UTILISATION DU LOGICIEL sas

Transcription

1 UTILISATION DU LOGICIEL sas Paul Molin. Jean Jacques Gaillard. Laurence Pottier 18 octobre Introduction Cette courte documentation n a pas l ambition de remplacer les manuels du constructeur, ni d étudier toutes les possibilités du système sas; en particulier le Window Manager qui permet de visualiser dans trois fenêtres différentes program, output et log est abordé de façon assez succinte. Ce n est pas non plus un cours de statistiques, et nous profitons de l occasion pour rappeler aux utilisateurs des logiciels statistiques la plus extrême prudence quant à l interprétation des résultats obtenus. Ce manuel est issu d un document dont l auteur ne nous est pas connu, décrivant le système sas pour les ordinateurs data general sous aos-vs. Il est maintenant plutôt orienté vers unix. sas (Statistical Analysis System) est un progiciel constitué: d un langage de procédure permettant l étude de données individuelles : tabulation, graphiques statistiques descriptives nombreuses corrélation, régression, analyse de la variance analyse des données d un langage de programmation évolué permettant de manipuler et de gérer des fichiers de données. En particulier ce langage permet de: lire des fichiers de données non sas organisés de façon séquentielle créer, modifier des données par l utilisation de fonctions mathématiques et statistiques et de fonctions de traitement de textes filtrer, ajouter, supprimer des observations et/ou des variables trier, concaténer, fusionner, transposer, des fichiers de données stocker, gérer et documenter des bases de données. On appelle sas sous unix de plusieurs façons différentes suivant l environnement dans lequel on est: interactivement sous unix: à l invite unix, on tape sas <enter>. On voit apparaître trois fenêtres constituant l environnement interactif de sas. Leurs spécificités seront décrites dans le paragraphe dédié au gestionnaire de fenêtres. interactivement sous un gestionnaire de bureau (KDE, Gnome... ): si on a une icône SAS, on clique dessus, sinon, on se débrouille en cherchant dans les menus, ou on pleure... non interactivement: à l invite unix, on tape sas nom_de_programme <enter>, le programme étant déja écrit sur le disque. sas n affiche alors rien à l écran, mais écrit les résultats et les messages dans des fichiers. 1

2 2 Qu est-ce qu un programme sas? Un programme sas est un enchaînement d étapes DATA et d étapes PROC. Les étapes DATA permettent de préparer les données sous forme de tableaux sas. Dans ces étapes on réalisera par exemple: la création de nouveaux tableaux sas. le recodage des variables d un tableau sas la suppression, l ajout de nouvelles observations et/ou de nouvelles variables dans un tableau sas. Les étapes PROC exécutent des traitements sur les tableaux sas. Elles mettent en jeu des programmes standards fonctionnant en "boîte noire". Dans une PROC on obtiendra, par exemple: des statistiques descriptives sur les données d un tableau sas des graphiques, des tableaux des matrices de corrélation, des résultats de tests statistiques Chaque étape d un programme sas est composée d instructions : chaque instruction est une phrase composée de mots, se terminant par un point virgule le séparateur de mots est le blanc, ou le changement de ligne une ligne peut contenir plusieurs instructions une instruction peut occuper plusieurs lignes le texte d un programme sas peut être écrit en majuscules ou en minuscules, sas comprendra la même chose. EN REVANCHE, dans les fichiers de données, les caractères minuscules et majuscules sont traités différemment par sas. Il faut notamment faire attention lors des tris par ordre alphabétique, qui sont effectués suivant le code ASCII (dans ce code, le Z majuscule est par exemple avant le a minuscule). C est le même problème avec qu avec unix: les majuscules et minuscules ne sont JAMAIS comprises par unix comme équivalentes. Après son exécution un travail sas exécuté de façon non interactive (voir les différentes façons d appeler sas au paragraphe précédent) se compose de trois fichiers: le fichier program, constitué par l utilisateur (au moyen de l éditeur de texte de son choix), il doit comporter le suffixe.sas et contenir les instructions sas qu on souhaite soumettre à l éxécution. le fichier log, créé automatiquement par le système au cours de l éxécution, comporte le suffixe.log et contient le compte rendu de l éxécution du programme: programme source, noms des fichiers appelés et créés, messages d erreurs et diagnostics. le fichier output, créé automatiquement par le système au cours de l éxécution, comporte le suffixe.lst et contient les résultats demandés dans les étapes PROC du programme. I1 peut être vide dans le cas ou le programme est erroné ou si celui-ci fait appel à des procédures qui ne fournissent pas de résultat écrit. Dans le paragraphe suivant, nous allons voir ce que deviennent ces fichiers quand sas est utilisé de façon interactive. 3 Introduction au gestionnaire de fenêtres de sas 3.1 Descriptions des fenêtres et des menus Quand on appelle sas en interactif en utilisant un système multi fenêtré, comme Xwindows ou Windows, on voit apparaître trois fenêtres: la fenêtre de log, la fenêtre de output, et la fenêtre de program: 2

3 La fenêtre program editor contiendra le programme à faire exécuter par sas. On peut y écrire le texte du programme, le modifier, le manipuler. La fenêtre output contiendra les résultats des analyses demandées par le programme. On ne peut pas y écrire. La fenêtre log contiendra les messages envoyés par sas lors de l exécution du programme. On ne peut pas y écrire. Il est vivement recommandé de la regarder après chaque exécution d un programme; elle contient en effet en particulier les messages d erreur qu envoie sas quand on commet des erreurs dans le programme. Chacune des fenêtres est pourvue de menus déroulants: File Edit View Tools Solutions Help ou bien File Edit View Tools Run Solutions Help pour la fenêtre "Program Editor" qui permettent de gérer l interface de sas avec l utilisateur. Les menus, bien qu ayant la même présentation, ont des fonctions légèrement différentes suivant la fenêtre où ils sont appelés: le menu File possède les options suivantes: Open: pour lire un fichier dans lequel est écrit un programme sas. On peut ouvrir des fichiers (file) ou des objets (objects). Nous déconseillons de stocker les programmes sas sous forme d objets, car ensuite ils ne seront plus lisibles que par sas. En revanche, un programme stocké dans un fichier pourra être lu par n importe quel éditeur de texte. Save: sert à sauvegarder un programme sur un fichier dont le nom est déjà connu de sas. C est le cas lorsque ce programme a été chargé (open) dans sas à partir d un fichier. Save As: sert à sauvegarder un programme sur un fichier dont le nom n est pas connu de sas. Un menu s ouvrira alors pour demander le nom du fichier. Il vaut mieux donner à ce fichier un nom du type xxxxx.sas, pour bien distinguer ensuite, dans les listes de fichiers, quel sont les programmes sas. 3

