Baixe o app para aproveitar ainda mais
Prévia do material em texto
MINISTÉRIO DE EDUCAÇÃO E DESPORTOS UNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE CIÊNCIAS NATURAIS E EXATAS DEPARTAMENTO DE ESTATÍSTICA LABORATÓRIO - S.A.S. TREINAMENTO SISTEMA - S.A.S. Prof. Dr. Luis Felipe Lopes SANTA MARIA – RS 2 0 0 6 Treinamento Sistema – SAS Prof. Luis Felipe Lopes i SUMÁRIO 1 INTRODUÇÃO 1 2 LIMITAÇÕES 1 3 O QUE É O SISTEMA SAS? 1 3.1 O SAS/BASE 2 3.2 Tópicos gerais 3 4 ARQUIVOS SAS 3 5 COMANDOS DE PROGRAMAÇÃO 3 5.1 Comandos de controle de arquivos 4 5.2 Comandos que lêem e gravam arquivos de dados 6 5.3 Comandos que lêem e gravam arquivos SAS 10 5.4 Comandos que atuam sobre valores de dados 13 5.5 Comandos de informação 15 5.6 Comandos que controlam o fluxo lógico de programação 17 6 PRINCIPAIS “PROCEDURES” – PROCs 20 6.1 PROC SORT 20 6.2 PROC PRINT 21 6.3 PROC FORMAT 22 6.4 PROC FREQ 23 6.5 PROC MEANS 24 7 ESTATÍSTICAS DESCRITIVAS E TESTE PARA NORMALIDADE 27 7.1 Introdução 27 7.2 Testes de Normalidade (PROC UNIVARIATE) 27 8 ANÁLISE DE CORRELAÇÃO E REGRESSÃO 32 8.1 Introdução 32 8.2 Correlação de Pearson (PROC CORR) 33 8.3 Regressão (PROC REG) 39 8.4 Inferência na regressão 41 8.5 Resíduos 41 9 INFERÊNCIA ESTATÍSTICA 55 9.1 Testes para igualdade de duas medias (PROC TTEST) 54 9.2 Teste para dados pareados 59 10 MÉTODOS NÃO PARAMÉTRICOS 64 10.1 Testes para igualdade de duas medias (PROC NPAR1WAY) 64 Treinamento Sistema – SAS Prof. Luis Felipe Lopes ii 11 ANÁLISE DE VARIÂNCIA 68 11.1 Dados balanceados (PROC ANOVA) 68 11.1.1 Experimento Completamente Casualizado 73 11.1.2 Experimento com Blocos Aleatorizados 75 11.1.3 Experimento com Quadrado Latino 77 12 EXERCÍCIOS RESOLVIDOS E COMENTADOS 79 13 EXEMPLO PRÁTICO 127 13.1 Banco de dados 127 13.2 Análise dos dados 128 REFERÊNCIAS BIBLIOGRÁFICAS 139 ANEXOS 140 ANEXO 1 - ANÁLISE DE NORMALIDADE USANDO A TABELA DE ASSIMENTRIA E CURTOSE - Skewness and Kurtosis 141 Treinamento Sistema – SAS Prof. Luis Felipe Lopes 1 TREINAMENTO SISTEMA - S.A.S. – Statistical Analisys System 1 INTRODUÇÃO O Objetivo deste Curso é ajudar o usuário a conhecer os comandos básicos do Sistema SAS de modo que possa obter as respostas a problemas práticos de uma maneira rápida e objetiva. 2 LIMITAÇÕES Este curso é apenas uma introdução ao SAS, contendo uma pequena fração de informação que você encontrará no SAS USER’S GUIDE: BASIC e SAS USER’S GUIDE STATISTICS. 3 O QUE É O SISTEMA SAS ? É um sistema de aplicação integrada, que consiste em vários produtos que tem por função: acesso, gerenciamento, análise estatística e apresentação de dados, somada a uma linguagem poderosa de programação e geração de relatórios. Acesso aos dados - o sistema SAS possui ferramentas para acessar os bancos de dados mais populares, tratando as suas tabelas, como arquivo SAS. Gerenciamento de dados - com o SAS é possível editar, selecionar, ordenar, concatenar e margear os arquivos. Acesso Gerenciamento Apresentação Análise DADOS Treinamento Sistema – SAS Prof. Luis Felipe Lopes 2 Análise de dados - o SAS possui rotinas estatísticas para análises de regressão, análise de variância, de componentes principais, discriminante, modelos lineares, análise fatorial, previsões, controle de qualidade, cálculos matriciais, etc. . Apresentação de informações - a geração de relatórios é fácil e flexível. Eles podem ser listados, tabulados e gráficos. O SAS por ser um sistema integrado, ele é composto por módulos para comercialização. Principais módulos: SAS/BASE → contém uma linguagem de Quarta geração, com procedimentos para estatística básica e gráficos de baixa resolução. SAS/STAT → este módulo é composto de procedimentos para estatística avançada, como análise de variância, análise de regressão, multivariada, fatorial, discriminante, outras. SAS/GRAPH → gera gráficos de alta resolução: barras verticais ou horizontais, setoriais, cartesianos, mapas e superfícies tridimensionais. SAS/ETS → ferramenta de previsão e análise de séries temporais. SAS/OR → Procedimentos para Pesquisa Operacional, programação linear, gerenciamento de projetos e apoio à tomada de decisões. SAS/IML → linguagem para operação com matrizes. SAS/QC → ferramenta para controle estatístico de qualidade e delineamentos experimentais. Existem outros módulos, mas que não são de interesse para a estatística. 3.1 O SAS/BASE É o instrumento principal do Sistema SAS. Ele permite ao usuários: - Criar, montar e acessar qualquer tipo de dado; - Produzir relatórios e gráficos simples; - Atualizar estatisticamente os dados; - Utilizar a linguagem de programação SAS. Treinamento Sistema – SAS Prof. Luis Felipe Lopes 3 3.2 Tópicos gerais - Todo os comandos do SAS terminam em (;). - Os comandos iniciam e terminam em qualquer posição. - Vários comandos poderá estar numa mesma linha. - Um comando poderá ser escrito em várias linhas. - Palavras serão separadas por um mais espaços. - O comando INPUT é obrigatório não interessando onde os dados estão armazenados. - Arquivos SAS são armazenados em tabelas retangulares. - Referenciam-se arquivos e variáveis pelos nomes. - Nomes de arquivos ou variáveis poderá ter no máximo 8 caracteres, iniciando obrigatoriamente por letras (A-Z), podendo ter associado número e/ou caracteres especiais com ( - ‘quebra’). 4 ARQUIVO SAS Um arquivo SAS é uma coleção de valores de dados arrumados em uma tabela retangular. Ex.: Variáveis → CULTURA ALTURA1 ALTURA2 OBSERVAÇÕES arroz 0.35 0.39 . feijão 0.25 0.30 . soja 0.15 0.17 • As colunas da tabela são chamadas de VARIÁVEIS - Variáveis corresponde a campos de dados. - Cada variável tem um nome. - Há três tipos de variáveis: caracter, numérica e data. • As linhas são chamadas de OBSERVAÇÕES - Não há limite para o número de observações. 5 COMANDOS DE PROGRAMAÇÃO Os seguintes comandos são básicos para a programação em SAS: - Comandos de controle de arquivos. - DATA - INFILE - CARDS - FILE Treinamento Sistema – SAS Prof. Luis Felipe Lopes 4 - Comandos que lêem e gravam arquivos de dados. - INPUT - PUT - LIST - Comandos que lêem e gravam arquivos SAS. - SET - MERGE - UPDATE - OUTPUT - Comandos que atuam sobre valores de dados. - FUNÇÕES e EXPRESSÕES - Comandos de informação. - DROP - RENAME - LABEL - FORMAT - TITLE - Comandos que controlam o fluxo lógico de programação. - IF (THEN / ELSE) - DELETE 5.1 Comando de controle de arquivos - DATA O primeiro comando em um programa SAS, geralmente é um DATA. O comando DATA diz ao SAS que se quer criar um arquivo SAS. Você poderá escolher qualquer nome para esse arquivo, desde que tenha até 8 caracteres ou menos e comece por uma letra (A-Z). Ex.: DATA TESTE; INPUT . . . . . Chico Realce Treinamento Sistema – SAS Prof. Luis Felipe Lopes 5 • A palavra TESTE é o nome do arquivo SAS. • Se o nome for omitido pelo usuário, o SAS se encarrega de nomeá-lo. Dando o nome de DATAn (n → número de DATAS criados). • O comando DATA pode aparecer em outros lugares dentro do arquivo SAS quando se quer fazer referências a outros arquivos.- CARDS É um comando dado logo após o comando DATA. O comando CARDS indica ao SAS que os registros de dados seguem imediatamente abaixo no texto até o ponto e virgula ‘; ‘ do último dado. Ex.: DATA A1; INPUT IDADE 1–2 ALTURA 5-8 1 PESO 10–14 1; CARDS; 21 180 75.2 18 170 65.3 25 175 80.3 : : : : : : ; - INFILE Também vem a ser um comando logo após o comando DATA, só que os valores de dados estão em disco (na forma de arquivo), logo deve-se incluir o comando INFILE. Ele deve conter um nome com no máximo 8 caracteres e deverá ser lido com o código ASCII. Características do INFILE: • Aponta ao SAS para fazer a leitura num arquivo externo, onde os dados estão armazenados. • Os dados estão armazenados em disco no arquivo chamado ARQUIVO. Ex.: DATA A1; INFILE ‘ARQUIVO DADOS’; INPUT NOME $10. @30 NOTA1 30 – 32 1 NOTA2 33 – 35 1 MEDIA 37 – 39 1; PROC PRINT; Chico Realce Chico Realce Treinamento Sistema – SAS Prof. Luis Felipe Lopes 6 Obs.: Este dois comandos CARDS e INFILE especificam de onde serão lidos os dados. O INFILE indica que serão lidos de um arquivo externo (banco de dados – ASCII) e o CARDS indica que os dados estão no programa logo abaixo deste comando. 