1-x6;  /*定义模型，变量值0表示截尾数据*/
quit;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72

结果：
在这里插入图片描述

十、判别和聚类分析

1.判别分析(discrim)

示例：

data ex;
  input g x1-x4;/*g为分组变量,x1-x4用于进行判别分析的指标*/
cards;
1	16 	0.88	51	0
1	16 	0.62	53	2
1	20 	1.03	48	6
1	22 	0.82	54	0
1	24 	0.97	54	0
1	32 	0.79	52	9
1	20 	0.85	54	0
1	25 	0.71	58	12
1	17 	0.54	55	6
1	15 	1.03	50	0
1	29 	0.48	53	2
1	24 	1.01	54	0
1	17 	0.85	51	0
1	20 	0.78	52	2
1	20 	0.7	54	5
1	21 	0.97	50	1
1	21 	0.51	52	0
1	22 	0.68	52	0
1	19 	0.71	53	0
1	18 	0.67	54	1
1	20 	1.04	49	0
1	20 	0.52	51	0
1	16 	1.03	51	3
1	19 	1.51	50	2
1	17 	0.71	54	11
1	16 	1.07	52	7
1	19 	1.03	54	2
1	21 	0.66	52	4
1	20 	1.08	51	6
1	19 	0.75	54	2
1	16 	0.5	52	14
1	25 	0.82	51	0
1	20 	0.95	51	0
1	20 	0.73	50	0
1	22 	0.91	53	0
1	18 	0.8	53	0
1	16 	2.94	51	0
1	19 	0.64	50	0
1	20 	0.93	55	6
1	24 	0.44	54	7
2	11 	1.48	58	29
2	10 	0.92	54	20
2	8 	0.94	55	51
2	16 	0.82	57	43
2	12 	0.7	60	95
2	12 	0.92	59	28
2	17 	1.59	63	57
2	5 	0.44	58	25
2	10 	1.59	59	22
2	14 	1.28	59	25
2	7 	1.34	60	27
2	12 	1.94	57	2
2	16 	0.89	52	56
2	21 	1.23	57	55
2	12 	0.78	52	47
2	11 	0.55	56	67
2	23 	1.62	58	49
2	12 	1.65	61	10
2	16 	1.52	55	7
2	8 	0.35	52	25
2	13 	1.28	55	54
2	10 	0.9	54	57
2	8 	0.65	59	35
2	18 	1.73	54	93
2	14 	0.95	55	35
2	12 	1.14	56	31
2	8 	1.76	56	54
3	6 	0.75	51	28
3	12 	0.44	57	56
3	10 	0.39	59	43
3	10 	1.25	51	7
3	6 	0.7	55	37
3	12 	0.71	54	39
3	6 	1.25	58	42
3	11 	1.37	59	42
3	5 	1.09	62	95
3	17 	1	55	28
3	8 	1.3	50	77
3	15 	0.7	56	30
3	10 	0.49	56	38
3	12 	0.97	51	27
3	10 	0.58	58	2
3	14 	0.83	55	60
3	4 	0.54	58	105
3	17 	0.85	49	39
;
proc discrim;
  class g;
  var x1-x4; /*定义用于判别分析的指标变量*/
run;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93

结果：
在这里插入图片描述

2.聚类分析(cluster-Ward varclus)

示例：

data ex;
  input  region $ x1-x7;/*region为对象（样品）,x1-x7为指标*/
cards;
北京	5.56	0.09	10.35	82.44 	10.08 	11.33	15.10 
天津	4.39	0.08	7.80	78.10 	10.06 	6.48	10.20 
河北	5.25	0.15	5.75	83.72 	8.79 	5.66	15.60 
山西	5.34	0.14	3.64	77.58 	10.44 	6.30	12.30 
内蒙古	5.94	0.13	4.13	74.71 	9.82 	7.13	14.40 
辽宁	6.83	0.13	4.59	81.98 	10.47 	6.66	16.80 
吉林	5.66	0.10	3.99	77.59 	9.38 	6.18	14.10 
黑龙江	6.38	0.40	3.11	78.93 	10.45 	6.05	16.00 
上海	5.57	0.11	10.99	95.43 	10.13 	7.73	16.20 
江苏	5.84	0.04	7.28	87.45 	9.50 	6.82	17.70 
浙江	5.54	0.03	10.52	89.36 	9.80 	8.13	16.80 
安徽	4.89	0.07	4.48	86.20 	8.68 	5.01	15.90 
福建	4.66	0.03	5.79	83.09 	8.63 	5.92	14.10 
江西	5.06	0.04	4.67	85.79 	8.86 	5.10	17.90 
山东	5.84	0.16	6.44	83.41 	8.63 	6.88	18.20 
河南	5.85	0.09	6.12	88.39 	9.64 	6.08	18.30 
湖北	6.37	0.06	6.03	92.71 	9.51 	6.77	21.70 
湖南	6.59	0.03	3.94	85.22 	9.06 	6.06	21.50 
广东	4.41	0.03	7.49	84.03 	8.69 	6.33	14.60 
广西	4.94	0.03	5.34	87.66 	8.63 	6.25	18.40 
海南	4.53	0.03	5.36	81.09 	8.88 	6.52	12.60 
重庆	6.71	0.08	5.06	84.13 	9.31 	6.23	22.30 
四川	6.79	0.07	5.85	91.34 	10.45 	6.39	22.00 
贵州	6.51	0.05	4.26	79.93 	8.15 	6.31	20.50 
云南	5.72	0.04	5.30	83.19 	8.51 	5.91	18.60 
西藏	4.78	0.05	4.75	72.09 	8.72 	4.90	9.90 
陕西	6.29	0.08	4.99	83.67 	9.05 	8.09	19.60 
甘肃	5.58	0.11	5.12	81.55 	8.81 	5.59	16.70 
青海	6.41	0.18	4.26	70.64 	8.98 	6.98	16.30 
宁夏	5.84	0.13	5.88	80.81 	8.91 	7.29	17.20 
新疆	6.85	0.14	4.60	85.01 	8.47 	7.12	22.40 
;
run;

/*对样品聚类*/
proc cluster method=Ward /*采用Ward离差平方和法进行聚类分析*/
  standard                /*采用对原始指标进行标准化*/
  data=ex;       
  var x1-x7;              /*定义指标变量为x1-x7*/
  id region;              /*定义对象的标识为region*/
run;
proc tree;               /*调用tree过程输出聚类图*/
  id region;
run;

/*对指标聚类*/
proc varclus data=ex;
  var x1-x7;
run;

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53

结果：
在这里插入图片描述
…

十一、主成分分析与因子分析

1.主成分分析(princomp)

