SAS基础：了解TABULATE过程

首先看一个例子。

设某人抽查某学院40名学生（实际统计人数很多，上千人，为了说明tabalate过程的使用，我们这儿仅选用40人），统计他们的身高和体重，用于分析学生身高和体重的规律。40名学生来自4个教学班，3个地区（家庭所在地区）。具体数据如表6-3所示。要求打印数表，直观地比较地区（学生来自地区）、性别对身高和体重的影响。除非另外声明，本章6.2节制表的数据都取自表6-3。

表6-3　40名学生的身高和体重情况（性别取1代表男性，取2代表女性）

续表6-3

该统计数据中有两类变量：身高和体重是连续变量（因变量），而变量地区、性别和班级只能取有限个值，用来把数据集highweig分类，地区的值（地区1—地区3）把数据集分成三类，性别的值（男和女）把数据集分成两类，班级的值（1班—4班）把数据集分成四类。SAS把地区、性别和班级这样的变量称为“分类变量”。连续变量（身高和体重）是被统计的对象，这儿要考虑分类变量对它们的影响。变量编号无用处。tabulate过程能由这些数据打出数表，由这些表可以直观地看出身高和体重（平均值）受地区和性别影响的情况。有些其他SAS过程，例如anova过程和glm过程，也可以用来细致精确地分析分类变量对连续变量（因变量）的影响，但是它们所用的统计工具复杂，并且不如tabulate过程打印的表直观，本书姐妹篇中将向向大家介绍GLM过程如何分析分类变量的影响。

一般情形下，tabulate过程有4条必要语句：proc tabulate语句、class语句、var语句和table语句。它们的最基本功能和最简形式如下。

（1）proc tabulate语句：用于调用tabulate过程。最简形式是

（2）class语句：用于说明哪些变量是分类变量。基本形式是(www.xing528.com)

说明变量1，变量2……是分类变量。

（3）var语句：用于说明哪些变量是连续因变量。基本形式是

说明变量1，变量2……是连续因变量。

（4）table语句：用于指示SAS输出表格。一般形式是

当table语句中只有1个分类变量时，tabulate过程指示SAS以变量1为横轴打印一维表（见例6.2）。当table语句中有2个分类变量时，tabulate过程指示SAS以变量2为纵轴，变量1为横轴打印二维表（见例6.3）。当table语句有3个分类变量时，tabulate过程指示SAS对于变量1的每一个值打1张表：变量2的值作为纵轴，变量3的值作为横轴（见例6.4）。table语句常用选项如下：all（通常跟在分类变量之后）指示SAS对该变量增加页、行或列，在该页、行或列输出观测值汇总的相应数据；mean指示表中输出被统计的连续变量（因变量）的均值；sum指示表中输出被统计的连续变量（因变量）的和；min指示表中输出被统计的连续变量（因变量）的最小值；MAX指示表中输出被统计的连续变量（因变量）的最大值。

为了使编程方便，对于表6-2的数据，设变量地区、班级、性别分别记为area、team、gender。设变量area的值分别是area1、area2、area3，变量team的值分别是team1、team2、team3、team4，变量gender的值是1（男性）和2（女性）。

table语句中对于不同选项或变量的并行用空格分开表示，例如既要打印出原有变量area的每个值来计算连续变量（因变量）的统计量外，还要输出area的所有值来计算连续变量（因变量）的统计量，那么可用代码“area all”；又如要把连续变量high和weight的统计表合在一起，那么可用代码“high weight”。如果要做分类变量、因变量和选项的“交叉”，则可以用“＊”隔开，例如要对分类变量变量1的每一个值求变量high的均值，那么可以用代码“mean＊high＊变量1”；又如要对分类变量变量2的每一个值求变量high的均值、最小值和最大值，那么可以用代码“（mean min max）＊high＊变量2”。同一tabulate过程可以有多个table语句，指示SAS打印多张不同表。