SAS数据分析应用实例及相关程序

21 样品聚类

【例21】 有一项对美国39座城市空气污染情况的调查数据，在这39个城市中，对每个城市检测了二氧化硫（SO）、平均气温（temperature）、

2

20人以上的手工企业（factories）、人口数（population）、平均风速（windspeed）、平均降雨量（rain）、每年平均降雨天数（rainydays）

7项指标，其中二氧化硫（SO）是结果变量，其

2

余的六个变量为原因变量，即对二氧化硫（SO）

2

有影响的因素。数据见表36-1，试对这39个城市的空气污染程度按原因变量进行分类。

22. 判别分析

【例22】 从心电图的5个不同指标中对健康人（C＝1）、硬化症患者（C＝2）和冠心病患者（C＝3）的数据(见cl.dbf). 试进行判别分析。

23 时间序列分析——指数平滑分析 【例23】 某药品公司自1990年以来生产的某种抗生素的出厂数量时间序列如表20-1所示，试用指数平滑法预测2006~2010年该药的出厂数量，并计算模型参数、预测值及其置信区间。

24. 时间序列——ARIMA模型

【例24】为了对某区级医院体检中心1970-2005年的收入序列（连续性变量）进行预测（数据详见表20-2），选用ARIMA过程进行。通过ARIMA模型预测的三个主要阶段，通过识别（自相关、逆自相关及偏自相关函数，并最终根据AIC最小的原则选择合适的模型）、建模和预测，完成对该医院收入序列的预测结果。