Intros As 2013

Introduction au systme SAS
Progiciel de traitement statistique des donnes
cole de psychologie
Universit de Moncton
Septembre 2013
Table des matires

Avant-propos ............................................................................................................................... 4
Chapitre 1 - Prsentation ............................................................................................................. 6
1.1
Introduction .................................................................................................................. 6
1.1.1
Table SAS .............................................................................................................. 6
1.1.2
Programme SAS .................................................................................................... 7
1.1.2.1
L'tape data ................................................................................................ 7
1.1.2.2
Les tapes de procdures ................................................................................ 7
1.1.2.3
Le vocabulaire SAS .......................................................................................... 7
1.1.3
1.2
Environnement ....................................................................................................... 7
1.1.3.1
La fentre diteur (editor) ................................................................................. 8
1.1.3.2
La fentre Journal (Log) ................................................................................... 9
1.1.3.3
La fentre Sortie (Output) ................................................................................. 9
1.1.3.4
Les onglets Rsultats/Explorateur (Results/Explorer) ........................................ 9
tude fictive ............................................................................................................... 10
Chapitre 2 - Lecture des donnes et dfinition des variables ...................................................... 13
2.1
Lecture des donnes.................................................................................................. 13
2.1.1
Saisie de donnes directement dans SAS ............................................................ 13
2.1.2
Donnes importes dun fichier externe (Limportation et lexportation de fichiers). 14
2.1.2.1
Importer des donnes ..................................................................................... 15
2.1.2.2
Exporter des donnes ..................................................................................... 17
2.1.2.3
Limportation par la mthode INFILE ............................................................... 17
2.1.3
Deux modes de lecture des donnes : mode libre et mode fixe ............................. 17
2.1.4
Saisie dune matrice de corrlations ..................................................................... 18
2.2
Fusionner des donnes .............................................................................................. 19
2.3
Transformations de variables ..................................................................................... 19
2.3.1
Les tiquettes ....................................................................................................... 20
2.3.2
Fonctions mathmatiques (arithmtiques et statistiques) ...................................... 20
2.3.3
Fonctions logiques (noncs IFTHEN) .............................................................. 21
2.3.3.1
Changer les valeurs dune variable ................................................................. 21
2.3.3.2
Crer une nouvelle variable partir dune variable existante ........................... 21
2.4
2.3.3.3
Inverser des donnes ..................................................................................... 22
2.3.3.4
Appliquer une fonction mathmatique selon une condition logique .................. 23
Techniques avances de programmation ................................................................... 23
2.4.1
Boucles DO...TO...END .................................................................................. 23
2.4.2
La fonction RANNOR(.) ........................................................................................ 23
2.4.3
La fonction RAND(dist) ......................................................................................... 24
2.4.4
Loption ARRAY ................................................................................................... 24
Chapitre 3 - Procdures SAS..................................................................................................... 26

