PROC UNIVARIATE过程

2023-08-23 23:05:04

EDA(探索性数据分析)最常用的过程步之一就是PROC UNIVARIATE。

首先先看一个最简单的PROC UNIVARIATE程序：

PROC UNIVARIATE DATA=SASHELP.FISH;

    WHERE SPECIES='Bream';

    VAR HEIGHT;

RUN;

上述代码得到的结果有：矩、位置和可变形的基本测度、位置检验、分位数、极值观测。具体如下：

解读：首先看第一张表——矩，其中N=35代表该进入分析变量有35条观测，偏度约0.2稍微有点负偏态（右偏），变异系数12（不大也不小，无法得出结论），峰度系数-0.6（低峰后尾）；

第二张表：位置和变异性的基本测度，其中位置的统计量有均值（15.1），中位数（14.9）还是比较接近，所以近似对称分布。变异性即数据的差异性程度（标准差越大差异越大。）

PROC UNIVARIATE DATA=SASHELP.FISH;

    WHERE SPECIES='Bream';

    VAR HEIGHT;

    HISTOGRAM ;

RUN;

若加了一个HISTOGRAM则增加了一个直方图，如下：

如加一个NORMAL选项则在直方图上面加了一根拟合后的正态分布图，并且还增加了拟合正太分布的参数估计、拟合优度、分位数，这里的括号中的意思可理解为均值（MU）和标准差（SIGMA）的值为原始数据本身的均值和标准差；

PROC UNIVARIATE DATA=SASHELP.FISH;

    WHERE SPECIES='Bream';

    VAR HEIGHT;

    HISTOGRAM /NORMAL(MU=EST SIGMA=EST);

RUN;

PROC UNIVARIATE DATA=SASHELP.FISH;

    WHERE SPECIES='Bream';

    VAR HEIGHT;

    HISTOGRAM /NORMAL(MU=EST SIGMA=EST) KERNEL;

RUN;

加了一个KERNEL则在直方图中加了一根实际数据核分布的密度曲线，如下图：

PROC UNIVARIATE DATA=SASHELP.FISH PLOT;

    WHERE SPECIES='Bream';

    VAR HEIGHT;

    HISTOGRAM /NORMAL(MU=EST SIGMA=EST) KERNEL;

RUN;

上述加了一个plot选项，在结果中增加了分析变量数据的分布图、盒形图、以及概率图，如下：

由概率图看出，散点分布的直线上下，还算是比较重合，所以该数据近似服从正态分布的。

暂时就会这么多了。。以后再补。

码农公寓