示例：

data ex;
  input no x1-x9;
cards;
1 	3.68 	5.07 	1.90 	3.66 	8.82 	1.71 	4.42 	4.12 	2.24 
2 	4.30 	6.58 	2.85 	4.50 	10.60 	2.10 	5.81 	5.10 	2.81 
3 	4.80 	6.66 	2.52 	4.13 	8.96 	2.44 	5.03 	4.77 	3.21 
4 	4.16 	6.52 	2.29 	3.93 	8.61 	2.06 	4.29 	4.11 	2.61 
5 	6.14 	10.70 	3.58 	8.34 	23.60 	2.29 	12.10 	8.85 	2.91 
6 	3.87 	5.85 	2.07 	3.93 	9.56 	1.87 	5.20 	4.47 	2.38 
7 	3.91 	6.20 	2.31 	4.00 	10.10 	1.90 	5.39 	4.80 	2.49 
8 	3.37 	5.52 	1.86 	3.75 	9.45 	1.58 	5.00 	4.03 	1.94 
9 	5.99 	10.30 	3.58 	8.08 	23.30 	2.24 	11.90 	8.75 	2.94 
10 	2.37 	4.12 	1.27 	3.14 	8.98 	0.96 	4.66 	3.46 	1.13 
11 	2.99 	5.20 	1.77 	3.76 	10.00 	1.32 	5.31 	3.97 	1.52 
12 	3.65 	5.22 	2.05 	3.37 	8.25 	1.73 	3.99 	4.05 	2.38 
13 	4.06 	6.47 	2.29 	3.92 	8.41 	2.00 	4.61 	4.05 	2.52 
14 	4.53 	6.42 	2.45 	3.86 	7.97 	2.24 	4.54 	4.30 	3.05 
15 	4.11 	6.64 	2.34 	4.53 	10.60 	2.00 	5.79 	4.68 	2.46 
16 	3.96 	6.05 	2.18 	3.55 	7.98 	1.95 	4.52 	4.02 	2.53 
17 	3.69 	6.14 	2.16 	3.41 	7.24 	1.84 	4.08 	3.47 	2.22 
18 	3.58 	5.77 	1.95 	3.09 	6.56 	1.82 	3.75 	3.36 	2.27 
19 	6.18 	10.90 	3.84 	8.24 	24.00 	2.32 	12.20 	8.97 	2.97 
20 	4.59 	7.21 	2.44 	4.19 	8.76 	2.34 	5.00 	4.48 	3.05 
21 	3.94 	6.26 	2.16 	3.71 	8.01 	1.95 	4.53 	3.89 	2.43 
22 	3.98 	6.70 	2.30 	4.37 	10.40 	1.87 	5.73 	4.50 	2.30 
23 	6.61 	10.90 	4.05 	6.45 	12.00 	3.44 	6.69 	5.88 	4.10 
24 	4.54 	6.47 	2.38 	4.10 	9.26 	2.27 	5.17 	4.74 	3.01 
25 	4.30 	6.94 	2.32 	4.26 	10.20 	2.04 	5.58 	4.79 	2.68 
26 	5.37 	8.73 	3.16 	4.56 	7.59 	2.88 	4.63 	4.44 	3.64 
27 	3.86 	6.15 	2.16 	3.36 	7.12 	1.95 	4.09 	3.60 	2.45 
28 	6.13 	10.80 	3.81 	8.30 	24.10 	2.30 	12.30 	8.98 	2.90 
29 	4.11 	6.84 	2.32 	4.60 	11.10 	1.95 	5.91 	4.78 	2.34 
30 	3.52 	5.57 	2.00 	2.90 	5.98 	1.79 	3.44 	3.15 	2.21 
31 	3.81 	6.02 	2.18 	3.45 	7.19 	1.88 	4.14 	3.65 	2.45 
32 	5.24 	8.76 	3.16 	4.86 	9.51 	2.73 	5.36 	4.76 	3.34 
33 	4.38 	7.03 	2.36 	4.50 	10.50 	2.13 	5.79 	4.83 	2.66 
34 	4.76 	8.27 	3.03 	5.36 	12.10 	2.33 	6.58 	5.26 	2.84 
35 	4.64 	6.71 	2.71 	4.01 	8.02 	2.39 	4.57 	4.36 	3.16 
36 	4.62 	8.86 	2.92 	6.38 	19.20 	1.00 	9.63 	7.31 	2.28 
37 	4.10 	6.64 	2.22 	4.25 	9.98 	1.96 	5.44 	4.54 	2.49 
38 	3.68 	5.92 	1.70 	3.91 	9.58 	1.68 	5.17 	4.22 	2.09 
39 	4.49 	8.59 	2.86 	5.84 	17.20 	1.73 	8.79 	6.87 	2.46 
;
proc princomp;
var x1-x9;
run;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46

结果：
在这里插入图片描述

在这里插入图片描述

2.因子分析(factor)

示例：

data ex;
  input x1-x9;
cards;
	4.34	389	99.06	1.23	25.46	93.15	3.56	97.51	61.66
	3.45	271	88.28	.85	23.55	94.31	2.44	97.94	73.33
	4.38	385	103.97	1.21	26.54	92.53	4.02	98.48	76.79
	4.18	377	99.48	1.19	26.89	93.86	2.92	99.41	63.16
	4.32	378	102.01	1.19	27.63	93.18	1.99	99.71	80.00
	4.13	349	97.55	1.10	27.34	90.63	4.38	99.03	63.16
	4.57	361	91.66	1.14	24.89	90.60	2.73	99.69	73.53
	4.31	209	62.18	.52	31.74	91.67	3.65	99.48	61.11
	4.06	425	83.27	.93	26.56	93.81	3.09	99.48	70.73
	4.43	458	92.39	.95	24.26	91.12	4.21	99.76	79.07
	4.13	496	95.43	1.03	28.75	93.43	3.50	99.10	80.49
	4.10	514	92.99	1.07	26.31	93.24	4.22	100.00	78.95
	4.11	490	80.90	.97	26.90	93.68	4.97	99.77	80.53
	3.53	344	79.66	.68	31.87	94.77	3.59	100.00	81.97
	4.16	508	90.98	1.01	29.43	95.75	2.77	98.72	62.86
	4.17	545	92.98	1.08	26.92	94.89	3.14	99.41	82.35
	4.16	507	95.10	1.01	25.82	94.41	2.80	99.35	60.61
	4.86	540	93.17	1.07	27.59	93.47	2.77	99.80	70.21
	5.06	552	84.38	1.10	27.56	95.15	3.10	98.63	69.23
	4.03	453	72.69	.90	26.03	91.94	4.50	99.05	60.42
	4.15	529	86.53	1.05	22.40	91.52	3.84	98.58	68.42
	3.94	515	91.01	1.02	25.44	94.88	2.56	99.36	73.91
	4.12	552	89.14	1.10	25.70	92.65	3.87	95.52	66.67
	4.42	597	90.18	1.18	26.94	93.03	3.76	99.28	73.81
	3.05	437	78.81	.87	23.05	94.46	4.03	96.22	87.10
	3.94	477	87.34	.95	26.78	91.78	4.57	94.28	87.34
	4.14	638	88.57	1.27	26.53	95.16	1.67	94.50	91.67
	3.87	583	89.82	1.16	22.66	93.43	3.55	94.49	89.07
	4.08	552	90.19	1.10	22.53	90.36	3.47	97.88	87.14
	4.14	551	90.81	1.09	23.06	91.65	2.47	97.72	87.13
	4.04	574	81.36	1.14	26.65	93.74	1.61	98.20	93.02
	3.93	515	76.87	1.02	23.88	93.82	3.09	95.46	88.37
	3.90	555	80.58	1.10	23.08	94.38	2.06	96.82	91.79
	3.62	554	87.21	1.10	22.50	92.43	3.22	97.16	87.77
	3.75	586	90.31	1.12	23.73	92.47	2.07	97.74	93.89
	3.77	627	86.47	1.24	23.22	91.17	3.40	98.98	89.80
;
proc factor;
run;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42

