SAS课程设计报告

日期： 2011

课程设计报告

( 2011 -- 2012 年度第 1学期)

名 称: SAS 课 程 设 计 题 目：中国粗钢产量与GDP的关系院 系： 理 学 院 班 级： 09 统 计 学 学 号： 0 9 1 1 1 1 2 1 2 0 学生姓名： 付 义 指导教师： 胡 二 琴 老 师 设计周数： 一 周

成 绩：

年 12 月 31 日

（一）：确定课程设计题目

21世纪中国经济快速发展而同时去年从财经频道了解到2008年金融危机后，中国的钢材市场由之前的过热导致钢材产量过剩。在快速发展的中国金融危机之前钢材没有出现过剩而金融危机到来伴随着钢材的产能过剩。让人产生想法钢材的产量与GDP之间是否存在一定的关系，因此确定了SAS课程设计研究题目。并从国家统计局近几年的统计年鉴中找出钢材相关的产量数据，编制成一张excel表得到近年来中国钢产量以及中国GDP数据如下表所示：

年份 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 粗钢产量（万吨） 钢材进口（万吨) 钢材出口（万吨) GDP（万亿） 3645.0 4062.6 4545.6 4891.6 5323.4 5962.7 7208.1 9016.0 10275.2 12058.6 15042.8 16992.3 18667.8 21781.5 26923.5 35333.9 48197.9 60793.7 3178.00 3448.00 3712.00 3560.00 3716.00 4002.00 4347.00 4679.00 5220.00 5628.00 5943.00 6159.00 6635.00 7100.00 8094.00 8956.00 9261.00 9536.00 500.64 331.86 393.78 978.00 1331.40 1963.49 1742.23 1174.94 851.05 819.72 368.26 332.59 617.81 3026.00 2282.84 1397.23 46.85 61.72 110.10 49.20 20.30 18.12 19.74 27.33 65.83 78.07 208.98 329.33 326.70 112.00 174.35 592.82

1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 10124.00 10891.00 11459.00 12395.00 12850.00 15163.00 18155.00 22116.00 27246.00 34936.00 41878.00 48927.00 50045.00 56780.00 62665.00 1598.38 1322.45 1241.55 1486.27 1596.14 1721.73 2448.81 3716.85 421.53 461.89 356.60 368.44 620.60 474.14 545.50 695.57 71176.6 78973.0 84402.3 89677.1 99214.6 109655.2 120332.7 135822.8 159878.3 184937.4 216314.4 265810.3 314045.4 340506.9 397983.0 2926.00 2586.00 1851.00 1687.10 1543.00 1763.20 1643.01 1422.00 2053.00 4303.00 6271.00 5923.00 2459.65 4255.60 （二）：关于课程题目的摘要

21世纪中国经济快速发展，同时也看到中国的粗钢产量也以非常快的速度增加。两者之间是否存在关系，如果存在有关系那么找出其中的关系。满足自身的好奇也同时从全国从1978年到2010年的数据中得到模型，并希望从回归模型中预测和指导中国下一阶段的钢材生产有自己的预测和看法。

（三）：关于课程设计的引言

近三十年来，我国粗钢产量在全球的占比持续上升，大致可划分为三个阶段：1980年~1989年的平稳增长期，我国粗钢产量在全球的占比增长不明显，十年间仅从5%左右略升至7%左右；

1990年~1999年的低速增长期，我国粗钢产量在全球占比的增速有所扩大，由8%左右升至15%左右的水平；2000年~2009年的高速增长期，这十年间我国粗钢产量快速增长，其在全球占比的增速也明显加大，2009年我国粗钢产量在全球的占比达到近47%，较2000年的15%增长了近两倍以上。

（三）：关于课程设计的研究目的

通过对钢材的产量与GDP的关系可以从GDP数据预测中国市场上的钢材数量才是合理，同时通过在正常的产量水品也可以估测GDP大小，建立钢材产量与GDP的对应关系相互预测。

（四）：此次课程设计的理论支持

钢材是国家重工业的基础，同时钢材的产量涉及到各个生产厂商。因此可以通过对GDP的大小来预测中国市场上钢材的合适产量，建立钢材合适产量与国家GDP增幅的关系。并通过改变以上数据得到以下的表格的内容，使得SAS可以处理以上数据：