4 viennent ensuite plusieurs menus d impression, qu il faut configurer en fontion du site, et un utilitaire de courrier électronique qui n est pas configuré sur notre site. Exit: sert à sortir de sas. sas demandera confirmation, et suivant la configuration vérifiera ou non que le programme en cours a bien été sauvegardé. pour voir la configuration cliquer sur Tools > Options >program editor > general > prompt to save on window close, le menu Edit sert, comme dans beaucoup de logiciels, à faire du couper-coller dans sas. Nous ne décrirons pas ce menu, Mais il faut savoir que sous Xwindows, en cliquant et en laissant enfoncé le bouton gauche de la souris, on sélectionne un texte, et en cliquant ailleurs avec le bouton milieu, on copie ce texte. C est la même chose avec sas, et on peut même faire du couper-coller entre sas et unix. Ce menu contient notamment l option clear all qui efface le texte présent dans la fenêtre concernée. le menu View permet de naviguer d une fenêtre à l autre, c est à dire de la ramener au premier plan de l écran pour y avoir accès: ce sont les quatre premières options, program editor, log, output et graph. le menu Tools contient en particulier un sous menu options qui contient des possibilités de modifier sa façon de taper un texte dans l éditeur. Par exemple, l option autowrap permet de faire rejoindre deux lignes consécutives en appuyant sur la touche <suppr>, l option autosplit permet de séparer une ligne en deux en appuyant sur la touche <enter>. le menu Run, présent uniquement dans la fenêtre "Program Editor" contient les principales commandes utilisées pour l exécution des programmes sas. Submit: sert à soumettre, c est à dire à faire exécuter un programme; il faut que ce programme soit présent dans l éditeur sas. Recall last submit: sert à rappeler un programme qui a été soumis à sas (submit). En effet, normalement, la commande submit ne fait pas disparaître le programme sas de l éditeur, mais si sas est mal configuré, cela peut arriver. les autres choix de ce menu permettent de soumettre à sas des morceaux de programmes, en particulier la première ligne du programme, ou bien un texte sélectionné dans le programme. Les trois dernières options concernent l utilisation de machines en réseau, ce qui déborde de notre propos. Le menu Solutions contient des solutions toutes faites pour utiliser sas, mais qui marchent plus ou moins bien. A vous de voir... Le menu Help permet notamment d appeler l aide en ligne de sas (SAS help and documentation) Il est clair que ces menus sont contextuels, c est à dire que si on y fait appel dans la fenêtre output, seule cette fenêtre sera concernée. En particulier, il ne faut pas croire qu on sauvegarde un programme sas en cliquant sur save dans la fenêtre output; ce qu on sauvegardera, ce sont les résultats de ce programme! Typiquement, une session sas se passe ainsi, dans l ordre: 1. On écrit dans l éditeur de texte (program editor), ou on charge en mémoire depuis le disque ( file, open), un programme sas. 2. On le soumet à sas (Run, submit). 3. On va voir les résultats dans la fenêtre output. 4. On regarde les messages envoyés par sas dans la fenêtre log. Ceci en particulier quand sas n a pas fait le travail qu on lui demandait. 5. A moins qu on n ait fini, on le modifie, et on resoumet... 4

5 4 Qu est-ce qu un tableau sas? Ce concept est très important pour la compréhension du langage sas. Les tableaux sas dont des fichiers spéciaux, que seul le logiciel sas lui même peut lire ou écrire. En effet, les procédures sas ne travaillent jamais sur le fichier de données de l utilisateur, mais uniquement sur des tableaux sas. C est le rôle de l étape DATA de sas de fabriquer ces tableaux. L intérêt des tableaux sas est de fournir un instrument de communication entre les procédures. Par exemple, la procédure de régression linéaire de sas ne produit aucun graphique, mais elle peut écrire dans un tableau sas les informations nécessaires à une procédure graphique, par exemple PROC GPLOT, pour tracer la droite de régression. Un tableau sas est un tableau rectangulaire dans lequel: chaque ligne constitue une observation chaque colonne constitue une variable Exemple 1: OBS REG POPTOT POA14 P65 ACTIFS ACTOC TMORT 1 ILDF CHPA FRTT Dans un tableau sas: le nombre d observations est illimité, le nombre de variables est limité à il existe deux types de variables : les variables numériques ou quantitatives les variables caractères ou alphanumériques Noms sas: le nom d un tableau sas ou d une variable sas doit respecter les règles suivantes : comporter de 1 à 8 caractères alphanumériques commencer par une lettre ou un blanc souligné (_) 5 L étape DATA 5.1 Les fonctions d une étape DATA Une étape DATA: crée des tableaux sas définit, modifie, supprime, recode des variables concatène, fusionne des tableaux sas à partir: d autres tableaux sas ou de données enregistrées sur des supports externes (disques, bandes, console) NB: ces fichiers externes sont lus sous forme séquentielle. Une étape DATA permet également de restituer des données sur un support externe. 5

