yugao1986的专栏

<br />单样本t检验，首先检验其总体分布是否服从正态分布，对于符合相应条件的数据运用相应的检验。<br />仅举一例:调查一生产车间的刹车装置，直径为322millimeters为合格，生产车间有8个生产小组，每组抽的16个数据。现检验该车间生产的刹车装置是否合格?各个生产小组生产的是否合格?<br />spss操作：<br />对于总体数据,有如下操作。 <br /> <br />Analyze—Compare mean—One Sample T Test<br />对于每一组的数据，可以考虑作拆分数

传统的多元统计主要涉及多元分布与多元回归、均值向量、协方差矩阵、聚类判别、主成分与因子分析、对应分析、典型相关等等。理论学习一直都会是长期的过程，至于如何实现上述多元统计方法，推荐如下sas:http://psych.colorado.edu/~carey/Courses/PSYC7291/ExampleCode.htm,这个链接主要是用procs完成http://www.psyc

FROM http://support.sas.com/rnd/app/papers/glmselect.pdfThe GLMSELECT procedure performs effect selection in the framework of general linear models. A variety ofmodel selection methods are availab

******(1) USE K-MEANS CLUSTERING TO FIND NEAREAST NEIGHBORS****************;proc modeclus data = sashelp.iris m = 1 k = 4 out = _test1 neighbor; var petallength petalwidth sepallength sepalwidth

赵目等在“纵向数据下广义估计方程估计”一文从数学角度对广义估计方程进行了探讨，这里转载个sas做广义估计方程的例子：data thall; input id y visit trt bline age; intercpt=1; cards;104 5 1 0 11 31104 3 2 0 11 31104 3 3 0 11 31104 3 4 0

1.0 Introduction to Regression Procedures in SAS Statistical ProcedureFunctionsREGperforms linear regression with many diagnostic capabilities, selects models using

1.极差标准化方法经济统计分析中对正负指标标准化的一种处理方法：sas计算：proc sql; create table new as select (x-min(x))/(max(x)-min(x)) as z_x, (max(x)-x)/(max(x)-min(x)) as f_x from mydata;quit;

利用判别分析、logistic模型来分析信用风险的文章很多，这类文章应该传入国内最早的方法之一了。但是看期刊文章可以发现，作者都喜欢直接给出结果，至于如何得到结果的过程通常并不是非常的明晰。《Application of Proc Discrim and Proc Logistic in Credit Risk Modeling》一文给出SAS软件的具体操作：1.判别分析之前转载过一篇判别

今天阅读了一篇名为《Estimation of Statistical Models in SAS》的文档，文如其名，该文对不同的统计模型检验进行了概括，其中包括普通最小二乘回归（OLS）、分位数回归（QR）、稳固回归（RR）、嵌套对数模型（NLM）、泊松及负二项模型(PANBM)、非参和半参数估计（NASE）、偏最小二乘（PLS）、联立方程(SOSE)、似无关回归(SUR)、Tobit回归和截断

/*分类变量分析之logistc（一），因变量为二分类变量数据coronary中ca为二分类因变量，sex、ecg为二分类自变量，所有的二分类变量用0、1进行区别，构成（0，1）矩阵*/data coronary; input sex ecg ca count @@; datalines;0 0 0 11 0 0 1 40 1 0 10 0 1 1 81 0 0 9 1

虽然相关文章都会提及GM(1,1)模型，但是感觉都没有刘思峰的《灰色系统》书中第六章讲的详细。下面利用矩阵语言算法实现，代码经校对后衔接了中国卫生统计中的两篇文章。/*颜 杰 2006 中国卫生统计*/data a1;INPUT t year xt@@;/*读入原始数据序列*/ yt+xt;/*生成一阶累加序列*/ index=1; zt=-(yt+LAG(yt

AHP分析方法,其基本步骤可归纳为:(1)建立递阶层次结构建立递阶层次结构是AHP法中关键一步，如图所示。首先，把复杂问题中所包含的因素分解为不同层次。同一层次的因素作为准则对下一层次的某些因素起支配作用，同时，它又受上一个层次因素的支配。这种从上到下的支配关系形成了一个递阶层次结构，处于最上层的是目标层，一般是分析问题的预定目标，本文中即以经济承载能力作为目标，以综合指标表示经济承载能力

http://blog.renren.com/blog/0/726893170/editBlog 一、关键词：主成分分析思想：降维信息量：第一主成分，第二主成分，.....模型：矩阵方程或线性方程组方程条件：主成分系数平方和为1，主成分间独立，主成分的方差递减