5.2 Comandos que lêem e gravam arquivos de dados - INPUT A função do comando INPUT é descrever para o sistema SAS como são, quais os nomes, e em que posição se encontra as VARIÁVEIS no arquivo de dados. O comando INPUT geralmente segue o comando DATA. Ex.: DATA TESTE; INPUT A 1-3 Y 5-6; Obs.: Lembre-se das regras para nomes (no máximo 8 caracteres). a) Tipos de INPUT a.1) INPUT COLUNADO Especifica onde encontrar os valores pela posição da coluna. Ex.: INPUT NOME $ 1–8 SEXO $ 10 IDADE 12-13 ALTURA 15–19 PESO 21–26; Restrições: • As posições dos campos são fixas. • O ‘$’ é usado para indicar variável alfanumérica. Características do INPUT COLUNADO: • Os campos (variáveis) podem ser lidos em qualquer ordem. Ex.: INPUT SEXO $ 10 IDADE 12–13 NOME $ 1–8 PESO 21–26 ALTURA 15–19; Treinamento Sistema – SAS Prof. Luis Felipe Lopes 7 • Campos em brancos são considerados não informados. (posições 9, 11, 14, 20). • Caracteres em branco só serão permitidos em variáveis alfanuméricas. Ex.: ‘JOSE CARLOS’ • Campos ou partes de campos podem ser relidos como uma nova variável; Ex.: INPUT NOME $ 1-8 ININOME $ 1; • Valores numéricos podem aparecer em qualquer posição do campo, podendo ser especificado sinais decimais ou ponto decimais. Ex.: INPUT PESO $ 1–6; C A M P O S 1 2 3 4 5 6 1 2 5 2 2 5 . 3 2 5 4 2 5 . 5 5 . Obs.: 1 - Não se usa ‘ , ’ (virgula) para separar a parte decimal e sim ‘ . ‘ (ponto). Ex.: linhas 2 e 4 2 - Um campo em branco deverá ser representado por um ‘ . ‘ ponto (missing). Ex.: linha 5 a.2) INPUT LISTADO O SAS procura pelos campos brancos até encontrar um caracter, então lê o campo até o próximo branco. Forma geral → INPUT lista de variáveis; Ex.: INPUT SEXO $ IDADE NOME $ PESO ALTURA; Restrições: • Todo o campo (var.) deve ser especificado em ordem. • Campos devem ser separados por brancos. • Não é permitido campos em branco e sim ‘ . ‘ . Treinamento Sistema – SAS Prof. Luis Felipe Lopes 8 Ex.: DATA CLASSE; INPUT NOME $ SEXO $ IDADE ALTURA PESO; CARDS; 01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 C A R L O S M 2 0 1 8 0 . 5 7 8 . 5 J O S E M 1 8 1 7 5 7 0 . 8 A N A F 1 7 1 6 5 . 6 6 2 . 5 P A U L A F 2 1 1 6 8 5 5 a.3) INPUT FORMATADO Especifica a posição e o tamanho do campo. Formato de Entrada: W → Largura do campo numérico W.d → Numérica com decimal Controle de posição: @n → Vai para a coluna ‘n’. +n → Move a posição ‘n’ posições. 01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 J O S E M 2 0 1 8 0 . 5 7 8 . 5 J O S E L U I S M 1 8 1 7 5 7 0 . 8 A N A F 1 7 1 6 5 . 6 6 2 . 5 A N A P A U L A F 2 1 1 6 8 5 5 Ex.: INFILE ‘BANCO DADOS’; INPUT NOME $ 9. @11 SEXO $ 1. +1 IDADE 2. +1 ALTURA 5. +1 PESO 4.; Características do INPUT FORMATADO: • Variáveis e formatos de entrada podem ser agrupados separadamente com parênteses. Ex.: INPUT (JAN FEV MAR ABR MAI) (3. 3. 3. 3. 3.); ou INPUT (JAN FEV MAR ABR MAI) (3.); • Variáveis numeradas podem ser usadas para abreviar diversas variáveis relacionadas. Treinamento Sistema – SAS Prof. Luis Felipe Lopes 9 Ex.: INPUT (MES1 MES2 MES3 MES4 MES5) (3.); ou INPUT (MES1-MES5) (3.); a.4) MISTURANDO TIPOS DE INPUT Os três tipos de INPUT vistos podem ser combinados (LISTADO, COLUNADO e FORMATADO) em um único comando INPUT. Ex.: DATA CLASSE; INPUT NOME $ @11 SEXO $ 1. IDADE 13-14 ALTURA 16–19 @21 PESO 5.; a.5) OUTROS CONTROLADORES DE POSIÇÃO ‘ / ‘ e ‘ # ‘ 01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 1 J O S E M 2 0 1 8 0 . 5 7 8 . 5 2 J O S E L U I S M 1 8 1 7 5 7 0 . 8 3 A N A F 1 7 1 6 5 . 6 6 2 . 5 4 A N A P A U L A F 2 1 1 6 8 5 5 Ex.: DATA CLASSE; INPUT NOME $ 1–9 SEXO $ 11 @13 IDADE 2. / ALTURA 5. PESO 7-10; ou DATA CLASSE; INPUT NOME $ 1–9 SEXO $ 11 @13 IDADE 2. #2 ALTURA 1-5. PESO 7-10; Obs.: 1 - Os campos podem ser lidos em qualquer ordem. A indicação ‘#‘ sempre precederá o nome da variável, logo dispensa-se informar a próxima linha, ou seja, a partir da variável altura as demais variáveis o SAS entende que pertencem ao segundo cartão do registro. 2 - Quando estivermos nos referindo a uma data devemos após a variável colocar sua formatação (DT_NASC DDMMYY8. ). Treinamento Sistema – SAS Prof. Luis Felipe Lopes 10 5.3 Comandos que lêem e gravam arquivos SAS - SET O comando SET é usado para transferir dados de um arquivo SAS existente para um novo arquivo SAS. Todas as variáveis do arquivo SAS são passadas automaticamente para o novo arquivo SAS (a não ser que sejam direcionadas de outra maneira com comandos de programação). • Novas variáveis que se queira criar devem ser adicionadas com comandos de atribuição. Ex.: DATA NOVACLAS; SET CLASSES; ANO_NASC=91-IDADE; PROC PRINT DATA=NOVACLAS; Obs.: No arquivo criado pelo comando SET possui uma variável nova ANO_NASC. • Como criamos uma variável nova ao gerar o arquivo NOVACLAS, podemos também excluir variáveis, com o comando DROP associado ao comando SET; Ex.: DATA NOVACLAS; SET CLASSES; DROP NOME SEXO; PROC PRINT DATA=NOVACLAS; • O campo (variável) NOME é através dessa variável referenciada com o BY que fará a junção dos dois arquivos num só. Obviamente que os dois arquivos deverão estar em ordem por NOME. Ex.: DATA AMBOS; SET HOMENS MULHERES; BY NOME; PROC PRINT; TITLE ´RESULTADO DA CONCATENACAO´; Treinamento Sistema – SAS Prof. Luis Felipe Lopes 11 HOMENS MULHERES OBS DEPT NOME SEXO OBS DEPT NOME SEXO 1 213 Alvaro m 1 914 Eliane f 2 917 Otto m 2 918 Lorena f 3 916 Ricardo m 3 917 Sonia f 4 914 Vitor m Resultado da Concatenação (SET) HOMENS+MULHERES OBS DEPT NOME SEXO 1 213 Alvaro m 2 914 Eliane f 3 918 Lorena f 4 917 Otto m 5 916 Ricardo m 6 917 Sonia f 7 914 Vitor m ⇒ Outra observação que se faz necessáriapara usar este comando com a finalidade de juntar (concatenando) dois ou mais arquivos, é que a estrutura dos arquivos sejam idênticas, ou seja, com mesmas variáveis. Podemos também selecionar observações na criação de um novo arquivo com o comando IF - MERGE O comando MERGE é usado para juntar observações de dois ou mais arquivos, colocando os mesmos um ao lado do outro. Algumas considerações: - Até 50 arquivos pode ser “mergeados” em um procedimento. - Os arquivos de entrada devem estar ordenados pela variável(eis) chaves se um comando BY é utilizado. - O arquivo resultante (saída) conterá todas as variáveis presentes nos arquivos de entrada a menos que o comando DROP ou qualquer outro de seleção tenha sido utilizado. - Treinamento Sistema – SAS Prof. Luis Felipe Lopes 12 Ex.: DATA JUNTA; MERGE GERAL SALARIO; PROC PRINT; TITLE ´ARQUIVO MERGEADO´; GERAL SALÁRIO OBS DEPT NOME SEXO OBS NOME SAL_LIQ SAL_BRU 1 917 Sonia f 1 Sonia 169.10 279.10 2 918 Alvaro m 2 Alvaro 223.00 310.05 3 917 Otto m 3 Otto 329.05 410.75 4 914 Eliane f 4 Eliane 650.70 715.12 5 916 Lorena f 5 Lorena 380.95 470.30 “MERGEADO” OBS DEPT NOME SEXO SAL_LIQ SAL_BRU 1 917 Sonia f 169.10 279.10 2 918 Alvaro m 223.00 310.05 3 917 Otto m 329.05 410.75 4 914 Eliane f 650.70 715.12 5 916 Lorena f 380.95 470.30 Obs.: O comando BY não foi necessário ao “mergear” os arquivos porque a chave principal NOME nos dois arquivos estão na mesma ordem. Se não estivessem o comando BY seria necessário, assim como teríamos que classificar os arquivos através do comando SORT. - OUTPUT O comando OUTPUT pode ser usado para: → Criar duas ou mais observações para cada linha de entrada. → Combinar diversas observações a partir de uma única observação. → Criar um arquivo SAS sem nenhum dado de entrada. Treinamento Sistema – SAS Prof. Luis Felipe Lopes 13 Ex.: Criando quatro observações SAS de cada linha de entrada DATA RECEITA; INPUT ANO TRIM1 TRIM2 TRIM3 TRIM4; TRIMESTRE=1; VENDAS=TRIM1; OUTPUT; TRIMESTRE=2; VENDAS=TRIM2; OUTPUT; TRIMESTRE=3; VENDAS=TRIM3; OUTPUT; TRIMESTRE=4; VENDAS=TRIM4; OUTPUT; CARDS; 1996 1.2 0.9 1.1 1.5 1997 1.7 1.9 2.4 2.5; PROC PRINT; TITLE ´RESULTADO DA EXECUCAO DO ARQUIVO RECEITA´; RUN; SAÍDA ANO TRIM1 TRIM2 TRIM3 TRIM4 TRIMESTRE VENDAS 1996 1.2 0.9 1.1 1.5 1 1.2 1996 1.2 0.9 1.1 1.5 2 0.9 1996 1.2 0.9 1.1 1.5 3 1.1 1996 1.2 0.9 1.1 1.5 4 1.5 1997 1.7 1.9 2.4 2.5 1 1.7 1997 1.7 1.9 2.4 2.5 2 1.9 1997 1.7 1.9 2.4 2.5 3 2.4 1997 1.7 1.9 2.4 2.5 4 2.5 5.4 Comandos que atuam sobre valores de dados - Criando