简介
本书全面、细致地讲解了SAS系统进行数据预处理和数据分析的全过程
，全书分为7个部分共11章。
第1部分——数据预处理。该部分内容包括第1章，主要结合笔者实际
工作经验对数据分析之前的准备工作和处理流程进行系统讲解。同时，对
于SAS系统环境和界面的基本元素和操作方式进行了介绍，详细阐释了SAS
编程语言的基本结构，并明确了SAS系统分析的对象是数据库当中的数据集
。本部分内容是掌握SAS系统的基本知识，也是读者必须学习和掌握的内容
。
第2部分——数据的描述。该部分内容主要为第2章，主要讲解如何通
过SAS系统绘制常见的统计图形和统计表格来描述数据的概貌，并在此基础
上计算反映数据集中趋势、离散程度和分布状况的统计量来进行简单的描
述统计分析。该部分内容是数据分析工作的基础和前提，同时也是各种高
级统计方法的数据描述基础。
第3部分——统计推断。该部分包含第3-5章，内容涵盖了简单统计推
断、方差分析和非参数检验。本部分主要讲解如何利用已经搜集到的一个
或多个样本数据，根据样本数据的特征，在总体分布形式已知或未知的情
况下，通过特定的方法，推断总体参数或对总体参数进行判断的基本思路
和详细分析流程。
第4部分——相关与回归分析。该部分内容主要是第6章，主要研究两
个或多个变量之间的相互依存或影响的统计关系，具体内容包括两个变量
之间的相关分析、两组变量之间的典型相关分析以及经典回归分析。本章
是进行数据统计建模的基础，也是数据分析工作的核心内容之一。
第5部分——多元统计分析。该部分内容包括第7-9章，具体内容涵盖
了因子分析、主成分分析、聚类分析、判别分析、列联表分析和对应分析
。本部分内容对多元统计分析中各种常用的方法和原理进行了具体阐述，
是对数据分析工作的进一步深入介绍。
第6部分——微观计量分析。该部分内容主要是第10章，讲解微观计量
分析中的常见离散因变量模型，具体内容包括概率线性模型、二元选择模
型、多重选择模型及计数模型。这部分内容也是日常问卷数据分析的重点
。
第7部分——时间序列分析。该部分内容主要为第11章，着重讲解时间
序列的平稳性以及利用Box-Jenkins法进行时间序列建模的模型识别、估计
及预测等问题。
目录
第1章 数据预处理
1.1 SAS环境与操作界面
1.2 SAS编程基础
1.2.1 SAS编程语言的基本结构
1.2.2 SAS结构化编程语句
1.3 SAS的数据处理对象
1.3.1 SAS数据库和SAS数据集
1.3.2 SAS系统的外部数据文件
1.4 数据预处理原理和基本方法
1.4.1 数据整理
1.4.2 数据分拆与合并
1.4.3 数据清洗
1.4.4 数据变换
1.5 本章小结
第2章 数据的描述
2.1 统计图
2.1.1 直方图
2.1.2 条形图
2.1.3 线图
2.1.4 散点图
2.1.5 饼图
2.1.6 盒式图
2.1.7 茎叶图
2.2 统计量
2.2.1 集中趋势
2.2.2 离散程度
2.2.3 分布形状
2.2.4 利用菜单和程序进行详细的描述统计分析
2.3 统计表
2.3.1 统计表的基本要素
2.3.2 用TABULATE过程绘制统计表
2.4 数据分布
2.4.1 总体分布
2.4.2 样本分布
2.4.3 抽样分布
2.5 本章小结
第3章 简单统计推断
3.1 简单统计推断的基本原理
3.1.1 参数估计
3.1.2 假设检验
3.2 单总体参数的估计及假设检验
3.2.1 单总体的参数估计
3.2.2 单总体参数的假设检验
3.3 两总体参数的估计及假设检验
3.3.1 独立样本的参数估计和检验
3.3.2 成对样本的参数估计和检验
3.4 本章小结
第4章 方差分析
4.1 方差分析的基本原理
4.2 单因素方差分析
4.2.1 单因素方差分析与方差同质性检验
4.2.2 方差分析的多重比较
4.2.3 方差分析模型的参数估计和预测
4.3 多因素方差分析
4.3.1 只考虑主效应的多因素方差分析
4.3.2 存在交互效应的多因素方差分析
4.4 协方差分析
4.5 本章小结
第5章 非参数检验
5.1 非参数检验的基本问题
5.2 单样本非参数检验
5.2.1 单样本均值的Wilcoxon符号秩检验
5.2.2 单样本的Kolmogorov-Smirnov检验
5.3 两个样本的非参数检验
5.3.1 两个独立样本中位数比较的Wilcoxon秩和检验
5.3.2 两个独立样本分布的Kolmogorov-Smimov检验
5.3.3 成对样本中位数的Wilcoxon符号秩检验
