数据分析实验报告1408024111张冉.docx
《数据分析实验报告1408024111张冉.docx》由会员分享，可在线阅读，更多相关《数据分析实验报告1408024111张冉.docx（46页珍藏版）》请在冰豆网上搜索。
数据分析实验报告1408024111张冉
实验课程：
数据分析
专业：
信息与计算科学
班级：
14080241
学号：
**********
******************************************
中北大学理学院
实验一SAS系统的使用
【实验目的】使学生了解SAS系统，熟练掌握SAS数据集的建立及一些必要的SAS语句。
【实验内容】
1.将SCORE数据集的内容复制到一个临时数据集test。
SCORE数据集
Name
Sex
Math
Chinese
English
Alice
f
90
85
91
Tom
m
95
87
84
Jenny
f
93
90
83
Mike
m
80
85
80
Fred
m
84
85
89
Kate
f
97
83
82
Alex
m
92
90
91
Cook
m
75
78
76
Bennie
f
82
79
84
Hellen
f
85
74
84
Wincelet
f
90
82
87
Butt
m
77
81
79
Geoge
m
86
85
82
Tod
m
89
84
84
Chris
f
89
84
87
Janet
f
86
65
87
2．将SCORE数据集中的记录按照math的高低拆分到3个不同的数据集：
math大于等于90的到good数据集，math在80到89之间的到normal数据集，math在80以下的到bad数据集。
3．将2题中得到的good，normal，bad数据集合并。
【实验所使用的仪器设备与软件平台】
台式电脑，SAS软件
【实验方法与步骤】
1.将SCORE数据集的内容复制到一个临时数据集test
程序：
DATAscore;
inputName$Sex$MathChineseEnglish;
Cards;
Alicef908591
Tomm958784
Jennyf939083
Mikem808580
Fredm848589
Katef978382
Alexm929091
Cookm757876
Bennief827984
Hellenf908287
Winceletf908287
Buttm778179
Geogem868582
Todm898484
Chrisf898487
Janetf866587
;
run;
PROCPRINTDATA=socre;
实验结果：
2、将SCORE数据集中的记录按照math的高低拆分到3个不同的数据集：
math大于等于90的到good数据集，math在80到89之间的到normal数据集，math在80以下的到bad数据集。
程序：
datatext;
setsocre;
DATAgoodnormalbad;
setsocre;
select;
when（math>=90）outputgood;
when（math>=80&math<90）outputnormal;
when（math<80）outputbad;
end;
run;
procprintdata=good;
procprintdata=normal;
procprintdata=bad;
dataall;
setgoodnormalbad;
procprintdata=all;
run;
实验结果：
（1）math大于等于90的到good数据集：
（2）math在80到89之间的到normal数据集：
（3）math在80以下的到bad数据集：
实验二 上市公司的数据分析
【实验目的】通过使用SAS软件对实验数据进行描述性分析和回归分析，熟悉数据分析方法，培养学生分析处理实际数据的综合能力。
【实验内容】表2是一组上市公司在2001年的每股收益（eps）、流通盘（scale）的规模以及2001年最后一个交易日的收盘价（price）.