6 5.2 La structure d une étape DATA Une étape DATA se compose des instructions suivantes : l instruction DATA: c est toujours la première instruction d une étape DATA; elle indique le début de l étape et donne un nom au(x) tableau(x) créé(s) dans l étape des instructions de lecture des données : infile, input, cards si les données proviennent d un support externe au logiciel set, merge si les données proviennent d un tableau sas des instructions de création, modification, suppression et recodification portant sur les variables et/ou les observations d un tableau: affectation, fonctions, filtres, output... drop, keep, rename, retain... do/end, if-then/else... des instructions de sortie des données : file, put NB: les instructions set, merge sont également utilisées pour effectuer des manipulations sur les tableaux sas (concaténation, fusion...) 5.3 Schéma de fonctionnement d une étape DATA sas lit les fichiers (ou les tableaux sas) de façon séquentielle enregistrement par enregistrement ou observation par observation pour chaque enregistrement (ou observation), sas exécute l ensemble des instructions demandées dans l étape selon le cas sas ajoute ou supprime cette observation dans le tableau sas défini par l instruction DATA 5.4 Lecture de données enregistrées sur un support externe Le fichier donnee.asc ci-dessous a été créé à l aide d un éditeur de texte ABEL J.M. H ANDRE R. H DUPOND A. F Il y a deux façons de constituer le tableau sas contenant les données de ce fichier: écrire dans un fichier à l aide d un éditeur de texte une étape DATA appelant le fichier donnee.asc et comportant une instruction de lecture des données filename fic donnee.asc ; data init; infile fic; input no nom $ prenom $ sexe $ cpost age poids taille; run; écrire dans un fichier à l aide d un éditeur de texte une étape DATA incluant le contenu du fichier donnee.asc: data init; 6

7 input no nom $ prenom $ sexe $ cpost age poids taille; cards; 0001 ABEL J.M. H ANDRE R. H DUPOND A. F ; run; 5.5 L instruction DATA L instruction DATA: est toujours la première instruction d une étape DATA donne un nom au(x) tableau(x) sas à créer dans l étape Syntaxe générale: DATA [nom de tableau sas] (liste d options)... [nom de tableau sas] (liste d options) ; Deux cas particuliers : DATA; si aucun nom de tableau n est spécifié, le système donnera un nom par défaut au(x) tableau(x) créé(s) dans l étape. Ceux-ci porteront les noms DATA1,DATA2,... DATAn. DATA _NULL_; on utilise cette forme de 1 instruction DATA quand dans une étape DATA on ne souhaite pas créer un tableau sas Exemple 2: conversion d un tableau sas en un fichier externe: filename sortie sortie.asc ; data _null_; set init; file sortie; put no-taille; run; l instruction put no-taille; signifie que l on écrit dans le fichier sortie.asc toutes les variables de la liste du tableau init de la variable no à la variable taille. 5.6 L instruction INPUT L instruction INPUT permet de décrire les variables à lire (nom, type, format) Á l exécution, cette instruction provoque la lecture des données se trouvant selon le cas : dans un fichier externe; elle est alors utilisée conjointement avec l instruction INFILE dans le programme sas lui même; elle doit alors être suivie de l instruction CARDS ou de son synonyme DATALINES. 7

8 Selon la manière dont se présentent les données, le mode de lecture spécifié dans l ordre INPUT est différent; on distingue deux modes principaux: Les données d un enregistrement sont séparées par un "blanc". C est le mode liste. La syntaxe est alors la suivante: INPUT [nom de la 1ere variable] [$] [nom de la 2eme variable] [$] [nom de la nieme variable] [$] ; Exemple 3: input no nom $ prenom $ sexe $ cpost age poids taille; NB: les noms des variables "caractères" seront toujours suivis d un symbole $. Néanmoins, ce symbole ne fait pas partie du nom de la variable. Les données d un enregistrement ne sont pas séparés par des "blancs": c est le mode colonne. La syntaxe est: INPUT [nom de la 1ere variable] [$] [numero de la 1ère colonne - numero de la dernière colonne]... ; Exemple 4: INPUT NO 1-4 NOM $ ; 6 Qu est-ce qu une base sas? Une base sas est un répertoire particulier d unix créé par l utilisateur et dans lequel sont rangés l ensemble des tableaux permanents créés par un programme sas. Une base sas doit être identifiée par l instruction LIBNAME, placée en début de programme et qui établit la correspondance entre le nom permettant à unix de retrouver la base et le nom selon lequel cette base sera identifiée dans les programmes sas. 6.1 Tableaux permanents et tableaux temporaires Dans son déroulement un programme sas peut créer deux types de tableaux: des tableaux temporaires qui seront détruits à la fin de l exécution du programme. Ces tableaux seront identifiés par un nom simple, par exemple: DATA REGION75; des tableaux permanents qui seront stockés et conservés dans la base sas déclarée en début de programme dans l instruction LIBNAME. Ces tableaux seront identifiés par un nom composé de deux eléments séparés par un point (.) Exemple 5: DATA BASE.REGION75; Le mot "BASE" est l identificateur de la base sas dans laquelle sera conservé le tableau permanent de nom REGION Création d une base sas Une base sas est un répertoire unix, elle est donc créée en entrant la commande: mkdir nom_de_la_base 8

9 Si le répertoire n existe pas, sas ne le créera pas tout seul, et enverra un message d erreur si on essaie d y faire référence. Exemple 6: FILENAME FIC DONNEE.ASC ; DATA INIT; INFILE FIC; INPUT NO NOM $ PREN $ SEXE $; RUN; Ici le tableau sas INIT est temporaire, il sera détruit à la fin de la session sas. LIBNAME BAS REGION ; FILENAME FIC DONNEE.ASC ; DATA BAS.INIT; INFILE FIC INPUT NO NOM $ PREN $ SEXE $; RUN; Ici, le tableau INIT est permanent, il sera stocké dans la base BAS, qui physiquement sur le disque sera le répertoire unix REGION, et pourra être rappelé lors d une session sas ultérieure. Dans le nom BAS.INIT, BAS renvoie au nom du répertoire unix déclaré dans l instruction LIBNAME, INIT est le nom du tableau rattaché à la base. Après l exécution du programme créant le tableau permanent, le répertoire "REGION" aura la configuration suivante: REGION/INIT.ssd01 Les tableaux sas permanents stockés dans une base sas comportent l extension.ssd01 (le suffixe 01 peut être modifié en 02, si on utilise sas en réseau, mais sur une seule machine, le suffixe est toujours 01). 7 Manipulations de tableaux sas 7.1 Lecture d un tableau: instruction SET L instruction SET permet la lecture d un (ou plusieurs) tableau(x) sas, à l intérieur d une étape DATA. SET nom_de_tableau_1 [nom_de_tableau_2] (liste d options)... ; Toutes les observations du tableau sas d entrée sont lues à chaque exécution de l instruction SET (cf schéma de fonctionnement d une étape DATA). Exemple 7: DATA INIT1; SET BAS.INIT; On crée ici un tableau temporaire de nom INIT1 qui est une copie conforme du tableau INIT de la base BAS. S il y a plusieurs fichiers d entrée on lit d abord toutes les observations du premier fichier avant de lire le suivant. Exemple 8: DATA F1; 9