结果：
在这里插入图片描述

十二、典型相关分析和结构方程模型

1. 典型相关分析(cancorr)

示例：

data ex22_1;
  input x1-x3 y1-y2;
cards;
2	14	16	11	70
6	2	10	12	58
6	6	8	16	60
0	0	0	24	77
4	4	8	8	69
4	8	10	19	77
2	2	6	17	64
10	6	12	17	74
4	2	6	11	59
4	6	14	20	62
2	8	6	13	58
2	2	2	14	79
10	2	8	14	57
0	0	0	13	72
2	4	6	14	70
0	6	2	20	70
0	4	2	21	69
0	12	4	13	68
0	0	0	24	80
0	2	0	27	83
0	0	2	20	75
2	10	10	23	67
2	4	8	8	65
4	0	2	21	66
2	2	2	17	71
12	12	12	16	57
2	2	8	16	60
12	4	8	21	61
16	10	18	10	58
0	2	4	17	73
0	0	0	20	70
6	10	12	9	59
0	2	2	17	75
0	0	0	16	78
14	14	14	12	66
12	16	12	10	42
6	6	8	8	63
4	2	2	23	71
18	14	18	20	62
12	4	14	9	56
0	0	0	17	73
0	0	0	22	78
2	6	10	20	79
4	4	6	14	69
0	6	2	16	72
8	8	12	12	73
6	10	10	10	73
0	0	2	18	79
4	2	10	21	71
4	4	8	18	75
4	8	14	16	70
0	2	4	16	71
10	8	8	15	68
4	6	8	13	66
6	4	8	13	69
20	24	30	14	44
8	4	16	12	40
4	4	12	17	64
6	18	18	16	55
4	8	6	17	66
0	0	0	18	69
0	2	2	18	63
10	10	12	21	65
0	0	2	16	70
18	24	26	15	44
0	2	6	24	85
0	2	6	18	73
6	2	6	23	75
2	0	4	14	76
18	32	28	9	49
0	0	0	18	77
0	0	0	20	66
2	4	8	17	71
6	6	8	15	64
10	10	14	18	61
0	2	6	18	66
0	2	6	21	74
4	6	10	24	69
4	4	0	15	64
2	2	2	18	74
0	4	6	18	81
0	0	0	28	98
4	4	14	18	62
4	4	8	16	70
6	8	14	12	75
2	4	4	12	65
2	8	10	18	66
14	8	20	9	41
2	0	10	12	52
2	4	6	15	61
4	0	8	23	66
0	2	4	9	72
6	2	6	17	68
2	2	2	25	61
4	2	0	23	69
14	4	10	9	58
0	0	0	15	77
0	4	12	23	77
14	12	18	16	59
0	0	0	12	71
4	4	4	18	64
2	6	6	10	69
2	4	8	20	75
0	4	8	16	70
2	10	6	17	59
14	14	14	5	51
8	4	6	16	63
0	0	6	18	63
12	20	26	19	41
6	6	2	18	70
6	8	12	19	71
0	2	4	19	66
0	2	2	16	75
2	6	0	23	79
8	0	12	10	54
0	8	8	17	71
2	6	0	21	74
8	12	14	20	72
42	42	42	4	26
8	16	10	18	65
0	6	4	19	66
2	4	2	18	71
4	2	12	23	67
2	4	4	21	70
6	4	14	15	60
0	0	4	21	80
4	4	4	23	76
0	0	0	20	69
0	0	0	20	72
4	6	8	22	72
2	2	2	15	67
26	18	22	14	49
2	8	12	14	65
30	20	28	5	46
2	2	6	24	84
4	2	6	20	70
2	0	0	16	59
6	6	4	14	62
14	18	16	7	52
0	2	4	16	75
10	16	16	8	43
0	4	6	21	84
10	12	12	11	49
12	8	10	14	56
10	8	4	18	58
2	2	2	15	72
0	4	6	13	81
0	0	0	20	75
0	0	4	16	72
2	0	4	21	73
8	6	12	20	62
4	4	8	19	67
0	2	4	17	68
16	16	26	7	40
0	2	0	13	67
2	8	10	21	82
2	2	10	18	73
12	12	12	12	60
2	6	4	20	77
2	2	4	16	67
4	8	4	14	69
4	6	6	16	62
2	2	6	16	73
10	12	16	11	59
2	6	8	15	67
2	4	10	15	63
0	0	0	10	69
4	4	10	15	68
4	4	2	24	78
0	2	4	20	78
14	12	18	12	51
10	6	10	14	55
6	8	10	23	62
6	10	12	11	55
0	0	0	19	78
22	8	12	12	55
2	0	6	15	59
0	0	4	22	68
0	2	2	16	61
0	0	2	18	77
0	0	2	19	71
0	2	2	18	77
2	6	10	22	75
2	2	2	22	67
0	2	2	22	76
2	2	2	19	78
0	0	2	20	71
4	8	6	12	56
8	4	12	11	44
12	6	10	15	60
8	10	10	24	64
0	2	0	20	62
0	0	0	20	80
4	8	6	17	65
4	6	10	18	60
0	0	0	24	82
14	18	22	8	46
2	2	2	20	84
2	2	4	12	63
0	0	4	17	77
0	0	0	20	79
0	2	2	21	88
2	0	2	15	68
0	0	0	22	73
0	0	2	17	67
2	8	8	17	66
8	4	8	15	64
0	4	2	23	74
2	2	2	11	76
4	4	4	22	74
14	14	16	16	52
4	2	4	17	77
8	8	12	18	60
4	6	10	18	59
0	0	0	22	80
2	10	6	23	68
6	6	10	10	69
0	2	2	15	71
20	12	20	8	40
4	0	2	17	64
4	12	14	19	62
2	0	6	16	66
6	8	10	19	60
0	0	6	22	77
0	0	0	24	80
0	0	0	17	85
8	6	14	20	70
8	6	12	8	45
2	2	0	22	76
42	42	42	28	50
8	14	14	12	54
0	0	2	17	69
12	14	12	13	61
2	0	0	23	80
0	0	0	16	74
2	4	2	14	72
10	10	10	19	63
8	6	16	6	58
2	4	4	23	79
0	2	2	23	80
2	4	4	17	72
2	10	14	13	53
0	0	0	11	60
34	32	36	11	46
0	0	2	17	65
2	2	4	18	71
2	8	8	22	67
0	8	10	15	68
0	6	10	19	63
0	2	2	22	72
0	2	4	24	79
0	0	2	16	74
6	6	4	15	58
0	0	2	15	71
0	4	4	17	73
20	12	14	12	49
2	4	2	20	60
0	2	2	17	77
2	2	0	10	66
6	6	10	5	56
2	0	4	18	70
2	4	6	26	70
0	4	6	16	67
0	2	6	16	68
4	4	8	13	64
2	6	8	24	80
4	8	10	23	68
0	6	4	21	69
14	6	20	13	53
8	6	8	16	63
2	2	4	16	71
10	8	10	16	71
2	4	4	16	78
6	4	8	13	67
2	6	6	5	60
10	4	10	12	48
8	8	6	22	74
0	0	0	11	68
6	6	8	20	78
6	8	14	15	62
10	8	6	17	62
24	20	24	7	37
0	0	0	16	80
2	4	8	20	77
8	14	10	24	62
12	14	12	16	65
0	0	0	21	81
18	12	20	16	54
0	0	0	16	56
0	2	2	24	87
12	0	8	13	58
0	0	0	20	75
0	2	2	17	72
2	4	4	14	72
0	2	2	23	73
12	10	10	12	63
4	6	8	19	74
4	6	6	14	77
8	6	14	16	65
2	6	2	17	62
12	12	12	18	67
0	8	8	19	73
2	0	4	18	76
14	6	14	14	66
0	0	0	24	86
0	0	2	16	76
6	0	10	16	61
4	6	14	14	66
0	0	6	17	72
4	6	8	16	61
8	6	8	12	66
0	0	0	22	82
0	2	6	11	59
4	12	8	19	67
2	8	4	16	72
0	0	0	19	82
6	14	12	21	57
2	2	12	16	60
8	8	16	17	55
8	22	26	8	53
10	14	20	12	55
8	10	8	16	65
2	4	16	18	79
10	6	4	11	66
20	32	34	12	36
2	4	6	12	62
4	6	8	20	69
8	12	16	17	46
12	14	16	17	56
2	6	6	15	56
14	4	10	13	53
42	42	38	4	20
10	10	16	16	63
0	0	2	18	75
0	6	10	21	72
2	4	6	22	67
4	4	8	15	76
2	4	2	17	79
0	2	12	17	67
0	0	0	27	81
