Sas：如何使用 proc 单变量进行正态性测试

您可以将 SAS 中的proc univariate与正态语句结合使用，对数据集中的变量执行多个正态性检验。

此过程使用以下基本语法：

 proc univariate data =my_data normal ;
    var my_variable;
run ;

以下示例展示了如何在实践中使用此过程。

示例：SAS 中用于正态性检验的 Proc Univariate

假设我们在 SAS 中有以下数据集，其中包含有关各种篮球运动员的信息：

 /*create dataset*/
data my_data;
    input team $pointsrebounds;
    datalines ;
At 12 8
At 12 8
At 12 8
At 23 9
At 20 12
At 14 7
At 14 7
B 20 2
B 20 5
B 29 4
B 14 7
B 20 2
B 20 2
B 20 5
;
run ;

/*view dataset*/
proc print data =my_data;

我们可以使用proc univariate和normal语句对点变量执行各种正态性检验：

 proc univariate data =my_data normal ;
    var points;
run ;

结果中将显示多个表格，但标题为“正态性检验”的表格包含正态性检验的结果：

默认情况下，SAS 执行四个正态性检验并显示每个检验统计数据和相应的 p 值：

• 夏皮罗-威尔克检验：W = 0.867，p = 0.0383
• 柯尔莫哥洛夫-斯米尔诺夫检验：D = .237，p = .0318
• 克拉默-冯·米塞斯检验：W-Sq = 0.152，p = 0.0200
• 安德森-达林检验：A-Sq = 0.847，p = 0.0223

每个正态性检验均使用以下原假设和备择假设：

• H ₀ ：数据呈正态分布。
• H _A ：数据不呈正态分布。

由于每个正态性检验的p 值小于 0.05，因此我们将拒绝每个正态性检验的原假设。

这意味着有足够的证据可以得出结论，点变量不是正态分布的。

请注意，您还可以创建叠加正态曲线的直方图，以可视化点变量值的分布：

 proc univariate data =my_data;
    histogram points / normal ;
run ; 

直方图向我们表明，值的分布并没有很好地遵循正态曲线，这与我们进行的正态性检验的结果一致。

其他资源

以下教程解释了如何在 SAS 中执行其他常见任务：

如何在SAS中使用过程摘要
如何在 SAS 中使用 Proc Tabulate
如何在 SAS 中使用 Proc 排序规则