第三讲 SAS基本统计分析.pptVIP

SAS软件应用 SAS基本统计分析概论 一些单变量检验问题 一些单变量检验问题 一些单变量检验问题 一些单变量检验问题 一些单变量检验问题 The End of Session 求职应注意的礼仪 求职时最礼貌的修饰是淡妆 面试时最关键的神情是郑重 无论站还是坐，不能摇动和抖动 对话时目光不能游弋不定 要控制小动作 不要为掩饰紧张情绪而散淡 最优雅的礼仪修养是体现自然 以一种修养面对两种结果 必须首先学会面对的一种结果----被拒绝 仍然感谢这次机会，因为被拒绝是面试后的两种结果之一。 被拒绝是招聘单位对我们综合考虑的结果，因为我们最关心的是自己什么地方与用人要求不一致，而不仅仅是面试中的表现。 不要欺骗自己，说“我本来就不想去”等等。 认真考虑是否有必要再做努力。 必须学会欣然面对的一种结果----被接纳 以具体的形式感谢招聘单位的接纳，如邮件、短信 考虑怎样使自己的知识能力更适应工作需要 把走进工作岗位当作职业生涯的重要的第一步，认真思考如何为以后的发展开好头。 Thank you 下一个结果为残差对预测值的散点图，用它可以检验残差中有无异常情况，比如非线性关系、异方差、模型辨识错误、异常值、序列相关等等。此例中各散点较随机地散布在0线的上下，没有明显的模式，可认为结果是合适的（多余的不显著的变量AGE不反映在残差图中）。 用Tables菜单可以加入一些其它的统计量。用Graphs菜单可以加入残差的正态概率图（Residual Normal QQ）和偏杠杆图（Partial Leverage）。 在Vars菜单中可以指定一些变量，这些变量可以加入到数据窗口中。数据窗口的内容保存在内存中，不自动改写磁盘中的数据集，所以要保存数据窗口的修改结果的话需要用“File | Save | Data”命令指定一个用来保存的数据集名。为了了解加入的变量的具体意义，选数据窗口菜单中的“Data Options”，选中“Show Variable Labels”选项。各变量中，Hat Diag为帽子矩阵的对角线元素（帽子矩阵的） ,即杠杆率， 反映了每个观测的影响大小。Predicted为拟合值（预报值），Linear Predictor为使用线性模型拟合的结果，在线性回归时与Predicted相同。 残差对预测值散点图 Residual为残差。Residual Normal Quantile是残差由小到大排序后对应的标准正态的分位数，第 个残差的正态分位数用 计算，其中 为残差除以其标准误差。Studentized Residual（学生化残差）为与标准化残差类似，但计算第 个学生化残差时预测值和方差估计都是在删除第 个观测后得到的。当学生化残差的值超过2时这个观测有可能是强影响点或异常点。 为标准正态分布函数。Standardized Residual（标准化误差） 关于其它的一些诊断统计量请参考帮助菜单的“Extended Help | SAS System Help: Main menu | Help for SAS Products | SAS/INSIGHT | Techniques | Multiple Regression”，或《 SAS应用统计实验》 《 SAS应用统计教程》。 在SAS/INSIGHT中，为了保存结果表格，在进行分析之前选中菜单“File | Save | Initial Tables”，这是一个状态开关，选中时输出表格画在分析窗口内的同时显示在输出（Output）窗口。如果要保存某一个表格，也可以选定此表格（单击表格外框线），然后用菜单“File | Save | Tables”。为了保存分析窗口的图形，先选定此图形，然后选“File | Save | Graphics File”，输入一个文件名，选择一种文件类型如BMP即可。为了打印某一表格或图形，先选定它，然后用菜单“File | Print”。选中“File | Save | Statements”可以开始保存SAS/INSIGHT语句。 案例：用INSIGHT对数据集CARS 做回归诊断 用SAS/INSIGHT拟合广义线性模型 经典线性回归理论的估计与假设检验要求自变量 为常数（非随机），随机误差项满足 广义线性模型放宽了这些假设，其模型为 其中因变量 （ 为服从指数族分布（如正态、逆高斯、伽马、泊松、二项分布）的随机变量， （ 向量）的元素为与 分布类型相同的随机误差项，元素之间 叫做联系函数，它把因变量的均值 与自变量 （ 阵）的线性组合联系起来。 （ 向量）为回归系数。模型中每个自变量对应于设计阵 中的一列或几列， 的第一列一般元素全为1，对应于截距项。 （ 向量）是表示偏移量的变量。 向量）的元素 相互独立，单调函数