SAS系統(tǒng)的多元統(tǒng)計分析功能.ppt

SAS系統(tǒng)用于多元統(tǒng)計分析的過程有：,多變量分析-PRINCOMP（主分量分析）, FACTOR（因子分析）, CANCORR（典型相關(guān)分析）, MDS（多維標(biāo)度過程）, MULTTEST（多重檢驗）, PRINQUAL（定性數(shù)據(jù)的主分量分析）, CORRESP（對應(yīng)分析）； 判別分析-DISCRIM（判別分析）, CANDISC（典型判別）, STEPDISC（逐步判別）； 聚類分析-CLUSTER（譜系聚類）, FASTCLUS（ K均值快速聚類）, MODECLUS（非參數(shù)聚類）, VARCLUS（變量聚類）, TREE（畫譜系聚類的結(jié)果譜系圖并給出分類結(jié)果）.,第五章 SAS系統(tǒng)多元統(tǒng)計分析功能,5.1 主成分分析與PRINCOMP過程 5.2 因子分析與FACTOR過程 5.3 判別分析與STEPDISC、DISCRIM過程 5.4 聚類分析與CLUSTER過程,為了全面系統(tǒng)地分析和研究某些社會經(jīng)濟(jì)問題，可能必須同時考慮許多存在一定內(nèi)在聯(lián)系和相互關(guān)聯(lián)的經(jīng)濟(jì)指標(biāo)，這些指標(biāo)所反映的信息會有某種程度的重疊，但去除變量又會導(dǎo)致某些信息的損失； 主成分分析通過降維的方法，把相互關(guān)聯(lián)的多個變量轉(zhuǎn)變成少數(shù)互不相關(guān)的新變量（即主成分，也稱為綜合變量），各主成分由原來變量的線性關(guān)系表示，其包含信息量的多少由各自的方差測定，主成分的方差越大，所包含的信息量就越多。,PRINCOMP過程的主要功能：,完成主成分分析； 主成分的個數(shù)、名稱及得分是否標(biāo)準(zhǔn)化均可由用戶自己規(guī)定； 輸入的數(shù)據(jù)集可以是原始數(shù)據(jù)集、相關(guān)陣或協(xié)方差陣等； 計算結(jié)果有：簡單統(tǒng)計量、相關(guān)陣或協(xié)方差陣，從大到小排序的特征值和相應(yīng)特征向量，每個主成分解釋的方差比例、累計比例等； 可揭示變量間的共線關(guān)系，若某特征值特別接近于0，則說明變量線性相關(guān)。,PROC PRINCOMP DATA= OPTIONS ； VAR 變量名列； WEIGHT 變量名列； FREQ 變量名列； PARTIAL 變量名列； BY 變量名列； RUN；,PRINCOMP過程的一般形式：,PROC PRINCOMP過程的常用選項有：,OUT= 把計算的統(tǒng)計量存入指定的數(shù)據(jù)集； COVARIANCE(或COV) 指定以協(xié)方差矩陣為分析數(shù)據(jù)，缺省則以相關(guān)系數(shù)矩陣為分析數(shù)據(jù)； N=正整數(shù) 指定要保留的主成分個數(shù)； PREFIX=主成分名 為主成分命名，缺省則自動命名為：PRIN1,PRIN2,； STANDARD (或STD) 對各主成分進(jìn)行標(biāo)準(zhǔn)化，使各主成分的方差為1； NOINT 作協(xié)方差矩陣主成分分析或相關(guān)行列主成分分析時，各變量不對其平均數(shù)加以修正。,VAR語句 指定主成分分析中使用的變量； WEIGHT語句 對已輸入的資料附加加權(quán)數(shù)據(jù)； FREQ語句 表示變量的頻數(shù)； PARTIAL語句 除去特定變量的線性效果后，利用偏 相關(guān)分析或者協(xié)方差矩陣進(jìn)行分析； BY語句 按指定變量分類（需先排序）后，對 每一個分類進(jìn)行主成分分析。