SAS系统MDS程序示例：美国城市航空距离的可视化

"SAS程序基本功能的示范-190422-st_tech_trends_report_2020-2040" 本资源主要介绍了SAS编程中多维尺度分析（MDS，Multidimensional Scaling）的基本功能。MDS是一种数据降维技术，用于将高维数据转化为低维空间的坐标表示，以便于可视化和理解数据间的相似性或距离关系。在这个例子中，MDS被用来处理美国十大城市之间的航空距离数据，将这些距离转化为二维坐标，便于用图表展示。 程序开始时，设置了页面尺寸（OPTIONS LS=78 PS=60 NODATE;），然后定义了数据集（DATA MDS;），输入了十个城市及其对应的航空距离，并为每个城市分配了一个变量名（如ATLANTA, CHICAGO等）。同时，城市名称存储在变量CITYNAME中。注意到输入数据的航空距离已经非常接近欧氏距离，因此在MDS分析中，度量级别（LEVEL）被设置为绝对值，这意味着转换函数在这个特定情况下不会产生显著影响。 MDS分析的结果是每个城市在二维空间中的坐标值，这些坐标值会保存到输出数据集中，然后可以使用SAS的PLOT程序绘制地图。这个过程展示了SAS在数据分析和可视化方面的强大能力，它能够处理复杂的数据，并以直观的方式呈现结果。 资源中还提到了SAS的其他统计程序，如PROCMEANS、PROCSUMMARY、PROCUNIVARIATE、PROCCHART、PROCTABULATE、PROCCORR、PROCPLOT、PROCSTANDARD、PROCRANK和PROCSCORE等，这些都是SAS系统内常用的描述性和分析性统计工具： - PROCMEANS和PROCSUMMARY用于生成数据的描述性统计量，如均值、标准差、频数等。 - PROCUNIVARIATE提供了单变量的统计分析，包括直方图、概率图等。 - PROCCHART用于创建各种统计图表，如控制图、箱型图等。 - PROCTABULATE用于创建统计表格，可以进行复杂的变量组合和计算。 - PROCCORR计算变量之间的相关系数，用于衡量变量间的关联强度。 - PROCPLOT是一个通用的绘图程序，能创建各种图形，包括单变量和多变量的图形。 - PROCSTANDARD用于标准化数据，将变量转换为标准正态分布。 - PROCRANK对数据进行排名，输出变量的排名信息。 - PROCSCORE则用于计算变量的线性组合，常用于因子分析或主成分分析中的得分计算。 通过这些程序，用户可以根据具体需求对数据进行深入的探索、分析和展示，从而得出有价值的洞察。