统计计算与SAS软件包实验报告

SAS实验绘制统计图形实验报告范文生实验报学告学生实验报告学生姓名学号同组人实验项目绘制统计图形必修实验地点指导教师操作性实验0505董成武实验仪器台号J-045实验日期及节次一、实验目的及要求：1、目的学会用SAS制作统计图。

2、内容及要求掌握使用SAS过程制作直方图、柱状图、散点图、折线图、饼状图、星座图、盒须图、统计地图等，并掌握在图中增加一些修饰的语句。

二、仪器用具：仪器名称计算机SAS软件规格/型号笔记本SAS9.1数量11备注三、实验方法与步骤:步骤一、运行SAS软件，引入外部数据T某T文件，创建永久数据集；步骤二、先后绘制一个二维和三维的直方图，显示不同JOBCODE的员工的平均工资；步骤三、先后绘制一个二维和三维的饼图，强调FA3的员工的平均工资；步骤四、绘制一个三维直方图，显示不同SE某、不同JOBCODE的员工的平均工资；步骤五、根据获取某集团产品南昌和杭州两个地区2022年各月销售量的数据来制作相关统计图。

四、实验结果与数据处理：1、用SAS软件根据fltaten.t某t的内容建立一个SAS数据集DIR.FLTATEN（其中DIR对应的路径是D：\\）。

数据集中有变量SE某、JOBCODE和SALARY三个变量2、先后绘制一个二维和三维的直方图，要求显示不同JOBCODE的员工平均工资3、先后绘制一个二维和三维的饼图，强调FA3的员工的平均工资4、绘制一个三维直方图，显示不同SE某、不同JOBCODE的员工的平均工资5、经过调查，获取某集团产品南昌和杭州两个地区2022年各月销售量的数据。

(1)绘制南昌地区的销售量的散点图；纵轴的坐标刻度步长为3个单位；(2)绘制南昌地区的销售量的折线图；(3)在同一坐标系里，同时绘制两不同地区的销售量的折线图。

五、讨论与结论SAS软件制作统计图形关键是图形的色彩和标尺刻度的设置、图形的解释、一些修饰语句的使用，及选择。

如gplot、plot、gchart、vbar、hbar、pie、vbar3d、hbar3d、pie3d、block、ymbol、va某i、ha某i、ca某i、cte某t、loverlay、legend、umvar、type、e某plode等的使用。

院系：数学与统计学学院专业：__统计学年级：2009 级课程名称：统计分析 ____学号：____________姓名：_________________指导教师：____________2012年4月28日（一）实验名称1. 编程计算样本协方差矩阵和相关系数矩阵；2. 多元方差分析MANOVA。