表2某上市公司的数据表
代码
流通盘
每股收益
股票价格
000096
8500
0.059
13.27
000099
6000
0.028
14.2
000150
12600
-0.003
7.12
000151
10500
0.026
10.08
000153
2500
0.056
22.75
000155
13000
-0.009
6.85
000156
3600
0.033
14.95
000157
10000
0.06
12.65
000158
10000
0.018
8.38
000159
7000
0.008
12.15
000301
15365
0.04
7.31
000488
7700
0.101
13.26
000725
6000
0.044
12.33
000835
1338
0.07
22.58
000869
3200
0.194
18.29
000877
7800
-0.084
12.55
000885
6000
-0.073
12.48
000890
16934
0.031
9.12
000892
12000
0.031
7.88
000897
14166
0.002
6.91
000900
21423
0.058
8.59
000901
4800
0.005
27.95
000902
6500
-0.031
10.92
000903
6000
0.109
11.79
000905
9500
0.046
9.29
000906
6650
0.007
14.47
000908
8988
0.006
8.28
000909
6000
0.002
9.99
000910
8000
0.036
8.9
000911
7280
0.067
9.01
000912
15000
0.112
8.06
000913
8450
0.062
11.86
000915
4599
0.001
14.4
000916
34000
0.038
5.15
000917
11800
0.086
16.23
000918
6000
-0.045
10.12
1、对股票价格
1）计算均值、方差、标准差、变异系数、偏度、峰度；
2）计算中位数，上、下四分位数，四分位极差，三均值；
3）作出直方图；
4）作出茎叶图；
5）进行正态性检验（正态W检验）；
6）计算协方差矩阵，Pearson相关矩阵；
7）计算Spearman相关矩阵；
8）分析各指标间的相关性。
2、1）对股票价格，拟合流通盘和每股收益的线性回归模型，求出回归参数估计值及残差；
2）给定显著性水平α=0.05，检验回归关系的显著性，检验各自变量对因变量的影响的显著性；
3）拟合残差关于拟合值
的残差图及残差的正态QQ图。
分析这些残差，并予以评述。
【实验结果】
1.程序：
dataprice;
inputx@@;
cards;
13.2714.27.1210.0822.756.85
14.9512.658.3812.157.3113.26
12.3322.5818.2912.5512.489.12
7.886.918.5927.9510.9211.79
9.2914.478.289.998.99.01
8.0611.8614.45.1516.2310.12
;
procprintdata=price;
run;
procmeansmeanvarstdcvskewnesskurtosis;
varx;
run;
procunivariateplotnormal;
run;
proccapabilitygraphics;
histogramx/normal;
run;
结果：
1）均值、方差、标准差、变异系数、偏度、峰度如图所示：
；
方差较大可看出样本数据值比较分散
偏度为正可得出样本总体分布是在右侧更为扩展的
峰度为正可得出样本总体分布中极端数值分布范围较广。
2）计算中位数，上、下四分位数，四分位极差，三均值
由procunivariate过程得：
从图中可知：
中位数：
M=11.355
上四分位数：
Q3=13.735
下四分位数：
Q1=8.485
四分位极差：
5.25000
三均值：
1/4（下四分位数）+1/2（中位数）+1/4（上四分位数）=11.232
3）作出直方图
由proccapability过程得：
从图中可以看出数据偏右。
从直方图上很难鉴别样本是否近似与某种类型的分布。
4）作出茎叶图；
从图中可以看出，绝大部分数据集中在
之间，在
之间形成一个高峰。
没有
和
之间的数据，有一个异常数据为280.
5）进行正态性检验（正态W检验）；
有procuniwariate过程，算得：
W=0.872266
P值为：
6）计算协方差矩阵，Pearson相关矩阵；
程序：
dataa1;
inputepsscaleprice;
cards;
85000.05913.27
60000.02814.2
12600-0.0037.12
105000.02610.08
25000.05622.75
13000-0.0096.85
36000.03314.95
100000.0612.65
100000.0188.38
70000.00812.15
153650.047.31
77000.10113.26
60000.04412.33
13380.0722.58
32000.19418.29
7800-0.08412.55
6000-0.07312.48
169340.0319.12
120000.0317.88