3.1
Introduction la programmation de procdures SAS .................................................. 26
3.1.1
3.2
Les options de procdure ..................................................................................... 27
Trois procdures de gestion des donnes .................................................................. 28
3.2.1
Lnonc PROC PRINT ........................................................................................ 28
3.2.2
Lnonc PROC PLOT ........................................................................................... 29
3.2.3
Lnonc PROC STANDARD ................................................................................. 30
3.2.4
Lnonc PROC SORT .......................................................................................... 31
3.3
Prsentation graphique des donnes ............................................................................ 33
3.3.1
Lnonc PROC CHART ........................................................................................ 33
3.3.2
Lnonc PROC GCHART ..................................................................................... 34
3.4
Deux procdures de statistiques descriptives ................................................................ 34
3.4.1
Lnonc PROC MEANS ........................................................................................ 35
3.4.2
Lnonc PROC UNIVARIATE ............................................................................... 35
3.4.3
Lnonc PROC POWER ....................................................................................... 35
3.5
Trois procdures de statistiques inductives ................................................................... 37
3.5.1
Lnonc PROC TTEST ......................................................................................... 37
3.5.2
Lnonc PROC CORR .......................................................................................... 38
3.5.3
Lnonc PROC FREQ ......................................................................................... 39
3.6
Les analyses multivaries ............................................................................................. 41
3.6.1
La rgression multiple ............................................................................................ 41
3.6.2
La corrlation canonique ........................................................................................ 43
3.6.3
Lanalyse factorielle exploratoire ............................................................................ 44
3.6.4
La modlisation structurale ..................................................................................... 48
Avant-propos
Quiconque souhaite utiliser le systme SAS pour lanalyse statistique de donnes dans
un contexte pdagogique se heurte rapidement la raret de documents daccompagnement qui
prsentent une introduction non trop technique aux rudiments ncessaires une utilisation
approprie en sciences humaines et sociales. Cest cette situation qui a motiv le dveloppement
du prsent guide. Ce document est conu pour accompagner une introduction non technique
lutilisation de SAS dans des situations statistiques typiques de la psychologie, et en particulier du
contenu des cours pour lesquels il a t mis au point : psychomtrie et techniques multivaries1.
Ce guide, qui nest quun document daccompagnement de cours, ne peut se suffire lui-mme.
Ce nest pas non plus un manuel de rfrence, et on doit tout de suite se familiariser avec la
documentation SAS2 afin dacqurir une certaine autonomie et de pouvoir adapter les exemples
donns la diversit des situations particulires.
Ce guide doit beaucoup un autre du mme type labor par H. Ivers, C. Fortin et
S. Fiset3. Il est aussi beaucoup le fait des tudiants inscrits au cours PSYC6200 Mthodes
quantitatives avances lhiver 2005 lcole de psychologie de lUniversit de Moncton, qui ont
t les tmoins actifs de ses premiers dveloppements. Il reste cependant un document en
chantier pour lequel les suggestions de mises jour, dajouts et damliorations restent les
bienvenues.
La prsente version, dveloppe lt 2006, a en outre t rendue possible en partie
grce une participation du Fonds dinitiatives pdagogiques du Service danimation et de
soutien lenseignement de lUniversit de Moncton.
F.V.
_________________________
1 lcole de psychologie de lUniversit de Moncton, il sagit essentiellement des cours
PSYC4220
Thories psychomtriques, PSYC6200 Mthodes quantitatives avances et PSYC7200 Statistiques
multivaries.
2 Voir la bibliographie sommaire en fin de document.
3 Introduction lanalyse informatise de donnes et lutilisation du progiciel SAS sous UNIX (Piaget)
(3e rv.). cole de psychologie, Universit Laval, Qubec, 1998.
Chapitre 1 - Prsentation
1.1 Introduction
Le progiciel SAS est un ensemble de modules logiciels de gestion et de traitement
statistique des donnes. Voici quelques exemples danalyses statistiques pouvant tre effectues
laide du progiciel SAS :
Analyses descriptives
Moyennes, variances et carts types
Mode et tendue
Asymtrie (skewness) et voussure ( kurtose )
Analyses inductives univaries
Corrlation (Bravais-Pearson, Spearman) et association (khi-deux)
Test t (pour chantillons apparis ou indpendants)
Analyse de variance (ANOVA)
Rgression simple
Analyse de sries chronologiques
Analyses inductives multivaries
Analyse de variance multivarie (MANOVA)
Rgression multiple (standard, hirarchique)
Corrlation canonique
Analyse discriminante
Analyse de regroupement ( cluster )
Analyse factorielle (composantes principales, facteurs communs)
Analyses dquations structurales (analyse factorielle confirmatoire, analyse des
pistes causales)
Ce bref guide a pour objectif de prsenter les lments essentiels la ralisation
danalyses statistiques de donnes par lentremise du logiciel SAS (version 9.2 et prcdentes, et
utilis dans un environnement Windows) en mode programmation. Seules les procdures et les
fonctions de base seront abordes ici. De nombreux ouvrages dtaills, ainsi que les divers
lments de documentation SAS (dont on trouvera certaines rfrences en fin de document)
peuvent tre consults pour plus de dtails.
1.1.1
Table SAS
Les donnes soumises lanalyse statistique prennent la forme dun fichier de donnes.
On peut saisir les donnes dans un fichier mme le progiciel SAS grce lune de ses
fonctions (un diteur ) ; SAS peut galement importer des donnes en provenance dautres
applications. Il faut bien distinguer fichier de donnes et table SAS (un data set ). Un fichier de
donnes est celui qui comprend les donnes recueillies quon souhaite analyser. Une table SAS
est un fichier de donnes virtuel dfini partir des donnes du fichier de donnes. Dans SAS, les
analyses portent toujours sur les donnes telles que dfinies dans la table SAS.
Chapitre 1 Prsentation
1.1.2
Programme SAS
Le Progiciel SAS a son propre langage. Le langage SAS est un systme de codes et de
symboles particuliers qui servent la cration de programmes. Un programme SAS est un
enchanement dtapes de lecture et de gestion des donnes ( data step ) et dappels de
procdures ( procedure ) dcrivant les traitements (statistiques entre autres) raliser. Ce sont
ces deux aspects dun programme SAS : lecture et gestion des donnes et traitements sur ces
donnes, qui seront traits, respectivement, aux chapitres 2 et 3 de ce guide.
1.1.2.1 L'tape data
L'tape data sert la manipulation des donnes. Elle permet de crer des variables,
supprimer des variables et supprimer des observations. Il est possible de faire des analyses dans
ltape Data, mais seulement des analyses par sujets. Par exemple, faire la moyenne dune srie
de questions pour chaque sujet ou additionner les scores aux questions dun test pour obtenir un
score total par sujet. Dans ltape Data, lordre dans lequel les oprations sont crites est
primordial. Par exemple, dans le cas o lon apporte des modifications aux valeurs de certaines
variables, les commandes dfinissant ces modifications doivent survenir avant les commandes
de calculs sur les variables modifies. Si les commandes de calculs sont prsentes les
premires, ils seront effectus sur les variables avant modification.
1.1.2.2 Les tapes de procdures