,PROC PRINCOMP過程的常用語句有：,data one(type=corr); _type_=corr; input _name_ $ x1 x2 x3 x4 x5 ; cards; x1 1 . . . . x2 0.577 1 . . . x3 0.509 0.599 1 . . x4 0.387 0.389 0.436 1 . x5 0.462 0.322 0.426 0.523 1 ; run; proc princomp; run;,輸出結(jié)果：,用SAS/INSIGHT方式進(jìn)行主成分分析,用分析員應(yīng)用方式進(jìn)行主成分分析,第五章 SAS系統(tǒng)多元統(tǒng)計分析功能,5.1 主成分分析與PRINCOMP過程 5.2 因子分析與FACTOR過程 5.3 判別分析與STEPDISC、DISCRIM過程 5.4 聚類分析與CLUSTER過程,因子分析是主成分分析的推廣，它通過少數(shù)幾個不可直接測量的、獨立的、專業(yè)上有意義的公因子來說明相關(guān)變量之間復(fù)雜結(jié)構(gòu)關(guān)系； 因子分析與主成分分析的不同：后者是尋找反映多個指標(biāo)的獨立的綜合指標(biāo)，而前者是尋找解釋多個指標(biāo)的獨立的公因子，若初始因子難以合理解釋，可利用因子旋轉(zhuǎn)法從旋轉(zhuǎn)后因子得到合理解釋； 因子分析的主要用途：利用公因子來探索和解釋原多個指標(biāo)對個體特征的描述，對原始變量進(jìn)行分門別類的綜合評價等。,PROC FACTOR過程的常用選項,PROC FACTOR過程的常用選項,VAR語句 指定因子分析中使用的變量； WEIGHT語句 對已輸入的資料附加加權(quán)數(shù)據(jù)； FREQ語句 表示變量的頻數(shù)； PARTIAL語句 除去特定變量的線性效果后，利用偏 相關(guān)分析或者協(xié)方差矩陣進(jìn)行分析； BY語句 按指定變量分類（需先排序）后，對 每一個分類進(jìn)行因子分析。,PROC FACTOR過程的常用語句,PROC SCORE DATA= SCORE= OUT=； VAR 用來計算得分的原始變量集合； RUN；,計算因子得分,data one(type=corr); _type_=corr; input _name_ $ x1 x2 x3 x4 x5 ; cards; x1 1 . . . . x2 0.577 1 . . . x3 0.509 0.599 1 . . x4 0.387 0.389 0.436 1 . x5 0.462 0.322 0.426 0.523 1 ; run; proc factor scree nfact=2 score rotate=varimax; var x1-x5; run;,輸出結(jié)果（1）：,輸出結(jié)果（3）：,第五章 SAS系統(tǒng)多元統(tǒng)計分析功能,5.1 主成分分析與PRINCOMP過程 5.2 因子分析與FACTOR過程 5.3 判別分析與STEPDISC、DISCRIM過程 5.4 聚類分析與CLUSTER過程,判別分析是根據(jù)表明事物特點的變量值及其分類，求出判別函數(shù)，再根據(jù)判別函數(shù)對未知所屬類別的事物進(jìn)行分類的一種分析方法； 判別分析的步驟：在各歸屬類的K個獨立變量中，選擇對判別分析有顯著影響的P個獨立變量；利用被選定的P個獨立變量的觀測值擬合判別函數(shù)；計算判別函數(shù)的誤判率，分析判別函數(shù)模型的選擇是否正確；利用已建立的判別函數(shù)判別新樣本(觀測值)的歸屬類別。