10 INPUT A B C; CARDS; ; DATA F2; INPUT C D E; CARDS; ; DATA F3; SET F1 F2; PROC PRINT; RUN; Et le résultat est: OBS A B C D E Ici, les variables communes (en l occurrence la variable C) occuperont la même colonne. Les autres auront des valeurs manquantes dans le premier (D et E) ou dans le second (A et B) tableau sas. 7.2 Les instructions de programmation de l étape DATA Les instructions de programmation portent exclusivement sur les tableaux sas. Elles permettent: de créer, modifier, supprimer, renommer des variables d ajouter ou de supprimer des observations d obtenir des états ou de créer des fichiers sur supports externes On distingue: les instructions d action: affectation, totalisation, filtre: IF, DELETE, OUTPUT... les instructions d information: DROP, KEEP, RENAME, LABEL, FORMAT... les instructions de contrôle: IF-THEN / ELSE, DO... les instructions de sortie ayant trait aux impressions ou aux créations de fichiers sur supports externes : FILE, PUT L instruction d affectation Cette instruction permet de donner une valeur à une variable en la créant ou en la recodant. 10

11 nom_de_variable = nom_de_variable ou constante; ou nom_de_variable = expression avec ou sans fonction; Le membre de droite est évalué et sa valeur est stockée dans la variable désignée à gauche Expression et fonction dans l instruction d affectation Dans une instruction d affectation le terme situé à droite du signe = peut être: une expression sas: composée d un ensemble de variables (numériques ou caractères) reliées par des opérateurs : Exemple 9: LIBNAME BAS REGION ; DATA INIT1; SET BAS.INIT; Pl5A65= 100-(POA14+P65); CHOM=ACTIF-ACTIFOCC; RACTIF = 100*(ACTIF/POPTOT) ; une fonction sas: composée d un mot clé (nom de la fonction) et d un ensemble de variables. sas propose une grande quantité de fonctions pré-programmées : fonctions arithmétiques : ABS, INT, ROUND, SQRT... fonctions mathématiques : EXP, LOG... fonctions statistiques : SUM, VAR, STD... fonctions de traitement des chaines de caractères TRIM, SCAN... Contrairement aux calculatrices, sas appelle le logarithme népérien LOG et le logarithme décimal LOG10. Exemple 10: Y=INT(X); affecte à Y la partie entière de X Y=SUM(Xl,X2...Xn); affecte à Y la somme des n termes Xi Y=SUBSTR(X,N,L); affecte à Y une chaine de caractères de longueur L extraite de X à partir de la position N L instruction IF L instruction IF peut être utilisée pour remplir deux fonctions différentes : sélectionner dans un tableau sas les observations à ajouter ou à supprimer: fonction de filtre définir des critères pour la mise en oeuvre des instructions modifiant les observations d un tableau: fonction de contrôle Sélection d observations. IF expression_logique; Exemple 11: DATA POPSUP; 11

12 SET BAS.INIT; IF POPTOT>2000; PROC PRINT; Le tableau temporaire POPSUP ne comprendra que les observations telles que POPTOT > Ici, on voit que le IF sans THEN signifie pour sas une condition implicite d existence de l observation dans le tableau sas POPSUP. Instructions de contrôle. IF expression_logique THEN instruction; IF expression_logique THEN instruction; ELSE instruction; Exemple 12: DATA TRIPOP; SET BAS.INIT; IF POPTOT>2000 THEN GROUP=1; PROC PRINT; RUN; Le tableau TRIPOP contiendra toutes les variables de BAS.INIT plus la variable GROUP dont la valeur sera 1 pour les observations telles que POPTOT > 2000 et "."(donnée manquante) pour les autres. DATA TRIPOP; SET BAS.INIT; IF POPTOT>2000 THEN GROUP=1; ELSE GROUP=2; Ici la variable GROUP prend la valeur 2 pour les observations telles que POPTOT <= DATA TRIPOP; SET INIT; IF POPTOT>2000 THEN DO; GROUP=1; IDEN= SUP ; END; ELSE IF 1000<POPTOT<=2000 THEN DO; GROUP=2; IDEN= MOY ; END; ELSE DO; GROUP=3; IDEN= INF ; END; PROC PRINT; Les instructions IF sont ici imbriquéees afin d affecter, pour chaque observation, et selon la valeur prise par la variable variable GROUP. Comme on veut créer, de plus, une variable alphanumérique d identification on doit insérer la création des variables dans une structure (DO...END) pour créer un groupe d instructions Les instructions DELETE et OUTPUT L instruction DELETE Utilisée conjointement avec IF, cette instruction permet d éliminer les observations sélectionnées. 12