variáveis Quando se cria nova variável, se está adicionando um novo grupo de valores de dados ao arquivo. Por exemplo, supondo que temos um arquivo com as seguintes variáveis: ALUNO NOTA1 NOTA2 NOTA3 se quisermos criar uma nova variável chamada MEDIA devemos: MEDIA = (NOTA1 + NOTA2 + NOTA3)/3; Este comando informa para o SAS: • O sinal ‘ = ‘ significa atribua ao valor da esquerda o que se refere à esquerda. • Para cada observação (linha) do arquivo, some as três notas (variáveis) e divida por 3; Treinamento Sistema – SAS Prof. Luis Felipe Lopes 14 • De o nome ao resultado obtido de MEDIA (nova variável). Obs.: As demais variáveis continuam disponíveis para posteriores cálculos. - Funções e expressões Operações aritméticas mais conhecidas: SÍMBOLO OPERAÇÃO EXEMPLO NO SAS ] ] exponenciação Y = X2 Y = X ** 2 ] multiplicação A = B x C A = B * C / divisão A = H / I A = H / I + adição R = S + T R = S + T - subtração X = Z - W X = Z - W Outras funções numéricas: FUNÇÃO O que faz ABS Valor absoluto SQRT Raiz quadrada COS Cosseno SIN Seno ARCOS Arcosseno LOG Logaritmo neperiano (base e) LOG10 Logaritmo base 10 SUM Soma MEAN Média aritmética VAR Variância MIN Valor mínimo MAX Valor máximo STD Desvio padrão ROUD Valor arredondado Ex.: X = 326.25; Y = ROUND (X); RESULTADO ⇒ Y = 327 (não está nas normas brasileiras) Z = MIN (Y); Z = MIN (of L – Y); W = SQRT (A + B/C); K = MEAN (IDADE); K = MEAN (of V1 – V7); SOMA= SUM (of V1 – V10); 5.5 Comandos de Informação Treinamento Sistema – SAS Prof. Luis Felipe Lopes 15 - DROP O comando DROP exclui a variável ou variáveis indicadas, da análise em questão; O comando DROP é válido no DATA e nas PROCs. Não é um comando executável, fornece a informação ao SAS quando o comando é compilado. O comando DROP poderá ser escrito em qualquer posição. Ex.: DROP IDADE SEXO; ⇒ O comando DROP retira a variável, portanto, todos os valores de IDADE e SEXO são desconsiderados (coluna). - TITLE O comando TITLE define cabeçalhos a serem impressos no topo das páginas de saída. Até dez títulos poderão ser especificados. Forma Geral → TITLEn ´t i t u l o´; n = número da linhas do título. Ex.: TITLE1 ´ Levantamento Sócio-econômico; TITLE2 ´ da´; TITLE3 ´Populacao Periferica de Santa Maria´; - FOOTNOTE Define o texto a ser impresso no rodapé das páginas de saída. A sintaxe é a mesma do comando TITLE. Ex.: FOOTNOTE ´Departamento de Estatística - UFSM´; - LABEL O comando LABEL é usado para atribuir rótulos (nomes) descritivos de até 40 caracteres. Rótulos podem ser atribuídos temporariamente para a duração de apenas um processamento, ou permanente definido no primeiro DATA. Treinamento Sistema – SAS Prof. Luis Felipe Lopes 16 Ex1.: DATA CLASSES; INPUT NOME $ 8. SEXO $ 11 IDADE 13-14 ALT 13-19 PESO 21-25; CARDS; Linha de Dados; PROC MEANS; VAR ALT PESO; LABEL ALT=’ALTURA EM POLEGADAS’ PESO=’PESO EM LIBRAS’; TITLE ‘ESTATISTICAS DAS ALTURAS E DOS PESOS’; RUN; Ex2.: DATA CLASSES; INPUT V1 – V3; LABEL V1=’NÚMERO DE ALUNOS’ V2=’CURSO’ V3=’SEXO’; CARDS; - COMMENT O comando COMMENT serve para documentar. Pode ser usado em qualquer parte do programa. Início (/*) Fim (*/) Ex.: DATA EMPREGO; INPUT NOME $ 1-8 DEPTO 10-12 SAL 19-23 VENDA 25-29; /* CALCULO DO INSS */ INPS = SAL * .12; IF DEPTO=201 THEN DO; DEPTO=´VENDA´; COM=VENDA*.10; /* CALCULO DO SALARIO BRUTO*/ SAL_BRUTO=COM+SAL; /* CALCULO DO DESCONTO */ DESC=INPS + SEG; /* CALCULO DO SALARIO LIQUIDO */ SAL_LIQ=SAL_BRUTO - DESC; END; CARDS; Obs.: Este comando também poderá cancelar uma determinada operação temporariamente; Treinamento Sistema – SAS Prof. Luis Felipe Lopes 17 - FORMAT O comando FORMAT é usado para especificar os formatos para valores dos dados. Os formatos podem ser definidos apenas para a apuração de uma “procedure – PROC”. Ex.: DATA CLASSE; INPUT NOME $ 8. SEXO 11 IDADE 13-14 ALTURA PESO; CARDS; ... ... ; PROC FORMAT; VALUE SEX 1 = ‘MASCULINO’; 2 = ‘FEMININO’; PROC PRINT; FORMAT SEXO SEX.; TITLE ’USANDO O COMANDO FORMAT’; RUN; 5.6 Comandos que controlam o fluxo lógico de programação - IF (THEN / ELSE) Algumas vezes necessita-se trabalhar com parte dos dados, não todos. Por exemplo suponhamos que se queira analisar somente o sexo masculino. O comando IF pode ser usado para esta seleção. Ex.: DATA A1; INPUT NOME $ 1-8 SEXO $ 9 IDADE ALTURA PESO; IF SEXO=M; CARDS; Linha de Dados; O SAS lê cada observação e verifica se o SEXO é “M” (masculino), caso contrário nova observação será lida.⇒ A condição IF poderá ser Verdadeira (THEN) ou Falsa (ELSE). ⇒ A condição IF também pode ser uma simples comparação de uma variável ou valor. Treinamento Sistema – SAS Prof. Luis Felipe Lopes 18 Ex.: IF ALTURA < 172 THEN DELETE; IF PRETEST < TESTE THEN RESULT=´SIM´; ELSE RESULT=´NÃO´; Principais operadores de comparação: Símbolo Abreviatura Comparação < LT Menor que ≤ LE Menor que ou igual a > GT Maior que ≥ GE Maior que ou igual a = EQ Igual ≠ NE Diferente Principais operadores lógicos: Símbolo Comparação OR Um ou outro AND E, ambos NOT Não, negação ⇒ A condição IF pode envolver comparações de ANDs e de ORs. Ex.: IF ESTADO=´RS´ AND CIDADE=´SANTA_MARIA’ THEN REGIAO=´SUL´; IF IDADE LT 13 AND ALTURA GT 162 OR PESO LE 50 THEN LIST; IF RESULT=68 THEN RESP=´CERTO´; ELSE RESP=´ERRADO´; • Usando o comando IF com melhor aproveitamento: IF CODIGO=1 THEN RESPOSTA=´BOM´; ELSE IF CODIGO=2 THEN RESPOSTA=´REGULAR´; ELSE IF CODIGO=3 THEN RESPOSTA=´RUIM´; • Uso do comando DO e END associado ao comando IF: Treinamento Sistema – SAS Prof. Luis Felipe Lopes 19 O comando DO especifica que todos os comandos entre ele e o comando END devem ser executados; Ex.: DATA EMPREGO; INPUT NOME $ 1-8 DEPTO 10-12 SAL 19-23 VENDA 25-29; INPS = SAL * .12; IF DEPTO=201 THEN DO; DEPTO=´VENDA´; COM=VENDA*.10; SAL_BRUTO=COM+SAL; SEG=SAL_BRUTO*.001; DESC=INPS + SEG; SAL_LIQ=SAL_BRUTO - DESC; END; ELSE DO; DPTO=´ADMIN´; SAL_LIQ=SAL - INPS; CARDS; Linha de Dados; - DELETE Quando se quer descartar uma observação., por ela conter um valor não válido para a análise que se esta tratando usa-se o comando DELETE; Quando este comando é carregado o SAS para de trabalhar na observação corrente, não adicionando ao arquivo SAS que esta sendo criado, e começa imediatamente na observação seguinte. O comando DELETE normalmente aparece com parte de um comando IF. Ex.: IF SEXO=´F´ THEN DELETE; IF SEXO=´F´ THEN IDADE LE 14 THEN DELETE; ⇒ O comando DELETE retira toda a observação do arquivo, logo aconselha-se colocá-lo dentro de uma rotina “DATA SET”; Ex.: DATA A1; SET A; Treinamento Sistema – SAS Prof. Luis Felipe Lopes 20 6 PRINCIPAIS “PROCEDURES” - PROCs 6.1 PROC SORT Função: Quando se precisa ordenar os dados. A ordem das observações não importa muito para o processamento estatístico, por exemplo para calcular a média da ALTURA dos alunos por SEXO, a ordem como estão as observações não importa. Porém necessita-se LISTAR as observações por SEXO, ou mesmo para juntar dois arquivos por MERGE ou por SET, as observações terão que estar ordenadas (SORT). Por exemplo se quisermos combinar as informações do estudo de ALTURA e PESO deste ano com as dos anos anteriores ambos os arquivos deverão ser ordenados. • A ordenação é a arrumação das observações de um arquivo em ordem determinada pelos valores de uma ou mais variáveis indicados no comando BY (POR). • Para ordenar-se um arquivo usa-se a “procedure” PROC SORT seguida do comando BY que indicará a variável pela qual o arquivo será ordenado. Ex.: PROC SORT DATA=TESTE; BY NOME; Suponha que temos um arquivo chamado PESQUISA e que queremos ordená-lo por ESTADO, depois por CIDADE dentro de cada estado e finalmente por NOME de cada cidade. Ex.: PROC SORT; BY PESQUISA; BY ESTADO CIDADE NOME; Obs.: A ordenação vista até aqui foi feita em cima do próprio arquivo (PESQUISA). Se não desejar que isso aconteça use o comando OUT. Ex.: PROC SORT; BY PESQUISA; OUT = NOVO; BY ESTADO CIDADE NOME; Treinamento Sistema – SAS Prof. Luis Felipe Lopes 21 • Os registros após a ordenação estarão gravados no arquivo chamado NOVO e no arquivo PESQUISA continuam desordenados. Obs.: Existem outros tipos de rotinas de programação usando o PROC SORT, onde poderemos incluir outras PROCs dentro dela. Ex.: PROC SORT; BY SEXO; PROC FREQ; TABLES V1 V2 V3 /LIST; PROC UNIVARIATE; VAR V1 V2 V3; PROC COR; VAR V1; WITH V2 V3; 6.2 PROC PRINT Este “procedure” serve para imprimir (listar) seus dados no relatório. Ex.: Listar ALTURA e PESO dos homens separado das mulheres INPUT SEXO $ ALTURA PESO; CARDS; Linha de Dados; PROC PRINT; BY SEXO; Obs.: 1 - Observar que ao usar o comando PROC PRINT, sem especificar o DATA, a impressão será do último DATA referenciado. 