SAS教材（三）

PROC FREQ 程序 采用的文件是一个样本 一个或多个类别变量 画次数分配表或列联表 (Contingency Tables) 算出几种 (检定的) 统计值 如 2 检定 费契尔的精确性测试 (Fisher's Exact Test) 相关系数 若读者指定执行分等简单的随机抽样 (Stratified Simple Random Sampling) 则 FREQ 程序可算出 CMH 统计值 (Cochran-Mantel-Haenszel) ### SAS教材（三）：PROC FREQ 程序详解 #### 14.1 两种分析类别数据的程序 本章重点介绍了SAS系统中用于处理类别数据的两大统计程序——`PROC FREQ`与`PROC CATMOD`。这里我们将主要探讨`PROC FREQ`的功能及其应用场景。 #### 14.2 名词解释 - **类别变量**：类别变量是指那些产生非连续数值的变量，例如性别、国籍等。这些变量通常被分为几个不同的类别。 - **类别数据**：指基于一个或多个类别变量所获得的数据。当数据仅涉及一个类别变量时，可以绘制次数分配表；当涉及两个或多个类别变量时，则可形成列联表（Contingency Table）。 #### 14.3 简单的随机抽样 在简单的随机抽样中，每个个体都有相等的机会被选中作为样本。例如，在了解特定群体对某种事物的态度时，可以从该群体中随机选取一定数量的样本进行调查。下面通过一个具体的例子来说明这一过程： **案例分析**： 假设我们要研究北京市居民对于不同菜系的偏好程度，我们从北京市的电话簿中随机选取了200个电话号码进行调查，调查结果如下： - 北方菜：30人，占比15% - 粤菜：60人，占比30% - 湘菜：20人，占比10% - 川菜：80人，占比40% - 西餐：10人，占比5% 从数据可以看出，川菜最受欢迎，其次是粤菜，再次是北方菜，湘菜排在第四位，西餐最不受青睐。 #### 14.4 分等的简单随机抽样 分等简单的随机抽样（Stratified Simple Random Sampling）是一种更复杂的抽样方式，它先将总体按照某个或某些特征分层，然后再从每一层中随机抽取样本。这种方式能够确保样本在各个层面都具有代表性。 **应用场景**： 如果要研究不同性别对中国传统节日的态度，可以先将总体按性别分为男性和女性两层，然后从每层中随机抽取样本。 #### 14.5 整个母群的观察与分析 当研究目标是对整个群体进行分析时，就需要收集整个群体的数据。这种情况下，不再进行抽样，而是直接对所有个体进行观测。 **案例分析**： 例如，要分析某公司员工的满意度情况，可以直接向所有员工发放问卷，而不是只抽取一部分员工作为样本。 #### 14.6 采用随机分派的实验 在某些研究中，会采用随机分派的方式将参与者分成不同的组别，以便对比不同条件下的效果差异。这种方式常用于临床试验或者教育实验等场景。 **应用场景**： 例如，研究不同教学方法对学生学习成绩的影响时，可以随机将学生分到不同的班级，每个班级采用不同的教学方法，然后比较各班级的学习成绩。 #### 15.1 PROCFREQ程序概述 `PROC FREQ`主要用于处理类别数据，包括但不限于以下功能： - **次数分配表**：展示单一类别变量的分布情况。 - **列联表**：展示两个或多个类别变量之间的关联情况。 - **统计检验**：进行诸如卡方检验（χ² test）、费契尔的精确性测试（Fisher’s Exact Test）等统计检验，评估变量间的关联程度。 - **相关系数**：计算类别变量之间的相关性。 #### 15.2 如何撰写PROCFREQ程序 撰写`PROC FREQ`程序的基本步骤如下： 1. **指定数据集**：使用`PROC FREQ data=数据集名;`来指定要分析的数据集。 2. **定义变量**：使用`TABLES 变量名;`语句来定义要分析的类别变量。 3. **设置选项**：使用`/`符号后面跟选项来指定所需的具体分析操作，如`CHISQ`（进行卡方检验）。 **示例代码**： ```sas PROC FREQ data=样本数据; TABLES 性别 * 国籍 / CHISQ; RUN; ``` 此段代码用于分析“性别”与“国籍”之间的关联，并进行卡方检验。 #### 15.3 CMH统计值 当执行分等简单的随机抽样时，`PROC FREQ`还可以计算CMH（Cochran-Mantel-Haenszel）统计值，该统计值用于评估在控制其他变量的情况下，两个变量之间的关联程度。 **应用场景**： 例如，在研究吸烟与肺癌的关系时，可以控制年龄、性别等因素的影响，评估吸烟与肺癌之间的净关联。 通过以上介绍可以看出，`PROC FREQ`是处理类别数据的强大工具，不仅可以帮助用户快速理解数据分布特征，还能进行深入的统计检验，为数据分析提供有力支持。