SAS9.2统计图形过程步帮助文档导读(1)
SAS自9.2版本后在作图方面有很大提高， SAS/GRAPH 9.2的基本内容可参见这里，如下图：
统计图形过程步（Statistical Graphics Procedures）是SAS 9.2中新增（相对于SAS 9.1及以前版本）的部分，这些过程步都以SG开头，包括：SGplot, SGpanel, SGscatter, SGrender, SGdesign。《Statistical Graphics Procedures Guide》即是其相关介绍。
本系列主要概览性地介绍《SAS/GRAPH 9.2: Statistical Graphics Procedures Guide, Second Edition》这一帮助文档，以期大家能对SAS 9.2统计作图过程步有个较为全面的了解，在以后使用中能快速上手。
可以在官网下载《SAS/GRAPH 9.2: Statistical Graphics Procedures Guide, Second Edition》。
下图是该帮助文档的主目录：
What’s New不介绍了，因为SAS 9.3都已经出来了，还有更新的了。下文主要对其他三个部分进行简要介绍。
SAS9.2统计作图小记
参考《Statistical Graphics in SAS》，本文对SAS 9.2作图方式进行了简单的梳理。
1.主要的3种统计图形生成方式：
- 利用Output Delivery System（ODS），统计过程步直接产生统计图形。使用“ods graphics on”语句，将会直接输出统计过程步的默认图形。
- 利用SG过程步。主要包括proc sgplot，proc sgscatter，proc sgpanel三个过程步。
- 利用GTL（Graph Template Language）。主要使用proc template和proc sgrender。
2.实例：
对数据集sashelp.class中的weight关于height作一次回归拟合图。
数据如下：
继续阅读
SAS多元分析之判别(1)–proc discrim
本文主要对SAS做判别分析的proc discrim步的应用做一个简单的摘录，相关的理论知识细节，请参见SAS help文档及其他统计学相关文献等。
1.简介
判别分式是判断样本所属类别的一种统计方法，常用的判别分析法有：
- 距离判别法：首先定义新样本到总体的距离，然后考察样本到各个总体的距离，把新样本判归至与其距离最近的总体。常用距离使用马氏距离。
- 贝叶斯（Bayes）判别法：更具Bayes统计思想，计算新样本属于各个总体的条件概率，比较各个条件概率的大小，将新样本判归至条件概率最大的总体。
- Fisher判别法：是一种先进行高维向低位投影，再根据距离判别的一种方法。借助方差分析的思想构造判别函数（相当于一种投影），使组间区别最大、组内离差最小，然后代入新样本数据，将其与判别临界值比较以确定应判为至哪一总体。
- 逐步判别法：主要是利用一些检验规则，对变量进行逐步筛选，同时进行判别的一种方法。
SAS中的proc discrim(判别归类过程)可以实现：距离判别法，贝叶斯（Bayes）判别法，Fisher判别法（典型判别）。
在proc discrim中，当各总体为正态总体是，距离判别是Bayes判别的特殊形式。
继续阅读SAS多元分析之聚类(2)–proc fastclus
本文主要对SAS做聚类分析的proc fastclus步的应用做一个简单的摘录，相关的理论知识细节，请参见SAS help文档及其他统计学相关文献等。
1.简介
proc fastclus为动态聚类（又称快速聚类），以迭代思想为理论基础，先对样本观测粗略分类，然后按某种最优准则逐步修改分类至最优为止，其适用于观测量大的数据。
步骤为：
- 选择若干观测为初始“凝聚点”。（注：凝聚点必须是完整观测，即该观测的各个变量值不能有缺失存在。）
1) 系统顺序选取
2) 系统随机选取
3) 指定初始凝聚点
- 根据初始“凝聚点”进行初始分类。
1) 按批初始分类
2) 逐个初始分类
- 对分类进行逐步修改优化。
1) 按批修改法
2) 逐个修改法
- 确定最优分类。
SAS多元分析之聚类(1)–proc cluster
本文主要对SAS做聚类分析的proc cluster步的应用做一个简单的摘录，相关的理论知识细节，请参见SAS help文档及其他统计学相关文献等。
1.简介
proc cluster一般适用于规模较小的样本观测聚类（即Q型聚类）。proc cluster为系统聚类，包括11种方法，根据“距离”作为分类标准。