2 - O PROC PRINT imprime todos os dados, se for seguido do comando VAR imprimirá somente as variáveis selecionadas no comando VAR. Ex.: PROC PRINT DATA=TESTE; VAR NOME IDADE ALTURA; 3 – O comando PROC PRINT poderá listar em função de um valor de uma determinada variável Ex.: PROC PRINT DATA=TESTE; VAR NOME IDADE ALTURA; WHERE SEXO=M; Treinamento Sistema – SAS Prof. Luis Felipe Lopes 22 6.3 PROC FORMAT O procedimento FORMAT é usado para criar formatos definidos pelos usuários. Comando usado no PROC FORMAT → VALUE VALUE NOME VALOR = ´DESCRIÇÃO´; O NOME obedece as mesmas regras usadas para variáveis (8 caracteres), pois não deixa de ser uma nova variável selecionada. A DESCRIÇÃO terá tamanho máximo de 40 caracteres e deverá ser incluída entre aspas (´ ´). Ex.: PROC FORMAT; VALUE FAIXAS LOW-12 = ´CRIANCA´ 13-19 = ´JOVEM´ 20-HIGH = ´ADULTO´; VALUE $SEX F = ‘FEMININO’ M = ‘MASCULINO’; Obs.: LOW = Lowest → (do menor valor) HIGH = Highest → (ao maior valor) Ex.: DATA A1; INPUT NOME $ SEXO $ IDADE ALTURA PESO; CARDS; Lista de Dados; ... ... PROC FORMAT; VALUE FAIXAS LOW-12 = ´CRIANCA´ 13-19 = ´JOVEM´ 20-HIGH = ´ADULTO´; VALUE $SEX F = ‘FEMININO’ M = ‘MASCULINO’; PROC PRINT; FORMAT IDADE FAIXAS. SEXO $SEX.; RUN; Treinamento Sistema – SAS Prof. Luis Felipe Lopes 23 6.4 PROC FREQ O procedimento FREQ será útil para variáveis discretas e qualitativas. Para as variáveis contínuas aconselha-se usar o PROC UNIVARIATE ou PROC MEANS, pois este tipo de variável possui muitos valores diferentes. Outro benefício que a tabela de freqüência ou tabulação cruzada oferece é poder sumarizar variáveis caracteres, porque somente variáveis numéricas podem ser sumarizadas por estatísticas como média e desvio padrão. - Tabelas de Freqüência Simples Este tipo de tabela poderá ajudar a sumarização dos dados. Mostrar as distribuição dos valores das variáveis, podendo-se verificar quantas observações tem determinado valor. Por exemplo se queira saber quantos alunos tem idade 19 anos e assim por diante. Para obter as Tabelas de Freqüências Simples das variáveis que interessam usa-se o comando TABLES com a relação das mesmas. Ex.: PROC FREQ; TABLES IDADE PESO ALTURA; ou PROC FREQ; TABLES IDADE PESO ALTURA /LIST; Podemos utilizar o comando FORMAT: Ex.: PROC FREQ; TABLES IDADE /LIST; FORMAT IDADE FAIXAS.; TABLES SEXO /LIST; FORMAT SEXO SEXOV.; Com o uso do comando FORMAT na tabela de freqüência para as variáveis IDADE e SEXO teremos no relatório a DESCRIÇÃO para cada valor. - Tabelas de Freqüência Cruzada A tabela de freqüência cruzada mostra a união da distribuição de valores de duas ou mais variáveis. Por exemplo, queremos saber quantas mulheres com 19 anos temos no arquivo estudado. Treinamento Sistema – SAS Prof. Luis Felipe Lopes 24 Para obter-mos a resposta devemos cruzar asduas variáveis: IDADE e SEXO. Ex.: PROC FREQ; TABLES IDADE*SEXO /LIST; ou PROC FREQ; TABLES IDADE*SEXO /LIST; FORMAT IDADE FAIXAS. SEXO SEXOV.; Aconselha-se usar o comando /LIST para facilitar a visualização da tabela cruzada. Este comando também será aconselhado quando quisermos cruzar mais de duas variáveis. Ex.: PROC FREQ; TABLES SEXO*IDADE*PESO /LIST; Ex.: DATA A1; INPUT NOME $ SEXO $ IDADE ALTURA PESO; CARDS; Lista de Dados; ... PROC FREQ; TABLES SEXO*(IDADE--PESO) /LIST /*(I até P)*/ TABLES SEXO*(IDADE PESO) /LIST /* (I e P)*/ RUN; 6.5 PROC MEANS Suponhamos que no arquivo que se está estudando possua valores para a variável PESO. Pode-se obter um quadro completo desses pesos pela simples listagem dos mesmos (PROC FREQ). Mas isso significa que teríamos que olhar e analisar todos os valores. O PROC MEANS sumariza todos os valores para computar a média. Então teremos como resultado um único valor representativo para todo o grupo. O PROC MEANS fornece outras estatísticas como: - Número de Observações - Erro padrão - Média - Variância - Desvio Padrão - Coeficiente de variação - Valor Mínimo e Máximo Chico Realce Treinamento Sistema – SAS Prof. Luis Felipe Lopes 25 Ex.: DATA A1; INPUT NOME $ SEXO $ IDADE ALTURA PESO; CARDS; Lista de Dados; PROC MEANS; VAR IDADE ALTURA PESO; RUN; Usando o comando BY Podemos obter estatísticas sumarizadas por grupos de dados associados ao comando BY. Por exemplo queremos calcular as estatísticas para as mesmas variáveis do exemplo acima só que por SEXO. Obs.: Antes de usar o comando BY para qualquer “procedure” SAS, o arquivo deverá ser ordenado pelas variáveis a serem usadas pelo comando BY. Ex.: DATA A1; INPUT NOME $ SEXO $ IDADE ALTURA PESO; CARDS; Lista de Dados; PROC SORT; BY SEXO; PROC MEANS; BY SEXO; VAR IDADE ALTURA PESO; RUN; Obs.: Valores não informados (representados por um ponto ‘ . ‘) não serão incluídos no cálculo da PROC MEANS. Treinamento Sistema – SAS Prof. Luis Felipe Lopes 26 SAS/STAT Pré requisito: Ter conhecimento de Estatística Básica. Ter conhecimento do SAS/BASIC; Objetivo: Este curso tem por objetivo expor alguns conceitos estatísticos e interpretá-los através da utilização de procedimentos do Sistema SAS. Os exemplos apresentados ilustram características da “release” 6.08 do SAS/STAT e orientam o usuário na sua programação quando seu interesse for: Obter estatísticas descritivas elementares; 9 Desempenhar testes estatísticos de significância para verificar a normalidade da distribuição de seus dados; 9 Testar a igualdade de médias entre grupos de observações; 9 Encontrar um modelo que explique o comportamento de seus dados e, através deste modelo, fazer previsões e calcular intervalos de confiança para parâmetros da população em estudo. 9 Analisar a variabilidade de uma série de dados através do Método de Análise de Variância (ANOVA), critério de tomada de decisões estatisticamente formulado para detectar qualquer diferença no desempenho médio de um ensaio experimental. Os conceitos básicos serão abordados a medida que os procedimentos forem sendo utilizados, assim como a interpretação das principais saídas. Treinamento Sistema – SAS Prof. Luis Felipe Lopes 27 7 ESTATÍSTICA DESCRITIVA E TESTE DE NORMALIDADE 7.1 Introdução Depois que o usuário cria seu arquivo de dados ele pode desejar sumarizar estes dados através de medidas que descrevam seu comportamento. Estas medidas incluem parâmetros de posição como médias, modas, medianas, quartis e percentis, parâmetros de dispersão, como variâncias, desvios padrões, amplitude (range), e parâmetros que auxiliam na descrição da forma dos dados, como assimetria e curtose (ver anexo 2). Nos problemas que envolvem a Estatística Indutiva, os conjuntos de dados analisados são representados por amostras retiradas das populações de interesse. Sendo as amostras aleatórias, todos os seus elementos fornecerão valores aleatórios da variável em análise. Para caracterizar a distribuição dos diversos valores assumidos por uma variável aleatória, o conceito de distribuição de probabilidades deve ser utilizado e estendido às populações, ou seja, cada valor da amostra deve ser considerado como valor de uma variável aleatória cuja distribuição de probabilidade é a mesma da população no instante da retirada desse elemento da amostra. Os valores calculados em função dos elementos da amostra, denominam-se estatísticas. Se estas estatísticas forem utilizadas para inferir informações a respeito de uma população, elas são consideradas como variáveis aleatórias, e terão, portanto uma distribuição de probabilidades, com uma média, uma variância, etc. Muitos métodos da análise estatística assumem que os dados da amostra provém de uma população com distribuição normal. A distribuição normal tem uma definição matemática precisa, com as seguintes características: - ser completamente definida por sua média e seu desvio padrão. - ser uma distribuição simétrica, ou seja, sua média coincide com sua moda, que por sua vez coincide com sua mediana. - ser uma distribuição regular. Do seu ponto central mais alto até suas extremidades não existe padrões irregulares. - ter curtose=0 (a curtose descreve o grau de achatamento de uma distribuição). 