5.4 多个样本的非参数检验
5.4.1 多个独立样本位置的Kruskal-Wallis检验
5.4.2 多个独立样本位置的Jonckheere-Terpstra检验
5.4.3 多个独立样本中位数的Brown-Mood检验
5.5 本章小结
第6章 相关与回归分析
6.1 相关分析
6.1.1 简单相关分析
6.1.2 偏相关分析
6.1.3 等级相关分析
6.2 典型相关分析
6.2.1 典型相关分析基本原理
6.2.2 典型相关系数的显著性检验
6.2.3 典型相关的冗余分析
6.3 线性回归分析
6.3.1 回归分析的基本原理
6.3.2 一元线性回归分析
6.3.3 多元线性回归分析
6.4 定性自变量回归分析
6.4.1 虚拟变量的设定
6.4.2 含有虚拟变量的回归分析
6.5 本章小结
第7章 因子分析
7.1 数据降维
7.1.1 数据降维的基本问题
7.1.2 数据降维的基本原理
7.2 主成分分析
7.2.1 主成分分析的基本概念与原理
7.2.2 主成分分析的基本步骤和过程
7.3 因子分析
7.3.1 因子分析的基本原理
7.3.2 因子分析的基本步骤和过程
7.4 本章小结
第8章 聚类分析与判别分析
8.1 聚类分析的基本原理
8.1.1 分类的基本原则
8.1.2 单一指标的系统聚类过程
8.1.3 多指标的系统聚类过程
8.2 聚类分析的步骤和过程
8.2.1 系统聚类
8.2.2 快速聚类
8.2.3 变量聚类
8.3 判别分析的基本原理
8.4 判别分析的步骤和过程
8.4.1 距离判别
8.4.2 Bayes判别
8.4.3 Fisher判别
8.4.4 逐步判别
8.5 本章小结
第9章 列联分析与对应分析
9.1 列联分析
9.1.1 列联表
9.1.2 列联表的分布
9.1.3 X2分布与X2检验
9.1.4 列联表中的关联度分析
9.1.5 X2分布的期望值准则
9.2 对应分析
9.2.1 对应分析的基本思想
9.2.2 对应分析的步骤和过程
9.3 本章小结
第10章 离散因变量模型
10.1 线性概率模型
10.2 二元选择模型
10.2.1 线性概率模型的缺陷与改进
10.2.2 二元选择模型的基本原理
10.2.3 BINARY PROBIT模型
10.2.4 BINARY LOGIT模型
10.3 多重选择模型
10.3.1 多重选择模型的基本原理
10.3.2 ORDINAL PROBIT模型
10.3.3 ORDINAL LOGIT模型
10.3.4 MULTINOMIAL LOGIT模型
10.4 计数模型
10.4.1 POISSON回归模型的基本原理
10.4.2 POISSON回归模型的分析过程和步骤
10.5 本章小结
第11章 时间序列分析
11.1 时间序列的基本问题
11.1.1 时间序列的组成部分
11.1.2 时间序列的平稳性
11.2 ARIMA模型的分析过程
11.2.1 ARIMA模型
11.2.2 ARMA模型的识别、估计与预测
11.2.3 利用SAS时间序列预测系统进行菜单操作
11.3 本章小结
1.1 SAS环境与操作界面
1.2 SAS编程基础
1.2.1 SAS编程语言的基本结构
1.2.2 SAS结构化编程语句
1.3 SAS的数据处理对象
1.3.1 SAS数据库和SAS数据集
1.3.2 SAS系统的外部数据文件
1.4 数据预处理原理和基本方法
1.4.1 数据整理
1.4.2 数据分拆与合并
1.4.3 数据清洗
1.4.4 数据变换
1.5 本章小结
第2章 数据的描述
2.1 统计图
2.1.1 直方图
2.1.2 条形图
2.1.3 线图
2.1.4 散点图
2.1.5 饼图
2.1.6 盒式图
2.1.7 茎叶图
2.2 统计量
2.2.1 集中趋势
2.2.2 离散程度
2.2.3 分布形状
2.2.4 利用菜单和程序进行详细的描述统计分析
2.3 统计表
2.3.1 统计表的基本要素
2.3.2 用TABULATE过程绘制统计表
2.4 数据分布
2.4.1 总体分布
2.4.2 样本分布
2.4.3 抽样分布
2.5 本章小结
第3章 简单统计推断
3.1 简单统计推断的基本原理
3.1.1 参数估计
3.1.2 假设检验
3.2 单总体参数的估计及假设检验
3.2.1 单总体的参数估计
3.2.2 单总体参数的假设检验
3.3 两总体参数的估计及假设检验
3.3.1 独立样本的参数估计和检验
3.3.2 成对样本的参数估计和检验