141660.0026.91
214230.0588.59
48000.00527.95
6500-0.03110.92
60000.10911.79
95000.0469.29
66500.00714.47
89880.0068.28
60000.0029.99
80000.0368.9
72800.0679.01
150000.1128.06
84500.06211.86
45990.00114.4
340000.0385.15
118000.08616.23
6000-0.04510.12
;
proccorrdata=a1covpeardonspearman;
varepsscaleprice;
withepsscaleprice;
run;
结果：
由proccorr过程得：
7）Spearman相关矩阵；
8）分析各指标间的相关性
均值
方差
标准差：
变异系数：
峰度：
偏度：
2、程序：
datahzp;
inputx1x2y;
cards;
85000.05913.27
60000.02814.2
12600-0.0037.12
105000.02610.08
25000.05622.75
13000-0.0096.85
36000.03314.95
100000.0612.65
100000.0188.38
70000.00812.15
153650.047.31
77000.10113.26
60000.04412.33
13380.0722.58
32000.19418.29
7800-0.08412.55
6000-0.07312.48
169340.0319.12
120000.0317.88
141660.0026.91
214230.0588.59
48000.00527.95
6500-0.03110.92
60000.10911.79
95000.0469.29
66500.00714.47
89880.0068.28
60000.0029.99
80000.0368.9
72800.0679.01
150000.1128.06
84500.06211.86
45990.00114.4
340000.0385.15
118000.08616.23
6000-0.04510.12
;
procprint;
run;
procregdata=hzp;
modely=x1x2;
outputout=ap=pr=rstudent=stdr;
procprintdata=a;
run;
procgplotdata=a;
plotx1*r=1x2*r=2y*r=3;
run;
proccapabilitydata=agraphics;
qqplotr/normal;
run;
1）对股票价格，拟合流通盘和每股收益的线性回归模型，求出回归参数估计值及残差；
设Y与X1，X2，X3的观测值之间满足关系：
其中
相互独立，均服从正态分布
方差分析输出结果：
参数估计输出结果：
其中r为残差。
2）给定显著性水平α=0.05，检验回归关系的显著性，检验各自变量对因变量的影响的显著性；
1.流通盘（scale）
拒绝原假设认为股票价格（price）与流通盘（scale）之间存在显著的显著回归关系
2.每股收益（eps）
拒绝原假设认为股票价格（price）与每股收益（eps）之间存在显著的显著回归关系
3）拟合残差关于拟合值
的残差图及残差的正态QQ图。
分析这些残差，并予以评述。
拟合值
的残差图：
残差的正态QQ图：
从图中可以得出：
1．正态QQ图中散点图是弯曲的，在一条直线的下方，可认为数据不是来自正态分布总体，且样本的偏度为正。
2．残差图中出现4个或者4个以上的‘*’好的那些点所对应的学生化残差的绝对值大于2，被认为是残差较大的可疑点。
如果这些点所占的比例较大，则表明模型模拟的不合适。
实验三 美国50个州七种犯罪比率的数据分析
【实验目的】通过使用SAS软件对实验数据进行主成分分析，熟悉数据分析方法，培养学生分析处理实际数据的综合能力。
【实验内容】表3给出的是美国50个州每100000个人中七种犯罪的比率数据。
这七种犯罪是：
Murder（杀人罪），Rape（强奸罪），Robbery（抢劫罪），Assault（斗殴罪），Burglary（夜盗罪），Larceny（偷盗罪），Auto（汽车犯罪）。
表3美国50个州七种犯罪的比率数据
State
Murder
Rape
Robbery
Assault
Burglary
Larceny
Auto
Alabama
14.2
25.2
96.8
278.3
1135.5
1881.9
280.7
Alaska
10.8
51.6
96.8
284.0
1331.7
3369.8
753.3
Arizona
9.5
34.2
138.2
312.3
2346.1
4467.4
439.5
Arkansas
8.8
27.6
83.2
203.4
972.6
1862.1
183.4
California
11.5
49.4
287.0
358.0
2139.4
3499.8
663.5
Colorado
6.3
42.0
170.7
292.9
1935.2
3903.2
477.1
Connecticut
4.2
16.8
129.5
131.8
1346.0
2620.7
593.2
Delaware
6.0
24.9
157.0
194.2
1682.6
3678.4