N表示年份

CL表示粗钢产量 JK表示钢材进口

CK表示钢材出口 GDP则是国民生产总值

则将收集到的信息整理表示为SAS中的可以操作的内容，修改之前的excel表得到数据如下。通过import data 导入到SAS中在SASUSER下建立一个名为GDP的数据集。

N 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 CL JK CK 3178.00 3448.00 3712.00 3560.00 3716.00 4002.00 4347.00 4679.00 5220.00 5628.00 5943.00 6159.00 6635.00 7100.00 8094.00 8956.00 9261.00 9536.00 10124.00 10891.00 11459.00 12395.00 12850.00 15163.00 18155.00 22116.00 27246.00 34936.00 41878.00 48927.00 50045.00 56780.00 62665.00 500.64 331.86 393.78 978.00 1331.40 1963.49 1742.23 1174.94 851.05 819.72 368.26 332.59 617.81 3026.00 2282.84 1397.23 1598.38 1322.45 1241.55 1486.27 1596.14 1721.73 2448.81 3716.85 46.85 61.72 110.10 49.20 20.30 18.12 19.74 27.33 65.83 78.07 208.98 329.33 326.70 112.00 174.35 592.82 421.53 461.89 356.60 368.44 620.60 474.14 545.50 695.57 2926.00 2586.00 1851.00 1687.10 1543.00 1763.20 1643.01 1422.00 2053.00 4303.00 6271.00 5923.00 2459.65 4255.60 GDP 3645.0 4062.6 4545.6 4891.6 5323.4 5962.7 7208.1 9016.0 10275.2 12058.6 15042.8 16992.3 18667.8 21781.5 26923.5 35333.9 48197.9 60793.7 71176.6 78973.0 84402.3 89677.1 99214.6 109655.2 120332.7 135822.8 159878.3 184937.4 216314.4 265810.3 314045.4 340506.9 397983.0

（五）：对模型的初步理论分析粗钢产量变化与GDP的关系（从网上查阅到如下信息）

2000年以来，随着中国城市化建设的不断加快，国内房地产投资及基础设施建设力度的加大，我国钢材消费也持续扩大，由此带来钢铁产业的迅猛发展，国内钢铁产量也呈高速增长态势。作为工业基础性行业，钢铁业的发展给上下游多个行业带来联动效应，进而也促进了国内GDP的大幅增长。

事实上，一国的粗钢产量与该国GDP存在较大的相关性。我们从近三十年来中国的粗钢产量与GDP的对比图可见，与经济结构体系相对合理完善的发达国家相比，作为发展中国家的中国。经济体的增长模式明显更为粗放，其经济增长在很大程度上依赖于第二产业——制造业的发展，尤其是固定资产投资建设的拉动。

对数据的SAS分析

（六）：模型的初步建立

显示各个数据随时间的变化

看GDP随年份的变化散点图程序如下：

proc gplot data=sasuser.gdp;

plot GDP*N; run;

散点图如下：

CL700006000050000400003000020000100000197019801990N20002010 看粗钢产量随年份的变化散点图程序如下：

proc gplot data=sasuser.gdp;

plot CL*N; run;

得到的散点图如下：

CL700006000050000400003000020000100000197019801990N20002010

看钢材的进口岁年份的变化散点图程序如下：

proc gplot data=sasuser.gdp;

plot JK*N; run;

得到的散点图如下：

JK40003000200010000197019801990N20002010

钢材出口岁年份的变化散点图程序如下：

proc gplot data=sasuser.gdp;

plot CK*N; run;

得到的散点图如下：

CK70006000500040003000200010000197019801990N20002010

由于看到GDP随着年份的变化散点图与粗钢的产量，净进口量散点图比较一致。因此大致可以认为他们之间有关系。但是还不能得出相应的结论。

（七）：对分析的数据建立回归模型

由上面的散点图判断GDP与CL，JK, CK的回归分析 模型回归的程序如下：

proc reg data=sasuser.gdp; model gdp=cl jk ck; run;

得到output窗口的结果如下：

The SAS System 02:47 Sunday, January 1, 2012 1

The REG Procedure Model: MODEL1 Dependent Variable: GDP GDP

Analysis of Variance

Sum of Mean

Source DF Squares Square F Value Pr > F

Model 3 3.488467E11 1.162822E11 416.91 <.0001 Error 27 7530755762 278916880 Corrected Total 30 3.563774E11