7.2 Teste de normalidade Nos testes de normalidade é estabelecida a idéia de que uma amostra provém de uma distribuição normal. Através da amostra uma estatística é calculada e testada para checar essa idéia. Uma comparação é feita entre a forma da distribuição da amostra, com a forma de uma distribuição normal. Se não for encontrada nenhuma evidência para rejeitar a hipótese de normalidade, prossegue-se as análises baseando-se na suposição de que os dados da amostra são normalmente distribuídos (análise paramétrica). Quando os dados não são gerados por uma distribuição normal, a análise deve ser baseada em métodos Treinamento Sistema – SAS Prof. Luis Felipe Lopes 28 não paramétricos. A distribuição normal é simétrica, com os valores distribuídos em forma de sino. Ao desempenhar um teste de hipótese tem-se sempre uma hipótese nula que descreve uma idéia sobre a população, e uma hipótese alternativa, que descreve uma idéia alternativa sobre a população. Nos testes para a normalidade, a hipótese nula é que os dados da amostra são gerados por uma distribuição normal. A hipótese alternativa é que eles são gerados por uma distribuição não normal. O método utilizado para testar hipóteses consiste num conteúdo de decisão onde a probabilidade de rejeitar a hipótese nula, sendo ela verdadeira (erro do tipo I), não excede um valor pré- fixado chamado de nível de significância α do teste. Ao menor nível de significância para o qual a hipótese nula é rejeitada denominamos probabilidade de significância (p-valor). Se p-valor > α há evidências de que a hipótese nula é verdadeira. A PROC UNIVARIATE é utilizada para a obtenção de estatísticas descritivas. Ela difere de outros procedimentos SAS por fornecer maiores detalhes das variáveis, tais como plots das distribuições, tabelas de freqüência e testes estatísticos para a normalidade. FORMA GERAL: PROC UNIVARIATE DATA = arquivo de dados opções; VAR variáveis; BY variáveis; FREQ variável; ID variáveis; OUTPUT OUT = arquivo de dados palavra-chave = nomes; OPÇÕES DISPONÍVEIS: FREQ gera uma tabela de freqüência com valores de freqüência, percentagens e percentagens acumuladas. NOPRINT suprime toda a informação do OUTPUT.Esta opção é utilizada geralmente na criação de um arquivo de dados de saída. NORMAL desempenha um teste para a hipótese nula de que os dados provém de uma distribuição normal. Dependendo do tamanho da amostra, o teste utilizado será baseado na estatística de Shapiro-Wilk (N<2000) ou na estatística de Kolmogorov’s D. (N>2000). Treinamento Sistema – SAS Prof. Luis Felipe Lopes 29 PLOT produz plotes de probabilidade da distribuição normal e plotes em “box” que auxiliam na determinação da forma da distribuição dos dados investigados. COMANDOS SELECIONADOS: VAR lista as variáveis a serem sumarizadas no arquivo de dados. BY especifica subgrupos onde as estatísticas devem ser obtidas. Para usar este comando o arquivo já deverá estar ordenado pela variável de subgrupo . FREQ especifica variáveis de freqüência. ID especifica as variáveis que irão identificar os valores extremos. OUTPUT OUT cria arquivo de saída que irá gravar as estatísticas geradas. Estatísticas reservadas utilizadas na criação de um arquivo de saída: N NMISS Prob T MEAN VAR KURTOSIS STDMEAN CV MEDIAN SUM RANGE STD SKEWNESS Ex1.: Resultados obtidos de uma distribuição aproximadamente Normal. Para ilustrar, suponha que estejamos analisando uma amostra. No programa SAS abaixo, a idade de cada pessoa está sendo representada pela variável IDADE, e sua identificação pela variável IDENT. OPTIONS FORMDLIM='*' LS=80; DATA NORM A; /* EXEMPL01 SAS */ INPUT IDENT IDADE @@; CARDS; 1 72 2 69 3 75 4 71 5 71 6 73 7 70 8 67 9 71 10 72 11 73 12 68 13 69 14 70 15 70 16 71 17 74 18 72 ; PROC UNIVARIATE NORMAL PLOT FREQ; VAR IDADE; ID IDENT; RUN; Treinamento Sistema – SAS Prof. Luis Felipe Lopes 30 ANÁLISE DOS RESULTADOS: Univariate Procedure Variable=IDADE Moments N 18 Sum Wgts 18 Mean 71 Sum 1278 Std Dev 2.057983 Variance 4.235294 Skewness 0 Kurtosis -0.13576 USS 90810 CSS 72 CV 2.898568 Std Mean 0.485071 T:Mean=0 146.3702 Pr>|T| 0.0001 Num ^= 0 18 Num > 0 18 M(Sign) 9 Pr>=|M| 0.0001 Sgn Rank 85.5 Pr>=|S| 0.0001 W:Normal 0.98356 Pr<W 0.9666 A tabela acima fornece estatísticas descritivas da variável IDADE, além do teste para normalidade. O valor zero de assimetria traduz a forma simétrica da distribuição. A estatística de curtose de -0.13576 significa que a distribuição de valores é relativamente achatada. O alto p-valor associado ao teste de normalidade, dado por Pr < W, mostra que existe 9666 chances em 10000 que se obtenha este mesmo resultado se os dados fossem oriundos de uma população Normal. Por esta razão são poucas as chances de rejeitar a hipótese nula. Em geral, rejeita-se a hipótese nula de normalidade dos dados somente quando o p- valor for menor que 0.05 . Os quartis, percentis, a moda da distribuição, e os valores extremos estão relacionados a seguir: Quantiles(Def=5) 100% Max 75 99% 75 75% Q3 72 95% 75 50% Med 71 90% 74 25% Q1 70 10% 68 0% Min 67 5% 67 1% 67 Range 8 Q3-Q1 2 Mode 71 Extremes Lowest ID Highest ID 67( 8) 72( 18) 68( 12) 73( 6) 69( 13) 73( 11) 69( 2) 74( 17) 70( 15) 75( 3) O plote ‘stem leaf’ (tronco e folhas) mostra a distribuição dos valores observados. Entre estes plotes e o ‘boxplot’, há uma coluna que fornece a freqüência de observações em cada barra. O box plote indica o 25o e 75o percentil. A linha Treinamento Sistema – SAS Prof. Luis Felipe Lopes 31 central indica a mediana (50o percentil). O sinal de (+) indica a média da distribuição, que está coincidindo com a mediana. Stem Leaf # Boxplot 75 0 1 | 74 0 1 | 73 00 2 | 72 000 3 +-----+ 71 0000 4 *--+--* 70 000 3 +-----+ 69 00 2 | 68 0 1 | 67 0 1 | ----+----+----+----+ O plote a seguir mostra tantos sinais positivos quanto asteriscos. Os sinais de (+) formam uma linha reta. Os (*) representam os valores amostrais. Se a amostra é gerada por uma distribuição normal, os asteriscos devem formar uma linha reta e cobrir a maioria dos sinais positivos. A distribuição amostral aproxima-se da normalidade. Univariate Procedure Variable=IDADE Normal Probability Plot 75.5+ * +++++ | * +++++ | * +*+++ | **+*++ 71.5+ **+**++ | * **+++ | * +*+++ | +*+++ 67.5+ +*+++ +----+----+----+----+----+----+----+----+----+----+ -2 -1 0 +1 +2 f(+) = 71 + 2.05 IDADE A opção FREQ da PROC UNIVARIATE permite a obtenção de uma tabela de distribuição de freqüência onde o número de ocorrências de cada valor da variável IDADE é contabilizado juntamente com os percentuais e percentuais acumulados de ocorrência em cada categoria. Frequency Table Percents Percents Value Count Cell Cum Value Count Cell Cum 67 1 5.6 5.6 72 3 16.7 77.8 68 1 5.6 11.1 73 2 11.1 88.9 69 2 11.1 22.2 74 1 5.6 94.4 70 3 16.7 38.9 75 1 5.6 100.0 71 4 22.2 61.1 Treinamento Sistema – SAS Prof. Luis Felipe Lopes 32 8 - ANÁLISE DE CORRELAÇÃO E REGRESSÃO 8.1 Introdução Existem numerosos procedimentos estatísticos para investigar relacionamentos bivariados (entre somente duas variáveis). Estes procedimentos podem fornecer um teste estatístico de significância, uma medida de associação, ou ambos. O teste estatístico objetiva testar hipóteses sobre o grau de relacionamento entre variáveisna população. Por exemplo, o coeficiente de correlação de Pearson. Num estudo para se testar a hipótese nula de que a correlação entre duas variáveis é zero na população, uma amostra de 200 observações determinou um coeficiente de correlação entre duas variáveis de 0.35. Com base nesta amostra, o resultado do teste forneceu uma probabilidade de significância de 0.001. Este p-valor sugere que existe menos que uma chance em 1000 de se obter um valor igual ou superior à 0.35, para correlação amostral, se a hipótese nula fosse verdadeira. Rejeita-se portanto a hipótese nula, concluindo-se que a correlação é