13 Exemple 13: DATA EXTRAIT; SET INIT; IF TMORT>10.0 THEN DELETE; Noter que cette séquence a exactement le même effet que la suivante (IF sans THEN): DATA EXTRAIT; SET INIT; IF TMORT<=10.0; L instruction OUTPUT Le passage sur l instruction OUTPUT déclenche la création dans le tableau sas d un enregistrement contenant toutes les variables présentes. Exemple 14: DATA REG1 REG2; SET INIT; IF TMORT>10.0 THEN OUTPUT REG1; ELSE IF 9.0<TMORT<=10.0 THEN OUTPUT REG2; ELSE DELETE; L ajout des observations dans les tableaux REG1 et REG2 est contrôlé par l instruction IF et réalisé par l instruction OUTPUT qui doit donc, dans ce cas, figurer explicitement. L instruction OUTPUT est le plus souvent implicite: Exemple 15: DATA REG; SET INIT; Ici, toutes les observations du tableau INIT seront recopiées dans le tableau REG. En résumé, chaque fois qu on lit des données (INPUT ou SET) et que l endroit où on veut les copier est évident (dans l exemple précédent, il est clair qu on lit dans INIT et qu on écrit dans REG), on peut se dispenser de l instruction OUTPUT. En revanche, si on ne lit pas de données, par exemple quand on fait une simulation avec sas, il faut utiliser cette instruction pour que sas inscrive dans le tableau sas le résultat des calculs: DATA SIMUL; DO I= 1 to 1000; X=UNIFORM(456); OUTPUT; END; C est une simulation de 1000 nombres tirés au hasard suivant une loi uniforme. Sans l instruction OUT- PUT, seule la dernière valeur de X serait stockée dans le tableau sas SIMUL Les instructions DROP, KEEP et RENAME DROP et KEEP Ces instructions permettent de contrôler l enregistrement des variables dans un tableau sas. KEEP liste_de_variables; DROP liste_de_variables; 13

14 Les variables indiquées dans l instruction KEEP seront incluses dans le tableau créé au cours de l étape DATA; inversement les variables spécifiées dans l instruction DROP seront exclues. Exemple 16: DATA REG; SET INIT; KEEP REG POPTOT ACTIFS ACTOCC FEMACT TER ; Le tableau REG comportera exclusivement les variables spécifiées dans l instruction KEEP. L écriture suivante aurait produit un résultat rigoureusement identique: DATA REG; SET INIT; DROP POA14 P65 TMORT; NB: on ne peut utiliser les instructions DROP et KEEP dans la même étape DATA. Rename L instruction RENAME permet de modifier le nom des variables d un tableau sas: RENAME ancien_nom nouveau_nom; Instructions SET et MERGE Concaténation simple: instruction SET On veut constituer un nouveau tableau sas par la mise bout à bout des observations de plusieurs tableaux sas: SET nom_du_tableau_1 (liste_d options)...nom_du_tableau_n (liste_d options); Concaténation avec interclassement: instruction SET avec BY Le tableau sas qu on veut constituer consiste également en une mise bout à bout de plusieurs tableaux mais on veut en outre que les observations obtenues soient rangées dans l ordre des valeurs croissantes d une variable particulière: SET nom_du_tableau_1 (liste_d options) nom_du_tableau_n (liste_d options); BY nom_de_variable; On veut, non plus, mettre bout à bout mais côte- Fusion de tableaux sas: instruction MERGE à-côte les observations de plusieurs tableaux sas. Exemple 17: DATA F3; MERGE F1 F2; BY V1; Supposons que dans le tableau F1, on ait: OBS V1 V2 V3 V

15 et que dans le tableau F2, on ait; OBS V1 V5 V On aura alors, dans le tableau F3 résultant: OBS V1 V2 V3 V4 V5 V Il faut que les deux tableaux F1 et F2 soient triés dans le même ordre par rapport à la variable V1. Pour cela, on peut utiliser PROC SORT, décrite ci-après. Si ce n est pas le cas, sas enverra un message d erreur. Note: on n est pas obligé d utiliser BY dans l instruction MERGE: si on l omet, la première observation de F1 sera à côté de la première de F2, la deuxième... 8 Les procédures : l étape PROC les étapes PROC exécutent des traitements (statistiques, tabulation etc...) sur des tableaux sas. Elles sont constituées de programmes fonctionnant en "boite noire". les règles d écriture des instructions sas s appliquent également aux étapes PROC. une étape PROC commence toujours par l instruction PROC. Syntaxe générale d une procédure: PROC nom_de_la_procédure DATA = nom_du_tableau_sas (options de dataset) OPTIONS de la procédure; INSTRUCTION de la procédure / OPTIONS de l instruction; Exemple 18: PROC PRINT DATA=REG.FICH (obs=10) N ; VAR REG POPTOT ACTIFS TER; ID REG; Commentaires: (obs=10) signifie que l on veut n afficher que les 10 premières observations du tableau REG.FICH N demande l affichage du nombre total d observations dans le tableau REG.FICH VAR REG POPTOT ACTIFS TER; demande seulement l affichage des valeurs des variables REG POPTOT ACTIFS TER. Si on l omet, sas affiche toutes les variables du tableau. ID REG demande l affichage de la variable REG à la place du numéro de l observation (que sas affiche si on omet cette instruction). 15

16 8.1 Les principales procédures Les procédures utilitaires PROC SORT permet de trier les observations d un tableau sas selon les valeurs d une (ou plusieurs) variable(s) donnée(s) dans une instruction BY. PROC PRINT imprime le contenu d un tableau sas. PROC CONTENTS donne les informations essentielles relatives au contenu d une base sas ou d un tableau sas (nom des variables, type...). PROC STANDARD centre et réduit les variables d un tableau sas. PROC TRANSPOSE réalise la transposition d un tableau sas. (les variables deviennent les observations, les observations deviennent les variables) Les procédures de tabulation PROC FREQ et PROC TABULATE Les procédures graphiques PROC PLOT permet de tracer des courbes (si on a sas /graph il vaut mieux utiliser PROC GPLOT, qui fait des vrais graphiques, alors que PROC PLOT fabrique les graphiques à partir des caractères standards de l imprimante). PROC CHART permet d obtenir des graphiques standards (histogrammes, pie...) (même commentaire: utiliser plutôt PROC GCHART de sas /graph) Les procédures de statistique descriptive PROC UNIVARIATE, PROC MEANS, PROC SUMMARY permettent d obtenir des résumés statistiques sur les variables d un tableau Les procédures de régression et de corrélation PROC CORR calcule des coefficients de corrélation. PROC REG estime les paramètres d un modèle linéaire par la méthode des moindres carrés. 8.2 Procédure SORT Cette procédure permet de trier les observations d un tableau sas selon les valeurs d une ou plusieurs variable(s) dans le but, par exemple: d interclasser ou fusionner des tableaux sas (cf manipulation de tableaux sas) de traiter les données par sous-population PROC SORT DATA=nom_de_tableau OUT=nom_de_tableau; BY liste de variables; Exemple 19: PROC SORT DATA=F1 OUT=F2; BY V1 V2; TABLEAU F1 TABLEAU F2 16

