随笔分类 - SAS统计过程
摘要：前面的博客有介绍过对连续的变量进行线性回归分析，从而达到对因变量的预测或者解释作用。那么如果因变量是离散变量呢？在做行为预测的时候通常只有“做”与“不做的区别”、“0”与“1”的区别，这是我们就要用到logistic分析（逻辑回归分析，非线性模型）。 参数解释（对变量的评价） 发生比(odds)：
阅读全文
摘要：回归分析即，量化因变量受自变量影响的大小，建立线性回归方程或者非线性回归方程，从而达对因变量的预测，或者对因变量的解释作用。 回归分析流程如下： ①探索性分析，画不同变量之间的散点图，进行相关性检验等，了解数据的大致情况，以及得知重点关注那几个变量； ②变量和模型选择，； ③回归分析假设条件验证；
阅读全文
摘要：实际意义 判别分析于聚类分析的功能差不多，区别在于，聚类分析之前，没有人知道具体的是怎么分的类，分了哪几大类。而判别分析是已经把类别给分好，要做的是把没有分好类的数据观测，按照之前分好的类再进行分类。这里不同于生活中常见的分类先有具体的分类逻辑（这里叫做判别函数）。所以判别分的难点在于先由分好类的数
阅读全文
摘要：顾名思义，对数据的变量或者观测进行分类。 常见的分类方法有：层次法（凝聚式、分裂式适合，适合观测少的，不需要输入类别数）、划分法（开始阶段直接指定某几个类中心，适合观测多的情形，需要输入类别数）。 检测分类好坏的标准：同一类的相似，不同类的几乎不具备相似性（殊途殊归，同途同归）。 一般情况下使用距离
阅读全文
摘要：主成分分析，主成份是原始变量的线性组合，在考虑所有主成份的情况下主成份和原始变量间是可以逆转的。即“简化变量”，将变量以不同的系数合起来，得到好几个复合变量，然后在从中挑几个能表示整体的复合变量就是主成份，然后计算得分。 因子分析，公共因子和原始变量的关系是不可逆转的，但是可以通过回归得到。是将变量
阅读全文
摘要：方差分析的主要功能就是验证两组样本，或者两组以上的样本均值是否有显著性差异（是否一致）。 这里有两个大点需要注意：①方差分析的原假设是：样本不存在显著性差异（即，均值完全相等）；②两样本数据无交互作用（即，样本数据独立）这一点在双因素方差分析中判断两因素是否独立时用。 原理 方差分析的原理就一个方程
阅读全文
摘要：假设检验分参数假设和非参数假设。 假设 先假设原假设H0，对应的反面叫做备择假设H1。SAS一般沿用的规则是NEYMAN和PEARSON提出的：在控制犯第一类错误的原则下，是犯第二类错误的概率尽量小（即，原假设受到保护，不能轻易否定。若原假设被否定了，其理由一定是充分的）。反过来思考，若为了是假设更
阅读全文
摘要：参数估计即通过样本计算出来的某个统计值来估计总体的统计值。 参数估计分点估计和区间估计。 点估计即，通过样本直接估计总体的某个指标（均值或者标准差等），估计的结果是一个确定的值。 区间估计即，通过样本估计总体的某个指标，估计的结果是一个区间（置信区间，在某个置信水平上的总体指标所在的区间）。 解释：
阅读全文
摘要：EDA(探索性数据分析)最常用的过程步之一就是PROC UNIVARIATE。 首先先看一个最简单的PROC UNIVARIATE程序： 上述代码得到的结果有：矩、位置和可变形的基本测度、位置检验、分位数、极值观测。具体如下： 解读：首先看第一张表——矩，其中N=35代表该进入分析变量有35条观测，
阅读全文
浙公网安备 33010602011771号