2	6	6	17	60
8	12	16	15	54
2	0	6	21	98
16	12	18	10	52
6	10	10	13	66
4	4	10	11	58
6	10	6	11	64
10	8	12	21	73
0	0	2	16	69
2	0	2	14	77
0	0	0	22	71
0	2	10	23	79
6	6	10	5	54
0	0	0	16	56
8	8	14	23	55
0	0	0	16	71
0	2	2	20	75
4	6	10	10	60
6	14	8	24	73
0	0	0	19	73
4	6	10	16	63
4	6	10	19	67
2	4	0	16	71
4	2	8	11	58
2	2	2	23	76
12	14	18	7	44
0	2	0	23	81
0	2	4	19	75
0	0	4	19	65
4	6	12	14	71
0	2	0	14	72
2	2	6	20	72
0	0	0	21	79
2	0	0	21	82
4	6	12	14	52
0	6	4	15	61
10	8	12	23	69
0	0	0	23	76
12	6	6	7	53
0	4	2	15	72
0	0	2	19	70
0	0	2	20	84
4	8	8	13	61
4	6	4	18	77
12	20	18	9	44
14	2	10	18	70
4	2	8	9	61
2	2	6	21	71
0	2	6	25	82
10	6	12	14	69
0	0	6	18	70
0	0	2	18	72
2	2	8	11	72
2	4	4	11	72
8	8	12	17	58
2	8	2	24	77
0	4	6	15	75
2	4	6	20	69
10	14	14	10	55
0	0	0	21	75
18	14	16	11	58
24	8	14	8	63
0	0	0	9	69
4	10	6	21	70
0	0	2	19	80
16	14	26	5	61
2	4	2	15	66
0	8	4	12	63
12	20	14	10	58
2	0	2	23	77
8	8	8	20	71
2	2	2	19	70
14	14	14	19	54
4	4	8	22	81
0	2	4	6	79
0	2	2	16	64
2	0	6	11	63
2	6	10	20	73
2	4	6	20	73
4	6	4	13	65
14	12	12	16	58
0	0	0	23	79
10	14	12	14	69
2	6	10	16	74
8	2	12	10	66
2	4	0	11	70
12	0	10	15	71
0	0	0	23	74
4	2	12	16	73
4	2	6	14	66
2	0	2	19	68
0	0	4	24	78
8	4	12	20	67
0	8	6	23	75
0	2	2	18	59
12	20	22	11	53
0	0	4	15	63
2	2	0	12	78
6	10	4	26	79
2	2	2	19	64
10	10	8	19	55
0	0	0	24	83
2	0	0	24	84
8	8	10	18	68
2	2	2	23	66
4	4	10	12	52
2	0	0	16	85
0	0	0	18	73
4	4	2	23	66
4	4	10	20	68
0	0	0	19	77
0	2	0	16	68
2	0	4	15	68
8	6	14	16	60
4	6	8	24	70
2	8	10	17	68
0	0	2	20	73
6	10	12	20	70
12	14	14	15	62
14	12	14	16	58
4	0	4	16	68
4	6	8	14	67
0	0	2	20	64
12	12	14	20	73
2	4	4	21	79
20	18	24	4	51
2	10	8	10	69
0	0	2	19	73
0	2	10	24	70
16	16	20	9	64
0	2	4	11	74
10	12	8	16	70
12	8	14	11	55
16	10	16	8	55
8	6	10	22	68
4	8	4	18	73
10	16	16	17	65
4	0	2	15	63
0	0	0	23	78
2	4	6	17	74
0	2	0	21	72
14	8	20	15	42
6	12	14	18	64
0	0	0	19	56
6	12	8	8	56
2	2	8	24	77
10	6	10	20	69
4	4	6	11	59
6	2	4	20	68
4	4	10	16	67
0	0	0	19	86
10	10	12	17	60
4	4	4	22	70
10	6	4	16	64
6	10	6	10	60
8	8	8	21	73
4	6	10	14	66
10	10	6	18	63
0	2	2	21	88
6	8	8	14	66
18	16	18	5	44
2	12	14	14	70
0	2	0	23	82
0	4	4	14	61
0	0	0	20	84
4	0	8	12	64
14	22	12	14	53
10	8	14	12	51
0	2	0	12	67
0	4	2	19	68
0	0	0	19	74
2	2	6	17	76
8	6	12	16	58
6	4	2	14	67
2	2	8	20	80
6	12	16	8	53
10	18	14	18	56
2	4	8	13	63
10	18	14	10	67
6	10	14	13	52
18	14	20	7	49
10	10	12	16	68
0	4	4	16	86
6	8	10	24	84
6	2	0	21	75
0	0	0	21	64
14	8	14	20	65
0	0	2	20	72
2	0	4	16	63
12	10	12	16	55
0	0	0	24	78
2	0	6	23	68
2	0	2	15	74
0	2	4	21	78
6	0	2	17	72
0	0	2	22	79
6	10	8	16	70
10	10	4	18	60
0	0	2	22	73
16	14	16	15	58
4	2	8	22	69
6	6	14	12	55
0	0	0	19	81
0	0	0	20	76
0	4	4	21	78
4	2	8	22	73
12	14	14	20	67
2	12	10	17	80
2	2	2	23	81
2	0	4	21	71
6	8	12	20	65
4	0	6	9	61
2	6	2	7	63
8	8	18	14	57
0	2	6	24	68
6	8	10	20	63
6	2	6	15	83
0	0	0	23	72
0	0	2	18	91
0	0	0	16	72
0	6	4	16	58
0	0	0	23	86
4	4	10	24	67
0	0	6	17	65
0	0	0	22	79
0	4	8	22	75
14	14	14	16	53
0	4	4	16	65
0	0	2	23	79
0	0	0	20	81
12	10	18	12	63
18	14	14	4	72
0	0	2	19	71
6	6	16	8	59
4	10	8	13	67
10	14	20	16	61
0	0	0	21	68
4	0	8	18	65
6	12	22	18	61
0	0	0	8	60
2	2	8	24	74
4	8	10	24	76
16	12	12	18	62
4	6	6	20	64
4	4	2	19	79
0	2	4	13	63
0	0	0	25	88
22	14	28	12	46
0	0	0	11	66
10	8	14	8	66
4	12	14	18	63
0	2	6	24	75
0	0	2	8	72
6	10	8	15	62
2	8	14	23	77
6	14	16	16	58
2	2	8	14	63
0	4	4	23	88
2	4	8	13	71
10	4	8	19	73
14	12	14	13	52
2	6	10	18	84
2	4	6	17	70
24	14	10	21	72
14	14	14	12	43
6	8	10	9	67
10	10	14	14	58
0	0	0	23	74
8	8	12	6	42
0	0	2	12	68
12	8	12	11	53
0	0	2	23	82
18	6	12	7	51
8	20	26	12	55
12	8	14	7	54
2	2	8	12	63
4	6	8	13	77
2	2	2	20	71
0	0	2	22	79
0	4	8	18	69
2	0	6	19	76
0	0	0	20	86
6	12	14	12	61
12	16	24	14	37
6	2	2	14	70
2	2	8	24	60
0	0	0	17	73
0	0	0	24	81
14	12	12	19	58
4	2	2	18	66
4	6	12	17	65
0	2	2	23	84
0	0	0	16	68
0	0	4	20	70
8	10	10	14	72
2	4	6	25	78
0	0	0	20	73
10	6	8	13	60
0	6	10	22	76
8	14	20	13	59
0	0	0	19	66
12	2	12	15	47
2	6	10	16	64
2	2	2	18	76
0	2	2	24	66
8	16	12	16	63
2	2	4	21	73
6	14	8	16	60
8	14	16	23	74
16	16	14	11	55
2	2	0	22	86
2	4	8	25	77
4	2	6	16	70
12	16	10	8	69
6	6	12	15	58
0	0	2	12	79
12	10	16	20	53
6	4	6	20	68
2	4	8	18	75
0	2	8	17	79
2	6	4	17	73
22	20	26	22	39
4	4	10	15	67
12	6	12	13	60
2	4	6	18	61
2	6	6	20	74
2	6	12	12	69
16	14	18	9	44
2	0	4	12	69
6	8	12	21	64
6	4	12	18	67
2	2	6	16	69
6	8	10	17	65
0	0	2	16	56
;
proc cancorr;
  var x1-x3;   /*定义x1-x3为一组变量*/
  with y1-y2;   /*定义y1-y2为另一组变量*/
run;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682

