內容簡介
《SAS統計分析從入門到精通》一書於2009年由人民郵電出版社出版發行。在數據處理和統計分析領域，SAS軟體被譽為標準軟體，在我國廣泛套用於醫學、農林、財經、社會科學、行政管理等眾多領域。
《SAS統計分析從入門到精通》實用性強，避免複雜的數學公式推導，並且通過選單和編程兩種方式實現統計分析和得到結論的全部過程。
《SAS統計分析從入門到精通》既可作為高等院校本科生和研究生的統計學教材，又可以作為管理、金融、醫學領域進行數據分析的自學教材，同時還可以作為從事數據分析與數據管理的研究人員的參考用書。
媒體推薦
SAS是統計分析的得力工具，本書更將SAS的套用方法深入淺出地敘述給了讀者，讓讀者很快地一窺SAS之奧秘及其使用方法；本書包含作者豐富的SAS分析經驗及其多年來收集的許多一手數據和研究案例，因此對統計分析者來說，這實在是一本很好的介紹SAS統計分析套用的圖書。
——台灣輔仁大學統計資訊學系教授、中華資料採礦（Data Mining）協會理事長 謝邦昌教授
經常有一些些博士生問我：我們學完統計後怎么用不上，統計到底有什麼用？我回答他們說：你們本科學的是統計學的ABC，碩士學的還是ABC，博士學的同樣是ABC，很少學到D，更談不到JXYZ。本書的特點之一，就是知識容量很大，涵蓋社會、經濟、管理各專業所常用的統計學內容，從ABC到XYZ。本書的特點之二，便是作者通過通俗、易懂、細緻的語言，用經濟學思路和感悟把複雜的統計學原理傳遞給讀者，用計算機幫助讀者實現數據分析過程的每一個細節，使得學習統計學像學打羽毛球、學騎腳踏車、學游泳一樣快樂而有用。
——首都經濟貿易大學統計學院院長 紀宏教授
本書強調軟體操作和編程技術與實際問題分析的緊密結合，配備了作者多年來收集的大量一手數據以及有特色的典型案例。縱觀全書，作者並沒有機械地從SAS系統選單和程式結構入手，而是獨闢蹊徑以數據分析工作的基本流程作為寫作思路，以分析方法為主線，說理透徹，簡單易懂，具有濃郁的經濟統計學通俗讀物氣息，令人耳目一新。
——清華大學經濟管理學院金融系 朱世武博士
目錄
第1章 數據預處理
1.1 SAS環境與操作界面
1.2 SAS編程基礎
1.2.1 SAS程式語言的基本結構
1.2.2 SAS結構化編程語句
1.3 SAS的數據處理對象
1.3.1 SAS資料庫和SAS數據集
1.3.2 SAS系統的外部數據檔案
1.4 數據預處理原理和基本方法
1.4.1 數據整理
1.4.2 數據分拆與合併
1.4.3 數據清洗
1.4.4 數據變換
1.5 本章小結
第2章 數據的描述
2.1 統計圖
2.1.1 直方圖
2.1.2 條形圖
2.1.3 線圖
2.1.4 散點圖
2.1.5 餅圖
2.1.6 盒式圖
2.1.7 莖葉圖
2.2 統計量
2.2.1 集中趨勢
2.2.2 離散程度
2.2.3 分布形狀
2.2.4 利用選單和程式進行詳細的描述統計分析
2.3 統計表
2.3.1 統計表的基本要素
2.3.2 用TABULATE過程繪製統計表
2.4 數據分布
2.4.1 總體分布
2.4.2 樣本分布
2.4.3 抽樣分布
2.5 本章小結
第3章 簡單統計推斷
3.1 簡單統計推斷的基本原理
3.1.1 參數估計
3.1.2 假設檢驗
3.2 單總體參數的估計及假設檢驗
3.2.1 單總體的參數估計
3.2.2 單總體參數的假設檢驗
3.3 兩總體參數的估計及假設檢驗
3.3.1 獨立樣本的參數估計和檢驗
3.3.2 成對樣本的參數估計和檢驗
3.4 本章小結
第4章 方差分析
4.1 方差分析的基本原理
4.2 單因素方差分析
4.2.1 單因素方差分析與方差同質性檢驗
4.2.2 方差分析的多重比較
4.2.3 方差分析模型的參數估計和預測
