Le script est une suite d'exemples d'analyses statistiques. Pour chaque exemple, un jeu de données est d'abord créé via une étape DATA avec des données internes (CARDS). Ensuite, des procédures de visualisation comme PROC BOXPLOT et PROC SGPLOT sont utilisées pour explorer les relations entre les variables. Le cœur de l'analyse repose sur PROC GLM (General Linear Models) qui est utilisée pour effectuer : 1) Une ANOVA pour tester l'effet d'une variable de classification sur une variable de réponse. 2) Une ANCOVA pour faire de même en ajustant l'effet pour une variable continue (covariable). Les moyennes ajustées (LSMEANS) sont calculées pour comparer les groupes. Ce processus est répété pour plusieurs jeux de données nommés medicine, data1, edu, na, et sale.
Analyse des données
Type : CREATION_INTERNE
Tous les jeux de données (medicine, data1, edu, na, sale) sont créés et peuplés directement dans le script à l'aide d'étapes DATA et de l'instruction CARDS/DATALINES. Aucune donnée externe n'est requise.
1 Bloc de code
DATA STEP Data
Explication :
Création de la table 'medicine'. L'option '@@' dans l'instruction INPUT indique à SAS de lire plusieurs observations à partir d'une même ligne de données.
Création de la table 'medicine'. L'option '@@' dans l'instruction INPUT indique à SAS de lire plusieurs observations à partir d'une même ligne de données.
Copié !
| 1 | DATA medicine; |
| 2 | INPUT trt x y @@; |
| 3 | CARDS; |
| 4 | 1 27.2 32.6 1 22.0 36.6 |
| 5 | 1 33.0 37.7 1 26.8 31.0 |
| 6 | 2 28.6 33.8 2 26.8 31.7 |
| 7 | 2 26.5 30.7 2 26.8 30.4 |
| 8 | 3 28.6 35.2 3 22.4 29.1 |
| 9 | 3 23.2 28.9 3 24.4 30.2 |
| 10 | 4 29.3 35.0 4 21.8 27.0 |
| 11 | 4 30.3 36.4 4 24.3 30.5 |
| 12 | 5 20.4 24.6 5 19.6 23.4 |
| 13 | 5 25.1 30.3 5 18.1 21.8 |
| 14 | ; |
| 15 | RUN; |
2 Bloc de code
PROC SORT
Explication :
Tri du jeu de données 'medicine' en fonction de la variable de traitement 'trt'. Cette étape est souvent un prérequis pour les analyses 'BY-group'.
Tri du jeu de données 'medicine' en fonction de la variable de traitement 'trt'. Cette étape est souvent un prérequis pour les analyses 'BY-group'.
Copié !
| 1 | PROC SORT DATA=medicine; |
| 2 | BY trt; |
| 3 | RUN; |
3 Bloc de code
PROC BOXPLOT
Explication :
Génération de boîtes à moustaches (boxplots) pour visualiser la distribution de la variable 'y' pour chaque groupe de traitement 'trt'.
Génération de boîtes à moustaches (boxplots) pour visualiser la distribution de la variable 'y' pour chaque groupe de traitement 'trt'.
Copié !
| 1 | PROC BOXPLOT DATA=medicine; |
| 2 | plot y*trt; |
| 3 | RUN; |
4 Bloc de code
PROC SGPLOT
Explication :
Création d'un nuage de points pour visualiser la relation entre les variables 'x' et 'y', en différenciant les points par groupe de traitement 'trt'.
Création d'un nuage de points pour visualiser la relation entre les variables 'x' et 'y', en différenciant les points par groupe de traitement 'trt'.
Copié !
| 1 | |
| 2 | PROC SGPLOT |
| 3 | DATA=medicine; |
| 4 | scatter x=x y=y / group=trt; |
| 5 | RUN; |
| 6 |
5 Bloc de code
PROC GLM
Explication :
Analyse de variance (ANOVA). Ce bloc teste si la moyenne de la variable de réponse 'y' diffère significativement entre les groupes définis par 'trt'. LSMEANS avec TDIFF compare les moyennes de chaque paire de groupes.
Analyse de variance (ANOVA). Ce bloc teste si la moyenne de la variable de réponse 'y' diffère significativement entre les groupes définis par 'trt'. LSMEANS avec TDIFF compare les moyennes de chaque paire de groupes.
Copié !
| 1 | PROC GLM DATA=medicine ; |
| 2 | CLASS trt; |
| 3 | MODEL y=trt /SOLUTION; |
| 4 | LSMEANS trt/TDIFF; |
| 5 | RUN; |
6 Bloc de code
PROC GLM
Explication :
Analyse de covariance (ANCOVA). Ce modèle teste les différences de 'y' entre les groupes 'trt' tout en contrôlant l'effet de la covariable continue 'x'.
Analyse de covariance (ANCOVA). Ce modèle teste les différences de 'y' entre les groupes 'trt' tout en contrôlant l'effet de la covariable continue 'x'.
Copié !
| 1 | PROC GLM DATA=medicine ; |
| 2 | CLASS trt; |
| 3 | MODEL y=trt x /SOLUTION; |
| 4 | LSMEANS trt/TDIFF; |
| 5 | RUN; |
7 Bloc de code
DATA STEP Data
Explication :
Création d'un second jeu de données 'data1' avec une variable de traitement textuelle ('A', 'B') et deux variables numériques.
Création d'un second jeu de données 'data1' avec une variable de traitement textuelle ('A', 'B') et deux variables numériques.
