SAS教程[1]–第一章解答|《统计软件教程》（李东风版）

摘要

在这个新的教程中，我会结合《统计软件教程》（李东风版）这本数给出教程，并给出这本书第1到第5章的课后习题答案。希望大家能有所收获。这里给出的是《统计软件教程》（李东风版）这本书第一章的答案。

今天我们就来看一下《统计软件教程》（李东风版）这本书的第一章的课后习题的解答。

1.1

题目要求

1.1.1

认识界面

打开界面后可以看到输出框，编辑框和日志。其中我们在编辑框输入代码，会在输出框中看到输出的结果，在日志里可以看是否会报错。在左边的结果中可以看到刚刚保存的数据集。

1.1.2

 

首先在解决方案中选择分析->交互式数据分析。

在弹出的数据框中选择新建。

再点击帮助->创建样本即可。

1.1.3

我们可以在sasuer中看到我们刚刚生成的数据集，如下图所示。

1.1.4

代码

输出效果

1.1.5

在INSIGHT窗口输入C9501的数据结果如下：

 

1.2

题目要求

 

从表格可以看出，不能拒绝正态分布的原假设。

从上面的表格可以看出正态分布的大致情况，和其均值的90%的置信区间，为(149.217 , 167.0981)

从上面的图形和表格可以大致看出其直方图和标准正态分布的比较，和正态分布的参数的大致情况，如均值为158，Sigma为22.5和众数158。

 

1.3

题目要求

1.3.1

我们依次做出各个变量的直方图，通过直方图查看变量的分布形状。并通过箱线图查看其均值，分散程度，极端值。

首先我们看变量gpa的直方图和箱线图，并给出矩统计量，其中包含均值，标准差，偏差等。

 

接着我们看变量hsm的直方图和箱线图，并给出矩统计量，其中包含均值，标准差，偏差等。

接着我们看变量hss的直方图和箱线图，并给出矩统计量，其中包含均值，标准差，偏差等。

接着我们看变量hse的直方图和箱线图，并给出矩统计量，其中包含均值，标准差，偏差等。

接着我们看变量satm的直方图和箱线图，并给出矩统计量，其中包含均值，标准差，偏差等。

接着我们看变量satv的直方图和箱线图，并给出矩统计量，其中包含均值，标准差，偏差等。

最后我们看变量sex的直方图和箱线图。

 

1.3.2

为了研究gpa的分布，我们首先画出其直方图，并于正态分布的概率密度曲线做比较。查看其累计分布和做正态性检验。

通过正态性检验，我们发现p-值＜0.05，故我们拒绝原假设，认为gpa的数据不符合正态分布。
但是我们也可以发现gpa特别高的很少，特别低的也很少，大多还是集中在4.5分。

1.3.3

使用sort ... by ...函数对gpa数据进行排序，默认是从低到高排序，我是加上descending后可以从高到低排序。代码和做出的结果如下：

1.3.4

我们选定红色代表女生，绿色代表男生，画出gpa对hsm的散点图如下：

下面画出各数值变量的散点图矩阵：

下面画出HSM , HSS , HSE的三维散点图如下：

通过上面的散点矩阵图和下面的相关系数矩阵，我们可以看出satm和satv有较强的正相关性，gpa和hsm，hsm和hss，hse，satm有较强的相关性。

 

1.4

题目要求

1.4.1

我们打开数据集后，双击变量名，在弹出的定义变量的对话框中，改变company这个变量为label变量。

1.4.2

首先画出雇佣人数，销售额，利润的散点图矩阵。

从上面的图中，我们可以找到人均利润较低的企业，如下图所示，General的员工很多，但是他的利润却不高，所以人均创造的利润较低。

利润占销售额比例高的企业，这些企业都是销售量不高，但是利润却是很高的，比如说Intel和Coca-Cola。

利润占销售额比例低的企业，这些企业的销量很高，但是利润不高。如Chrysler这家企业。

 

1.4.3

对employs和sales两个变量做对数后画出散点图，可以看出做完对数后两个变量呈现正相关。

1.4.4

首先画出各个国家的利润情况，可以看出五个国家的均值是差不多的，美国和英国均值率高，但是美国的方差很大，有的企业的利润特别高，有的企业的亏损又比较严重。

接着画出五个国家的企业的销售量。

可以看出五个国家的销售量的均值是德国是最高的，且方差较小，法国排在第二，且均值也是较小。美国和英国的销售量的均值不高，但是方差很大，特别是美国有销售量特别高的企业。
再结合上面的利润，我们可以看出德国的企业销量的均值高，但是利润不高，可以看出德国的企业的利润率较低，但是美国的企业有的利润率相差很大。

按照rational1（rational1代表利润率，是用利润/销量）进行排序，下面是代码和截图

按照rational2（rational2代表劳动率，是用利润/员工人数）进行排序。下面是代码。

 

1.5

题目要求

1.5.1

在INSIGHT这打开数据集后，双击变量名，将GROUP的类型改为名义型。

1.5.2

通过group语句将每一组内按年龄从高到低排序。排序的代码和结果如下所示。

1.5.3

为了求出各个变量的分布情况，我们画出各个变量的柱状图，如下所示：

1.5.4

我们做出三个组年龄并排的盒形图，可以看出三个组的年龄在递增的，第0组的年龄在40--45岁，第二组的年龄在45--50岁，第三组的年龄在50--55岁。

1.5.5

我们做出三个的心率的盒形图，如下图所示，可以看到第一组的心率要高于其他两组，第二组的心率一直是最低的，第三组的心率要会比第二组高，结合上一问三组的年龄，我们可以得到在45--50岁这个阶段的心率较慢，之前和之后的心率都会较快。

 

1.5.6

在INSIGHT中画出OXYGEN与其他变量的散点图，画出的结果如下图所示：

从图中我们可以看出oxygen和runtime有较强的负相关性。