17 OBS V1 V2 V3 OBS V1 V2 V3 1 1 M F F F F M M M F F M M 43 Ici, V1 est la clé de tri principale, V2 ne sera utilisée qu en cas d ex-aequos de V Procédure CONTENTS Cette procédure permet d obtenir la description des caractéristiques d une base et/ou des tableaux qu elle contient. PROC CONTENTS DATA=nom_de_tableau_sas; Cette procédure ne comporte pas d instruction. Cas particuliers on veut obtenir la description d un tableau particulier; on codera: DATA=id.de la base.nom du tableau; on veut obtenir la description de tous les tableaux d une base sas; on codera: DATA=id.de la base._all_; DIRECTORY liste les caractéristiques générales de la base et le nom des tableaux qu elle contient. NODS utilisé avec _all_ permet de ne pas avoir les détails sur les tableaux. SHORT permet de n imprimer que la seule liste des variables des tableaux. POSITION donne la liste des variables dans l ordre de leur position dans le tableau et dans l ordre alphabétique. 8.4 Procédure PRINT Cette procédure permet de lister l ensemble ou une partie des variables d un tableau sas. PROC PRINT DATA=nom_de_tableau N; VAR liste_de_variables; ID liste_de_variables; BY liste_de_variables; SUM liste_de_variables; N permet d obtenir le nombre d observations du tableau à la fin de l impression, ou celui de chaque sous-population si on utilise l instruction BY. VAR précise les variables que l on veut lister, et leur ordre. ID précise les variables qui remplaceront à l impression le numéro de l observation. BY permet d obtenir l impression du tableau par sous-population. SUM précise les variables dont on veut obtenir les totalisations. 8.5 Procédure TRANSPOSE Cette procédure permet de transposer un tableau sas: les observations deviennent les variables et réciproquement. Cette procédure est tout particulièrement utile pour faire des calculs lourds sur les observations. 17

18 PROC TRANSPOSE DATA=nom_de_tableau out=nom_de_tableau; VAR liste de variables; ID variable; VAR désigne les variables à transposer. ID désigne une variable du tableau d entrée de type caractère. Les valeurs de ID sont utilisées pour nommer les variables du tableau transposé. Exemple 20: PROC TRANSPOSE DATA=F1 OUT=F2; VAR X Y Z ; ID T ; TABLEAU F1 TABLEAU F2 OBS X Y Z T OBS _NAME_ A B C D A 1 X B 2 Y C 3 Z D 8.6 Procédure MEANS Cette procédure calcule des statistiques univariées sur des variables numériques. La procédure peut créer un ou plusieurs tableaux contenant ces statistiques. PROC MEANS DATA=nom_de_tableau NOPRINT MAXDEC=n N NMISS MEAN STD MIN MAX RANGE SUM VAR USS CSS CV SKEWNESS KURTOSIS T PRT; VAR liste_de_variables; BY liste_de_variables; FREQ variable; OUTPUT OUT=nom_de_tableau MOT-CLEF=nom; NOPRINT supprime l impression des résultats qui sont alors seulement récupérables par OUTPUT. MAXDEC=n indique le nombre de décimales à prendre en compte pour l impression des résultats ; n est un entier compris entre 0 et 8. Les statistiques suivantes peuvent être demandées. Sans indication les options soulignées sont prises par défaut: N: nombre d observations non manquantes NMISS: nombre de valeurs manquantes MEAN: moyenne empirique STD: écart-type empirique MIN: valeur minimale MAX: valeur maximale RANGE: étendue 18

19 SUM: somme VAR : variance empirique USS: somme des carrés CSS: somme des carrés corrigés STDERR : erreur type de la moyenne CV: coefficient de variation SKEWNESS: coefficient d asymétrie KURTOSIS: coefficient d aplatissement T: statistique de Student PRT: probabilité d une valeur absolue plus grande que T sous l hypothèse de nullité de la moyenne. BY: la procédure s exécute pour chaque groupe d observations ayant la même valeur pour les variables BY. VAR : précise les variables numériques à traiter. Si l instruction est absente, sas traite toutes les variables numériques du tableau à l exception des variables mentionnées dans les instructions BY et ID. FREQ: précise une variable entière. Si pour une observation, sa valeur est n, l observation sera comptée n fois. OUTPUT: permet de créer un tableau sas contenant certaines statistiques calculées par PROC MEANS OUT=nom: désigne le nom du tableau sas de sortie. MOT-CLEF (à prendre dans la liste des statistiques fournies par la procédure) = nom: indique la statistique à stocker dans le tableau. La liste des noms à droite du signe = désigne des noms de variables dans lesquelles seront stockées les statistiques demandées. Cette instruction est utile quand on veut réutiliser des résultats de calculs effectués par PROC MEANS dans d autres procédures. Les mots-clefs sont les mêmes que ceux cités ci-dessus pour les statistiques. Par exemple, supposons qu on ait un tableau sas appelé ancien qui contienne deux variables X et Y, sont on veuille calculer les moyennes et les écarts-types, et les restocker dans un autre tableau sas appelé nouveau pour utilisation ultérieure: on écrira PROC MEANS; VAR X Y; OUTPUT OUT=nouveau MEAN= MX MY STD=SIGX SIGY; Dans les variables MX et MY seront stockées les moyennes de X et Y respectivement, et dans SIGX et SIGY les écarts-types. Les nouvelles variables seront remplies dans l ordre des anciennes spécifié par l instruction VAR de PROC MEANS. 8.7 Procédure SUMMARY Cette procédure calcule des statistiques univariées sur les variables numériques d un tableau sas dans lequel une (ou plusieurs) variable(s) détermine(nt) des sous-groupes. Les statistiques sont calculées sur les sous-groupes et stockées dans un tableau sas qui contient en plus deux variables automatiques : _TYPE_ permet d identifier le sous-groupe, _FREQ_ donne le nombre d observations dans chaque sous-groupe. PROC SUMMARY DATA=nom_de_tableau MISSING ; CLASS liste_de_variables ; VAR liste_de_variables; FREQ nom_de_variable; WEIGHT nom_de_variable ; OUTPUT OUT=nom_de_tableau_statistiques; 19

