SAS处理数据三个步骤

晚风

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。

Correlation and regression Proc corr; Proc Reg; Proc nlin; 上述两个语句可以计算相关系数和回归方程，以及线性和非线性拟合，具体方法可参考本人的其它帖子。
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。