Les analyses axes sur les variables se font aux tapes de procdures. Par exemple, faire la
moyenne de lge de tous les sujets de lchantillon. Les tapes de procdures commencent
toujours par la commande PROC.
1.1.2.3 Le vocabulaire SAS
nonc ( statement ) : est une phrase inscrite dans lditeur qui se termine par un pointvirgule.
Commande ( keyword ) : est un mot cl reconnu par SAS qui permet lutilisateur de
communiquer avec le logiciel.
Fonction ( function ) : est une expression arithmtique usuelle. On retrouve la plupart des
fonctions dans ltape Data. Voir la liste de fonction page 19.
Oprateurs de base : sont les signes utiliss pour effectuer des oprations mathmatiques
habituelles (+, - , =, / , *, <, >, etc.).
Commentaires : peuvent tre insrs dans un programme ; les commentaires sont placs entre
astrisques (*).
nonc de procdure : est la commande PROC suivie dune procdure danalyse SAS. Les
noncs de procdures importantes aux fins de ce guide sont lists la page 25.
Options : Les options SAS sont des commandes reconnues par SAS qui spcifient les types
danalyse effectuer ou qui modifient laffichage des rsultats.
-
1.1.3
Options de ltape data : sapplique la table de donnes SAS

Options de procdure : sapplique lnonc de procdure correspondante. Il
existe aussi des options de procdure de deuxime niveau. Ceux-ci permettent de
modifier laffichage des rsultats dans la fentre sortie.
Environnement
La navigation dans lenvironnement SAS et les oprations sur les contenus des fentres
respectent pour lessentiel les conventions de tout environnement de type Windows (options
comprises dans des barres de menus qui sappliquent une fentre active, etc.).
Lenvironnement SAS se compose de plusieurs fentres.
Parmi ces fentres, les principales sont :

DITEUR
(Editor)
Pour crer, modifier et soumettre les analyses. On peut aussi y saisir,

visionner et modifier les donnes. Le contenu de cette fentre est
entirement gr par lutilisateur.
JOURNAL
(Log)
Lieu daffichage des commandes soumises ainsi que des messages

gnrs par SAS. Le contenu de cette fentre est gnr par SAS la
suite dune demande danalyse dans la fentre diteur.
SORTIE
(Output)
Affichage des rsultats des analyses statistiques. Le contenu de cette

fentre est gnr par SAS la suite dune demande danalyse dans la
fentre diteur.
1.1.3.1 La fentre diteur (editor)

Cest dans la fentre diteur quon prpare le programme SAS. Ce programme peut y
tre cr, charg, copi, modifi. On peut aussi y saisir, visionner et modifier des donnes. Pour
produire des analyses, un programme SAS doit figurer la fentre diteur, et ce programme doit
tre excut. On soumet un programme SAS lexcution en choisissant loption Submit du
menu Run. On peut aussi, plus simplement, cliquer sur licne approprie de la barre doutils :
Notons quil est possible de ne soumettre quune partie dun programme SAS. Il suffit alors de
surligner la partie du programme soumettre : seules les commandes slectionnes seront alors
soumises SAS pour excution.
***ATTENTION***
Le programme rdig dans la fentre diteur doit respecter certaines conventions de
programmation spcifiques SAS. Plusieurs de ces conventions seront prsentes aux chapitres
2 et 3. Prcisons cependant ds maintenant que chaque nonc SAS se termine par un
point-virgule ( ; ).
1.1.3.2 La fentre Journal (Log)