结果：
在这里插入图片描述

2.结构方程模型(calis lineqs)

示例：

data ex;
	input  PHD1	PHD2	PHD3	PHD4	PHD5	PHD6	PHD7	PSD1	PSD2	PSD3	PSD4	PSD5 @@;
datalines;
5	5	5	5	5	5	5	4	5	5	5	5
4	4	4	5	5	5	4	4	5	5	5	5
5	5	5	5	5	5	5	5	5	5	5	5
5	4	5	5	5	5	5	4	5	4	4	4
4	4	4	5	5	4	4	4	4	5	4	5
4	5	4	5	5	5	5	5	5	5	4	5
5	4	5	4	5	5	5	5	5	5	2	5
5	5	5	5	5	5	5	5	5	5	5	5
4	4	4	5	5	5	4	5	3	5	5	5
3	3	3	4	3	3	4	3	3	4	3	3
5	5	4	5	5	4	5	4	4	5	4	4
5	4	2	3	5	4	4	4	4	4	2	3
4	5	4	5	5	5	4	4	4	4	5	5
5	5	5	5	5	4	2	4	5	5	4	5
2	3	3	3	4	4	3	3	3	3	4	4
4	5	2	5	4	4	3	4	5	4	4	4
4	4	5	5	5	5	2	5	5	5	4	5
4	5	4	5	5	5	5	4	4	3	4	4
4	5	4	4	4	5	4	5	5	5	5	5
3	5	5	5	5	4	3	4	5	4	4	4
3	3	4	4	3	4	3	2	3	2	2	3
3	3	4	4	3	4	3	2	3	2	2	3
5	5	5	5	5	5	5	4	4	4	5	4
5	5	3	5	5	5	5	5	4	5	4	5
3	3	4	5	5	5	4	3	3	4	3	3
3	3	3	4	3	4	4	3	3	4	3	3
4	4	1	4	5	4	3	3	3	4	3	3
4	4	3	5	5	5	4	4	4	4	2	3
4	4	3	3	3	3	4	4	3	3	4	4
3	3	4	4	4	4	3	2	3	2	2	3
5	5	4	5	5	5	5	4	4	4	5	4
5	5	3	5	5	5	5	3	5	5	5	5
2	4	2	2	5	5	3	4	4	4	3	4
4	5	2	4	5	4	5	5	4	5	5	5
5	5	5	5	5	5	5	5	5	5	5	5
5	2	3	5	5	3	3	5	5	5	5	5
3	3	4	4	3	3	4	4	4	3	3	3
4	4	4	5	5	4	2	4	4	4	4	4
5	5	5	5	5	5	5	5	5	5	5	4
5	5	5	4	5	5	5	5	5	5	5	5
3	3	4	4	5	3	4	3	4	4	3	4
5	5	5	5	5	5	5	5	4	5	5	5
5	4	4	4	5	5	5	1	4	4	4	4
1	3	1	4	5	4	3	2	2	3	2	2
4	3	3	4	4	3	4	4	4	4	4	4
5	5	5	5	5	5	5	5	5	5	5	5
1	5	5	5	5	5	5	5	4	5	5	5
3	3	1	4	5	4	3	3	3	3	3	4
3	3	1	4	5	4	3	3	3	3	3	4
2	3	3	3	3	3	3	2	2	3	4	3
2	3	3	3	3	3	3	2	2	3	4	3
5	4	5	5	5	5	4	4	4	4	2	4
1	3	1	4	5	4	3	2	2	3	2	2
1	2	5	5	5	5	5	4	5	4	4	5
1	5	3	5	5	5	2	5	5	5	5	5
3	5	4	5	5	5	4	3	4	4	3	4
4	4	1	4	4	4	4	4	2	3	2	3
4	4	3	5	5	4	5	4	3	4	4	4
3	4	3	5	5	5	3	4	5	5	4	5
5	5	4	5	5	5	4	4	4	4	3	3
5	5	5	5	5	5	5	3	2	4	4	4
4	3	2	4	2	3	5	4	3	2	2	3
4	4	5	5	3	5	5	5	5	5	5	5
4	3	2	5	5	5	3	3	4	4	3	4
4	3	4	3	3	3	4	4	3	4	3	3
5	5	5	5	5	5	5	5	5	5	4	5
5	4	4	3	5	3	3	4	4	4	4	4
5	5	5	5	5	5	5	4	5	5	4	4
5	5	3	5	5	5	5	2	3	4	3	3
2	1	4	5	5	5	5	5	5	4	4	5
3	4	1	1	3	2	3	2	2	2	1	2
5	5	5	5	5	5	5	5	5	4	5	4
3	5	5	5	3	3	3	5	5	5	5	5
5	5	4	5	5	5	5	4	5	5	5	5
1	3	3	4	4	4	3	4	3	2	2	3
2	2	2	2	3	3	3	2	2	3	2	1
2	2	2	5	5	5	4	4	4	4	3	3
2	2	2	5	5	5	4	4	4	4	3	3
5	5	5	5	5	5	5	4	5	5	5	5
1	2	1	1	4	4	4	3	4	4	3	4
1	2	1	1	4	4	4	3	4	4	3	4
2	5	4	5	5	5	5	5	5	5	5	5
5	5	5	5	5	5	5	4	5	5	2	4
3	3	1	4	4	4	2	3	3	3	2	2
3	3	1	4	4	4	2	3	3	3	2	2
5	5	5	5	5	5	5	4	4	5	4	4
5	5	5	5	5	5	5	5	5	4	4	4
3	3	2	3	3	3	2	2	2	4	3	2
3	3	2	3	3	3	2	2	2	4	3	2
5	5	5	2	2	2	5	4	5	5	5	5
3	4	1	1	4	4	3	3	4	2	2	3
5	5	5	5	5	4	2	5	4	4	4	5
2	5	3	3	2	3	3	4	4	5	4	4
2	5	3	3	2	3	3	4	4	5	4	4
3	2	3	4	4	4	3	3	3	4	3	3
1	1	5	5	5	3	5	4	4	4	4	4
5	5	5	5	5	5	5	4	3	5	4	2
5	4	4	5	5	4	3	3	4	4	4	4
1	2	3	4	4	4	3	2	3	3	3	3
2	3	3	5	5	4	5	3	3	4	3	3
3	3	3	3	3	3	3	3	4	3	4	4