<br />配对设计主要研究某种实验处理前后的对比状况，来判定该种处理是否有效。该种方法能够有效地控制非实验因素对结果的影响。<br />需要注意的是实验前后的结果不是独立的，就是说实验前的状况对实验后的结果是有影响的。统计学上通常会通过差值来消除这种影响，也可以考虑进行两独立样本的检验。这里分别用两种软件实现第一种方法。<br />例子：考察16个病人服药前后的weights和triglyceride levels,具体数据见附件。<br />1.SPSS<br />Analyze-Compare Mea

<br />方差分析研究多因素对观测变量影响，通过构造F统计量来判定各个因素的均数间有无统计学上的差异。进行方差分析，需要满足可比性、正态性、以及方差齐性的条件，最关键的地方是F统计量的构造。Ø方差分析的基本原理是设有n个总体，各总体分别服从正态分布，假定各总体方差相等。现从各总体随机抽取样本。透过各总体的样本数据推断n个总体的均值是否相等。<br />http://blog.renren.com/blog/220869953/706981510?frommyblog<br />http://blog.re

<br />聚类的目的是为了分类，但到底分多少类合适呢？迄今为止它上没有得到完全解决。<br />Demirmen曾提出根据树状结构图来分类的准则：<br />1.任何类都必须在临近类中是突出的<br />2.各类所包含的元素不应过多<br />3.分类数应该符合使用目的<br />4.采用集中聚类法，聚类图上应发现相同的类<br />这些准则是对分类数的探索之一。SAS软件中作聚类分析，可以控制CCC,PSEUDO选项，这两组选项对分类数的确定有一定的参考意义。CCC在高惠璇编著的STAT使用手册中译作立

<br />转自课件：<br />简介：<br />判别分析（Discriminate Analysis）是用以判别个体所属类体的一种统计方法，它根据已掌握类别信息，建立判别准则（判别函数），进而来判别未知样本所属的类别。判别分析的方法主要有距离判别、Fisher判别、贝叶斯判别、逐步判别。<br />实例分析：<br />Fisher于1936年发表的鸢尾花（Iris）数据被广泛地作为判别分析的例子。数据是对3种鸢尾花：刚毛鸢尾花（setosa第1组）、变色鸢尾花（versicolor第2组）和佛吉尼亚鸢

http://support.sas.com/resources/papers/proceedings11/338-2011.pdf

这篇文章逻辑性很强,脉络清晰,这样的思维能力就是所谓的逻辑了吧.文章将计算加权卡方统计量分作12个小环节,具体如下:1.设定矩阵假设存在一药物作用的患者样本,它有K(1,2,...,K)个观测,两种(i,j)处理,,将所有观测数据写成矩阵形式,就可以得到一个K*2的矩

列联表在统计中运用很广泛，尤其是在分类数据方面，2x2列联表是其中最基础的。临床上，两种药物的有效无效或者饮食规律正常与否等等都可以再2X2的表格里面反映实验的结果。概况起来该种列联表分析法可以描绘的情况有：1.数据由（分层）随机抽样获得，样本来自两组独立的服从二项分布的总体

学习聚类分析，一上来就是样本间的距离：Minkowski距离、兰氏距离、马氏距离、斜交空间距离，还有相似系数，接着一大堆分析方法：最短距离法（SIN）,最长距离法（COM）、中间距离法（MED）、重心法（CEN）、类平均法（AVE）、可变类平均法（FLE）、利差平方和法（WARD

http://blog.renren.com/blog/220869953/729589635?from=fanyeNew Factor因子分析过程因子分析用少数起根本作用、相互独立、易于解释通常又是不可观察的因子来概括和描述数据，表达一组相互关联的变量。通常情况下，这些

*表一，随机设计四格表;options validvarname=any;data test1; input 用药 $ 敏感性 $ 计数; datalines;服药 不敏感 180服药 敏感 215未服药 不敏感 73未服药 敏感 106;proc freq data=test1 order=data; weight 计数; tables 用药*敏感性