（二）实验目的1. 学习编制sas程序计算样本协方差矩阵和相关系数矩阵;2. 对数据进行多元方差分析。

（三）实验数据第一题：第二题:（四）实验内容1. 打开SAS软件并导入数据；2. 编制程序计算样本协方差矩阵和相关系数矩阵;3. 编制sas程序对数据进行多元方差分析；4. 根据实验结果解决问题，并撰写实验报告；（五）实验体会（结论、评价与建议等）第一题：程序如下：proc corr data=sasuser.sha n cov;proc corr data=sasuser.sha n no simple cov;with x3 x4;partial x1 x2;run;结果如下：（1）协方差矩阵$AS亲坯曲；15 Friday, Apr： I SB,沙DOCOUR过程x4目由度=30Xi x2x3x4x5X?-10.I9B4944-0.45E2GJ5I.3347097-G.1193E48-£0.e75»GS-ID. 188494669,36&Q3?9-7.22IO&OS1J5692043I5.49ee^91S.Oa97SM-8.45S2645■7,221050829.S78&S46-6.372E47I-15.3084183-21.7352376-11.56747851.3841097 1.G5S2M7t.3726171IJ24«17B 4.e093011 4.4C124732.B747CM-G. I1S3S49 1.GS92043-is.soul aa 4.B09B01I68.7978495劣』S670971S.57ai1B3-IH.05l6l?a15.43S6569-J1.73S2376孔耶124TB27.0387097105.103225&S7.3505S7E：-2D K5752??319-11337204-1L55M7S52r9747?3i19,573118337.3S0&87E33.3SQ6452 (2) 相关系数矩阵Pearson相关系数” N =引当HO： Rho=0 时.Prob > |r|Xi Xixl1.QQ000x2-C.239540.2061x3-0,304590.0957x40.18975Q.3092x5'0.141570.4475x6-0.837870.0630-0.492920.0150x2-0.23354 1.00000-0.162750.143510.022700.181520.24438 x20.20C10.31:1?0.441?0.90350.32640.1761x3-0.30459-0.16275 1.00000-0.06219-0.34641-0.^797-0.23674 x30.095?0.381?<.00010.0563o.oses0 JS97x40.1S8760.14351-0.86219L000000.400540,313650.22610 x40.30920.4412<.0001 D.02EG Q.085S0.2213x5-0J 41570.02270-0.946410.40054 1.000000.317370.26750 x50.4J750.90350.0G68Q.025&0.08130+1620x6-0.33?e?0.1S162-0.397970.813650.31787LOOOOO0.82976 x60.0S300.32840.02660.08580.0813C0001辺-0.432920.24938-0.288740.22810 D.267600.92976 1.00000 x70,01500J7610.19970.22130JG20<.0001第二题：程序如下：proc anova data=sasuser.hua ng;class kind;model x1-x4=k ind;manova h=k ind;run;结果如下：(1)分组水平信息The ANNA ProcedureCla^s Level Informat ionClass Level®Valueskind 3 123Number of observatIons CO(2) x1、x2、x3、x4的方差分析Dependent Variable ： xl xlSource DFSum of SquaresMea n Square F Value Pr > F Model 25221.30000 2610.650003.380.0411Error57 44069.55000773.15000Corrected Total 5949290.85000R-Square Coeff Var Rcot MSE xl Mean 0.10592832.3508727.8055785.95000Source DF Anova SS Mean Square F ValuePr > F kind25221.300000 2610.6500003.380.0411The ANOVA ProcsdureDependent Variable ： x2 x2S UB ofSource DFSquares Mean Square F ValuePr > F Model 2 518.533333 259.26666?1.620.2078Error57 9148.050000160.492105Corrected Total 599666.583333R-Square Coeff Var Root MSE 0.05364222.9988812.6685555.08333Source DF Anova SS Mean Square F ValuePr > Fkind2518.5333333259.26666671.620.2078The ANOVA Procedure)epende 「t Variable ： x:3 x3S UM ofSource DF Squares Mean SquareF Value Pr > FModel2 2480.8333 1240.41670.170.8478Error57 427028.50007491.7281Corrected Total 59429509.3333R-Square Coeff Var Root MSE x3 Mean0.00577621.1798088.55477408.66672480.8333331240.4166670.17 0.8478The ANOVA Procedurex2 Mean SourceAnova SS Mean Square F Value Pr > Fkind(3) 多元方差分析The ProcedureMulti var I ate Ana lysis of Vari sinceCharacteri st ic Roots and Vectors of :: E Inverse 水 H, whereH =舫ow SSCP Matrix for kindE = Error SSCP MatrixChareucteri st icRoot Percent Characteristic Vector V F EV=1x1 x2 x30.33804686 73J7 -0.00045795 -0.00379096 0.00090988 0.00279339 0.12323983 26,C3 0.00424111 0.00236878 0.00D01B42 0.00002832 0.00000000 0.00 0.00121062 -0.00032401 0.00157046 -0.00006539 0.000000000,00-0.003177880.010435260.000070140.00078872MANOVA Test Criteria and F ApproxI nat Ions for the Hypothesis of No Overall kind EffectH 二 Anova SSCP Matr ix for kindE = Error SSCP MatrixS=2M=0*5 N=26 Stat ist icVa 1 ueF Value Num DFDsn DF Pr > F Wilks' Lambda0*660359533.04 8 IDS 0.0040 Pi 1lai f s Trace0.36123585 3,03 e 110 0.0041 Hote11 ing-Law 1ey Trace Q.45927921 3.07 e 74.85G0.0048 Roy s Greatest Root 0.336045804.624550.0027NOTE ： F Statistic for Roy's Greatest Root iis an upper boundsNOTE: F Statist ic f or Wilks' Lambdei is exact.根据多元分析结果，p 指小于0.05,表明在0.05的显著水平下，四个变量有 显著差异SourceDF Sum of Squares Mean iSouare F ValuePr > F Model239529,3000 192B4.8E0D 8.010.0009Error57 197115.10002405.5281Corrected Totiii59175644.4000R-SqusreGreff Vir Root M SE x4 Mean0.21936018.96604 49.04610 250.6000SourceDFA JWVI SSMean ^4j&re F V&luePr > F kind2 38529.3000019264.650008.010.0009The ANOVA ProcedureDependent Var iabls ： x4 x4。