Copié !
| 1 | DATA data1; |
| 2 | INPUT trt $ x y; |
| 3 | CARDS; |
| 4 | A 5 20 |
| 5 | A 10 23 |
| 6 | A 12 30 |
| 7 | A 9 25 |
| 8 | A 23 34 |
| 9 | A 21 40 |
| 10 | A 14 27 |
| 11 | A 18 38 |
| 12 | A 6 24 |
| 13 | A 13 31 |
| 14 | B 7 19 |
| 15 | B 12 26 |
| 16 | B 27 33 |
| 17 | B 24 35 |
| 18 | B 18 30 |
| 19 | B 22 31 |
| 20 | B 26 34 |
| 21 | B 21 28 |
| 22 | B 14 23 |
| 23 | B 9 22 |
| 24 | ; |
| 25 | RUN; |
8 Bloc de code
PROC GLM
Explication :
Exécution d'une analyse de covariance (ANCOVA) sur le jeu de données 'data1' pour évaluer l'effet de 'trt' sur 'y' en ajustant pour 'x'.
Exécution d'une analyse de covariance (ANCOVA) sur le jeu de données 'data1' pour évaluer l'effet de 'trt' sur 'y' en ajustant pour 'x'.
Copié !
| 1 | PROC GLM DATA=data1 ; |
| 2 | CLASS trt; |
| 3 | MODEL y=trt x /SOLUTION; |
| 4 | LSMEANS trt/TDIFF; |
| 5 | RUN; |
9 Bloc de code
DATA STEP Data
Explication :
Création du jeu de données 'edu' pour comparer différentes méthodes. L'option '@@' permet de lire plusieurs observations par ligne.
Création du jeu de données 'edu' pour comparer différentes méthodes. L'option '@@' permet de lire plusieurs observations par ligne.
Copié !
| 1 | DATA edu; |
| 2 | INPUT method x y @@; |
| 3 | CARDS; |
| 4 | 1 29 39 1 4 34 1 18 36 |
| 5 | 2 17 35 2 35 38 2 3 32 |
| 6 | 3 1 38 3 15 43 3 32 44 |
| 7 | ; |
| 8 | RUN; |
10 Bloc de code
PROC GLM
Explication :
Analyse de covariance (ANCOVA) sur la table 'edu' pour comparer l'effet des 'method' sur 'y' en contrôlant pour 'x'.
Analyse de covariance (ANCOVA) sur la table 'edu' pour comparer l'effet des 'method' sur 'y' en contrôlant pour 'x'.
Copié !
| 1 | PROC GLM DATA=edu ; |
| 2 | CLASS method; |
| 3 | MODEL y=method x /SOLUTION; |
| 4 | LSMEANS method/TDIFF; |
| 5 | RUN; |
11 Bloc de code
DATA STEP Data
Explication :
Création de la table 'na' avec trois groupes de traitement (A, B, C).
Création de la table 'na' avec trois groupes de traitement (A, B, C).
Copié !
| 1 | DATA na; |
| 2 | INPUT trt $ x y @@; |
| 3 | CARDS; |
| 4 | A 11 6 A 8 0 A 5 2 A 14 8 A 19 11 A 6 4 A 10 13 A 6 1 A 11 8 A 3 0 |
| 5 | B 6 0 B 6 2 B 7 3 B 8 1 B 18 18 B 8 4 B 19 14 B 8 9 B 5 1 B 15 9 |
| 6 | C 16 13 C 13 10 C 11 18 C 9 5 C 21 23 C 16 12 C 12 5 C 12 16 C 7 1 C 12 20 |
| 7 | ; |
| 8 | RUN; |
12 Bloc de code
PROC GLM
Explication :
Analyse de covariance (ANCOVA) sur les données 'na'.
Analyse de covariance (ANCOVA) sur les données 'na'.
Copié !
| 1 | PROC GLM DATA=na ; |
| 2 | CLASS trt; |
| 3 | MODEL y=trt x /SOLUTION; |
| 4 | LSMEANS trt/TDIFF; |
| 5 | RUN; |
13 Bloc de code
DATA STEP Data
Explication :
Création du dernier jeu de données d'exemple, 'sale'.
Création du dernier jeu de données d'exemple, 'sale'.
Copié !
| 1 | DATA sale; |
| 2 | INPUT type x y @@; |
| 3 | CARDS; |
| 4 | 1 38 21 1 39 26 1 36 22 1 45 28 1 33 19 |
| 5 | 2 43 34 2 38 26 2 38 29 2 27 18 2 34 25 |
| 6 | 3 24 23 3 32 29 3 31 30 3 21 16 3 28 29 |
| 7 | ; |
| 8 | RUN; |
14 Bloc de code
PROC GLM
Explication :
Analyse de covariance finale sur la table 'sale' pour évaluer l'effet du 'type' sur 'y' en ajustant pour la covariable 'x'.
Analyse de covariance finale sur la table 'sale' pour évaluer l'effet du 'type' sur 'y' en ajustant pour la covariable 'x'.
Copié !
| 1 | PROC GLM DATA=sale ; |
| 2 | CLASS type; |
| 3 | MODEL y=type x /SOLUTION; |
| 4 | LSMEANS type/TDIFF; |
| 5 | RUN; |
Ce matériel est fourni "tel quel" par We Are Cas. Il n'y a aucune garantie, expresse ou implicite, quant à la qualité marchande ou à l'adéquation à un usage particulier concernant le matériel ou le code contenu dans les présentes. We Are Cas n'est pas responsable des erreurs dans ce matériel tel qu'il existe maintenant ou existera, et We Are Cas ne fournit pas de support technique pour celui-ci.