La fentre Journal (Log) est le lieu daffichage des commandes soumises ainsi que des
messages gnrs par SAS. Le contenu de cette fentre est gnr par SAS la suite dune
demande danalyse dans la fentre diteur. Les messages renvoys sont de 3 types :

Note (Note ; en bleu): le traitement de la demande a t effectu sans aucun problme.

Avertissement (Warning ; en vert): il est possible quune erreur ait eu lieu pendant le
traitement. Bien que ce message ninterrompe pas le traitement en cours, il importe den
tenir compte puisquil arrive souvent que ces erreurs correspondent la gnration par
SAS de donnes manquantes (ce qui nest pas toujours souhait par lutilisateur).
Erreur (Error ; en rouge) : erreur grave de traitement qui a pour effet de mettre fin
entirement ltape en cours.
La fentre Journal rapporte donc les ventuelles erreurs de syntaxe dtectes par SAS
dans les programmes qui lui sont soumis dans la fentre diteur. Comme SAS procde
la lecture de lensemble du programme soumis mme aprs avoir dtect une erreur, le
Journal peut rapporter plusieurs erreurs qui rsultent toutes dune mme erreur initiale.
Par ailleurs, les messages derreur produits nindiquent pas toujours la nature exacte de
lerreur. Lorsquune erreur est dtecte dans une procdure, cette dernire nest pas
excute.
Donc, si on soumet un nonc et que rien napparat dans la fentre Sortie, cest quil y a
une erreur dans lnonc ou en amont dans le programme. On peut alors recourir
linformation gnre dans le Journal afin didentifier cette erreur pour enfin la corriger
dans le programme (fentre diteur).
1.1.3.3 La fentre Sortie (Output)

Cest dans la fentre Sortie que saffichent les rsultats des analyses statistiques
excutes partir de la fentre diteur. Le formatage de cet affichage peut tre contrl en
partie laide de commandes spciales du programme SAS (voir la section 2.1.1)
1.1.3.4 Les onglets Rsultats/Explorateur (Results/Explorer)
Ces onglets se trouvent sur le ct gauche de lcran ds louverture du logiciel SAS. Les
onglets Rsultats/Explorateur sont utiliss pour naviguer les banques de donnes (explorateur) et
les diffrents rsultats de procdures (rsultats). Seulement lune des deux fentres peut tre
utilise la fois. Il est possible de passer dun onglet lautre laide de la tabulation au bas de
la fentre.
La fentre Explorateur affiche quatre dossiers: Bibliothque, Raccourcis de
fichiers , Dossiers favoris et Ordinateur . De ces dossiers, cest la bibliothque qui nous
intresse. Ce dossier contient 4 sous-sections : Maps , Sashelp , Sasuser et Work ,
dont celle qui nous intresse est Work . Cette section contient les documents crs par
lutilisateur lorsquil travaille dans SAS. Les tables de donnes sauvegardes dans Work sont
temporaires, cest--dire quelles sont seulement disponibles lors dune mme session de travail
dans SAS. Pour enregistrer une table de donne en permanence, il faut la sauvegarder dans son
compte tudiant P : ou sur une cl USB. Les tables de donnes dans le dossier SASUSER
sont sauvegardes en permanence pourvu quelles soient ouvertes sur le mme ordinateur. Les
fichiers dans SASUSER sur un ordinateur public sont effacs lorsque lordinateur subit ses mises
jour.
La fentre rsultat permet de naviguer travers les nombreux rsultats de procdure
crs lors dune mme session SAS.
1.2 tude fictive
Dans ce guide, les procdures et les fonctions seront dmontres laide dillustrations
tires dun mme exemple. Les donnes de cet exemple proviennent dune tude fictive portant
sur la performance de sujets une preuve dattention et sur la perception quils ont de cette
performance. Ces donnes sont contenues dans deux fichiers, bio.txt et psycho.txt, lun
contenant les donnes biomtriques de 60 sujets tandis que lautre contient les donnes
psychomtriques de 58 de ces mmes sujets (les donnes psychomtriques ne sont pas
disponibles pour les sujets numro 3 et 4). Les variables comprises dans cette tude sont
prsentes au tableau 1.1, et les donnes figurent aux tableaux 1.2 et 1.3.
Tableau 1.1 Liste des variables
Premier fichier (donnes biomtriques)
Variable
Sujet
Genre
Age
Poids
Taille
Note
Numro de sujet, identifiant numrique unique chaque
individu de lchantillon
Masculin (M) ou fminin (F)
En annes
En kilogrammes
En centimtres
Second fichier (donnes psychomtriques)

