SAS论文 统计分析与应用 sas统计分析.docx

SAS论文 统计分析与应用 sas统计分析.docx

《SAS论文 统计分析与应用 sas统计分析.docx》由会员分享，可在线阅读，更多相关《SAS论文 统计分析与应用 sas统计分析.docx（16页珍藏版）》请在冰豆网上搜索。

SAS论文统计分析与应用sas统计分析

SAS

统计分析与应用

学号：

xxxxxxxx

班级：

xxx

姓名：

xxx

第一早

第——早：

摘要，”，”，”

2.1研究目的”，””

2.2采用方法,,,,,,,

2.3理论知识.,,,,,,,

第三章

第四章

第五早

第六章

第七章

数据预处理及具体模型,,,,,,,

3.1建立的数据集

3.2主要程序.，,,

计算结果及分析,,,,,,,,

4.1使用INSIGHT模块做主成分分析的步骤，,,,,,,

4.2主成分的结果分析

总结分析””,，”,

参考文献,,,,,,,,,

附录,,,,,,,,,,

SAS系统是世界公认的权威性统计软件之一，是一个大型集成信息分析管理系统。

本次论文是用SAS系统对2007各地区农村居民家庭平均每人现金现金支出状况进行分析采用的数据是北京、天津等省农村居民家庭平均每人现金现金支出状（原始数据见附录）。

选出31省的情况作为统计分析数据，其中分析的项目为：

期内现金支出、生产费用支出、家庭经营费用支出、农业生产支出、牧业生产支出、购买生产性固定资产支出、税费支出、生活消费现金支出、财产性支出、转移性支出，次用变量XI、X2、X3、X4、X5、X6、X7、X8、X9、X10。

运

用SAS软件，运用主成分分析的方法对数据进行处理：

（一）对于所选取的统计数据用MEANS过程进行简单描述统计分析，得出数据平均值、数据标准

（二）对于所选取的统计数据用INSIGHT模块做主成分分析计算协方差矩阵的特征值或是计算相关系数矩阵的特征值（Eigenvalue）、简单统计量、相关系数矩阵、相关系数矩阵的特征值以及相关系数矩阵的特征向量。

系统默认计算相关系数矩阵的特征值和特征向量。

（三）由相关系数矩阵的两个最大特征值的特征向量，可以写出第一、第二主成分以及第三主成分的得分。

从以上结论分析可以知道影响各地区地区农村居民家庭平均每人现金支出的主要因素，从、

可以更好的帮助国家调节国民经济和产业结构，使人民的生活更加富裕。

关键字：

主成分分析、简单统计量、相关系数矩阵、相关系数矩阵的特征值及特征向量。

、基本介绍

1、研究目的：

通过SAS软件的分析，对各地区农村居民家庭平均每人现金支出的主要影响因素有一个大致的了解；有利于国家的宏观调控，从而可以促进全民经济更好的发展。

2、采用方法：

1描述统计量：

MEANS

2检验：

使用INSIGHT模块主成分分析。

3、理论知识：

1MEANS过程（均值过程）用于对数值型变量产生针对单个变量的简单描述性统计.procmeans过

程统计量参数缺省时输出N（样本数据）、Mean（数据平均值）、StdDev（数据标准差）、Minimum

（最小值）、Maximum（最大值）五种统计值，但means过程可计算16种统计量。

2主成份分析（PrincipalComponentsAnalysis）是研究如何将多个变量指标间的问题化为较少的几个

新指标问题。

这些新的指标是彼此既互不相关，又能综合反映原来多个指标的信息，是原来多个

指标的线性组合。

多指标的主成份分析常被用来寻找判断某种事物或现象的综合指标，并给综合

指标所蕴藏的信息以恰当解释，以便更深刻地揭示事物内在的规律。

这种处理问题的方法就称为主

成份分析或主分量分析，综合后的新指标则称为原来指标的主成份或主分量。

主分量分析还可用于揭示变量间的共线性。

三、数据预处理及具体模型：

对于数据较少的程序可以用DATA步创建永久SAS数据集。

永久SAS数据集，由定义逻辑库

与定义数据集两个步骤完成。

逻辑库定义通过

LIBNAME语句完成，数据集定义应用DATA实现。

LIBNAME语句语法格式：

LIBNAME逻辑库名称，子目录路径’；

DATA语句语法格式：

DATA逻辑库名•数据集名称；

LIBNAME语句把磁盘中的子目录与用户定义的逻辑库名连接起来。

用此种方法根据已知的数据就可以建立生成以下的数据集

3.1建成的数据集为:

TheSASSystem

20：

00Tuesday,December15,2009

Obs

area

x1

x2

x3

x4

x5

x6

x7

x8

x9

x10

1

北京

5318.9

730.2

606.4

124.2

232.5

123.7

1.9

4093.2

23.5

470.2

2

天津

3267.8

1242.8

1172.9

203.3

699.5

69.9

1.2

1896.1

6.0

121.6

3

河北

2289.6

779.6

725.0

362.7

226.2

54.6

3.1

1361.7

14.9

130.3

4

山西

2080.9

500.0

441.3

254.4

126.3

58.7

0.7

1431.2

4.0

145.1

5

内家古

3338.7

1426.9

1223.5

865.7

316.6

203.3

1.7

1617.3

52.2

240.6

6

辽宁

3926.2

1671.2

1546.2

719.9

754.5

125.0

3.8

1803.7

38.7

408.9

7

吉林

4517.7

2129.9

1836.9

1404.1

393.3

293.1

5.1

1741.0

202.9

438.7

8

黑龙江

4424.6

2047.0

1812.2

1405.0

368.8

234.8

2.9

1699.1

301.8

373.9

9

上海

5487.1

241.3

229.9

37.3

32.6

11.4

0.1

4616.7

1.4

627.6

10

江苏

3412.9

632.1

561.8

236.1

137.5

70.3

12.82438.9

5.5

323.7

11

浙江

5437.2

1320.2

1192.4

159.4

724.4

127.8

5.5

3587.7

23.7

500.1

12

安徽

2390.0

554.9

490.7

297.2

116.7

64.2

6.0

1666.2

3.0

159.9

13

福建

3026.0

626.4

566.8

251.0

208.1

59.6

0.7

2168.2

10.8

219.8

14

江西

2199.8

680.6

591.7

339.7

160.4

89.0

4.5

1328.0

23.5

163.2

15

山东

3060.9

969.5

842.4

423.3

314.6

127.1

5.7

1885.7

16.7

183.3

16

河南

2163.8

583.9

523.9

237.1

228.8

60.0

0.6

1448.6

1.4

129.3

17

湖北

2222.2

677.5

601.9

266.8

195.9

75.6

3.9

1471.3

4.6

64.8

18

湖南

2418.9

555.8

497.8

196.7

175.2

58.0

3.8

1587.9

2.8

268.5

19

广东

2895.2

576.3

547.4

171.3

216.3

29.0

1.7

2155.6

9.5

152.0

20

广西

1900.9

697.4

589.5

348.5

187.6

107.9

2.9

1125.6

1.6

73.6

21

海南

1902.8

656.1

639.2

324.3

165.4

16.9

0.3

1187.2

2.1

57.1

22

重庆

1773.4

449.1

406.3

188.7

172.8

42.8

2.5

1107.3

0.9

213.5

23

四川

2514.5

612.8

533.5

178.0

270.7

79.3

6.1

1669.5

7.0

219.1

24

贵州

1432.8

412.5

324.7

167.7

122.2

87.7

1.4

846.3

1.0

171.6

25

云南

1837.1

623.0

532.9

277.2

185.6

90.1

1.5

1089.9

6.8

115.9

26

西藏

1022.3

203.9

92.3

53.2

8.8

111.5

0.2

800.7

0.1

17.5

27

陕西

2261.3

580.1

442.6

240.6

128.4

137.5

3.9

1496.8

4.6

175.9

28

甘肃

1622.3

473.2

391.2

298.3

74.4

82.0

0.9

1068.2

4.3

75.7

29

青海

1753.8

447.9

348.0

190.1

92.5

99.8

1.7

1196.5

7.4

100.3

30

宁夏

2592.8

1029.8

870.5

406.2

359.3

159.3

0.2

1325.6

31.3

205.8

31

新疆

2705.0

1444.4

1109.7

813.2

236.6

334.7

1.0

1126.0

44.4

89.2

3.2、模型的具体程序:

datadatal;

inputarea$1-6x1x2x3x4x5x6x7x8x9x10;

cards;

1

北

京

5318.9

730.2

606.4

124.2

232.5

123.7

1.9

4093.2

23.5

470.2

2

天

津

3267.8

1242.8

1172.9

203.3

699.5

69.9

1.2

1896.1

6.0

121.6

3

河

北

2289.6

779.6

725.0

362.7

226.2

54.6

3.1

1361.7

14.9

130.3

4

山

西

2080.9

500.0

441.3

254.4

126.3

58.7

0.7

1431.2

4.0

145.1

5

内家古

3338.7

1426.9

1223.5

865.7

316.6

203.3

1.7

1617.3

52.2

240.6

6

辽

3926.2

1671.2

1546.2

719.9

754.5

125.0

3.8

1803.7

38.7

408.9

7

吉

林

4517.7

2129.9

1836.9

1404.1

393.3

293.1

5.1

1741.0

202.9

438.7

8

黑龙江

4424.6

2047.0

1812.2

1405.0

368.8

234.8

2.9

1699