3.4 本章小结
第4章 方差分析
4.1 方差分析的基本原理
4.2 单因素方差分析
4.2.1 单因素方差分析与方差同质性检验
4.2.2 方差分析的多重比较
4.2.3 方差分析模型的参数估计和预测
4.3 多因素方差分析
4.3.1 只考虑主效应的多因素方差分析
4.3.2 存在交互效应的多因素方差分析
4.4 协方差分析
4.5 本章小结
第5章 非参数检验
5.1 非参数检验的基本问题
5.2 单样本非参数检验
5.2.1 单样本均值的Wilcoxon符号秩检验
5.2.2 单样本的Kolmogorov-Smirnov检验
5.3 两个样本的非参数检验
5.3.1 两个独立样本中位数比较的Wilcoxon秩和检验
5.3.2 两个独立样本分布的Kolmogorov-Smimov检验
5.3.3 成对样本中位数的Wilcoxon符号秩检验
5.4 多个样本的非参数检验
5.4.1 多个独立样本位置的Kruskal-Wallis检验
5.4.2 多个独立样本位置的Jonckheere-Terpstra检验
5.4.3 多个独立样本中位数的Brown-Mood检验
5.5 本章小结
第6章 相关与回归分析
6.1 相关分析
6.1.1 简单相关分析
6.1.2 偏相关分析
6.1.3 等级相关分析
6.2 典型相关分析
6.2.1 典型相关分析基本原理
6.2.2 典型相关系数的显著性检验
6.2.3 典型相关的冗余分析
6.3 线性回归分析
6.3.1 回归分析的基本原理
6.3.2 一元线性回归分析
6.3.3 多元线性回归分析
6.4 定性自变量回归分析
6.4.1 虚拟变量的设定
6.4.2 含有虚拟变量的回归分析
6.5 本章小结
第7章 因子分析
7.1 数据降维
7.1.1 数据降维的基本问题
7.1.2 数据降维的基本原理
7.2 主成分分析
7.2.1 主成分分析的基本概念与原理
7.2.2 主成分分析的基本步骤和过程
7.3 因子分析
7.3.1 因子分析的基本原理
7.3.2 因子分析的基本步骤和过程
7.4 本章小结
第8章 聚类分析与判别分析
8.1 聚类分析的基本原理
8.1.1 分类的基本原则
8.1.2 单一指标的系统聚类过程
8.1.3 多指标的系统聚类过程
8.2 聚类分析的步骤和过程
8.2.1 系统聚类
8.2.2 快速聚类
8.2.3 变量聚类
8.3 判别分析的基本原理
8.4 判别分析的步骤和过程
8.4.1 距离判别
8.4.2 Bayes判别
8.4.3 Fisher判别
8.4.4 逐步判别
8.5 本章小结
第9章 列联分析与对应分析
9.1 列联分析
9.1.1 列联表
9.1.2 列联表的分布
9.1.3 X2分布与X2检验
9.1.4 列联表中的关联度分析
9.1.5 X2分布的期望值准则
9.2 对应分析
9.2.1 对应分析的基本思想
9.2.2 对应分析的步骤和过程
9.3 本章小结
第10章 离散因变量模型
10.1 线性概率模型
10.2 二元选择模型
10.2.1 线性概率模型的缺陷与改进
10.2.2 二元选择模型的基本原理
10.2.3 BINARY PROBIT模型
10.2.4 BINARY LOGIT模型
10.3 多重选择模型
10.3.1 多重选择模型的基本原理
10.3.2 ORDINAL PROBIT模型
10.3.3 ORDINAL LOGIT模型
10.3.4 MULTINOMIAL LOGIT模型
10.4 计数模型
10.4.1 POISSON回归模型的基本原理
10.4.2 POISSON回归模型的分析过程和步骤
10.5 本章小结
第11章 时间序列分析
11.1 时间序列的基本问题
11.1.1 时间序列的组成部分
11.1.2 时间序列的平稳性
11.2 ARIMA模型的分析过程
11.2.1 ARIMA模型
11.2.2 ARMA模型的识别、估计与预测
11.2.3 利用SAS时间序列预测系统进行菜单操作
11.3 本章小结
SAS统计分析从入门到精通
- 名称
- 类型
- 大小
光盘服务联系方式: 020-38250260 客服QQ：4006604884
云图客服：
用户发送的提问，这种方式就需要有位在线客服来回答用户的问题，这种 就属于对话式的,问题是这种提问是否需要用户登录才能提问
Video Player
×
Audio Player
×
pdf Player
×
亲爱的云图用户，
光盘内的文件都可以直接点击浏览哦
无需下载，在线查阅资料！