Variable
Sujet
Vitesse
Erreurs
Q1 Q6
Estimation
Note
Numro de sujet, identifiant numrique unique chaque
individu de lchantillon
Nombre ditems complts
Nombre derreurs commises
Estimation personnelle de la performance au test (sur une
chelle de 1 4 ; les questions Q3 et Q6 sont inverses)
Estimation personnelle de la performance au test (total
des questions Q1 Q6)
10
Tableau 1.2 Donnes biomtriques
Sujet
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
Genre
2
2
2
1
2
2
1
1
2
1
1
1
2
1
1
2
1
1
2
2
2
2
1
1
1
1
1
1
1
2
2
2
2
1
1
2
1
2
2
2
1
1
1
1
2
2
2
2
2
1
1
1
2
1
2
1
1
2
2
2
Age
18
20
50
21
32
228
23
18
18
20
24
19
40
33
21
42
24
18
19
18
20
30
21
32
19
26
30
21
18
29
19
22
31
23
20
27
56
21
31
24
45
19
21
44
22
30
26
20
20
33
30
50
19
22
72
19
45
30
19
22
11
Poids (kg)
50
65
68
85
57
78
70
75
52
80
95
80
68
80
70
52
82
72
54
73
66
57
65
67
70
71
67
75
72
70
57
59
60
80
64
56
71
61
60
51
63
57
64
71
58
53
60
56
55
63
71
75
58
80
70
74
81
66
56
63
Taille
157
165
172
187
156
170
170
185
150
180
190
195
189
186
177
161
184
187
159
171
168
164
174
181
176
172
172
190
185
172
168
162
170
188
179
166
175
179
165
162
171
169
170
176
165
160
171
160
161
162
171
177
165
192
162
187
180
170
164
168
Tableau 1.3 Donnes psychomtriques
Observation
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
Sujet
1
2
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
Vitesse
177
166
162
170
173
164
163
167
168
163
161
174
171
155
170
158
165
167
172
168
170
169
167
169
176
167
176
177
170
166
168
165
169
184
168
167
162
179
153
173
170
173
175
161
168
172
174
160
164
181
171
174
164
169
168
171
169
165
erreurs
6
22
26
10
12
22
26
22
24
21
30
13
18
26
19
27
19
25
12
19
16
20
15
21
10
18
14
17
21
20
19
20
22
5
16
12
23
11
29
20
14
12
21
26
20
11
10
24
21
10
15
20
25
13
21
11
22
23
Q1
1
3
2
3
2
2
1
1
3
3
2
2
3
2
3
3
2
2
3
2
3
1
2
3
3
3
3
2
3
3
2
3
3
1
3
2
2
1
1
3
1
3
3
3
1
1
3
2
3
3
1
1
2
1
3
3
1
2
Q2
3
4
4
2
2
2
1
3
2
4
1
3
4
2
2
4
2
4
1
3
2
4
4
1
4
4
1
2
4
1
2
2
4
1
4
1
4
4
3
4
2
3
4
1
4
1
2
4
3
4
4
1
3
1
1
1
1
2
12
Q3
4
2
3
2
1
2
4
4
1
2
3
3
2
3
2
1
3
3
1
3
2
4
3
1
1
2
1
3
1
2
3
2
2
4
1
3
3
4
4
1
4
1
2
2
4
4
1
3
1
1
4
4
3
4
2
1
4
3
Q4
2
4
4
3
3
3
1
3
3
4
1
2
4
3
3
4
3
4
1
2
3
4
4
1
4
4
1
3
4
1
3
3
4
1
4
1
4
4
2
4
3
2
4
1
4
1
3
4
2
4
4
1
2
1
1
1
1
3
Q5
1
3
2
2
4
2
1
1
4
2
3
3
2
3
2
4
3
3
4
3
2
1
3
4
4
2
4
3
4
2
3
2
2
1
4
3
3
1
1
4
1
4
2
2
1
1
4
3
4
4
1
1
3
1
3
4
1
2
Q6
2
1
1
3
3
3
4
3
3
1
4
2
1
3
3
1
3
1
4
2
3
1
1
4
1
1
4
3
1
4
3
3
1
4
1
4
1
1
2
1
3
2
1
4
4
4
3
1
2
1
1
4
2
4
4
4
4
3
Estim
11
21
18
15
17
14
6
11
18
20
10
15
20
14
15
23
14
19
14
15
15
15
19
14
23
20
14
14
23
11
14
15
20
6
23
10
19
15
11
23
10
19
20
11
12
6
18
19
19
23
15
6
15
6
12
14
6
13
Chapitre 2 - Lecture des donnes et

