统计分析中的常用统计关键字

需积分: 12 0 下载量 143 浏览量 更新于2024-08-22 收藏 543KB PPT 举报
"统计关键字-第10章 常用过程" 在统计分析中,关键字是用来指定统计过程应计算和展示的特定统计指标。在SAS这样的统计软件中,这些关键字必须在调用相应的统计过程时声明,才能在结果输出中看到相应的统计量。本章主要介绍了常用的过程和统计指标,特别是关于数据的统计特征。 数据的统计特征主要包括集中趋势、离散趋势、偏度和峰度,它们是评估数据分布和结构的基础。 集中趋势是数据集的中心位置,用于描述数据集的“典型”或“平均”值。常见的集中趋势度量包括: 1. 均数(Mean):是最常用的集中趋势指标,通过所有观测值的总和除以观测值的数量得到。均数可以是直接法计算(适用于小样本)或加权法计算(适用于频数表数据或重复观测值)。在使用均数时,应注意其对极端值敏感,并且只适用于正态或近似正态分布的数据。 2. 几何均数(Geometric Mean):适用于对数正态分布的数据或等比级数数据,如抗体滴度。由于0不能取对数,因此计算时数据中不能包含0,也不能同时有正值和负值。 3. 中位数(Median):是数据按大小排序后的中间值,不受极端值影响,因此对于非正态分布或数据两端缺失的情况更为适用。中位数可以通过直接法或频数表法计算。 4. 百分位数(Percentiles):如百分位数Px,将数据分为两个部分,其中X%的观测值小于或等于该百分位数。百分位数提供了一个相对位置的参考,特别适用于描述数据的分布范围。 离散趋势则关注数据的分散程度,例如: 1. 标准差(Standard Deviation):衡量数据相对于均数的平均偏离程度,与均数一起使用可以更好地理解数据的分布。 2. 方差(Variance):是标准差的平方,也是衡量数据分散度的一个指标。 3. 四分位差(Interquartile Range, IQR):从第一四分位数(Q1)到第三四分位数(Q3)的差值,用于描述数据的中等波动范围,尤其适用于存在极端值的情况。 除了这些基本的统计特征,偏度(Skewness)和峰度(Kurtosis)则反映了数据分布的对称性和尖峰程度。偏度为正表示数据右偏(长尾向右),负表示左偏(长尾向左),0表示对称分布。峰度高表示数据分布尖峰,低表示平顶分布,0对应正态分布。 统计关键字的使用使得我们可以选择性地计算和展示这些统计量,以更全面地了解数据的特性。在SAS中,可以通过指定相应的关键字来定制统计过程的输出,例如计算均数、中位数或标准差等,以便根据研究需求进行深入的数据分析。