significativamente diferente de zero na população. A escolha apropriada da estatística a ser usada no estudo do relacionamento entre duas variável irá depender da natureza delas. Atenção particular deve ser dada aos níveis de medidas usados para avaliar as duas variáveis. Uma breve discussão à este respeito é feita a seguir. Uma variável medida numa escala nominal representa classes que indicam o grupo ao qual pertence uma determinada observação. Por exemplo, SEXO é uma variável que está numa escala nominal. Uma observação pode ser classificada como sendo da classe "masculino" ou da classe "feminino". Uma variável medida numa escala ordinal representa valores num “rank” ordenado, ou seja, possui hierarquia. Por exemplo, se cada aluno de uma turma fosse avaliado a respeito de sua habilidade verbal. O melhor aluno foi avaliado com o valor 1, o segundo melhor com o valor 2, e assim por diante. Este “rank” de valores são ditos ordinais. Escalas ordinais de valores porém possuem uma limitação: iguais diferenças na escala de valores não tem necessariamente o mesmo significado quantitativo. Isto quer dizer que a diferença de habilidade verbal entre um aluno com grau 1 e um aluno com grau 2 não é necessariamente a mesma diferença existente entre as habilidades de um aluno com grau 2 e um com grau 3. Uma variável medida numa escala de intervalo significa que iguais diferenças entre valores da escala tem igual significado quantitativo. Um exemplo é a escala Fahrenheit de medição de temperatura. A diferença entre 70 e 75 graus é igual a diferença entre 75 e 80 graus. As unidades de medidas são iguais através de todo o range da escala. A limitação existente nesta escala é que não existe um ponto zero real, ou seja, o zero da distribuição de temperaturas não indica que não haja nenhum calor presente no ambiente. Treinamento Sistema – SAS Prof. Luis Felipe Lopes 33 Uma variável medida numa escala de razão é aquela que iguais diferenças entre valores da escala tem igual significado quantitativo. Neste caso, além deste fato, é possível interpretar a razão entre os valores da escala. Um valor para peso igual à zero indica nenhum peso corporal. Com isto, é possível estabelecer que o peso de uma criança com 20 Kg é o dobro de peso de uma criança com 10 kg . A tabela a seguir identifica as estatísticas apropriadas para avaliar o relacionamento de pares de variáveis nos seus respectivos níveis de medida. TABELA COM ESTATÍSTICAS APROPRIADAS PREDITORA (INDEPENDENTE) – Xi Nominal Ordinal Intervalo Razão R E Razão ANOVA Spearman Pearson ou Spearman Pearson ou Spearman S P Intervalo ANOVA Spearman Pearson ou Spearman -------- O S Ordinal Kruskal Wallis Spearman --------- -------- T A Nominal Chi-quadrado --------- --------- -------- 8.2 Correlação de Pearson (PROC CORR) O estudo de medidas de associação reflete o grau da intensidade da relação entre variáveis. Se X e Y representam duas variáveis, ambas acessadas na escala de intervalo ou de razão, o diagrama de dispersão irá mostrar a localização dos pontos (x , y) em um sistema de coordenadas retangulares. Se os pontos desse diagrama se distribuírem nas proximidades de uma reta, como nas figuras (A) e (B) a seguir, a correlação é denominada linear. Se todos os pontos se distribuírem próximos de alguma curva, a correlação é denominada não linear, como pode ser visto na figura (C). Quando os pontos não apresentam nenhuma forma definida, figura (D), diz-se que as variáveis x e y são não correlacionadas. Quando o coeficiente de Pearson é utilizado para medir o grau de relacionamento entre duas variáveis com relacionamento não linear, ele normalmente subestima o verdadeiro valor. Por esta razão é sempre prudente avaliar primeiro o diagrama de dispersão para as variáveis, usando para isso a PROC PLOT, que tem a seguinte forma geral: PROC PLOT DATA= ARQSAS; PLOT Y*X; RUN; Treinamento Sistema – SAS Prof. Luis Felipe Lopes 34 Para o tratamento quantitativo do problema da dispersão dos dados amostrais é necessário estabelecer medidas de correlação. O coeficiente de correlação de Pearson, simbolizado por “r”, será utilizado para medir o relacionamento entre duas variáveis que estejam na escala de intervalo ou de razão. Outra consideração a ser feita ao usar esta medida de associação, é que ambas as amostras tenham sido retiradas de uma população Normal. Caso contrário, uma medida de associação não paramétrica deverá ser usada, tal como o coeficiente de correlação de Spearman. O range de “r” varia de -1 a 1. Se “r” for um valor próximo de 1 significa que as duas variáveis são correlacionadas positivamente, se for próximo de -1, significa que as variáveis são correlacionadas negativamente. Valores de “r” próximos de zero correspondem a uma dispersão de pontos que não mostra nem uma tendência crescente, nem decrescente, indicando uma baixa correlação entre as variáveis. PROC CORR A “procedure” CORR é utilizada para gerar coeficientes de correlação. Quando é utilizada sozinha, ela obtém coeficientes de Pearson para todas as variáveis numéricas do arquivo, além de estatísticas básicas como médias e desvios padrões da distribuição de dados. Treinamento Sistema – SAS Prof. Luis Felipe Lopes 35 Outros coeficientes de correlacão podem ser obtidos como opção da PROC CORR. São eles: Kendall, Hoeffding e Spearman, que são medidas não paramétricas de associação . FORMA GERAL: PROC CORR opções; VAR variáveis; WITH variáveis; FREQ variáveis; BY variáveis; RUN; OPÇÕES DISPONÍVEIS: DATA= arquivo.sas arquivo com os dados a serem analisados. OUTP= arquivo.sas arquivo de saída - Pearson OUTS= arquivo.sas arquivo de saída - Sperman OUTK= arquivo.sas arquivo de saída - Kendall OUTH = arquivo.sas arquivo de saída - Hoeffding NOSIMPLE suprime a impressão das estatísticas descritivas básicas. COMANDOS DISPONÍVEIS: VAR variáveis especifica as variáveis a serem correlacionadas WITH variáveis especifica as variáveis que devem aparecer na lateral da matriz de correlação. FREQ variável especifica variáveis de freqüência BY variáveis especifica subgrupos onde a correlação deve ser obtida. Para usar o comando BY, o arquivo já deve estar ordenado pela variável de subgrupo. Ex2.: O tempo necessário para um trem parar depois que percebe um perigo é composto de tempo de reação e tempo de freagem. A variável DIST representa a distância de parada de um trem que está a uma velocidade VELOC no instante que o perigo é avistado. Analise o diagrama de dispersão e determine o coeficiente de correlação entre as duas variáveis. Treinamento Sistema – SAS Prof. Luis Felipe Lopes 36 OPTIONS FORMDLIM='*' LS=80; DATA PERIGO A; /* EXEMPL02 SAS */ INPUT VELOC DIST @@; CARDS; 20 54 30 90 40 138 50 206 60 292 70 396 ; PROC PLOT; PLOT DIST*VELOC; PROC CORR; VAR VELOC DIST; TITLE 'CORRELAÇAO ENTRE VELOCIDADE E DISTANCIA DE PARADA'; RUN; ANÁLISE DOS RESULTADOS:Plot of DIST*VELOC. Legend: A = 1 obs, B = 2 obs, etc. DIST | | 400 + A | | | A | | 200 + A | | A | A | A | 0 + --+-------------+-------------+-------------+-------------+-------- 20 30 40 50 60 70 VELOC O diagrama de dispersão ostra claramente uma tendência crescente da distribuição dos dados, ou seja, aumentando-se a velocidade do trem, aumenta- se a distância de parada. CORRELACAO ENTRE VELOCIDADE E DISTANCIA DE PARADA Correlation Analysis 2 'VAR' Variables: VELOC DIST Simple Statistics Variable N Mean Std Dev Sum Minimum Maximum VELOC 6 45.00000 18.70829 270.00000 20.00000 70.00000 DIST 6 196.00000 129.67652 1176 54.00000 396.00000 Pearson Correlation Coefficients / Prob > |R| under Ho: Rho=0 / N = 6 VELOC DIST Treinamento Sistema – SAS Prof. Luis Felipe Lopes 37 VELOC 1.00000 0.98268 0.0 0.0004 DIST 0.98268 1.00000 0.0004 0.0 O valor de 0.98268 mede o coeficiente de correlação entre as variáveis VELOC e DIST. Um p-valor de 0.0004 indica uma forte evidência que a correlação é não nula. O p-valor é a probabilidade de significância para se testar a hipótese de que a verdadeira correlação da população em questão é zero. Ex3.: Determinar o coeficiente de correlação entre as alturas e os pesos de 300 homens nos EUA, constantes da seguinte tabela de freqüências: Altura (metros) 1.5 a 1.58 