Root MSE 16701 R-Square 0.9789 Dependent Mean 95863 Adj R-Sq 0.9765 Coeff Var 17.42158

Parameter Estimates

Parameter Standard

Variable Label DF Estimate Error t Value Pr > |t|

Intercept Intercept 1 -16089 6432.48068 -2.50 0.0187 CL CL 1 6.76696 0.43563 15.53 <.0001 JK JK 1 1.68621 4.09650 0.41 0.6839 CK CK 1 -6.39980 4.11876 -1.55 0.1319

分析：

模型的整体F检验看出模型显著，但是从单个变量看JK以及CK都不显著。

得到方程的回归模型为：

GDP= -16089+ 6.76696 CL +1.68621 JK+-6.39980 CK

（八）：该模型的多重共线性检测

1.经济意义的检测

由于粗钢产量的增加可以从经济意义上看到与GDP成正相关性。

钢材的出口与GDP从经济意义上的正相关。 钢材的进口与GDP呈现经济意义上的负相关。

由于从上面的散点图可以看出相关关系不是很明显则可以考虑GDP与钢材进口，钢材出口，以及粗钢产量之间，可能存在有多重共线性所导致。 2 .统计检验

从回归的模型的F检验可以看出P<0.0001模型显著。但是从单个变量的T检验中由于JK的P=0.6839>0.05同样的CK的

P=0.1319>0.05则可以认为在95%的置信水平下JK与CK的系数不显著。

3. SAS中统计检验是否存在多重共线性的办法： （1）：得到相关系数矩阵程序如下：

proc corr data=sasuser.gdp; var N cl jk gdp; run;

得到分析量之间的协相关系数矩阵output窗口的结果：

System 23:47 Saturday, December 31, 2011 1

The CORR Procedure

4 Variables: N CL JK GDP

Simple Statistics

Variable N Mean Std Dev Sum Minimum Maximum Label

N 33 1994 9.66954 65802 1978 N

CL 33 16327 17099 538804 3178 CL

JK 31 1524 835.68515 47243 331.86000 JK

GDP 33 90286 107860 2979452 3645 GDP

Pearson Correlation Coefficients Prob > |r| under H0: Rho=0 Number of Observations

The SAS 2010 62665 3717 397983

N CL JK GDP

N 1.00000 0.84152 0.56454 0.87582 N <.0001 0.0009 <.0001 33 33 31 33

CL 0.84152 1.00000 0.36044 0.98852 CL <.0001 0.0464 <.0001 33 33 31 33

JK 0.56454 0.36044 1.00000 0.38001 JK 0.0009 0.0464 0.0350 31 31 31 31

GDP 0.87582 0.98852 0.38001 1.00000 GDP <.0001 <.0001 0.0350

33 33 31 33

则得到的相关系数矩阵为： CL JK CK GDP

CL

JK

CK

GDP

1 0.84152 0.56454 0.87582 0.84152

1 0.36044 0.98852

1 0.38001

1

0.56454 0.36044

0.87582 0.98852 0.38001

则可以看出：

CL和JK与GDP的相关程度较高而CK与GDP的相关程度相对较小。

（2）：回归模型共线性的检验 相应的程序如下：

proc reg data=sasuser.gdp; model gdp=cl jk ck/vif collin; run;

得到的output窗口的结果如下：

The SAS System 23:47 Saturday, December 31, 2011 2

The REG Procedure Model: MODEL1 Dependent Variable: GDP GDP

Analysis of Variance

Sum of Mean

Source DF Squares Square F Value Pr > F

Model 3 3.488467E11 1.162822E11 416.91 <.0001 Error 27 7530755762 278916880 Corrected Total 30 3.563774E11

Root MSE 16701 R-Square 0.9789 Dependent Mean 95863 Adj R-Sq 0.9765 Coeff Var 17.42158

Parameter Estimates

Parameter Standard Variance

Variable Label DF Estimate Error t Value Pr > |t| Inflation

Intercept Intercept 1 -16089 6432.48068 -2.50 0.0187 0 CL CL 1 6.76696 0.43563 15.53 <.0001 6.12060

