作者：有福有德

來源：計量與統計

SAS軟件系統計出身，相應的圍繞這個主題的圖形輸出功能與統計本身一樣很全，我們可以借助原始數據繪制自己需要的圖形，也可以在統計的基礎上，將常用的統計量保持下來，繪制需求的圖形。SAS/base有效地整合了這些方面，至少作為普通用戶的我來說，使用起來像一款軟件，而沒有不同模塊間帶來的差異之感。

另外，SAS軟件幾乎在每一個統計過程里都提供了ODS輸出系統，這就更方便統計結果的可視化輸出，這只需要設置plots=all，就可以看見所有可能的輸出。

一些常見的統計輸出圖形，總體視之，些許會幫助用戶更好的了解統計模型，下面介紹一下不太常見的圖形，其他圖形的功能將不再詳述。

第一行第一個的這個線圖，是在聚類分析的輸出，cluster聚類分析，提供判斷多少聚類數是最優的，分別提供CCC、偽F和偽t方三個指標作為判斷依據。

一般來說CCC、偽F需越大越好，偽t的讀法有點特別，但大致也是在找一個拐點。另外一個功能是提供異常信息，這與CCC的指標有關。

第一行最后一個，cook距離值，用于偵察異常值的信息，這個圖在reg的ODS輸出系統中很常見，不過這個指標一般不作為最終判斷異常信息的結論，而是與其他指標一起使用（學生化殘差、杠桿值等），然后再綜合判斷異常信息。

第一行第二個圖：多重檢驗圖，這個圖在glm過程中可見，這個圖表面上看很復雜，其實很簡單，橫坐標和縱坐標都是離散變量對應的均值，不同離散變量的不同取值依據在圖中標識出了，通過這些信息可以找到不同取值間的對應的交叉點，紅、藍色分別表示是否顯著。

第二行第三個圖：交互效應圖，在glm過程中可見，顯然這個圖可以很直觀的觀察到兩個離散變量間的交互狀況（有一點，但不明顯），主要是交叉的地方很微弱。另外，如果是連續變量的話，往往也會將連續變量離散化后（像上圖一樣），在繪制這個圖，以便更直觀的顯示交互關系。

第一行第一個圖：多維偏好圖，可以在prinqual中實現，用于表示哪些消費者對哪些產品更加喜愛，或偏好。

該圖讀法基本與主成分圖、對應分析（雙標）圖、典型相關圖相同，它們均歸屬于多變量過程之中；SAS軟件中的這個過程還提供其他功能，如變量轉換的一系列方法，像最優尺度變換的序列方法、非最優尺度變換的序列方法等等，這其中就包括了我常見的對數轉換、box-cox轉換等方法，尤其最優尺度的變換方法中，可以延伸出一個功能，就是分類主成分分析的方法。

第一行第一個，ROC圖，這個可以在logistic過程中完成（當然可以自己寫），當然一般在logistic過程這中會比較容易一些，可以實現不同變量面積間的比較，而且可以輸出單個和組合圖形的結果。

第一行第二個，殘差-殘差，這個圖形沒有專門的繪制過程，需要大家自己繪，繪制兩組殘差的散點圖。當用戶需要比較不同模型擬合同一組數據時，這個圖形會提供很多有用的信息，例如散點的線性關系、局部非線性這兩個視角。

第一個圖：貝葉斯圖形，在SAS很多過程里均有提供，也可以使用MCMC過程，這個過程是專門用于這類分析的。

——熱門課程推薦：

想學習PYTHON數據分析與金融數字化轉型精英訓練營，您可以點擊>>>“人才轉型”了解課程詳情；

想從事業務型數據分析師，您可以點擊>>>“數據分析師”了解課程詳情；

想從事大數據分析師，您可以點擊>>>“大數據就業”了解課程詳情；

想成為人工智能工程師，您可以點擊>>>“人工智能就業”了解課程詳情；

想了解Python數據分析，您可以點擊>>>“Python數據分析師”了解課程詳情；

想咨詢互聯網運營，你可以點擊>>>“互聯網運營就業班”了解課程詳情； 

想了解更多優質課程，請點擊>>>