PROC UNIVARIATE過程

EDA(探索性數據分析)最常用的過程步之一就是PROC UNIVARIATE。

首先先看一個最簡單的PROC UNIVARIATE程序：

PROC UNIVARIATE DATA=SASHELP.FISH;
    WHERE SPECIES='Bream';
    VAR HEIGHT;
RUN;

上述代碼得到的結果有：矩、位置和可變形的基本測度、位置檢驗、分位數、極值觀測。具體如下：

解讀：首先看第一張表——矩，其中N=35代表該進入分析變量有35條觀測，偏度約0.2稍微有點負偏態（右偏），變異系數12（不大也不小，無法得出結論），峰度系數-0.6（低峰后尾）；

第二張表：位置和變異性的基本測度，其中位置的統計量有均值（15.1），中位數（14.9）還是比較接近，所以近似對稱分布。變異性即數據的差異性程度（標准差越大差異越大。）

PROC UNIVARIATE DATA=SASHELP.FISH;
    WHERE SPECIES='Bream';
    VAR HEIGHT;
    HISTOGRAM ;
RUN;

若加了一個HISTOGRAM則增加了一個直方圖，如下：

如加一個NORMAL選項則在直方圖上面加了一根擬合后的正態分布圖，並且還增加了擬合正太分布的參數估計、擬合優度、分位數，這里的括號中的意思可理解為均值（MU）和標准差（SIGMA）的值為原始數據本身的均值和標准差；

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;

加了一個KERNEL則在直方圖中加了一根實際數據核分布的密度曲線，如下圖：

PROC UNIVARIATE DATA=SASHELP.FISH PLOT;
    WHERE SPECIES='Bream';
    VAR HEIGHT;
    HISTOGRAM /NORMAL(MU=EST SIGMA=EST) KERNEL;
RUN;

上述加了一個plot選項，在結果中增加了分析變量數據的分布圖、盒形圖、以及概率圖，如下：

由概率圖看出，散點分布的直線上下，還算是比較重合，所以該數據近似服從正態分布的。

 暫時就會這么多了。。以后再補。