JK JK 1 1.68621 4.09650 0.41 0.6839 1.26054

CK CK 1 -6.39980 4.11876 -1.55 0.1319 5.54646

Collinearity Diagnostics

Condition -----------------Proportion of Variation----------------

Number Eigenvalue Index Intercept CL JK CK

1 3.16342 1.00000 0.01673 0.00727 0.01426 0.00911

2 0.66552 2.18021 0.08313 0.01311 0.05738 0.08317

3 0.12140 5.10462 0.89920 0.00981 0.68897 0.01666

4 0.04966 7.98166 0.00093831 0.96981 0.23939 0.89107

Pr > |t| Inflation 0.0187 0 <.0001 6.12060 0.6839 1.26054 0.1319 5.54646

则可以由于JK的方差扩大因子Inflation比较大所以可以认定方程有多重共线性。

（3）：用逐步剔除法建立方程

由于0.6839>0.05方差扩大因子最大所以剔除JK再做共线性检测。 得到相应的程序如下：

proc reg data=sasuser.gdp; model gdp=cl ck/vif collin; run;

在SAS的output窗口中有如下：

The SAS System 23:47 Saturday, December 31, 2011 3

The REG Procedure Model: MODEL1 Dependent Variable: GDP GDP

Analysis of Variance

Sum of Mean

Source DF Squares Square F Value Pr > F

Model 2 3.487994E11 1.743997E11 644.39 <.0001 Error 28 7578013262 270643331 Corrected Total 30 3.563774E11

Root MSE 16451 R-Square 0.9787 Dependent Mean 95863 Adj R-Sq 0.9772 Coeff Var 17.16125

Parameter Estimates

Parameter Standard Variance

Variable Label DF Estimate Error t Value Pr > |t| Inflation

Intercept Intercept 1 -14269 4600.74831 -3.10 0.0044 0 CL CL 1 6.84170 0.39006 17.54 <.0001 5.05706

CK CK 1 -6.90340 3.87408 -1.78 0.0856 5.05706

Collinearity Diagnostics

Condition ---------Proportion of Variation---------

Number Eigenvalue Index Intercept CL CK

1 2.44201 1.00000 0.04565 0.01564 0.01994 2 0.49984 2.21034 0.55576 0.00604 0.08464 3 0.05815 6.48045 0.39858 0.97832 0.89542

Pr > |t| Inflation 0.0044 0 <.0001 5.05706 0.0856 5.05706

由于方差扩大因子一样大但是CK中有0.0856>0.05即表示系数不显著。

剔除CK再次建立回归。 相应的程序如下：

proc reg data=sasuser.gdp; model gdp=cl/vif collin; run;

在output窗口中得到的结果如下：

The SAS System 23:47 Saturday, December 31, 2011 4

The REG Procedure Model: MODEL1 Dependent Variable: GDP GDP

Analysis of Variance

Sum of Mean

Source DF Squares Square F Value Pr > F

Model 1 3.637827E11 3.637827E11 1326.74 <.0001 Error 31 8499987348 274193140 Corrected Total 32 3.722827E11

Root MSE 16559 R-Square 0.9772 Dependent Mean 90286 Adj R-Sq 0.9764

Coeff Var 18.34027

Parameter Estimates

Parameter Standard Variance

Variable Label DF Estimate Error t Value Pr > |t| Inflation

Intercept Intercept 1 -11521 4015.11517 -2.87 0.0073 CL CL 1 6.23540 0.17119 36.42 <.0001 1.00000

Collinearity Diagnostics

Condition --Proportion of Variation- Number Eigenvalue Index Intercept CL

1 1.69613 1.00000 0.15193 0.15193 2 0.30387 2.36258 0.84807 0.84807

得到：

Pr > |t| Inflation 0.0073 0 <.0001 1.00000

即方差扩大因子等于1，而且Pr<0.0001则表明CL的系数显著。即就是说建立了方程

GDP= -11521+6.23540 CL

（九）：该模型的自相关性检测

（1）.对建立的模型判断是否存在异方差现象。 相应的程序如下：

0

proc reg data=sasuser.gdp; model gdp=cl/spec;

output out=new r=residual; plot r.*cl; run;

