【学习】七天搞定SAS（七）：常用统计模型

其实最后一天，反而是任务最繁重的。这一天，需要纵览SAS的各个常用的统计模块。BTW，在用惯了ggplot2之后，再也不认为有任何理由用其他软件画图了...所以SAS的图形模块自动被我无视（貌似很多SAS用户也一直在吐槽这东西着实不好使）。

SAS里面的概要统计：PROC MEANS

其实前几天也说过了PROC MEANS，不过这里稍稍补充一点置信区间的东西吧。其实它的参数真的挺多的：

• CLM：双侧置信区间
• CSS：调整平方和
• CV：变异系数
• KURTOSIS：峰度
• LCLM ：单侧置信区间——左侧
• MAX:最大值
• MEAN：均值
• MIN：最小值
• MODE:众数
• N ：非缺失值个数
• NMISS：缺失值个数
• MEDIAN(P50):中位数
• RANGE：范围
• SKEWNESS：偏度
• STDDEV：标准差
• STDERR：均值的标准误
• SUM：求和
• SUMWGT：加权求和
• UCLM：单侧置信区间：右侧
• USS：未修正的平方和
• VAR：方差

ode variance

• PROBT：t统计量对应的p值
• T：t统计量
• Q3 (P75):75%分位数，etc.
• P10：10%分位数，etc.

在调用CLM的时候需要指定ALPHA：

结果如下：

SAS里面的相关性分析：PROC CORR

虽然correlation一直被各种批判，但是往往在拿到数据的第一步、毫无idea的时候，correlation还是值得一看的参考指标。SAS里面的PROC CORR提供了相应的功能。

SAS的相关性分析结果输出如下：

SAS里面的基本回归分析：PROC REG

类似于R中的lm()，这个实在是没什么好说的了，最基本的最小二乘法。

SAS的输出结果如下：

包含了回归模型的基本统计量。我们一般更关注的回归系数：

到这里，我的感慨就是：真的很像Stata呀!值得注意的是，REG有很多可选的参数，对于这些参数是干嘛用的，最权威的自然还是SAS官方的文档：http://support.sas.com/documentation/cdl/en/statug/63033/HTML/default/viewer.htm#statug_reg_sect007.htm。其实熟悉了SAS的语法和工作模式之后，具体到某个模型还是看官方文档比较舒服。不愧是商业软件啊，文档写的都很专业，有很多模型选择问题其实看看文档就能多少明白一些了。

比如PROC REG的参数就有：

SAS里面的基本方差分析：PROC ANOVA

方差分析也就不赘述了，其实我感觉没有回归分析更用的普遍...这俩东西某种程度上也是一回事儿，看怎么理解了。

SAS的输出如下：

先是用作分类的变量的基本统计。然后是模型的基本统计：

最后是各个组的分析结果（两两比较，由于指定了SCHEFFE参数）：

SAS中的离散被解释变量模型：PROC LOGISTIC和PROC GENMOD

最简单的离散被解释变量模型就是logit了，在SAS里面有直接的PROC LOGISTIC。官方文档在此：http://support.sas.com/documentation/cdl/en/statug/63033/HTML/default/viewer.htm#logistic_toc.htm

语法自然是一如既往的简单：

结果返回：

The LOGISTIC Procedure

首先自然是模型的统计信息。然后是数据的统计：

然后是假设检验：

最后是参数估计：

而对于泊松模型，则需要PROC GENMOD。我觉得我一一个列出这些模型已经超出了这篇笔记的范围了...所以干脆就改成简单翻译一下各个PROC的主要模型吧。说过了，学习模型不是 主要的目的——模型终究不该通过软件来学...虽然SAS的user guide真的还算是比较好的统计学教材呢。

SAS里面的PROC一览

除了上面说到的PROC，SAS当然还有更多强大的模块。我就顺手一一点开看看这些东西都能做什么...