1.6 a 1.68 1.7 a 1.78 1.8 a 1.88 1.9 a 1.98 45 a 54.5 2 1 0 0 0 P 55 a 64.5 7 8 4 2 0 E 65 a 74.5 5 15 22 7 1 S 75 a 84.5 2 12 63 19 5 O 85 a 94.5 0 7 28 32 12 (kg) 95 a 104.5 0 2 10 20 7 105 a 114.5 0 0 1 4 2 OPTIONS FORMDLIM='*' LS=80; DATA AGRUPA A; /* EXEMPL03 SAS */ DO MEDPES = 49.75 T0 109.75 BY 10; DO MEDALT = 1.54 TO 1.94 BY 0.10; INPUT N_OBS @@; OUTPUT; END; END; CARDS; 2 1 0 0 0 7 8 4 2 0 5 15 22 7 1 2 12 63 19 5 0 7 28 32 12 0 2 10 20 7 0 0 1 4 2; ; PROC PRINT; PROC CORR; VAR MEDPES MEDALT; FREQ N_OBS; TITLE 'CORRELACAO PARA DADOS AGRUPADOS'; RUN; Treinamento Sistema – SAS Prof. Luis Felipe Lopes 38 ANÁLISE DOS RESULTADOS: OBS MEDPES MEDALT N_OBS 1 49.75 1.54 2 2 49.75 1.64 1 3 49.75 1.74 0 4 49.75 1.84 0 5 49.75 1.94 0 6 59.75 1.54 7 7 59.75 1.64 8 8 59.75 1.74 4 9 59.75 1.84 2 10 59.75 1.94 0 11 69.75 1.54 5 12 69.75 1.64 15 13 69.75 1.74 22 14 69.75 1.84 7 15 69.75 1.94 1 16 79.75 1.54 2 17 79.75 1.64 12 18 79.75 1.74 63 19 79.75 1.84 19 20 79.75 1.94 5 21 89.75 1.54 0 22 89.75 1.64 7 23 89.75 1.74 28 24 89.75 1.84 32 25 89.75 1.94 12 26 99.75 1.54 0 27 99.75 1.64 2 28 99.75 1.74 10 29 99.75 1.84 20 30 99.75 1.94 7 31 109.75 1.54 0 32 109.75 1.64 0 33 109.75 1.74 1 34 109.75 1.84 4 35 109.75 1.94 2 CORRELACAO PARA DADOS AGRUPADOS Correlation Analysis 2 'VAR' Variables: MEDPES MEDALT Simple Statistics Variable N Mean Std Dev Sum Minimum Maximum MEDPES 300 82.31667 12.12031 24695 49.75000 109.75000 MEDALT 300 1.76033 0.09824 528.10000 1.54000 1.94000 Pearson Correlation Coefficients / Prob > |R| under Ho: Rho=0 / N = 300 / FREQ Var = N_OBS MEDPES MEDALT MEDPES 1.00000 0.54023 0.0 0.0001 MEDALT 0.54023 1.00000 0.0001 0.0 Treinamento Sistema – SAS Prof. Luis Felipe Lopes 39 O coeficiente de correlação é de 0.54023. Um p-valor de 0.0001 reflete uma forte evidência de que a correlação entre altura e o peso difere de zero. 8.3 Regressão (PROC REG) Os coeficientes de correlação indicam somente a existência ou não de algum tipo de relacionamento entre variáveis. Para investigar a forma desse relacionamento, o método mais apropriado é a análise de regressão, onde a relação pode ser expressa sob forma matemática, por meio de uma equação que interligue as variáveis. Através do diagrama de dispersão é possível visualizar uma curva que se aproxime dos dados. Essa curva é denominada curva de ajustamento. Para fins de referência, a seguir encontram-se relacionados vários tipos comuns de curvas de ajustamento e suas equações. As variáveis independentes estão representadas pela letra X e as variáveis dependentes pela letra Y. As demais letras representam constantes. Função Linear → Y = a0 + a1 X Função Quadrática → Y = a0 + a1 X + a2 X2 Função Cúbica → Y = a0 +a1 x + a2 x2 + a3 x3 Função Exponencial → Y = a bx → log y = Ioga + (log b) x = a0 +a1 x Para evitar o critério individual na construção de funções que se adaptem ao conjunto de dados, é necessário instituir uma definição da "melhor função de ajustamento". Uma medida da qualidade do ajustamento aos dados apresentados (aderência) é proporcionada a partir da distância dos pontos observados até a equação de regressão. De todas as equações que podem ser traçadas através do grupo de pontos no diagrama de dispersão, a função que melhor se ajusta é aquela com a menor soma dos quadrados das distâncias (Método dos Mínimos Quadrados). Estas distâncias são designadas como desvios, erros ou resíduos, e podem ser positivas, negativas ou nulas, como é apresentado na figura a seguir: Treinamento Sistema – SAS Prof. Luis Felipe Lopes 40 O modelo linear: Yj = β0 + β1 Xj + εj Suas suposições: - Xj são fixos; - β0 e β1 são parâmetros fixos desconhecidos; - εj ~ N id (0 , σ2) . Considere a regressão como um particionamento da Soma Total dos Quadrados: ( ) ( ) ( )Y Y Y Y Y Yj j j j− = − + −∑ ∑ ∑2 2 2$ $ SST = SSM + SSE onde: SST - é a somatotal dos quadrados. SSM - é a soma dos quadrados devido ao modelo (soma dos quadrados devido à regressão ). SSE - é a soma dos quadrados devido ao erro , ou resíduo. Num modelo de regressão é preciso: • Estimar: - σ2, ou seja, o erro médio quadrático; - β0 e β1. Treinamento Sistema – SAS Prof. Luis Felipe Lopes 41 • Testaras Hipóteses : H0: β1 = 0 β0 = 0 • Obter valores preditos e limites de predição. • Estimar a média da variável resposta Y, dado um valor fixo X, determinando tanto as estimativas por ponto como por intervalo. 8.4 Inferência na regressão Estatísticas usadas na Análise de Regressão: - valor estimado de σ2 =MSE, Média quadrática para o erro = SSE/ df(erro) = Soma dos Quadrados devido ao erro / df(erro) - estimativas de mínimos quadrados de β0 e β1, que minimize SSE. ( )min Y Yj −∑ 2 - teste de β0 = 0 e β1 = 0 com a estatística t de Student ou teste de β0 no modelo / β1 = 0 com a estatística F. 8.5 Resíduos Os resíduos representam o comportamento de Y (variável resposta), do qual as variáveis independentes não fazem a estimativa. Se for suposto que o modelo é correto, que não se tenha omitido nenhuma variável independente, e também que os resíduos são normais e independentemente distribuídos, com média zero e variância constante, pode-se provar hipóteses, assinalar limites de confiança, predizer valores da variável dependente a partir das variáveis independentes e computar probabilidades de significância . Um plote dos resíduos sobres as variáveis independentes ou sobre os valores preditos pode ser gerado para avaliar a qualidade do ajuste. Se o modelo necessitar de algum outro termo, o plote dos resíduos sugere que tipo de termo pode ser adicionado ao modelo. Alguns modelos são mostrados a seguir: Treinamento Sistema – SAS Prof. Luis Felipe Lopes 42 PROC REG A “procedure” REG é o procedimento SAS mais comum para análise da regressão. É um procedimento interativo, ou seja, o usuário pode dispor de seus comandos básicos para ajustar uma função, verificar a saída das estatísticas, e posteriormente adicionar mais comandos dando continuidade à suas análises sem necessidade de reinicializar o comando da PROC. Quando usado interativamente, o comando RUN não finaliza o procedimento. Para finalizá-lo o usuário deve estabelecer outro DATA STEP ou PROC STEP, ou usar o comando QUIT, que nunca deve ser acessado quando o procedimento estiver em curso. FORMA GERAL: PROC REG DATA = arquivo SAS opções; MODEL dependente = independente / opções; VAR variável; ID variável; OUTPUT OUT = novo arquivo P = nova variável R = nova variável U95 = nova variável L95 = nova variável U95M = nova variável L95M = nova variável; PLOT variável Y * variável X = 'símbolo'; PRINT opções; RUN; OPÇÕES DISPONÍVEIS NA PROC REG: Treinamento Sistema – SAS Prof. Luis Felipe Lopes 43 SIMPLE Lista estatísticas descritiva para cada variável. OUTEST Cria um data set contendo as estimativas dos parâmetros do modelo de regressão. OPÇÕES DISPONÍVEIS NO COMANDO CLI Fornece limites de confiança superior e inferior a 95% para um valor particular predito da variável dependente. CLM Fornece limites de confiança superior e inferior a 95% para a média da variável dependente nos níveis da(s) variável(is) independentes para cada observação. P Fornece valores preditos a partir do modelo estimado para cada observação do arquivo a de entrada. R Fornece valores residuais (REAL-PREDITO) para cada observação e uma análise dos resíduos. SELECTION = método Especifica o método usado para seleção do modelo (Backward, Stepwise, MAXR, ADJRSQ, por exemplo). O default é NONE (usa o modelo completo). ADJRSQ Fornece o R-Square ajustado para o grau de liberdade, para cada modelo selecionado. AIC Fornece o Critério de Informação de Akaike's. BIC Fornece o Critério de Informação Bayesiano de Sawa . MSE Fornece o erro médio quadrático para cada modelo. COMANDOS DISPONÍVEIS: MODEL especifica as variáveis dependentes e independentes. VAR lista a variável (ou variáveis) que possam vir a ser adicionadas no modelo durante o processo de análise. Este comando deve aparecer antes do primeiro comando RUN. ID especifica a variável que identifica as observações na saída do relatório, quando são solicitadas estimativas de valores individuais de uma variável independente ( valores preditos ), valores residuais, etc. Treinamento Sistema – SAS Prof. Luis Felipe Lopes 44 OUTPUT especifica o arquivo de saída e os nomes das variáveis que irão conter os valores previstos, residuais , etc. PLOT gera plotes de dispersão com a variável y representando o eixo vertical e a variável x o eixo horizontal. Para plotar estatísticas utiliza-se as palavras chave (nomes reservados) disponíveis no comando OUTPUT. (Ex: plot y.