4.3 多因素方差分析
4.3.1 只考慮主效應的多因素方差分析
4.3.2 存在互動效應的多因素方差分析
4.4 協方差分析
4.5 本章小結
第5章 非參數檢驗
5.1 非參數檢驗的基本問題
5.2 單樣本非參數檢驗
5.2.1 單樣本均值的Wilcoxon符號秩檢驗
5.2.2 單樣本的Kolmogorov-Smirnov檢驗
5.3 兩個樣本的非參數檢驗
5.3.1 兩個獨立樣本中位數比較的Wilcoxon秩和檢驗
5.3.2 兩個獨立樣本分布的Kolmogorov-Smirnov檢驗
5.3.3 成對樣本中位數的Wilcoxon符號秩檢驗
5.4 多個樣本的非參數檢驗
5.4.1 多個獨立樣本位置的Kruskal-Wallis檢驗
5.4.2 多個獨立樣本位置的Jonckheere-Terpstra檢驗
5.4.3 多個獨立樣本中位數的Brown-Mood檢驗
5.5 本章小結
第6章 相關與回歸分析
6.1 相關分析
6.1.1 簡單相關分析
6.1.2 偏相關分析
6.1.3 等級相關分析
6.2 典型相關分析
6.2.1 典型相關分析基本原理
6.2.2 典型相關係數的顯著性檢驗
6.2.3 典型相關的冗餘分析
6.3 線性回歸分析
6.3.1 回歸分析的基本原理
6.3.2 一元線性回歸分析
6.3.3 多元線性回歸分析
6.4 定性自變數回歸分析
6.4.1 虛擬變數的設定
6.4.2 含有虛擬變數的回歸分析
6.5 本章小結
第7章 因子分析
7.1 數據降維
7.1.1 數據降維的基本問題
7.1.2 數據降維的基本原理
7.2 主成分分析
7.2.1 主成分分析的基本概念與原理
7.2.2 主成分分析的基本步驟和過程
7.3 因子分析
7.3.1 因子分析的基本原理
7.3.2 因子分析的基本步驟和過程
7.4 本章小結
第8章 聚類分析與判別分析
8.1 聚類分析的基本原理
8.1.1 分類的基本原則
8.1.2 單一指標的系統聚類過程
8.1.3 多指標的系統聚類過程
8.2 聚類分析的步驟和過程
8.2.1 系統聚類
8.2.2 快速聚類
8.2.3 變數聚類
8.3 判別分析的基本原理
8.4 判別分析的步驟和過程
8.4.1 距離判別
8.4.2 Bayes判別
8.4.3 Fisher判別
8.4.4 逐步判別
8.5 本章小結
第9章 列聯分析與對應分析
9.1 列聯分析
9.1.1 列聯表
9.1.2 列聯表的分布
9.1.3 χ2分布與χ2檢驗
9.1.4 列聯表中的關聯度分析
9.1.5 χ2分布的期望值準則
9.2 對應分析
9.2.1 對應分析的基本思想
9.2.2 對應分析的步驟和過程
9.3 本章小結
第10章 離散因變數模型
10.1 線性機率模型
10.2 二元選擇模型
10.2.1 線性機率模型的缺陷與改進
10.2.2 二元選擇模型的基本原理
10.2.3 BINARY PROBIT模型
10.2.4 BINARY LOGIT模型
10.3 多重選擇模型
10.3.1 多重選擇模型的基本原理
10.3.2 ORDINAL PROBIT模型
10.3.3 ORDINAL LOGIT模型
10.3.4 MULTINOMIAL LOGIT模型
10.4 計數模型
10.4.1 POISSON 回歸模型的基本原理
10.4.2 POISSON回歸模型的分析過程和步驟
10.5 本章小結
第11章 時間序列分析
11.1 時間序列的基本問題
11.1.1 時間序列的組成部分
11.1.2 時間序列的平穩性
11.2 ARIMA模型的分析過程
11.2.1 ARIMA模型
11.2.2 ARMA模型的識別、估計與預測
11.2.3 利用SAS時間序列預測系統進行選單操作
11.3 本章小結
