SAS学习系列19. PROC MEANS均值以及均值的T检验.docxVIP

19. PROC MEANS均值以及均值的T检验 （一）PROC MEANS过程步 由PROC UNIVARIATE过程步生成的大多数统计描述，用PROC MEANS过程步也可以实现。区别是，UNIVARIATE是做更深入的统计分析；如果只是需要计算少数的统计量，PROC MEANS更适合（不能做图形输出）。 基本语法： PROC MEANS data = 数据集 statistic-keywords; CLASS variable; VAR variable-list; 说明： （1）CLASS指定分组变量，VAR指定要做统计分析的变量； （2）默认置信水平是0.05（即95%的置信限），若要设定在统计量关键词位置加上，例如，ALPHA =0.1; （3）若不加统计量关键词，默认输出：均值、非缺省值个数、标准差、最小值、最大值。可选的统计量关键词包括： 关键词 说明 关键词 说明 CLM 双边置信限 RANGE 极差 CSS 校正平方和 SKEWNESS 偏度 CV 变异系数 STDDEV 标准差 KURTOSIS 峰度 STDERR 均值的标准误 LCLM 置信下限 SUM 求和 MAX 最大值 SUMWGT 求权重和 MIN 最小值 UCLM 置信下限 MEAN 均值 USS 未修正的平方和 MODE 众数 N 非缺省值个数 NMISS 缺省值个数 PROBT T检验的概率 T T值 Q1或P25 第1四分位数 MEDIAN 或P50 中位数 Q3或P75 第3四分位数 P1 1%分位数 P5 5%分位数 P10 10%分位数 P90 90%分位数 P95 95%分位数 P99 99%分位数 例1 儿童书作家考察市面上儿童书的页数作为出书的参考，搜集数据（C:\MyRawData\Picbooks.dat）如下： 读入数据，计算数据个数、均值、中位数，以及90%的置信限。 代码： data booklengths; infile c:\MyRawData\Picbooks.dat; input NumberOfPages @@; run; *Produce summary statistics; proc means data = booklengths N MEAN MEDIAN CLM ALPHA = 0.10 MAXDEC = 2; title Summary of Picture Book Lengths; run; 运行结果： 说明：有90%的把握说“儿童书的页数范围是：[26.44, 29.56]”. （二）假设检验的P值法 一、 什么是假设检验？ 实际中，我们只能得到抽取的样本（部分）的统计结果，要进一步推断总体（全部）的特征，但是这种推断必然有可能犯错，犯错的概率为多少时应该接受这种推断呢？ 为此，统计学家就开发了一些统计方法进行统计检定，通过把所得到的统计检定值，与统计学家树立了一些随机变量的概率分布进行对比，我们可以知道在百分之多少的机遇下会得到目前的结果。 倘若经比较后发现，涌现这结果的机率很少，即是说，是在时机很少、很罕有的情况下才出现；那我们便可以有信念地说，这不是巧合，该推断结果是具有统计学上的意义的。否则，就是推断结果不具有统计学意义。 二、假设检验的基本思想——小概率反证法思想 小概率思想是指小概率事件（Pα, α=0.05或0.01）在一次试验中基本上不会发生。反证法思想是先提出原假设（H0），再用适当的统计方法确定假设成立的可能性（P值）大小，如可能性小（P≤α），则认为原假设不成立，若可能性大，则还不能认为备择假设（H1）成立。 三、原假设与备择假设 原假设与备择假设是是完备且相互独立的事件组，一般， 原假设（H0）——研究者想收集证据予以反对的假设； 备择假设（H1）——研究者想收集证据予以支持的假设； 假设检验的P值是由检验统计量的样本观察值得出的原假设可被拒绝的最小显著水平。 假设检验判断方法有：临界值法、P值检验法。 四、假设检验分类及步骤（以T检验为例） 1. 双侧检验 I. 原假设H0: μ=μ0, 备择假设H1: μ≠μ0; Ⅱ. 根据样本数据计算出统计量t的观察值t0; Ⅲ. P值 = P{|t| ≥ |t0|} = t0的双侧尾部的面积； Ⅳ. 若P值≤α（在右尾部分），则在显著水平α下拒绝H0; 若P值α，则在显著水平α下接受H0; 注意：α为临界值，看P值在不在阴影部分（拒绝域），空白部分为接受域。 2. 左侧检验 I. 原假设H0: μ≥μ0, 备择假设H1: μμ0; Ⅱ. 根据样本数据计算出统计量t的观察值t0（ 0）; Ⅲ. P值 = P{t ≤ t0} = t0的左侧尾部的面积； Ⅳ. 若P值≤α（在左尾部分），则在显著水平α下拒绝H0;