|||
本文翻译并改编自北卡州立大学Fikret Isik教授的帖子。
http://www4.ncsu.edu/~fisik/index.html
第一步:Examining Data for Analysis
这是是数据处理最重要的部分,因为异常值会影响到处理结果并误导你。在使用复杂数据分析步之 前,花点时间检查你的数据。
Getting to konw data Proc contents data=mydata; run; 使用contents过程步可以让你了解数据,告诉你:数据集名和保存位置;数据创建时间和最后修改时间;变量数和类型;
Examination of numeric variables Proc univariate data=mydata plot; var height; ID family; run; 本过程步提供了数值变量最完整的信息:检验变量分布;描述统计;显示极端观测;绘制分布图。 plot选项提供了茎叶图、盒子图和正态分布图,可视化检查数据。 最重要的是可以提供Extreme Observations,方便排除异常值。
Examination of character/discrete variables Proc freq data=mydata ; table block family/out=FreqTable nocol norow nocum nopercent; run; 离散变量检查语句,本人用的较少。
Data Summary Proc means data=hbook.mydata mean std cv n maxdec=2; var Height diameter; run; 本语句提供数据汇总功能,在排除异常值后,以手里的数据做个全面的了解。
第二步:推断统计
经过第一步的预处理后,可以保证数据通过正态检验和齐次性检验,具体方法可以查阅本人的其它 帖子。
analysis of variance Proc Anova; Proc GLM; Proc MIXED 上面的三个语句功能各异,均用于进行方差分析。Proc MIXED国内用的较少,外文期刊常能见到。
第三步:Plotting
本人对SAS绘图只是简单的了解,在这里不作介绍。笔者习惯使用Sigmaplot进行科学 制图。
上述三步可以满足大部分人的需求,切记第一步是不能省的。 本来想写些自动生成三线表,自动在数据后添加±SD和abc的代码,这样使处理结果一步到位,省去重新整理的麻烦,但由于时间关系,暂不作打算了。
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-11-1 06:52
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社