sas教程：第六章分类资料的统计描述与简单推断

作者：佚名教程来源：本站原创点击数：更新时间：2007-10-30

在SAS/STAT模块中FREQ、TABULATE和SUMMARY等过程可用于分类资料的统计描述，其中FREQ过程兼具统计描述和统计推断的功能，对分类变量计算频数分布，产生从一维到n维的频数表和列联表；对于二维表，可进行c²检验，对于三维表，可作Mentel-Hanszel分层分析。FREQ过程是SAS用于分析分类资料的一个常用过程。本章将向大家介绍FREQ过程的用法。

§6.1 引例

例6.1 某医生用国产呋喃硝胺治疗十二指肠溃疡，以甲氰咪胍作对照组，问两种方法治疗效果有无差别（医统第二版P37 例3.10）？

处理	愈合	未愈合	合计
呋喃硝胺	54	8	62
甲氰咪胍	44	20	64
合计	98	28	126

解：在建立行´ 列表的数据集时一般需要三个变量――行变量、列变量和指示每个格子中频数的变量。本例首先建立这样一个数据集，然后调用FREQ过程输出行´ 列表，同时利用CHISQ选项进行c ²检验。

① 设定数据库环境：

LIBNAME A C:\USER ；

② 数据步，建立数据集（这里同时给出直接输入和利用循环语句输入两种程序）：

DATA A.YTLI8_1;	DATA A.YTLI8_1;
INPUT ROW COLUMN NUMBER ;	DO ROW=1 TO 2；
CARDS；	DO COLUMN=1 TO 2；
1　1　54	INPUT NUMBER @@;
1　2　 8	OUTPUT；
2　1　44	END；
2　2　20	END；
；	CARDS；
RUN;	54　8　44　20
	；
	RUN;

③ 调用FREQ过程，进行c ²检验：

PROC FREQ DATA=A.YTLI8_1;

　TABLE ROW*COLUMN / CHISQ;

　WEIGHT NUMBER;

RUN;

§6.2 FREQ过程

6.2.1 语法格式

PROC FREQ [选项]；
TABLES 请求式/[选项]；	必需，指定行变量和列变量
WEIGHT <变量名>；	指定频数指定变量
BY <变量名列>；

如：PROC FREQ；

TABLES A；

产生变量A的一维频数表。

PROC FREQ；

TABLES A*B；

产生A、B两个变量的列联表，*前为行变量，*后为列变量。

在TABLES语句中用*号连接三个或n个变量名，可得到三维或n维列联表，最后一个变量各水平形成表的列，倒数第二个变量各水平形成表的行，其它变量的每一级水平(或水平组合)形成一层，且每一层都形成分离的列联表。

如：PROC FREQ；

TABLES A*B*C*D；

列联表的数量为A、B不同水平的组合数，每个表的上部为D的各水平，左侧为C的各水平。

6.2.2 语法说明

【程序步选项】

DATA＝数据集规定PROC FREQ语句使用的数据集
ORDER＝FREQ 按频数递减顺序排列
ORDER＝DATA 按数据集中出现的顺序排列
ORDER＝INTERNAL 按内部值排列(缺省)
ORDER＝FORMATTED 按外部格式值排列

【TABLES语句】

PROC FREQ过程中可有多条TABLES语句，TABLES语句后可接多个表格请求式，每个请求式可包含任何数量的变量，从而得到所需的表格。

如果TABLES语句缺省，则FREQ过程对数据集中的所有变量都给出相应的一维频数表。不规定任何选项时，若需某变量的一维频数，FREQ给出该变量每一水平的频数(freqency)、累积频数(cumulative freqency)、频数的百分比(percent)和累积百分比(cumulative percent)；若需二维频数表，FREQ产生交叉分组列表，即包括各格的频数、总频数的格百分数、行频数的格百分数和列频数的格百分数。

请求式由一个或多个用“*”连接起来的变量名组成。几个变量可放在括号中，如：

TABLES A*(B C)；等价于TABLES A*B A*C；

TABLES (A-C)*D；等价于TABLES A*D B*D C*D；

下列选项可用于TABLES语句中“/”的后面：

普通选项

OUT＝数据集建立一个包含变量值和频数计数的输出数据集。如果TABLES语句中不止一个请求式，数据集的内容相应于TABLES语句中最后一个请求。

统计分析选项

CHISQ 对每层作c ²检验，包括Pearson c ²、似然比c ²和Mantel-Haenszel c ²。此外还给出与c ²检验有关的关联指标包括Phi系数、列联系数和Cramer’s V。对于2×2表，给出Fisher精确概率。
AGREE 进行配对c ²检验。
EXACT 对大于2×2的列联表计算Fisher精确概率。同时也给出CHISQ选项的全部统计量。
MEASURES 对每层的二维表计算一系列关联指标及相应的标准误，包括Pearson和Spearman相关系数，以及Gamma和Kendall系数等。对于2×2表，还给出常用的危险度指标及其标准误。
CMH 给出Cochran-Mantel-Haenszel统计量，可检验在调整了TABLES语句中其它变量后，行变量与列变量之间的关联程度。对于2×2表，FREQ过程给出相对危险度估计及其可信区间，还给出各层关联度指标是否齐性的Breslow检验。
ALL 给出CHISQ、MEASURES、CMH所请求的全部统计量。
ALPHA＝p 给出检验水准。缺省为0.05。