5	2	4	5	5	5	2	4	4	4	4	2
2	2	1	3	3	3	4	1	2	2	4	2
4	2	3	4	5	4	4	3	3	3	3	3
4	3	4	4	5	4	4	4	4	5	5	4
2	3	1	4	5	3	1	4	5	5	5	5
5	5	5	4	5	5	5	5	5	4	5	4
3	4	1	1	4	4	3	3	4	2	2	3
2	3	3	2	2	3	2	2	2	3	3	2
2	3	3	2	2	3	2	2	2	3	3	2
2	5	5	5	5	3	5	5	4	5	5	5
5	5	5	5	5	5	4	5	5	5	4	5
5	5	4	5	5	4	1	4	5	5	5	5
5	5	2	5	5	5	5	4	5	5	5	5
1	2	1	2	2	1	1	2	2	1	1	3
5	3	5	5	5	5	5	5	5	5	5	5
2	2	4	5	5	4	3	4	4	5	4	4
1	2	1	2	3	4	3	2	3	3	3	3
1	2	3	4	4	3	1	2	2	2	2	3
4	5	5	5	5	5	5	5	5	5	1	5
4	4	4	2	4	4	4	4	3	2	2	2
1	4	3	5	5	5	4	3	3	4	2	2
4	2	3	3	4	4	4	2	2	2	2	2
5	5	5	2	1	2	5	5	5	5	5	5
5	5	5	5	5	5	5	3	3	3	2	2
5	5	5	5	5	5	5	2	5	4	2	2
5	3	5	5	5	4	5	5	5	5	5	5
5	5	3	5	5	5	5	5	4	5	5	5
5	5	1	5	5	5	3	5	4	5	1	5
5	5	5	5	5	1	5	5	5	5	5	5
1	2	1	2	3	2	1	2	3	2	3	1
3	2	4	3	2	3	2	2	2	3	1	2
1	2	5	5	5	5	5	4	5	5	4	5
1	5	1	5	5	5	5	5	5	5	5	5
2	2	2	2	2	2	2	3	3	3	3	3
5	5	1	3	5	5	5	5	5	4	3	5
5	5	5	5	5	5	5	2	5	4	4	2
4	5	5	5	5	5	5	5	5	5	5	5
4	4	4	4	5	5	5	5	5	5	5	5
5	5	5	5	5	5	5	4	2	4	4	4
5	5	4	5	4	3	2	4	4	5	2	4
5	2	5	5	5	5	5	5	5	5	2	2
5	5	3	5	5	5	5	5	5	5	5	5
2	4	3	5	5	5	4	4	4	5	5	4
5	5	5	5	5	5	5	5	5	5	5	5
3	5	5	5	5	5	1	4	4	5	4	4
1	1	1	2	2	2	2	2	3	2	2	2
1	1	1	2	2	2	2	2	3	2	2	2
5	4	4	5	5	4	5	4	5	5	4	4
4	3	4	4	5	5	4	4	4	5	4	4
4	4	1	3	5	5	3	2	2	5	4	5
5	3	1	5	5	5	3	5	5	5	5	5
3	4	1	3	1	3	3	2	2	2	2	2
3	4	1	3	1	3	3	2	2	2	2	2
4	3	4	4	4	4	4	4	4	3	5	3
4	4	1	5	5	4	4	3	3	3	3	3
1	5	5	5	5	5	5	5	5	5	5	5
5	5	1	5	5	5	5	2	4	4	4	2
2	2	5	5	5	5	5	5	5	5	5	5
2	2	5	5	5	4	5	1	2	3	5	4
4	5	3	3	3	3	2	4	2	3	4	3
3	3	3	2	5	5	5	4	2	5	4	4
4	5	5	2	5	4	5	4	4	5	5	5
5	1	2	5	5	5	5	5	5	5	5	5
1	5	1	5	5	5	5	5	4	4	5	5
4	4	3	3	4	4	3	2	4	1	1	2
4	5	3	4	4	4	4	1	3	4	1	3
1	3	1	5	5	5	4	4	4	4	3	4
5	5	5	5	5	5	5	5	5	5	5	5
5	5	1	5	5	5	5	5	5	5	5	5
1	5	5	5	5	5	5	5	4	5	4	5
5	5	1	5	5	5	1	3	4	3	2	3
5	5	1	3	5	4	2	2	2	2	2	2
5	5	1	3	5	4	2	2	2	2	2	2
3	5	1	5	3	3	3	2	4	2	2	1
4	5	4	4	5	4	4	4	4	4	4	4
5	5	5	5	5	5	3	5	5	5	5	4
2	4	1	3	4	3	1	1	4	4	1	3
2	4	1	3	4	3	1	1	4	4	1	3
1	2	2	2	1	1	1	5	4	5	4	5
4	4	5	5	5	5	5	4	3	4	4	4
5	2	2	5	5	3	5	5	4	5	2	5
4	5	1	5	5	5	4	2	2	2	2	2
4	5	1	5	5	4	4	2	2	4	5	5
1	5	5	5	5	5	5	3	5	5	3	5
3	5	1	4	5	3	4	2	5	5	5	5
5	5	5	5	5	5	5	2	2	4	2	2
4	5	2	5	5	5	2	5	1	5	5	5
5	5	1	5	5	5	5	4	5	5	3	5
1	5	1	5	5	5	5	2	2	2	2	2
4	4	4	3	3	2	2	5	5	5	3	5
5	5	5	5	5	5	5	2	4	5	4	3
4	3	4	5	5	4	4	4	4	4	5	4
5	5	1	5	5	5	1	5	5	5	5	5
4	5	1	5	4	2	5	4	4	4	5	5
1	1	1	1	1	1	1	1	1	1	2	2
2	2	4	4	2	2	3	2	4	5	4	4
5	4	2	3	3	4	3	3	3	4	5	5
5	5	5	1	4	2	3	5	5	5	5	5
5	5	5	5	5	4	4	2	2	4	4	2
5	5	1	5	5	5	3	5	5	5	2	5
5	5	1	5	5	5	5	3	3	5	5	3
3	5	5	5	5	5	1	3	3	2	2	2
5	5	5	5	5	4	4	2	2	2	2	2
5	5	5	5	5	5	5	5	5	5	5	5
5	2	1	5	5	5	2	4	5	5	5	5
2	5	5	5	5	5	1	5	5	5	5	5
4	4	3	5	5	5	3	3	3	2	2	4