数据分析与统计软件上机实验报告实验目的➢初步掌握sas软件的使用方法和语言结构➢学会运用sas软件进行简单的数据处理实验内容1某小学60名11岁学生的身高（单位cm）的数据如下126 149 143 141 127 123 137 132 135 134 146 142 135 141 150 137 144 137 134 139 148 144 142 137 147 138 140 132 149 131 139 142 138 145 147 137 135 142 151 146 129 120 143 145 142 136 147 128 142 132 138 139 147 128 139 146 139 131 138 149 （1）计算均值、方差、标准差、变异系数、偏度、峰度；（2）计算中位数，上、下四分位数，四分位极差，三均值；（3）做出直方图；（4）做出茎叶图；解答1)使用sas软件编程答案为：统计量身高N 有效60缺失0均值139.0000中值139.0000标准差7.06387方差49.898偏度-.510偏度的标准误.309峰度-.126峰度的标准误.608百分位数25 135.000050 139.000075 144.7500变异系数=标准差/均值=5.08%2)部分结果在问题(1)中中位数：139.0000四分位极差=Q3-Q1=144.75-135=9.75三均值=0.25*Q1+0.5*M+0.25*Q3=139.4375 3)使用软件画图得到4)使用sas软件画图得到程序附录（1）DATA DQGZ;INPUT X @@;CARDS;126 149 143 141 127 123 137 132 135 134 146 142 135 141 150 137 144 137 134 139 148 144 142 137 147 138 140 132 149 131 139 142 138 145 147 137 135 142 151 146 129 120 143 145 142 136 147 128 142 132 138 139 147 128 139 146 139 131 138 149 PROC MEANS N MEAN STD VAR USS CSS;RUN;（4）身高 Stem-and-Leaf PlotFrequency Stem & Leaf1.00 Extremes (=<120)1.00 12 . 35.00 12 . 678897.00 13 . 112224418.00 13 . 555677777888899999 13.00 14 . 011222222334413.00 14 . 55666777789992.00 15 . 01Stem width: 10.00Each leaf: 1 case(s)。

SAS与统计分析实验报告⼀、实习⽬的：1、了解SAS系统的基本知识及操作⽅法。

2、学会运⽤SAS系统进⾏数据的处理与分析。

⼆、实习⼯具：SAS软件三、实习内容：1、T测验①单组样本均数的T测验例：已知某⼩麦品种的平均株⾼为65cm,施肥后，随机抽取10株⼩麦进⾏测量，得到10株⼩麦株⾼分别为64 cm、66 cm、63 cm、68 cm、70 cm、65 cm、67 cm、68 cm、66 cm、69 cm.试验施肥后平均株⾼与已知的平均株⾼65 cm间的差异显著性。

●假如株⾼变量名为G，SAS程序如下：data whq1;input G@@;cards;64 66 63 68 70 65 67 68 66 69;run;proc ttest data=whq1 ci=none h0=65alpha=0.05;var G;run;●程序说明：过程选项h0=65 指定零假设 ho:u=65,检验抽样总体的均值是否为65，alpha=0.05⽤来指定结果中各统计量可信区间的置信⽔平。

语句var G指定要检验的变量。

●程序运⾏结果：The TTEST ProcedureStatisticsLower CL Upper CLVariable N Mean Mean Mean Std Dev Std Err Minimum Maximum G 10 65.011 66.6 68.189 2.2211 0.7024 63 70T-TestsVariable DF t Value Pr > |t|G 9 2.28 0.0487●结果说明：结果中⾸先给出了输⼊数据集中分析变量的有关统计量，其中包括均数及其可信区间、标准差及其可信区间。

