第五讲SAS的多元统计分析.pptVIP

第一页，共三十四页，2022年，8月28日 SAS多元统计分析概论 多元统计分析是统计学的重要应用工具，SAS实现了许多常用的多元统计分析方法。SAS用于多变量分析的过程有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），用于判别分析的过程有DISCRIM（判别分析）、CANDISC（典型判别）、STEPDISC（逐步判别），用于聚类分析的过程有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）。我们主要介绍一些最常见的多元统计方法。 第二页，共三十四页，2022年，8月28日 SAS多元统计分析概论 现实中的统计对象经常用多个指标来表示，比如人口普查，就可以有姓名、性别、出生年月日、籍贯、婚姻状况、民族、政治面貌、地区等，企业调查，可以有净资产、负债、盈利、职工人数、还贷情况等等。多个指标（变量）可以分别进行分析，但是，我们往往希望综合使用这些指标，这时，有主分量分析、因子分析等方法可以把数据的维数降低，同时又尽量不损失数据中的信息。 第三页，共三十四页，2022年，8月28日 SAS多元统计分析概论 I. 主分量分析 一、理论介绍 主分量分析的目的是从原始的多个变量取若干线性组合，能尽可能多地保留原始变量 中的信息。从原始变量到新变量是一个正交变换（坐标变换）。设有 是一个 维随机变量，有二阶矩，记 ， 。考虑它的线性变换 第四页，共三十四页，2022年，8月28日 第五页，共三十四页，2022年，8月28日 第六页，共三十四页，2022年，8月28日 第七页，共三十四页，2022年，8月28日 第八页，共三十四页，2022年，8月28日 SAS的PRINTCOMP过程有如下功能： 完成主分量分析。 主分量的个数可以由用户自己确定，主分量的名字可以用户自己规定，主分量得分是否标准化可自己规定。 输入数据集可以是原始数据集、相关阵、协方差阵或叉积阵。输入为原始数据时，用户还可以规定从协方差阵出发还是从相关阵出发进行分析。由协方差阵出发时方差大的变量在分析中起到更大的作用。 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，每个主分量解释的方差比例，累计比例等。可生成两个输出数据集：一个包含原始数据及主分量得分，另一个包含有关统计量，类型为TYPE=CORR或COV。 可揭示变量间的共线关系。若某特征值特别接近0说明变量线性相关，这时用这些变量作回归自变量可能得到错误的结果。 第九页，共三十四页，2022年，8月28日 PRINCOMP主要使用PROC PRINCOMP语句与VAR语句。PROC PRINCOMP语句用来规定输入输出和一些运行选项，包括： DATA=输入数据集，可以是原始数据集，也可以是TYPE=CORR,COV的数据集 OUT=输出包含原始数据和主分量得分的数据集 OUTSTAT=统计量输出数据集 COV 要求从协方差阵出发计算主分量。缺省为从相关阵出发计算。 N=要计算的主分量个数。缺省时全算。 NOINT 要求在模型中不使用截距项。这时统计量输出数据集类型为TYPE=UCORR或UCOV。 STD 要求在OUT=的数据集中把主分量得分标准化为单位方差。不规定时方差为相应特征值。 用VAR语句指定原始变量。必须为数值型（区间变量）。 第十页，共三十四页，2022年，8月28日 三、应用举例 例1．一月和七月平均气温的主分量分析 在数据集TEMPERAT中存放有美国一些城市一月和七月的平均气温。我们希望对这两个气温进行主成分分析，希望用一个统一的温度来作为总的可比的温度，所以进行主分量分析。程序如下： SAS多元统计分析概论 第十一页，共三十四页，2022年，8月28日 /*EXAMPLE 1*/ DATA TEMPERAT; INPUT CITY $1-15 JANUARY JULY; CARDS; MOBILE 51.2 81.6 PHOENIX 51.2 91.2 LITTLE ROCK 39.5 81.4 SACRAMENTO 45.1 75.2 DENVER 29.9 73.0 HARTFORD 24.8 72.7 WILMINGTON 32.0 75.8 WASHINGTON DC 35.6 78.7 JACKSONVILLE 54.6 81.0 MIAMI