5	5	5	5	5	5	5	5	5	5	5	5
2	2	1	1	1	1	1	1	1	1	2	1
2	2	1	1	1	1	1	1	1	1	2	1
4	4	1	3	5	4	3	3	3	3	2	2
5	2	1	5	5	5	5	5	5	5	5	5
5	4	4	5	5	5	5	4	4	4	3	3
2	5	3	5	5	5	5	5	5	5	4	5
1	1	1	1	1	3	2	1	1	1	1	1
5	5	5	5	5	5	5	3	3	3	3	3
2	2	3	5	5	5	5	4	2	4	4	4
5	2	3	5	5	5	4	2	3	4	3	3
5	5	5	5	5	5	5	5	4	5	4	5
2	2	1	1	1	1	1	1	1	1	2	1
3	3	4	5	5	4	5	4	3	4	5	5
1	2	2	4	4	3	2	4	2	5	4	4
5	5	5	5	5	5	5	1	1	5	1	5
1	5	1	3	5	4	5	4	5	5	2	5
5	5	4	5	5	5	5	2	1	5	5	5
1	5	1	2	5	2	2	2	3	3	4	3
4	5	2	5	2	3	4	5	4	4	4	4
5	5	4	5	5	5	5	5	5	5	4	5
5	4	3	3	4	4	3	5	3	4	4	3
1	5	4	5	5	5	5	1	4	4	2	4
5	5	3	4	5	5	4	5	5	5	3	5
3	5	5	5	5	4	4	4	5	5	5	5
3	3	1	3	5	4	2	3	4	4	4	4
3	3	1	3	5	4	2	3	4	4	4	4
1	2	1	1	1	1	1	1	1	1	1	1
4	4	5	5	5	5	4	2	2	3	3	4
2	3	3	4	5	3	2	4	4	4	2	1
2	2	5	1	2	2	5	2	5	5	5	4
3	4	1	2	3	3	3	4	4	4	4	4
5	4	4	5	5	4	5	1	2	5	5	5
4	4	3	3	3	3	3	4	3	3	3	3
4	5	1	5	5	3	5	5	5	5	3	5
5	5	1	5	5	5	5	4	2	2	1	4
4	1	5	2	5	5	4	2	2	1	2	4
5	5	5	5	5	5	5	4	4	4	2	4
3	5	1	5	5	5	3	3	3	4	4	4
1	5	1	5	5	3	5	3	1	5	4	5
4	4	3	4	3	5	5	4	4	3	4	3
2	5	2	5	5	5	2	4	5	5	5	5
3	3	3	3	3	3	3	5	4	4	1	1
1	2	2	5	5	5	2	2	4	4	2	4
2	2	1	3	2	3	1	5	1	5	4	4
5	5	5	5	5	5	5	2	2	2	2	2
2	2	2	2	2	2	2	2	3	3	2	2
2	2	2	2	2	2	2	2	3	3	2	2
5	5	3	5	5	5	5	1	1	5	3	2
5	5	1	1	5	4	5	1	2	2	4	1
1	1	1	1	2	2	2	3	3	4	5	4
1	1	1	1	2	2	2	3	3	4	5	4
5	4	2	4	2	2	5	4	4	4	5	4
5	5	3	5	3	2	4	5	5	3	5	5
5	5	1	5	1	2	5	4	5	4	3	2
2	2	2	5	5	5	5	5	5	5	5	5
2	5	1	5	5	5	5	4	2	5	4	4
5	5	2	5	2	2	5	2	2	5	2	2
1	5	1	5	5	5	3	4	4	4	4	5
4	5	1	5	5	5	3	4	5	4	4	4
1	1	1	3	5	4	5	4	4	4	4	4
5	2	5	5	5	5	5	1	4	5	2	4
5	2	1	5	1	4	5	1	4	4	1	4
5	1	1	2	2	2	5	5	4	4	2	2
1	5	5	5	4	4	5	2	2	3	1	2
5	5	1	5	5	5	5	4	4	4	5	5
5	5	4	5	3	3	5	2	2	2	2	2
4	5	1	5	5	4	5	2	4	5	5	5
5	5	5	5	5	5	5	5	4	4	5	5
5	1	1	5	5	5	5	1	4	5	4	4
5	5	3	3	5	3	4	1	5	5	5	5
5	5	2	5	5	5	5	5	5	5	5	5
1	5	1	5	5	2	4	2	3	5	3	3
5	4	5	5	5	5	5	5	5	5	4	5
4	5	2	5	5	5	5	2	4	4	1	2
4	2	4	5	5	5	5	3	4	4	2	4
5	2	5	5	5	5	1	2	4	4	4	4
5	5	5	5	5	5	5	2	2	2	5	5
5	5	5	5	5	5	5	1	2	2	4	5
2	2	2	3	4	3	5	5	1	5	4	4
1	2	5	5	5	5	5	4	4	2	1	2
5	5	5	5	5	5	5	5	5	5	5	5
3	5	3	5	5	2	5	5	5	4	4	4
2	3	2	4	3	1	2	4	2	2	1	2
2	2	3	5	5	5	5	5	5	5	4	5
4	5	1	5	5	5	4	2	3	5	4	3
2	2	2	2	5	5	2	5	5	5	5	5
;
run;
proc calis data=ex method=ml  toteff mod;
	lineqs PHD1 = F1 + e1,       /*lineqs语句列出方程组*/
			PHD2 = a2 F1 + e2,   /*e2表示误差*/
			PHD3 = a3 F1 + e3,
			PHD4 = a4 F1 + e4,
			PHD5 = a5 F1 + e5,
			PHD6 = a6 F1 + e6,
			PHD7 = a7 F1 + e7,
			PSD1 =  F2 + e8,
			PSD2 = a9 F2 + e9,
			PSD3 = a10 F2 + e10,
			PSD4 = a11 F2 + e11,
			PSD5 = a12 F2 + e12,
			F2 = a13 F1 + e13;
	std e1-e13 F1=14*var;       /*std：定义变量的方差名字*/
run;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316