20 MISSING: les valeurs manquantes de l instruction CLASS forment des sous-groupes, comme les autres modalités. Si l option est absente elles sont ignorées. CLASS: indique les variables utilisées pour constituer les sous-groupes. Cette instruction provoque le calcul de statistiques par strate sans qu il soit nécéssaire de trier les données. VAR : précise les variables numériques à traiter. Si l instruction est absente sas traite toutes les variables numériques du tableau. FREQ: précise une variable entière. Si pour une observation, sa valeur est n, l observation sera comptée n fois. WEIGHT: précise le nom d une variable numérique dont les valeurs sont utilisées pour donner un poids à chaque observation dans le but de calculer, par exemple des moyennes ou des variances pondérées. OUTPUT: permet de créer un tableau sas contenant les statistiques calculées par PROC SUMMARY. OUT= nom: désigne le nom du tableau sas de sortie. Les statistiques récupérables sont les mêmes que celles de PROC MEANS. On a 4 façons de demander ces statistiques. Exemple 21: OBS A B X1 X2 X3 1 1 M F F M F M M F F M PROC SUMMARY DATA=F1; CLASS A B; VAR X1 X2 X3; OUTPUT OUT=F2 SUM= ; Ce programme produira le tableau F2 suivant: OBS _TYPE FREQ_ A B X1 X2 X F M F M F M

21 8.8 Procédure UNIVARIATE Cette procédure calcule des statistiques univariées, très détaillées, sur les variables numériques d un tableau sas. Elle est plus complète que les procédures MEANS et SUMMARY puisqu elle fournit: des détails sur les valeurs extrêmes d une variable des quantiles, notamment la médiane des graphiques des tableaux de fréquences PROC UNIVARIATE DATA= nom_de_tableau NOPRINT NORMAL FREQ PLOT; VAR liste_de_variables; ID variable BY liste_de_variables; FREQ variable; WEIGHT variable; OUTPUT OUT=nom de tableau MOT-CLEF = liste_mot_cle...; NOPRINT: supprime l impression des résultats qui sont alors seulement récupérables par OUTPUT. NORMAL : teste la normalité de la variable. PLOT: produit des graphiques stem and leaf, en "boite" et de normalité. FREQ: provoque l impression d une table avec valeurs, fréquences, pourcentages simples et cumulés. VAR, BY, FREQ, WEIGHT: ont le même effet que dans les procédures MEANS et SUMMARY. 8.9 Procédure STANDARD Cette procédure permet de transformer des variables numériques d un tableau sas en leur imposant une moyenne et un écart-type donnés et de récupérer ces variables transformées dans un nouveau tableau sas. PROC STANDARD DATA= nom_de_tableau_sas OUT=nom_de_tableau_sas MEAN=m STD=s REPLACE VARDEF=parametre; VAR liste_de_variables; BY liste_de_variables; MEAN=m: toutes les variables mentionnées auront pour moyenne m. STD=s : toutes les variables mentionnées auront pour écart-type s. REPLACE: les valeurs manquantes sont remplacées par la moyenne de la variable. VARDEF = paramètre: Spécifie si l écart type doit être calculé à partir de la variance de l échantillon ( paramètre = N ) ou de son estimation dans la population (paramètre = DF). VAR : indique les variables numériques que l on veut transformer. Par défaut, toutes les variables numériques sont transformées (sauf celles de l instruction BY). BY: les variables sont transformées à l intérieur des groupes définis par BY. 21

22 8.10 Procédure RANK Cette procédure calcule des rangs d observations pour des variables numériques et permet de les récupérer dans un tableau sas. PROC RANK DATA=nom_de_tableau_sas OUT=nom_de_tableau_sas DESCENDING GROUPS=k TIES=paramètre; VAR liste_de_variables; RANKS noms_de_variables; DESCENDING: inverse l ordre des rangs. Par défaut la plus petite valeur de la variable concernée se voit attribuer le rang 0, la valeur immédiatement supérieure le rang 1 et ainsi de suite. Avec cette option la plus forte valeur a pour rang 0. GROUPS=k: au lieu des rangs on produit des numéros quantiles. GROUPS=4 permet de constituer 4 groupes bornés par les valeurs prises par Q1, Q2(médiane), Q3. On code aisément les déciles (GROUPS=10) et les centiles (GROUPS=100). TIES= paramètre: spécifie le mode de traitement des ex-aequos: les trois valeurs possibles sont MEAN, HIGH et LOW suivant qu on veut affecter à plusieurs ex-aequos le rang moyen d entre eux, le plus fort, ou le plus faible. VAR : indique les variables dont on veut avoir le rang. Ces variables doivent être numériques. Si VAR est absent, les rangs sont calculés pour toutes les variables numériques. RANKS: dans le cas où on veut conserver les variables initiales, on indiquera dans cette instruction les noms des variables "rangs". L instruction VAR doit alors figurer: le premier nom indiqué dans RANKS correspondra à la première variable indiquée dans VAR... Si RANKS est absent les variables "rangs" ont le même nom que les variables initiales, celle-ci ne figurant plus dans le fichier Procédure TTEST Cette procédure calcule la statistique de Student(t) permettant de tester l hypothèse d égalité des moyennes de deux groupes d observations. Elle permet aussi de réaliser des tests de conformité de moyennes. PROC TTEST DATA=nom_de_tableau_sas; CLASS nom_de_variable; VAR listes_de_variables; BY listes_de_variables; CLASS: donne le nom de la variable de groupe. Cette variable doit avoir exactement 2 modalités. VAR : donne le nom des variables dont on veut comparer les moyennes. BY: permet d obtenir des analyses séparées sur les observations groupées selon les valeurs des variables indiquées Procédure CORR Cette procédure calcule et imprime diverses statistiques sur les variables numériques d un tableau sas donné en entrée. 22

