第五章SAS系统的多元统计分析功能.ppt

CLASS语句 指明归属类的变量； VAR语句 指定判别分析中使用的变量； WEIGHT语句 对已输入的资料附加加权数据； PRIORS语句 指定先验概率； TESTCLASS语句指定存储在TESTDATA中的某些变量， 以检验其观测值是否存在误判的情况； BY语句 按指定变量分类（需先排序）后，对 每一个分类进行判别分析。 PROC DISCRIM过程的常用语句 数据集SUNNY.BANKRY是为研究中小企业破产模型而收集的38个企业的相关财务数据资料，各变量含义如下： X1—总负债率(Cash Flow/Total Debt); X2—收益性指标(Net Income/Total Assets); X3—短期支付能力(Current Assets/Current Liabilities); X4—生产效益性指标(Current Assets/Net Sales); Y —类别(0=已破产企业，1=正常运营企业). 例4.9 proc stepdisc data=sunny.bankry method=stepwise; var x1-x4; class y; run; 输出结果(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; 输出结果(部分)： 可见，应拒绝两类的协方差矩阵相等的原假设，即两类的协方差矩阵不满足方差齐性的要求，应建立二次判别函数. 输出结果(部分)： （后验概率的计算方法） （误报样本信息） 误判率 先验概率假设 SAS SAS系统用于多元统计分析的过程有： 多变量分析--PRINCOMP（主分量分析）, FACTOR（因子分析）, CANCORR（典型相关分析）, MDS（多维标度过程）, MULTTEST（多重检验）, PRINQUAL（定性数据的主分量分析）, CORRESP（对应分析）； 判别分析--DISCRIM（判别分析）, CANDISC（典型判别）, STEPDISC（逐步判别）； 聚类分析--CLUSTER（谱系聚类）, FASTCLUS（ K均值快速聚类）, MODECLUS（非参数聚类）, VARCLUS（变量聚类）, TREE（画谱系聚类的结果谱系图并给出分类结果）. 第五章 SAS系统多元统计分析功能 §5.1 主成分分析与PRINCOMP过程 §5.2 因子分析与FACTOR过程 §5.3 判别分析与STEPDISC、DISCRIM过程 §5.4 聚类分析与CLUSTER过程 ★ 主成分分析 (Principal Component Analysis) 为了全面系统地分析和研究某些社会经济问题，可能必须同时考虑许多存在一定内在联系和相互关联的经济指标，这些指标所反映的信息会有某种程度的重叠，但去除变量又会导致某些信息的损失； 主成分分析通过降维的方法，把相互关联的多个变量转变成少数互不相关的新变量（即主成分，也称为综合变量），各主成分由原来变量的线性关系表示，其包含信息量的多少由各自的方差测定，主成分的方差越大，所包含的信息量就越多。 PRINCOMP过程的主要功能： 完成主成分分析； 主成分的个数、名称及得分是否标准化均可由用户自己规定； 输入的数据集可以是原始数据集、相关阵或协方差阵等； 计算结果有：简单统计量、相关阵或协方差阵，从大到小排序的特征值和相应特征向量，每个主成分解释的方差比例、累计比例等； 可揭示变量间的共线关系，若某特征值特别接近于0，则说明变量线性相关。 PROC PRINCOMP DATA=数据集 OPTIONS ； VAR 变量名列； WEIGHT 变量名列； FREQ 变量名列； PARTIAL 变量名列； BY 变量名列； RUN； PRINCOMP过程的一般形式： PROC PRINCOMP过程的常用选项有： OUT=数据集 把计算的统计量存入指定的数据集； COVARIANCE(或COV) 指定以协方差矩阵为分析数据，缺省则以相关系数矩阵为分析数据； N=正整数 指定要保留的主成分个数； PREFIX=主成分名 为主成分命名，缺省则自动命名为：PRIN1,PRIN2,…； STANDARD (或STD) 对各主成分进行标准化，使各主成分的方差为1； NOINT 作协方差矩阵主成分分析或相关行列主成分分析时，各变量不对其平均