*p;) PRINT Lista as opções disponíveis. Os seguintes nomes reservados são utilizados para especificar as estatísticas desejadas. Eles devem ser seguidos por um nome de variável: P (ou PREDICTED) representa os valores preditos. R (ou RESIDUAL) representa os valores residuais para cada observação. U95, L95 representam, respectivamente, os limites superior e inferior de predição para os valores observados. U95M, L95M representam, respectivamente os limites superior e inferior de confiança para a média da população. Ex4.: Os dados a seguir provem de um experimento para testar o desempenho de uma máquina industrial. O experimento utilizou uma mistura de óleo diesel e gás, derivados de materiais destilados orgânicos. O valor da capacidade da máquina em cavalo vapor (HP) foi coletado a diversas velocidades medidas em rotações por minuto (rpm X 100). Analisar o diagrama de dispersão e encontrar um modelo de regressão que se ajuste aos dados. OPTIONS FORMDLIM='*' LS=80; DATA MAQUINA1 A; /* EXEMPL04 SAS */ INPUT VELOC CAPAC @@; CARDS; 22.0 64.03 20.0 62.47 18.0 54.94 16.0 48.84 14.0 43.73 12.0 37.48 15.0 46.85 17.0 51.17 19.0 58.00 21.0 63.21 22.0 64.03 20.0 62.63 18.0 52.90 16.0 48.84 14.0 42.74 12.0 36.63 10.5 32.05 13.0 39.68 15.0 45.79 17.0 51.17 19.0 56.65 21.0 62.61 23.0 65.31 24.0 63.89 ; PROC PLOT; PLOT CAPAC * VELOC = '0'; TITLE 'DIAGRAMA DE DISPERSAO'; RUN; Treinamento Sistema – SAS Prof. Luis Felipe Lopes 45 PROC REG; MODEL CAPAC = VELOC; OUTPUT OUT= RESIDl P=PREVISTO R=RESIDUAL; TITLE 'AJUSTE DA FUNCAO LINEAR'; RUN; PROC GPLOT; PLOT RESIDUAL* VELOC /VREF = 0; TITLE 'PLOT DE RESIDUOS P/ AJUSTE LINEAR'; RUN; PROC UNIVARIATE DATA= RESIDl NORMAL PLOT; VAR RESIDUAL; TITLE 'TESTE DE NORMALIDADE DOS RESIDUOS'; RUN; ANÁLISE DOS RESULTADOS: DIAGRAMA DE DISPERSAO Plot of CAPAC*VELOC. Symbol used is '0'. CAPAC | | 65 + 0 | 0 0 | 0 | 0 0 60 + | | 0 | 0 55 + 0 | | 0 | 0 50 + | 0 | 0 | 0 45 + | 0 | 0 | 40 + 0| | 0 | 0 35 + | | | 0 30 + | --+-------+--------+--------+---------+-------+--------+--------+- 10 12 14 16 18 20 22 24 VELOC NOTE: 4 obs hidden. Treinamento Sistema – SAS Prof. Luis Felipe Lopes 46 O diagrama de dispersão mostra uma tendência crescente da capacidade da máquina em função da velocidade utilizada. Os dados observados serão ajustados inicialmente por uma função linear. o relatório de saída consta de duas seções, Análise da Variância e Estimativas dos Parâmetros, apresentadas a seguir: AJUSTE DA FUNCAO LINEAR Model: MODEL1 Dependent Variable: CAPAC Analysis of Variance Sum of Mean Source DF Squares Square F Value Prob>F Model 1 2294.80982 2294.80982 663.532 0.0001 Error 22 76.08652 3.45848 C Total 23 2370.89633 Root MSE 1.85970 R-square 0.9679 Dep Mean 52.31833 Adj R-sq 0.9664 C.V. 3.55458 Parameter Estimates Parameter Standard T for H0: Variable DF Estimate Error Parameter=0 Prob > |T| INTERCEP 1 6.100234 1.83396047 3.326 0.0031 VELOC 1 2.650500 0.10289565 25.759 0.0001 A seção de Análise de Variância contém informações sobre a qualidade do ajuste. São elas: - DF Identifica as fontes de variações dos dados e os respectivos graus de liberdade. - SOMA DOS QUADRADOS (SS): Separam a variação dos dados em porções que podem ser tanto atribuídas ao modelo como ao erro. Parte da variação total da capacidade da máquina se deve à velocidade utilizada e outra parte se deve a erros aleatórios ou outros fatores independentes da velocidade. SS total = SS models + SS erro Observando os valores da variável Capacidade da Máquina quando o valor da velocidade é de 18 (rpm x 100), por exemplo, tem-se 54.94 HP e 52.90 HP. Esta variação se deve ao erro do experimento ou a fatores outros que não a velocidade. Treinamento Sistema – SAS Prof. Luis Felipe Lopes 47 - MÉDIA QUADRÁTICA (MS): SS/DF MS erro = 3.45848 estima a variância da população dos valores da capacidade da máquina para valores determinados da velocidade. - F, PROB > F: Fornece o valor da estatística teste e o p-valor associado ao teste de hipótese de que o modelo explica uma parte significante da variação dos dados. - R_SQUARE : SS modelo / SS Total R_Square é a fração da variação total devida às variáveis do modelo. Seu valor varia dentro do intervalo [0,1], sendo que quanto mais próximo de 1, melhor o modelo explica a variação dos dados. Neste caso o modelo proposto explica 96% da variabilidade total. implicando um alto grau de aderência dos valores observados à reta ajustada. Sobre a qualidade do ajuste, o valor de R_Square não a explica sozinho. Recomenda-se também uma Análise dos Resíduos. - Adj R_SQUARE É uma estatística alternativa ao R-Square. É utilizada em REGRESSÃO MÚLTIPLA. A seção Estimativas dos Parâmetros provê coeficientes para a linha de regressão e testes para determinar se estes coeficientes são significativamente diferentes de zero. O modelo de ajuste, neste caso, é representado por: CAPAC = 6.10 + 2.65 VELOC O valor de INTERCEP = 6.10 não tem uma interpretação específica no modelo. Para VELOC = 0, a capacidade predita pelo modelo é de 6.10 HP. O coeficiente 2.65 pode ser interpretado como o acréscimo da capacidade esperada para cada unidade adicional da velocidade. Para verificar a suposição de que os coeficientes são não nulos, tem-se: - DF Fornece o grau de liberdade para os parâmetros estimados. Para cada parâmetro estimado DF= 1. - Erro Padrão: Mede o quanto cada parâmetro estimado poderia vaiar de um conjunto de dados para outro. Eles são utilizados na construção de intervalos de confiança. Treinamento Sistema – SAS Prof. Luis Felipe Lopes 48 - T para H0 : Parâmetro = 0: Estatística para testar a hipótese que o parâmetro é igual a zero. Seu valor é dado por: Valor Estimado do Parâmetro / Erro Padrão - PROB > T: Fornece o p-valor para a estatística teste T. Para o parâmetro VELOC, o p-valor é de 0.0001, evidenciando que o grau de inclinação da reta ajustada é diferente de zero. O intercepto também difere de zero. A análise dos resíduos ei= Yi - Yˆ i = Yi - 6.10 - 2.65 VELOC é importante para avaliar se a escolha do modelo é apropriada para o conjunto de dados apresentado. Pelo comportamento da distribuição dos resíduos (PROC GPLOT) sugere-se a utilização de um termo quadrático. A validade dos testes de significância dependem da suposição de que os resíduos são normalmente distribuídos. Para se verificar essa suposição basta utilizar a PROC UNIVARIATE com as opções NORMAL e PLOT, o que gera as seguintes saídas: Treinamento Sistema – SAS Prof. Luis Felipe Lopes 49 TESTE DE NORMALIDADE DOS RESIDUOS Univariate Procedure Variable=RESIDUAL Residual Moments N 24 Sum Wgts 24 Mean 0 Sum 0 Std Dev 1.818821 Variance 3.308109 Skewness -0.95935 Kurtosis 4.145739 USS 76.08652 CSS 76.08652 CV . Std Mean 0.371265 T:Mean=0 0 Pr>|T| 1.0000 Num ^= 0 24 Num > 0 13 M(Sign) 1 Pr>=|M| 0.8388 Sgn Rank 4 Pr>=|S| 0.9119 W:Normal 0.896308 Pr<W 0.0170 Quantiles(Def=5) 100% Max 3.51976 99% 3.51976 75% Q3 0.92076 95% 3.35976 50% Med 0.011261 90% 1.54026 25% Q1 -0.67199 10% -1.75174 0% Min -5.82224 5% -1.88049 1% -5.82224 Range 9.342001 Q3-Q1 1.592748 Mode -0.38124 Extremes Lowest Obs Highest Obs -5.82224( 24) 1.13076( 3) -1.88049( 17) 1.449259( 10) -1.75174( 23) 1.54026( 9) -1.27624( 16) 3.35976( 2) -0.90924( 13) 3.51976( 12) A estatística W de Shapiro – WIL indica que os dados não são normalmente distribuídos. O valor da assimetria é de –0.9593, encontrando-se fora do intervalo (-0.87 , 0.87), e o valor da curtoze é de 4.1457, que está fora do intervalo(- 1.20,2.30). Estes são os intervalos a 95% de confiança para a assimetria e curtoze, referentes a um tamanho de amostra n=24, retirada de uma população normalmente distribuída. (Ver ANEXO 2). Stem Leaf # Boxplot 3 45 2 0 2 1 0145 4 | 0 0023358 7 +--+--+ -0 9954441 7 +-----+ -1 983 3 | -2
Compartilhar