23 PROC CORR DATA= nom_de_tableau_sas SPEARMAN KENDALL PEARSON NOSIMPLE NOMISS NOPROB RANK BEST=k; BY liste_de_variables; VAR liste_de_variables; WITH liste_de_variables; WEIGHT variable; FREQ variable; SPEARMAN, KENDALL, PEARSON: les coefficients de corrélation peuvent être calculés selon trois formules différentes. Par défaut la formule utilisée est celle de PEARSON. NOSIMPLE: supprime l édition des statistiques univariées. NOMISS: si pour une observation une variable a une valeur manquante, cette observation est supprimée. NOPROB: supprime l édition des probabilités associées aux corrélations. RANK: les corrélations sont imprimées, pour chaque variable, par valeur absolue décroissante. Si RANK est absent, elles sont imprimées dans une table rectangulaire normale. BEST=k: pour chaque variable, ne sont imprimées que les k plus fortes corrélations en valeur absolue. VAR : présente seule, cette instruction provoque le calcul des corrélations des variables mentionnées entre elles. Si elle est utilisée avec WITH les calculs se font entre les variables déclarées dans VAR et celles qui sont mentionnées dans WITH Procédure PLOT Cette procédure produit des graphiques standards du type y=f(x) ou y=f(x,z). Elle permet de superposer plusieurs graphiques sur la même page. Si on a sas/graph, on peut utiliser PROC GPLOT, qui a la même syntaxe, mais qui est plus riche puisque, faisant des vrais graphiques, elle est capable de tracer des lignes continues, de gérer les tailles des symboles, les polices de caractères... PROC PLOT DATA=nom_de_tableau_sas NOLEGEND UNIFORM; BY liste_de_variables; PLOT graphique / OVERLAY; NOLEGEND: supprime les légendes du graphique. UNIFORM: en présence de l instruction BY, cette option impose les mêmes échelles pour les axes de chaque strate. PLOT: permet de spécifier le graphique demandé. Cette instruction est de la forme: variable verticale * variable horizontale. Exemples 22: PLOT x*y y*z z*t; produira 3 graphiques, 1 par page. PLOT y*(a b c) /OVERLAY; produira 3 graphiques sur une seule page (option OVERLAY) PLOT Y*X= * ; PLOT Y*X=T; L identification des points (y,x) est dans la première instruction le signe * on peut également utiliser une 23

24 variable pour identifier ces points (cas de la deuxième instruction. Dans ce cas, le symbole utilisé changera pour chaque valeur de la variable T) Procédure GPLOT Cette procédure a la même syntaxe que proc plot, mais utilise les capacités graphiques des écrans et imprimantes d aujourd hui. Notamment, on peut obtenir une beaucoup plus grande variété de dessins de courbes que dans proc plot: Pour ce faire, on définit dans sas, au début du programme, des "symboles", qu on utilisera par la suite dans GPLOT Définition des symboles (on donne ici les options plus utilisées) SYMBOL<n> v=<plus star square paw circle dot... none> h= <nombre> c= <red blue yellow...> i= < join spline... none > l=< nombre de 1 à 46 > ; n désigne, collé au mot SYMBOL, le numéro du symbole ( de 1 à 64). v désigne ce qu on veut mettre au point considéré: une étoile, un plus, un carré, ou rien (none). h donne le taille de v. On peut l omettre, la taille sera alors de 1. c donne la couleur. i donne le type d interpolation: join produira une ligne brisée entre les points, spline lissera la courbe avec des fonctions spline, et none spécifiera qu on ne veut pas joindre les points. l donne le type de ligne qu on veut utiliser: 1 est la ligne continue et les autre donnent 45 types de pointillés différents Utilisation des symboles Dans proc GPLOT, on spécifiera qu on veut utiliser le symbole numéro 21 en écrivant: PROC GPLOT; plot y*x=21; Une fonctionnalité intéressante de l utilisation des symboles est la possibilité de changer de symbole au cours du tracé d une courbe, en utilisant une variable du tableau sas pour changer de symbole en cours de route. Exemple 23: DATA TOTO; INPUT SEXE $ TAILLE POIDS; cards; M M M F F F ; SYMBOL1 V= > H=3 I=NONE; SYMBOL2 V= * H=3 I=NONE; PROC GPLOT; PLOT POIDS*TAILLE=SEXE; RUN; 24

25 Le grahique obtenu montre que suivant la valeur de la varaible SEXE, sas utilisera le symbole 1 ou bien le symbole L instruction PLOT2 La procédure GPLOT permet également de tracer des graphiques avec deux axes d ordonnées. Pour cela dans proc GPLOT, on ajoute une instruction PLOT2. Le principe est le suivant: - l instruction PLOT est suivie des variables Y1*X - l instruction PLOT2 est suivie des variables Y2*X La variable à représenter en abscisse (X)doit être la même pour les deux graphiques. Exemple 24: DATA TOTO; INPUT DUREE PH CONCENTRATION; datalines; ; 25

26 PROC GPLOT; PLOT PH*DUREE; PLOT2 CONCENTRATION*DUREE; RUN; L instruction BUBBLE Elle permet de tracer des graphiques en bulles: Ce type de graphique est une variante du nuage de points ; les marqueurs sont proportionnels à la valeur d une 3ème variable. L instruction n est plus PLOT mais BUBBLE. Exemple 25: data jobs; input domaine $ euros nombre; datalines; Civil Aero Elec Mech Chem Petro ; proc gplot data=jobs; bubble euros*domaine=nombre; run; 26

27 27