dfinition des variables
2
2.1 Lecture des donnes
Pour tre analyses laide dun logiciel informatique, les donnes doivent tre saisies et
organises lintrieur dun fichier. Il est alors utile de suivre certains principes gnraux :
-
Typiquement, un fichier de donnes est constitu de ranges et de colonnes o les

ranges correspondent des sujets et les colonnes des variables.
Les donnes peuvent tre de nature numrique (des chiffres) ou alphabtique (des
lettres). Cependant, certaines analyses ne pouvant tre appliques des donnes
alphanumriques, il est souvent plus commode de remplacer les donnes
alphabtiques (comme M et F pour le sexe) par des donnes numriques (par
exemple : 1 et 2, respectivement).
Les donnes manquantes peuvent tre indiques simplement par un point.
La saisie de donnes peut se faire de diffrentes faons. Les donnes peuvent tre
entres dans un fichier de traitement de texte (Word), dans un logiciel bloc-note (WordPad), dans
un tableur (Excel), dans SPSS ou tre entres directement dans SAS.
2.1.1
Saisie de donnes directement dans SAS
Lnonc DATA permet la cration dune table SAS dans lequel lnonc INPUT spcifie
le nom des diffrentes variables. Lnonc INPUT contient les instructions ncessaires pour
identifier prcisment les valeurs affectes chaque variable dans le fichier de donnes. De
faon gnrale, ltape DATA se termine par linstruction RUN. (Dans limage ci-dessous, seule la
fentre diteur a t reproduite.)
Une fois cette tape termine, vous pouvez sauvegarder votre travail (option Enregistrer
sous dans le menu Fichier ; ici, on a donn ce fichier programme le nom Bio).
Chapitre 2 Lecture des donnes et dfinition des variables
Reprenons dans le dtail chacun des noncs de ce court programme :

OPTIONS LINESIZE = 80 PAGESIZE = 60 PAGENO = 1 NOLABEL;
Lnonc OPTIONS permet de formater laffichage de la sortie informatique. Dans le prsent

exemple, lnonc fait en sorte que la sortie se fait sur 80 colonnes (LINESIZE = 80), que
chaque page comprend 60 lignes de texte (PAGESIZE = 60) et que la pagination de chaque
sortie dbute 1 (PAGENO = 1). Loption NOLABEL permet domettre les tiquettes de variable
des fichiers externes (sans spcifier loption NOLABEL, la sortie affiche parfois deux tiquettes
par variables : ltiquette SAS et ltiquette du fichier externe).
DATA BIO;
Lnonc DATA identifie la table SAS qui sera cre la suite de la lecture des donnes.
Cet nonc est essentiel puisque cest partir des noms de variables que peuvent tre
effectues les diverses procdures statistiques SAS.
Le nom donn ici ( BIO ) est arbitraire et peut tre remplac par nimporte quel nom
pourvu quil respecte une longueur maximum de huit caractres et dbute par une lettre.
Dans des procdures ultrieures, ce nom permettra didentifier la table o se trouvent les
variables analyser.
INPUT;
Lnonc INPUT spcifie le nom donner chacune des variables, le type de variable
dont il sagit (de type numrique ou alphanumrique) et la position de la variable dans le
fichier de donnes. Comme les noms des tables, les noms de variables doivent respecter
une longueur maximum de huit caractres et dbuter par une lettre. Lutilisation dun
suffixe numrique facilite la manipulation de sries de variables apparentes (par
exemple, on pourra nommer les variables correspondant aux items dun questionnaire :
ITEM01, ITEM02, ITEM03, etc.). Le tableau 2.1 prsente certaines spcifications
pouvant tre insres dans lnonc INPUT.
CARDS;
Lnonc CARDS indique que les informations qui le suivent sont des donnes.
Typiquement, ces donnes sont prsentes de telle sorte que chaque ligne corresponde
un sujet et chaque colonne une variable. Ces colonnes sont spares par un ou
plusieurs espaces.
Lorsquon procde la saisie de donnes dans la fentre diteur de SAS, le fond dcran
de la section correspondante passe au jaune : cest lindication que le logiciel reconnat
quil sagit de donnes. On indique la fin des donnes laide dun point-virgule insr
sur la ligne suivant la dernire ligne de donnes.
RUN;
Lnonc RUN indique la fin de lnonc DATA. Il est possible de crer plusieurs noncs
DATA lintrieur dun mme programme danalyse.
2.1.2
Donnes importes dun fichier externe (Limportation et lexportation de fichiers)
Dans le cas prcdant, les donnes lues par le progiciel SAS ont t saisies directement
dans la fentre diteur. Il est galement possible dimporter des donnes contenues dans un
fichier externe.
14

