资源描述：
《sas系统的多元统计分析功能》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、SAS系统用于多元统计分析的过程有：多变量分析--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）；判别分析--DISCRIM（判别分析）,CANDISC（典型判别）,STEPDISC（逐步判别）；聚类分析--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）.第五章SAS系统多
2、元统计分析功能§5.1主成分分析与PRINCOMP过程§5.2因子分析与FACTOR过程§5.3判别分析与STEPDISC、DISCRIM过程§5.4聚类分析与CLUSTER过程★主成分分析(PrincipalComponentAnalysis)为了全面系统地分析和研究某些社会经济问题，可能必须同时考虑许多存在一定内在联系和相互关联的经济指标，这些指标所反映的信息会有某种程度的重叠，但去除变量又会导致某些信息的损失；主成分分析通过降维的方法，把相互关联的多个变量转变成少数互不相关的新变量（即主成分，也称为综合变量），各主成分由原来变量的线性关系表示，其包含信息
3、量的多少由各自的方差测定，主成分的方差越大，所包含的信息量就越多。PRINCOMP过程的主要功能：完成主成分分析；主成分的个数、名称及得分是否标准化均可由用户自己规定；输入的数据集可以是原始数据集、相关阵或协方差阵等；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，每个主成分解释的方差比例、累计比例等；可揭示变量间的共线关系，若某特征值特别接近于0，则说明变量线性相关。PROCPRINCOMPDATA=<数据集>OPTIONS；VAR变量名列；WEIGHT变量名列；FREQ变量名列；PARTIAL变量名列；BY变量名列；RUN；P
4、RINCOMP过程的一般形式：PROCPRINCOMP过程的常用选项有：OUT=<数据集>把计算的统计量存入指定的数据集；COVARIANCE(或COV)指定以协方差矩阵为分析数据，缺省则以相关系数矩阵为分析数据；N=正整数指定要保留的主成分个数；PREFIX=主成分名为主成分命名，缺省则自动命名为：PRIN1,PRIN2,…；STANDARD(或STD)对各主成分进行标准化，使各主成分的方差为1；NOINT作协方差矩阵主成分分析或相关行列主成分分析时，各变量不对其平均数加以修正。VAR语句指定主成分分析中使用的变量；WEIGHT语句对已输入的资料附加加权数据
5、；FREQ语句表示变量的频数；PARTIAL语句除去特定变量的线性效果后，利用偏相关分析或者协方差矩阵进行分析；BY语句按指定变量分类（需先排序）后，对每一个分类进行主成分分析。PROCPRINCOMP过程的常用语句有：例5.1已知纽约上市的三只化学产业证券(AC、DP、UC)和两只石油产业证券(EX、TE)100周的收益率调查资料。各证券的收益率依次用X1、X2、X3、X4、X5表示,且样本的平均收益率和相关矩阵R如下，要求对证券收益率做主成分分析并解释主成分的意义。dataone(type=corr);_type_='corr';input_name_$x
6、1x2x3x4x5@@;cards;x11....x20.5771...x30.5090.5991..x40.3870.3890.4361.x50.4620.3220.4260.5231;run;procprincomp;run;相关矩阵数据的输入方法输出结果：（单位特征向量矩阵）各主成分标准化变量的线性系数对主成分意义的解释：从第一主成分的系数来看，均为0.45左右的正数表明5个标准化变量对该主成分具有同等的重要性，并且均成正比关系，故可认为该主成分是反映“整个证券市场景气”的综合指标；从第二主成分的系数来看，有关化学产业证券（X1,X2,X3）的系数均为负
7、，有关石油产业证券（X4,X5）的系数均为正，说明该主成分代表化学产业证券和石油产业证券的对立关系，故可认为该主成分是反映“有关产业情报”的综合指标。用SAS/INSIGHT方式进行主成分分析选定数据集AnalyzeMultivariate(YX)将各分析变量都选为Y变量Output选中主成分分析（PrincipalComponentAnalysis）复选框OK.用分析员应用方式进行主成分分析选定数据集StatisticsMultivariatePrincipalComponents…选择分析变量OK.第五章SAS系统多元统计分析功能§5.1主成分分析与PRI
8、NCOMP过程§5.2因子分析与FAC
