用SAS分析农业生产总值的影响因素.doc

用SAS分析农业生产总值的影响因素 一、导入数据 libname pD:\data sas; data p.fpg; infileD:\data sas\1.txtfirstobs=2; input obs$ area$ sector$ code$ gvp plough water wv chulao wsloss hum pre sun fe; run; 描述统计分析 proc sort; by sector; run; proc means data=p.fpg maxdec=1 n mean std var cv range stderr skewness kurtosis; var gvp plough water wv chulao wsloss hum pre sun fe; by sector; run; 从描述统计分析结果中可以看出，A,B,C,D,E,F,G七个地区的农业生产总值有差异，变量的均值、标准差等统计量有明显不同。A,F,G三个地区的情况较为接近。A农业生产总值均值为988.7，F农业生产总值均值为1007，G农业生产总值均值为794.7，B,E两个地区的情况较为接近。B农业生产总值均值为1376.5，E农业生产总值均值为1348.6。E农业生产总值均值为2763.6，与其他地区存在明显差异。 对各地区农业生产总值数据进行正态性检验，判断各地区农业生产总值是否服从正态分布。 proc univariate data=p.fpg normal plot; var gvp ; by sector; Run UNIVARIATE PROCEDURE 变量: gvp sector=A 矩 N 5 权重总和 5 均值 988.7 观测总和 4943.5 标准差 1070.17504 方差 1145274.62 偏度 1峰度 2 未校正平方和 9468736.91 校正平方和 4581098.46 变异系数 108.240623 标准误差均值 478.596827 基本统计测度 位置 变异性 均值 988.7000 标准差 1070 中位数 767.1000 方差 1145275 众数 . 极差 2612 四分位间距 877.90000 位置检验: Mu0=0 检验 统计量 p 值 Student t t 2.065831 Pr |t| 0.1077 符号检验 M 2.5 Pr = |M| 0.0625 符号秩检验 S 7.5 Pr = |S| 0.0625 正态性检验 检验 统计量 p 值 Shapiro-Wilk W 0.828221 Pr W 0.1349 Kolmogorov-Smirnov D 0.274259 Pr D 0.1500 Cramer-von Mises W-Sq 0.076628 Pr W-Sq 0.1895 Anderson-Darling A-Sq 0.460675 Pr A-Sq 0.1427 由于样本容量小于2000，所以应采取Shapiro-Wilk统计量对样本数据进行正态检验，从软件输出结果可以看出，A地区的农业生产总值的正态分布检验的显著性概率为13.49%，所以认为样本数据来自于正态分布的总体。 B地区的农业生产总值的正态分布检验的显著性概率为70.9% C地区的农业生产总值的正态分布检验的显著性概率为52.2% D地区的农业生产总值的正态分布检验的显著性概率为12.17% E地区的农业生产总值的正态分布检验的显著性概率为49.99% F地区的农业生产总值的正态分布检验的显著性概率为47.59% G地区的农业生产总值的正态分布检验的显著性概率为28.91% 所以认为七个地区的农业生产总值均服从正态分布假设。 七个地区的农业生产总值的盒形图对比如下 从图中可以直观地看出七个地区的农业生产总值存在显著差异，故采用方差分析的方法来分析七个地区的农业生产总值之间的差异。 对七个地区的农业生产总值进行方差分析结果如下 proc anova data=p.fpg; class sector; model gvp=sector; run; ANOVA 过程 因变量: gvp 源 自由度 平方和 均方 F 值 Pr F 模型 6 9421409.24 1570234.87 1.78 0.1464 误差 2460 883219.82 校正合计 3084 R 方 变异系数 均方根误差 gvp 均值 0.30