- 1、本文档共12页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
2013-2014学年度第二学期统计分析软件SAS考试试卷(A)(答案)
暨 南 大 学 考 试 试 卷
教
师
填
写 2013 - 2014 学年度第____二_____学期
课程名称: 统计分析软件SAS
授课教师姓名: 伍超标
考试时间:____2014____年__7 _月___1 __日 课程类别
必修[ ] 选修[ √ ] 考试方式
开卷[ ] 闭卷[√] 试卷类别(A、B)
[ A ] 共 12 页 考
生
填
写
学院(校) 专业 班(级)
姓名 学号 内招[ ] 外招[ ] 题 号 一 二 三 四 五 六 七 八 九 十 总 分 得 分
得分 评阅人 一、填空题(共10空,每空2分,共20分)
1. 一个完整的SAS 程序由二部分组成: _数据 __步与_ 过程 __步.
2. 多元统计分析中的判别分析与聚类分析的本质区别是: _类别是否已知,若已知,则为判别分析;否则为聚类分析 _.
3. 进行数值资料的描述统计描述的两个基本SAS过程是: _MEANS_过程与__ _UNIVARIATE_过程.
4. 把多个SAS数据集进行横向合并、纵向合并所用的语句分别是_MERGE_ 语句、__SET_语句.
5. 进行分类资料的统计分析的两个基本SAS过程是: _ LOGISTIC __过程与_ FREQ __过程.
6. 进行数值资料的方差分析的两个基本SAS过程是: _ ANOVA __过程与_ GLM __过程.
7. 在SAS中,可用于进行相关分析的过程常用的有:简单线性相关及等级相关的_ CORR _过程与典型相关的_ CANCORR _过程.
8. 秩和检验的SAS过程中最常用的有二种:一是用于配对设计数值变量资料符号秩和验的 UNIVARIATE _过程,另一是用于成组设计两样本比较及多个样本比较的秩和检验的 _ NPAR1WAY _过程.
9. GLM过程可用于:进行(1)_、(2)协方差分析及建立(3)_ 多项式 _回归.
10. 在SAS中,可用于进行数值资料回归分析的过程常用的有:一元及多元线性回归的 REG _过程与非线性回归的_ NLIN _过程.
得分 评阅人 二、单项选择题:每题的备选项中,只有一个最符合题意,将你的答案填写在下面的表格中(共10小题,每小题2分,共20分) 题号 1 2 3 4 5 6 7 8 9 10 答案 A C B B A D A C A B (一)
SAS数据集E3是对20名25∽34岁的健康妇女进行体检取得的,现需要建立由头肌皮褶厚度(,cm),大腿围(,cm)及中臂围(,cm)预测身体脂肪(,cm)分布的方程. 运行SAS某些过程,有以下SAS运行结果:
The REG Procedure
Model: M1
Dependent Variable: y
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr F
Model 3 396.98461 132.32820 21.52 .0001
Error 16 98.40489 6.15031
Corrected Total 19 495.38950
Root MSE 2.47998 R-Square 0.8014
Dependent Mean 20.19500 Adj R-Sq 0.7641
Coeff Var 12.28017
Parameter Estimates
Parameter
文档评论(0)