,PROC STEPDISC DATA= OPTIONS ； VAR 變量名列； CLASS 因(類)變量； BY 變量名列； RUN；,STEPDISC過程的一般形式,(利用逐步判別分析法對變量進(jìn)行篩選),STEPDISC過程的一般形式,PROC DISCRIM DATA= OPTIONS ； CLASS 因(類)變量； VAR 變量名列； PRIORS 概率； WEIGHT 變量名列； TESTCLASS 變量名列； BY 變量名列； RUN；,DISCRIM過程的一般形式,PROC DISCRIM過程的常用選項,PROC DISCRIM過程的常用選項,PROC DISCRIM過程的常用選項,CLASS語句 指明歸屬類的變量； VAR語句 指定判別分析中使用的變量； WEIGHT語句 對已輸入的資料附加加權(quán)數(shù)據(jù)； PRIORS語句 指定先驗概率； TESTCLASS語句指定存儲在TESTDATA中的某些變量， 以檢驗其觀測值是否存在誤判的情況； BY語句 按指定變量分類（需先排序）后，對 每一個分類進(jìn)行判別分析。,PROC DISCRIM過程的常用語句,proc stepdisc data=sunny.bankry method=stepwise; var x1-x4; class y; run;,輸出結(jié)果(部分)：,proc discrim data=sunny.bankry pool=test slpool=0.05 listerr outstat=one; var x2 x3; class y; run; proc print data=one; run;,輸出結(jié)果(部分)：,可見，應(yīng)拒絕兩類的協(xié)方差矩陣相等的原假設(shè)，即兩類的協(xié)方差矩陣不滿足方差齊性的要求，應(yīng)建立二次判別函數(shù).,輸出結(jié)果(部分)：,data two; input x1-x4 y; cards; 0.04 0.01 1.50 0.71 0 -0.06 -0.06 1.37 0.40 0 0.07 -0.01 1.37 0.34 0 -0.13 -0.14 1.42 0.44 0 0.15 0.06 2.23 0.56 1 0.16 0.05 2.31 0.20 1 0.29 0.06 1.84 0.38 1 0.54 0.11 2.33 0.48 1 ; run; proc discrim data=one testdata=two testlist; class y; testclass y; run;,輸出結(jié)果：,第五章 SAS系統(tǒng)多元統(tǒng)計分析功能,5.1 主成分分析與PRINCOMP過程 5.2 因子分析與FACTOR過程 5.3 判別分析與STEPDISC、DISCRIM過程 5.4 聚類分析與CLUSTER過程,聚類分析是依據(jù)事物的性質(zhì)和特征的不同，將具有相似性質(zhì)或距離的個體聚為一類，具有不同性質(zhì)的個體聚為不同類的分類方法； 聚類分析與判別分析的區(qū)別：前者是用某種方法把分類未知的觀測進(jìn)行合理分類，使同一類的觀測比較接近，是無指導(dǎo)的學(xué)習(xí)；后者則是已知分類然后總結(jié)出判別規(guī)律，是有指導(dǎo)的學(xué)習(xí)； SAS系統(tǒng)提供了譜系聚類(常用)、快速聚類、變量聚類等聚類過程。,譜系聚類法有合并聚類和分割聚類兩種，前者是把較有密切相似性關(guān)系的個體逐一聚類，由原來的n個類最后變成一個新類；后者是把非相似性關(guān)系的個體逐一分割出去，由原來的一個類最后變成n個新類，以合并聚類法較為常用； 兩類之間距離的定義方法主要有：最短距離法(Single Linkage Method)、最長距離法(Complete Linkage Method)、類平均法(Average Linkage Method)、重心法(Centrorid Linkage Method).,CLUSTER過程,實現(xiàn)譜系聚類的分析過程,CLUSTER過程的常用選項,能最大限度地控制情報損失，最為常用,CLUSTER過程的常用選項,VAR語句 指定聚類分析中使用的變量； ID語句 指定用于識別觀測值的標(biāo)志變量； COPY語句 將指定的輸入數(shù)據(jù)集中的變量復(fù)制到由OUTTREE=所指定的輸出數(shù)據(jù)集中； BY語句 按指定