然后给出均数的标准误、观测值最⼤值和最⼩值。

最后，给出单组样本均数⽐较的T检验结果。

本例中t=2.28，对应的P值为0.0487。

根据分析结果可作出结论：施肥后平均株⾼与已知的平均株⾼65 cm有显著差异。

数理与土木工程学院实验报告课程名称：《统计软件SPSS、SAS及实践》实验结果（包括程序代码、程序结果分析）第一题：①读取数据，并创建一个SAS数据集，命名为transaction；data transaction;infile cards dlm=",";input Account_ID Revenue Segment N_var1 C_var1 Date Location Code Amount;cards;10001,5,G1,., ,2014-10-23,CHINA,APP_001,10010002,6,G1,., ,2014-10-23,CHINA,APP_002,11010003,.,G1,., ,2014-10-23,CHINA,APP_003,5010004,10,G2,., ,2014-10-23,CHINA,APP_004,9010005,15,G2,., ,2014-10-23,CHINA,CAN_005,1210006,13,G2,., ,2014-10-23,CHINA,MAN_006,1000010007,.,G2,., ,2014-10-23,CHINA,APP_007,1010008,20,G3,., ,2014-10-23,CHINA,APP_008,10010009,25,G3,., ,2014-10-23,CHINA,APP_009,20010010,.,G3,., ,2014-10-23, ,REJ_010,10000010010,.,G3,., ,2014-10-23, ,REJ_010,10000010010,.,G4,., ,2014-10-23, ,REJ_010,10000010010,.,G5,., ,2014-10-23, ,REJ_010,10000010003,7,G1,., ,2014-10-24,CHINA,MAN_003,5000010004,9,G2,., ,2014-10-24,CHINA,APP_004,9010006,6,G2,., ,2014-10-24,CHINA,MAN_006,100010007,.,G2,., ,2014-10-24,CHINA,APP_007,1010008,8,G3,., ,2014-10-24,CHINA,APP_008,10010009,9,G3,., ,2014-10-24,CHINA,APP_009,20010010,.,G3,., ,2014-10-24,CHINA,APP_010,10010010,10,G4,., ,2014-10-24,CHINA,APP_011,10110010,20,G5,., ,2014-10-24,CHINA,APP_012,102;run;proc transpose data=transaction out=a;var _all_;run;②基于数据集transaction，将变量“Revenue”中的缺失数据用其均值代替；data a;set a;array s(*) aa1-aa2;n=n(of s(*));mean=mean(of s(*));sum=sum( of s(*));do i=1to dim(s);if s(i)=.then s(i)=mean;end;run;proc print;run;③基于②，将取值全部缺失的变量删除。

多元统计分析实验报告计算协方差矩阵相关矩阵SAS实验目的：通过对多元统计分析中的协方差矩阵和相关矩阵的计算，探究变量之间的相关性，并使用SAS进行实际操作。

实验步骤：1.数据准备：选择一个数据集，例如学生的成绩数据，包括数学成绩、语文成绩和英语成绩。

2.数据整理：将数据转化为矩阵形式，每一行代表一个学生，每一列代表一个变量（即成绩），记为X。

3. 计算协方差矩阵：根据公式计算协方差矩阵C，其中元素Cij表示变量Xi和Xj之间的协方差。

计算公式为Cij = cov(Xi, Xj) = E((Xi - u_i)(Xj - u_j))，其中E为期望值，u_i和u_j分别是变量Xi和Xj的均值。

4. 计算相关矩阵：根据协方差矩阵计算相关矩阵R，其中元素Rij表示变量Xi和Xj之间的相关性。

计算公式为Rij = cov(Xi, Xj) / (sigma_i * sigma_j)，其中sigma_i和sigma_j分别是变量Xi和Xj的标准差。

5.使用SAS进行实际操作：使用SAS软件导入数据集，并使用PROCCORR和PROCPRINT命令进行协方差矩阵和相关矩阵的计算和输出。

实验结果：通过计算协方差矩阵和相关矩阵，可以得到变量之间的相关性信息。

协方差矩阵的对角线上的元素表示每个变量的方差，非对角线上的元素表示不同变量之间的协方差。

相关矩阵的对角线上的元素都是1，表示每个变量与自身的相关性为1，非对角线上的元素表示不同变量之间的相关性。

使用SAS进行实际操作后，我们可以得到一个包含协方差矩阵和相关矩阵的输出表格。

该表格可以帮助我们更直观地理解变量之间的相关性情况，从而为后续的统计分析提供参考。

实验总结：通过本次多元统计分析实验，我们了解了协方差矩阵和相关矩阵的计算方法，并使用SAS软件进行实际操作。

这些矩阵可以帮助我们评估变量之间的相关性，为后续的统计分析提供重要的基础信息。

在实际应用中，我们可以根据协方差矩阵和相关矩阵的结果，选择合适的统计方法和模型，并做出恰当的推断和决策。

统计软件SPSS、SAS结课实验报告课程名称：《统计软件SPSS、SAS及实践》实验编号及实验名称实验报告（结课）系别数据科学系姓名学号班级应用统计实验地点实验日期2020年6月实验时数指导教师同组其他成员成绩一、实验目的及要求1、掌握SPSS的操作流程。