有关表格信息选项

EXPECTED 给出期望频数
DEVIATION 给出每格的实际频数与期望频数的差值
CELLCHISQ 给出每格对总c ²的贡献，即计算每格的(实际频数-期望频数)²/期望频数。
CUMCOL 给出累积列百分数

禁止输出选项

NOFREQ 不给出列联表中的格频数
NOPERCENT 不给出列联表中的格百分数
NOROW 不给出列联表中各格的行百分数
NOCOL 不给出列联表中各格的列百分数
NOCUM 不给出频数表的累积频数和累积百分数
NOPRINT 不给出表格，但给出CHISQ、MEASURES或CMH等语句所指定的统计量。

【WEIGHT语句】

通常每个观察值提供数值1给频数计数，当WEIGHT语句出现时，每个观察值提供的是该观察值的加权变量值。该值必须非负，但可不必为整数。只能使用一个WEIGHT语句，且该语句作用于所有的表。

6.2.3 结果解释

当TABLES语句不带任何选项时，FREQ过程只输出N维频数表，只有在选项中指定统计方法后才输出相应的检验结果。下面以本章例8.1的输出为例，解释FREQ过程的结果。

TABLE OF ROW BY COLUMN

每个单元格给出以下结果：ROW为行变量，COLUMN为列变量

	ROW 　　　　COLUMN
频数，指格频数	Frequency\|
百分数	Percent \| 百分数即指该格频数占总频数的百分比
行百分数	Row Pct \| 指该格频数占该行总频数的百分比
列百分数	Col Pct \| 1\| 2 \| Total 行变量的不同取值及合计
	---------+-------+-------+
列	1 \| 54 \| 8 \| 62
变	\| 42.86 \| 6.35 \| 49.21
量	\| 87.10 \| 12.90 \|
的	\| 55.10 \| 28.57 \|
不	---------+-------+-------+
同	2 \| 44 \| 20 \| 64
取	\| 34.92 \| 15.87 \| 50.79
值	\| 68.75 \| 31.25 \|
及	\| 44.90 \| 71.43 \|
合	---------+-------+-------+
计	Total 98 28 126
	77.78 22.22 100.00

STATISTICS FOR TABLE OF ROW BY COLUMN

Statistic DF Value Prob

------------------------------------------------------

Pearson c² Chi-Square 1 6.133 0.013

似然比c² Likelihood Ratio Chi-Square 1 6.304 0.012

c²_M-H Continuity Adj. Chi-Square 1 5.118 0.024

Mantel-Haenszel Chi-Square 1 6.084 0.014

Fisher's Exact Test (Left) 0.997

(Right) 0.011

(2-Tail) 0.018

Phi Coefficient 0.221

Contingency Coefficient 0.215

Cramer's V 0.221

Sample Size = 126 样本例数为126

以上统计结果的最后三行为三个系数，三项均无P值，只给出具体的统计量值。它们都是用于刻划行变量、列变量两个分类变量之间关联强度的描述性统计量。

给大家讲件真事，也是笑话，如果你笑得出来。有位同学做课题，考虑到统计不太熟，就找另一位研究生(当然不是统计专业的)来帮他。这位朋友用FREQ过程得出c ²检验结果，同学看了直犯愁，便问道：“这么多P值，用哪个呀？”朋友反问：“你是想有差别还是无差别？”他回答：“当然是有差别喽。”答曰：“那就用P值最小的那个！”

　6.2.4 应用实例

例6.2 某地测得6094人的血型结果如下，问ABO血型与MN血型有无关联？(医学统计学第二版P.197 2.11题)

血型	M	N	MN	合计
O	431	490	902	1823
A	388	410	800	1598
B	495	587	950	2032
AB	137	179	325	641
合计	1451	1666	2977	6094

解：程序如下:

data.yt2_11;

　do a=1 to 4;

　　do b=1 to 3;

　　　input count @@;

　　　output;

　　end;

　cards;

　431 490 902 388 ．．．

;

proc freq;

　tables a * b/chisq;

　weight count;

run;

例6.3 用甲乙两种培养基培养结核杆菌45份，问两种培养基何者为优？(医学统计学第一版P.310 1.14题)

乙培养基		甲培养基
		+	－	合计
	+	12	16	28
	－	4	13	17
	合计	16	29	45

解:程序如下(结果给出c²及其P值):

data a.yt1_14;

　input r c num @@;

　cards;

　1 1 12 1 2 16 2 1 4 2 2 13

;

proc freq;

　tables r*c/agree;

　weight num;

run;

注：该方法在ASSIST视窗中无法实现，在低版本的SAS中也无法实现。

【发表评论】【加入收藏】【告诉好友】【打印此文】【关闭窗口】

上一篇教程： sas教程：第五章定量资料的统计描述和t、u检验

下一篇教程： sas教程：第七章方差分析和协方差分析