总结

以上为全部内容，共涉及12大类SAS基本统计分析语句。

相关阅读:
算法与数据结构【30天】集训营——时间复杂度与空间复杂度（02）
30秒完成在Docker Desktop中搭建kafka----你肯定没我快
 GB-T 43698-2024 网络安全技术软件供应链安全要求
 物种基因组大小查询之流式结果查询
 Linux——监控GPU集群显存并自动运行python训练脚本
 解锁 OpenAI 密钥的新利器：OpenAI Key 有效性查询工具，支持GPT4
LLM逻辑推理的枷锁与破局策略
 英文翻译阿拉伯语-批量英文翻译阿拉伯语工具免费
 SpringMVC项目整合SSM统一异常处理
 22年最新金九银十面试必备
原文地址：https://blog.csdn.net/hyy11111/article/details/127786330

SAS基本统计分析语句

SAS基本统计分析语句

一、正态性检验(univariate)

二、t检验(means univariate ttest)

三、方差分析

1. 完全随机设计资料的方差分析(anova)

2. 随机区组设计资料的方差分析(anova)

3. 两阶段交叉设计资料的方差分析(anova)

4. 两因素析因设计资料的方差分析(anova)

5. 正交设计资料的方差分析(anova)

6. 嵌套设计资料的方差分析(glm)

7. 重复测量资料的方差分析(glm)

8. 完全随机设计资料的协方差分析(glm)

四、卡方检验

1.四格表资料的χ2检验 (freq)

2.Fisher确切概率法(freq)

3.行x列表的χ2检验 (双向有序资料)(freq)

五、秩和检验

1. 配对样本差值的Wilcoxon符号秩检验(univariate)

2.两独立样本比较的Wilcoxon秩和检验(npar1way wilcoxon)

2.多组等级资料比较的秩和检验(npar1way wilcoxon)

2.完全随机设计多个样本比较的Kruskal-Wallis检验(npar1way wilcoxon)

2.随机区组设计多个样本比较的Friedman检验(freq)

六、多元线性回归分析

1. 两变量分析

1.1 直线回归分析(reg)

1.2 直线相关分析(corr)

1.3 秩相关分析(corr spearman)

1.4 对数曲线回归分析(nlin)

1.5 指数曲线回归分析(nlin)

2. 多元回归分析(reg)

七、logistic回归分析

1. 多个自变量的logistic回归分析(logistic)

2. 1：M配对资料的logistic回归分析(phreg)

3. 应变量为有序资料的logistic回归分析(logistic)

4. 应变量为多分类资料的logistic回归分析(logistic)

八、广义线性模型

1.对数线性模型(genmod)

2.Poisson模型(genmod)

3.负二项模型(genmod)

九、生存分析

1.Log-rank检验(lifetest)

2.Cox回归分析(phreg)

十、判别和聚类分析

1.判别分析(discrim)

2.聚类分析(cluster-Ward varclus)

十一、主成分分析与因子分析

1.主成分分析(princomp)

2.因子分析(factor)

十二、典型相关分析和结构方程模型

1. 典型相关分析(cancorr)

2.结构方程模型(calis lineqs)

总结

1.四格表资料的χ²检验 (freq)

3.行x列表的χ²检验 (双向有序资料)(freq)