2、掌握SAS的编程方法，包括数据集、循环语句、数组、条件语句、统计图形、回归分析、方差分析等。

3、要求：通过SPSS操作和SAS编程实现。

二、实验环境及相关情况（包含使用软件、实验设备、主要仪器及材料等）1、实验设备：微型计算机；2、软件系统：Windows10；统计软件：SPSS、SAS三、实验内容基础题J1一种汽车配件的长度要求为12厘米，高于或低于该标准均被认为是不合格的。

汽车生产企业在购进配件时，通常是经过招标，然后对中标的配件提供商提供的样品进行检验，以决定是否购买。

现对一个配件提供商提供的10个样本进行检验，得到的长度（单位：厘米）的数据（J1.sav，见data文件夹）。

实验要求：使用SPSS操作完成（1）检验配件的长度是否服从正态分布；（2）在0.05的显著性水平下，检验该供货商的配件是否符合要求。

J2为研究上市公司对其股价波动的关注程度，一家研究机构对在主板，中小板和创业板上市的190家公司进行了调查，得到了信息数据（J2.sav，见data文件夹）。

实验要求：使用SPSS操作完成（1）给出上市公司的类型与对其股价波动的关注度的交叉表；（2）在0.05的显著性水平下，检验上市公司的类型与对其股价波动的关注度是否有关。

J3下面的每一行数据代表纸箱子的length,width,和height,单位是厘米。

计算每一个箱子的体积、需要的纸板的面积（假定顶部和底部的纸板对折到中间，即：顶部和底部的厚度是两层纸板）。

假定纸板的价格为$0.20/平方米。

161524481232153045203036252040实验要求：编写SAS程序（1）建立一个SAS数据集j31读入数据，变量为length，width和height；（2）使用set语句,利用数据集j31建立一个新SAS数据集j32，它包括j31的所有数据，并建立三个新变量：每个箱子的体积（volume），制造费用（cost），以及每立方米体积的造价y（公式为：y=cost/volume）；（3）使用建立的数据集j32建立一个新SAS数据集j3，只包括其中的volume和cost两个变量。