• The ACECLUS Procedure:聚类的协方差矩阵近似估计（approximate covariance estimation for clustering）
• The ANOVA Procedure：方差分析
• The BOXPLOT Procedure：箱形图
• The CALIS Procedure：结构方程模型
• The CANCORR Procedure：典型相关分析
• The CANDISC Procedure：主成分分析和典型相关分析
• The CATMOD Procedure：类别分析
• The CLUSTER Procedure： 聚类分析，包括11种（average linkage, the centroid method, complete linkage, density linkage (including Wong’s hybrid and th-nearest-neighbor methods), maximum likelihood for mixtures of spherical multivariate normal distributions with equal variances but possibly unequal mixing proportions, the flexible-beta method, McQuitty’s similarity analysis, the median method, single linkage, two-stage density linkage, and Ward’s minimum-variance method，机器翻译为：平均联动，重心法，完全连锁，密度连接（包括Wong混合模型，最近邻的方法），最大的可能性，McQuitty的相似性分 析，中位数法，单联动，两阶段密度联动，Ward最小方差法）。
• The CORRESP Procedure：简单的对应分析和多元对应分析（MCA）
• The DISCRIM Procedure：生成分类器的判别标准
• The DISTANCE Procedure：距离，不相似或相似性分析
• The FACTOR Procedure：因子分析和因子旋转
• The FASTCLUS Procedure：快速聚类分析（给定计算出来的距离）
• The FREQ Procedure：频率统计
• The GAM Procedure：广义可加模型
• The GENMOD Procedure：广义线性模型，泊松回归、贝叶斯回归等
• The GLIMMIX Procedure： generalized linear mixed models (GLMM)，广义线性混合模型
• The GLM Procedure：最小二乘法模型，包括回归、方差分析、协方差分析、多元方差分析、偏相关。
• The GLMMOD Procedure：广义线性模型设计
• The GLMPOWER Procedure：预测力和样本大小的线性模型分析
• The GLMSELECT Procedure：变量选择，包括Lasso和LAR等。
• The HPMIXED Procedure：线性混合模型，包括固定效应、随机效应等。
• The INBREED Procedure：协方差或近亲繁殖系数。
• The KDE Procedure：单变量和二元核密度估计
• The KRIGE2D Procedure：二维克里格法，包括各向异性和嵌套的半方差图模型
• The LATTICE Procedure：简单的栅格设计实验的方差分析和协方差分析
• The LIFEREG Procedure：生存分析中的参数模型，包括各种截尾数据
• The LIFETEST Procedure：生存分析的相关检验
• The LOESS Procedure：非参数模型、多维数据、支持多因变量、直接和插值的kd树、统计推断、自动平滑参数的选择、执行迭代时有异常值的数据。
• The LOGISTIC Procedure：logit回归
• The MCMC Procedure：Markov chain Monte Carlo (MCMC) simulation-马尔可夫链蒙特卡洛模拟
• The MDS Procedure:Multidimensional scaling (MDS)-多维标度模型
• The MI Procedure:缺失值处理
• The MIANALYZE Procedure：缺失值分析
• The MIXED Procedure：混合线性模型，面板数据的常用模型
• The MODECLUS Procedure：各种参数、非参数的聚类模型
• The MULTTEST Procedure：多重检验的p值调整
• The NESTED Procedure：嵌套的随机效应模型(nested random effects model)
• The NLIN Procedure：非线性回归模型
• The NLMIXED Procedure：非线性混合模型(固定效应和随机效应都是非线性的)
• The NPAR1WAY Procedure：位置和规模差异的非参数检验
• The ORTHOREG Procedure：更精准的广义线性模型（Gentleman-Givens 变换来求解QR分解）
• The PHREG Procedure： Cox proportional hazards model-Cox比例风险模型
• The PLAN Procedure：因子实验设计
• The PLS Procedure：partial least squares (PLS)-偏最小二乘法
• The POWER Procedure：模型能力和样本量分析
• The Power and Sample Size Application：桌面版的能力和样本量分析程序
• The PRINCOMP Procedure：主成份分析
• The PRINQUAL Procedure：定质，定量，或混合数据的主成分分析（PCA）
• The PROBIT Procedure：probit回归
• The QUANTREG Procedure：分位数回归
• The REG Procedure：最小二乘回归
• The ROBUSTREG Procedure：稳健回归（剔除离群点影响）
• The RSREG Procedure：二次响应回归模型
• The SCORE Procedure:打分
• The SEQDESIGN Procedure：临床试验的中期设计
• The SEQTEST Procedure:临床试验的中期分析
• The SIM2D Procedure：高斯随机场的空间模拟（anisotropic and nested semivariogram models）
• The SIMNORMAL Procedure：生成高斯分布的模拟数据
• The STDIZE Procedure：标准化数据
• The STEPDISC Procedure：逐步回归（变量选择）
• The SURVEYFREQ Procedure:单向或者多向频率和交叉表的抽样调查数据分析
• The SURVEYLOGISTIC Procedure：抽样调查的logit回归
• The SURVEYMEANS Procedure：抽样调查数据的概要统计
• The SURVEYREG Procedure：抽样调查数据的回归分析
• The SURVEYSELECT Procedure：选择基于概率的随机样本
• The TCALIS Procedure：结构方程模型（目测是CALIS的加强版）
• The TPSPLINE Procedure：补偿最小二乘法来拟合非参数回归模型
• The TRANSREG Procedure：transformation regression(一系列基于最小二乘法的变换)
• The TREE Procedure：树状图
• The TTEST Procedure：各种情况下的t检验
• The VARCLUS Procedure：不相交或分层聚类
• The VARCOMP Procedure：含有随机效应的广义线性模型
• The VARIOGRAM Procedure：二维空间数据的连续性分析