在SAS的output窗口中结果如下：

The SAS System 03:47 Saturday, December 31, 2011 5

The REG Procedure Model: MODEL1 Dependent Variable: GDP GDP

Analysis of Variance

Sum of Mean

Source DF Squares Square F Value Pr > F

Model 1 3.637827E11 3.637827E11 1326.74 <.0001 Error 31 8499987348 274193140 Corrected Total 32 3.722827E11

Root MSE 16559 R-Square 0.9772 Dependent Mean 90286 Adj R-Sq 0.9764 Coeff Var 18.34027

Parameter Estimates

Parameter Standard

Variable Label DF Estimate Error t Value Pr > |t|

Intercept Intercept 1 -11521 4015.11517 -2.87 0.0073 CL CL 1 6.23540 0.17119 36.42 <.0001

The SAS System 23:47 Saturday, December 31, 2011 6

The REG Procedure Model: MODEL1

Dependent Variable: GDP GDP

Test of First and Second Moment Specification

DF Chi-Square Pr > ChiSq

2 6.88 0.0321

The SAS System 23:47 Saturday, December 31, 2011 7

The REG Procedure Model: MODEL1 Dependent Variable: GDP GDP

Analysis of Variance

Sum of Mean

Source DF Squares Square F Value Pr > F

Model 1 3.637827E11 3.637827E11 1326.74 <.0001 Error 31 8499987348 274193140 Corrected Total 32 3.722827E11

Root MSE 16559 R-Square 0.9772 Dependent Mean 90286 Adj R-Sq 0.9764 Coeff Var 18.34027

Parameter Estimates

Parameter Standard

Variable Label DF Estimate Error t Value Pr > |t|

Intercept Intercept 1 -11521 4015.11517 -2.87 0.0073 CL CL 1 6.23540 0.17119 36.42 <.0001

The SAS System 23:47 Saturday, December 31, 2011 8

The REG Procedure Model: MODEL1 Dependent Variable: GDP GDP

Test of First and Second

Moment Specification

DF Chi-Square Pr > ChiSq

2 6.88 0.0321

在graph窗口中得到图形如下：

GDP = -11521 +6.2354CL40000N 33 Rsq 0.9772AdjRsq0.9764RMSE 16559 3000020000100000-10000-20000-30000-400000100002000030000CL40000500006000070000

判断残差大致分布在0附近没有特别的趋势正负大致均与大致可以判定模型符合检验要求。

（2）.更进一步判断是否存在异方差做怀特检验。 怀特检验的程序如下：

proc reg data=sasuser.gdp; model gdp=cl/spec;

output out=new r=residual;; run;

在output窗口中得到结果如下：

The SAS System 3:49 Saturday, December 31, 2011 10

The REG Procedure Model: MODEL1 Dependent Variable: GDP GDP

Test of First and Second Moment Specification

DF Chi-Square Pr > ChiSq

2 6.88 0.0321

P=0.0321<0.05则拒绝原假设方程存在有异方差性， (3).消除模型的异方差

如果存在异方差，用稳定变换消除异方差 相应的程序如下：

Data new; Set sasuser.gdp; y1=sqrt(gdp); run;

proc reg data=new; model y1=cl/spec; run;

在output窗口的结果如下：

The SAS System 04:10 Sunday, January 1, 2012 1

The REG Procedure Model: MODEL1 Dependent Variable: y1

Analysis of Variance

Sum of Mean

Source DF Squares Square F Value Pr > F

Model 1 816449 816449 243.08 <.0001 Error 31 104123 3358.81885 Corrected Total 32 920572

Root MSE 57.95532 R-Square 0.8869 Dependent Mean 249.78051 Adj R-Sq 0.8832 Coeff Var 23.20250

Parameter Estimates

Parameter Standard

Variable Label DF Estimate Error t Value Pr > |t|

Intercept Intercept 1 97.26125 14.05280 6.92 <.0001 CL CL 1 0.00934 0.00059915 15.59 <.0001 The SAS System 01:10 Sunday, January 1, 2012 2

The REG Procedure Model: MODEL1 Dependent Variable: y1

Test of First and Second Moment Specification

DF Chi-Square Pr > ChiSq

2 5.76 0.0562

由于异方差性还是没有得到消除继续上式 程序如下：

Data new1; Set new; y2=sqrt(y1); run;

proc reg data=new1; model y2=cl/spec; run;