467.0
Florida
10.2
39.6
187.9
449.1
1859.9
3840.5
351.4
Georgia
11.7
31.1
140.5
256.5
1351.1
2170.2
297.9
Hawaii
7.2
25.5
128.0
64.1
1911.5
3920.4
489.4
Idaho
5.5
19.4
39.6
172.5
1050.8
2599.6
237.6
Illinois
9.9
21.8
211.3
209.0
1085.0
2828.5
528.6
Indiana
7.4
26.5
123.2
153.5
1086.2
2498.7
377.4
Iowa
2.3
10.6
41.2
89.8
812.5
2685.1
219.9
Kansas
6.6
22.0
100.7
180.5
1270.4
2739.3
244.3
Kentucky
10.1
19.1
81.1
123.3
872.2
1662.1
245.4
Louisiana
15.5
30.9
142.9
335.5
1165.5
2469.9
337.7
Maine
2.4
13.5
38.7
170.0
1253.1
2350.7
246.9
Maryland
8.0
34.8
292.1
358.9
1400.0
3177.7
428.5
Massachusetts
3.1
20.8
169.1
231.6
1532.2
2311.3
1140.1
Michigan
9.3
38.9
261.9
274.6
1522.7
3159.0
545.5
Minnesota
2.7
19.5
85.9
85.8
1134.7
2559.3
343.1
Mississippi
14.3
19.6
65.7
189.1
915.6
1239.9
144.4
Missouri
9.6
28.3
189.0
233.5
1318.3
2424.2
378.4
Montana
5.4
16.7
39.2
156.8
804.9
2773.2
309.2
Nebraska
3.9
18.1
64.7
112.7
760.0
2316.1
249.1
Nevada
15.8
49.1
323.1
355.0
2453.1
4212.6
559.2
NewHampshire
3.2
10.7
23.2
76.0
1041.7
2343.9
293.4
NewJersey
5.6
21.0
180.4
185.1
1435.8
2774.5
511.5
NewMexico
8.8
39.1
109.6
343.4
1418.7
3008.6
259.5
NewYork
10.7
29.4
472.6
319.1
1728.0
2782.0
745.8
NorthCarolina
10.6
17.0
61.3
318.3
1154.1
2037.8
192.1
Ohio
7.8
27.3
190.5
181.1
1216.0
2696.8
400.4
NorthDakota
0.9
9.0
13.3
43.8
446.1
1843.0
144.7
Oklahoma
8.6
29.2
73.8
205.0
1288.2
2228.1
326.8
Oregon
4.9
39.9
124.1
286.9
1636.4
35061
388.9
Pennsylvania
5.6
19.0
130.3
128.0
877.5
1624.1
333.2
RhodeIsland
3.6
10.5
86.5
201.0
1489.5
2844.1
791.4
SouthCarolina
11.9
33.0
105.9
485.3
1613.6
2342.4
245.1
SouthDakota
2.0
13.5
17.9
155.7
570.5
1704.4
147.5
Tennessee
10.1
29.7
145.8
203.9
1259.7
1776.5
314.0
Texas
13.3
33.8
152.4
208.2
1603.1
2988.7
397.6
Utah
3.5
20.3
68.8
147.3
1171.6
3004.6
334.5
Vermont
1.4
15.9
30.8
101.2
1348.2
2201.0
265.2
Virginia
9.0
23.3
92.1
165.7
986.2
2521.2
226.7
Washington
4.3
39.6
106.2
224.8
1605.6
3386.9
360.3
WestVirginia
6.0
13.2
42.2
90.9
597.4
1341.7
163.3
Wisconsin
2.8
12.9
52.2
63.7
846.9
2614.2
220.7
Wyoming
5.4
21.9
39.7
173.9
811.6
2772.2
282.0
1、1）分别用样本协方差矩阵和样本相关矩阵作主成分分析，二者的结果有何差异？
2）原始数据的变化可否由三个或者更少的主成分反映，对所选取的主成分给出合理的解释。
3）计算从样本相关矩阵出发计算的第一样本主成分的得分并予以排序。
2、从样本相关矩阵出发，做因子分析。
【实验结果及分析】
1.程序：
dataa;
inputState$MurderRapeRobberyAssaultBurglaryLarcenyAuto;
cards;
Alabama14.225.
升级会员 