SAS数据分析实验报告摘要：本文使用SAS软件对一组数据集进行了分析。

通过数据清洗、数据变换、数据建模和数据评估等步骤，得出了相关的结论。

实验结果表明，使用SAS软件进行数据分析可以有效地处理和分析大型数据集，得出可靠的结论。

1.引言数据分析在各个领域中都扮演着重要的角色，可以帮助人们从大量的数据中提取有用信息。

SAS是一种常用的数据分析软件，被广泛应用于统计分析、商业决策、运营管理等领域。

本实验旨在探究如何使用SAS软件进行数据分析。

2.数据集描述本实验使用了一个包含1000个样本的数据集。

数据集包括了各个样本的性别、年龄、身高、体重等多种变量。

3.数据清洗在进行数据分析之前，首先需要对数据进行清洗。

数据清洗包括缺失值处理、异常值处理和重复值处理等步骤。

通过使用SAS软件中的相应函数和命令，我们对数据集进行了清洗，确保数据的质量和准确性。

4.数据变换在进行数据分析之前，还需要对数据进行变换。

数据变换包括数据标准化、数据离散化和数据归一化等操作。

通过使用SAS软件中的变换函数和操作符，我们对数据集进行了变换，使其符合分析的需要。

5.数据建模数据建模是数据分析的核心过程，包括回归分析、聚类分析和分类分析等。

在本实验中，我们使用SAS软件的回归、聚类和分类函数，对数据集进行了建模分析。

首先，我们进行了回归分析，通过拟合回归模型，找到了自变量对因变量的影响。

通过回归模型，我们可以预测因变量的值，并分析自变量的影响因素。

其次，我们进行了聚类分析，根据样本的特征将其分类到不同的群组中。

通过聚类分析，我们可以发现样本之间的相似性和差异性，从而做出针对性的决策。

最后，我们进行了分类分析，根据样本的特征判断其所属的类别。

通过分类分析，我们可以根据样本的特征预测其所属的类别，并进行相关的决策。

6.数据评估在进行数据分析之后，还需要对结果进行评估。

评估包括模型的拟合程度、变量的显著性和模型的稳定性等。

通过使用SAS软件的评估函数和指标，我们对数据分析的结果进行了评估。

sas实验报告SAS实验报告一、实验目的：1.了解SAS软件的使用方法和基本操作2.熟悉SAS数据处理和分析的流程3.掌握SAS数据导入和导出的方法二、实验原理：SAS（Statistical Analysis System）是一个用于统计分析的软件系统，包括数据管理、数据挖掘、报告和图形展示等功能。

SAS语言是一种功能强大的编程语言，通过SAS语言，可以对数据进行处理、分析和建模。

三、实验内容和步骤：1.打开SAS软件，创建一个新的SAS工作空间。

2.使用DATA和SET语句导入外部数据文件，并观察数据的结构和变量。

3.使用PROC PRINT和PROC FREQ等语句对数据进行描述性统计和频数分析。

4.使用PROC MEANS和PROC UNIVARIATE等语句对数据进行均值分析和单变量分析。

5.使用PROC CORR和PROC REG等语句进行相关分析和回归分析。

6.使用PROC GRAPH和PROC PLOT等语句绘制图形。

四、实验结果分析：通过使用SAS软件进行数据处理和分析，我们得到了以下结果：1.数据结构和变量分析：数据包含了10个变量，其中包括年龄、性别、教育水平、职业等信息。

2.描述性统计和频数分析：我们对数据进行了描述性统计，包括计算了平均值、中位数、标准差等统计量，并使用频数分析对变量进行了分组统计。

3.均值分析和单变量分析：我们使用PROC MEANS和PROC UNIVARIATE进行了变量的均值分析和单变量分析，得到了各变量的均值、标准差、四分位数等统计量。

4.相关分析和回归分析：我们使用PROC CORR和PROC REG 对变量之间的相关性进行了分析，并使用回归分析模型进行了拟合。

5.图形绘制：我们使用PROC GRAPH和PROC PLOT对数据进行了可视化展示，绘制了直方图、散点图等图形。

通过对实验结果的分析，我们可以对数据进行进一步的理解和解读，得到了对变量之间关系和趋势的更深入的认识。

sas实验报告1. 实验目的本次实验的目的是通过使用SAS软件，对给定数据集进行分析并绘制出相关的图表，从而深入理解数据中的信息，为后续的数据分析和业务决策提供支持。

2. 实验过程2.1 数据清洗在进行数据分析之前，需要对给定的数据集进行清洗。

首先，我们查看了数据是否存在缺失值和异常值。

通过观察发现该数据集中没有缺失值，并且异常值也很少。

我们选择对一些偏离正常范围较大的值进行平滑处理，以减小对后续分析的影响。

2.2 数据分析接下来，我们使用SAS软件对数据进行分析，并绘制相关的图表。

通过对数据的统计学分析和可视化，我们得到了以下结论：2.2.1 数据的概览我们首先对数据中的各个变量进行了基本的统计学描述，包括均值、中位数、标准差、最大值和最小值。

同时，我们绘制了数据直方图、密度图等图表，以更好地理解各个变量的分布规律。

2.2.2 变量的相关性分析我们使用了相关系数等分析方法，研究了各个变量之间的相关性。

通过相关系数矩阵和相关性图表，我们发现有些变量之间存在显著的相关关系，对于后续的数据分析和业务决策有重要的参考价值。

2.2.3 因素分析我们对整个数据集进行了因素分析，找出了影响数据各个变量的主要因素。

通过因子载荷矩阵和成分图表，我们更深入地理解了变量之间的内在联系和因果关系。

3. 实验结果通过本次SAS实验，我们对各种数据分析方法的使用方法和优缺点有了更深入的了解。

同时，我们成功地完成了对给定数据集的分析和可视化，并得出了一些有价值的结论，为后续的数据分析和业务决策提供了有效的支持。

4. 结论本次SAS实验不仅增强了我们对数据分析的理论知识和实践能力，还将对我们未来的学习和工作产生积极的影响。

我们将继续学习和掌握各种数据分析工具和方法，为公司的发展提供更好的支持和帮助。