在SAS中output窗口结果如下：

The SAS System 04:10 Sunday, January 1, 2012 1

The REG Procedure Model: MODEL1 Dependent Variable: y1

Analysis of Variance

Sum of Mean

Source DF Squares Square F Value Pr > F

Model 1 816449 816449 243.08 <.0001 Error 31 104123 3358.81885 Corrected Total 32 920572

Root MSE 57.95532 R-Square 0.8869 Dependent Mean 249.78051 Adj R-Sq 0.8832 Coeff Var 23.20250

Parameter Estimates

Parameter Standard

Variable Label DF Estimate Error t Value Pr > |t|

Intercept Intercept 1 97.26125 14.05280 6.92 <.0001 CL CL 1 0.00934 0.00059915 15.59 <.0001 The SAS System 01:10 Sunday, January 1, 2012 2

The REG Procedure Model: MODEL1 Dependent Variable: y1

Test of First and Second Moment Specification

DF Chi-Square Pr > ChiSq

2 5.76 0.0562

The SAS System 01:10 Sunday, January 1, 2012 3

The REG Procedure Model: MODEL1 Dependent Variable: y2

Analysis of Variance

Sum of Mean

Source DF Squares Square F Value Pr > F

Model 1 722.42078 722.42078 115.39 <.0001 Error 31 194.08158 6.26070 Corrected Total 32 916.50236

Root MSE 2.50214 R-Square 0.7882 Dependent Mean 14.89992 Adj R-Sq 0.7814 Coeff Var 16.79296 Parameter Estimate

Parameter Standard

Variable Label DF Estimate Error t Value Pr > |t|

Intercept Intercept 1 10.36306 0.60671 17.08 <.0001 CL CL 1 0.00027787 0.00002587 10.74 <.0001

The SAS System 01:10 Sunday, January 1, 2012 4

The REG Procedure Model: MODEL1 Dependent Variable: y2

Test of First and Second

Moment Specification

DF Chi-Square Pr > ChiSq

2 3.60 0.1654

由于P=0.1654>0.05则接受原假设方程不存在异方差性 得到方程 Y2=10.36306+0.00027787 CL 由于（（Y2）^2）^2=GDP 则得到

GDP=（（10.36306+0.00027787 CL）^2）^2

由于以上已经消除了方程的自相关性则得到的方程就是GDP与钢材的关系。

（十）：最终模型结果

得到GDP与钢材的粗钢产量关系如下：

GDP=（（10.36306+0.00027787 CL）^2）^2

（十一）：模型的结果分析

根据分析只有粗钢的产量影响GDP才算显著。 得到CL与GDP之间的关系为回归函数 GDP=（（10.36306+0.00027787 CL）^2）^2 （十二）：模型的应用

在每一个市场上每一个厂商需要了解市场的情况，钢材市场也是一样。根据已知的GDP数据可以计算出相应的产量，有

时可能粗钢产量过少可以增加投资规模，而有时市场钢材产能过剩则需要减少产量。

（十三）：模型的不足

由于模型的建立存在有多重共线性随后分析的结果又存在有异方差性。在消除多重共线性时JK与CK是影响钢材拥有量应该对GDP有一定的影响，但是却没有考虑进模型。同时在有自相关时采用的方法不同得到的回归方程也不同。因此来说不存在唯一的回归方程来描述模型之间的关系。

（十四）：参考文献

[1] 何晓群，刘文卿.应用回归分析[M].北京：中国人名大学出版社。2001.

[2]樊欣 ，邵谦谦 . SAS 8.X 经济统计 .北京：北京希望电子出版社。

[3]陈希孺，王松桂 .近代回归分析. 合肥：安徽教育出版社。1987.

[4] 董大钧，SAS统计分析应用. 北京.电子工业出版社. 2008年04月

[5] 李东方，统计软件教程，北京，北京大学出版社，2007 [6]高惠璇， 实用统计方法与SAS系统，北京，清华大学出版社，2006

[7] 高惠璇，SAS系统BaseSAS使用手册，北京，中国统计出版社，2001年02月

[8] 高惠璇，SAS系统SAS/SATA使用手册，北京，北京邮电大学出版社，2009

[9] 人大经济论坛网http://bbs.pinggu.org/

姓 名 课程名称 论文题目 班 级 学 号 评阅教师： 成 绩

本文来源：https://www.bwwdw.com/article/jeix.html