2.1.2.1 Importer des donnes
Pour importer des donnes dun autre logiciel (ex : Excel, SPSS, etc.), il faut dabord slectionner
Importer donnes dans le menu droulant Fichier .
La fentre qui apparait permet de choisir le type de fichier importer. Choisissez ce type partir
du menu droulant et appuyez sur Suivant
En appuyant sur suivant, une nouvelle fentre apparait. Ici, on vous demande de reprer le fichier
que vous souhaitez importer. * noter que dans Excel, les virgules doivent tre remplaces par
des points avant limportation pour que SAS puissent lire ces donnes.
15
En appuyant sur suivant nouveau, une troisime fentre apparat. Cette fentre permet de
choisir dans quel dossier SAS vous voulez sauver votre fichier de donnes. Le dossier par dfaut
est WORK, mais rappelez-vous que les fichiers sauvs dans ce dossier sont temporaires. Il est
donc habituellement prfrable de slectionner le dossier SASUSER. Une quatrime fentre
apparait, mais pour les fins de ce guide elle ne sera pas explique. Il suffit dappuyer sur terminer
lorsque cette fentre apparat et votre fichier de donnes externe est import dans SAS.
Une fois votre fichier dans SASUSER, vous devez spcifier SAS que vos donnes proviennent
de ce dossier. Les noncs INPUT et CARDS deviennent alors inutiles. Le nom attribu dans
lnonc aprs SASUSER, dans cet exemple Bio, est arbitraire, mais doit correspondre celui
donn au fichier de donnes lors de ltape de lenregistrement des donnes importes dans
SASUSER.
16
2.1.2.2 Exporter des donnes

En slectionnant exporter des donnes dans le menu Fichier , il est possible dexporter
une table de donne SAS dans un dossier externe. La procdure est similaire limportation. Il
faut dabord reprer la table de donne SAS. Ensuite il faut slectionner dans quel type de
programme les donnes seront exportes pour enfin le sauvegarder ce fichier dans un fichier
externe.
2.1.2.3 Limportation par la mthode INFILE
Il est galement possible de lire des donnes contenues dans un fichier externe grce lnonc
INFILE
INFILE;
Lnonc INFILE permet SAS didentifier un fichier de donnes externe o les

donnes sont stockes. Un fichier externe peut provenir de Word, Excel ou Notepad. Le
nom du fichier et son endroit sur le disque dur doit toujours tre inscrit entre guillemets
().
Pour trouver facilement et rapidement lemplacement exact dans lordinateur dun fichier
de donnes externe, il suffit de cliquer sur licne du fichier dsir avec le bouton droit de
la souris et de choisir loption crer un raccourci . Une nouvelle icne apparat alors
avec comme mention raccourci vers [titre du ficher] . Recliquez avec le bouton droit de
la souris sur cette nouvelle icne et choisissez loption Proprits . Une nouvelle
fentre souvre. Vous trouverez alors une ligne avec le mot Cible , copiez cette ligne ;
il sagit de lendroit exact du fichier dans lordinateur. Par exemple, un fichier situ sur le
bureau de lordinateur aura comme Cible lallure suivante : "C:\Documents and
Settings\lab\Bureau\Bio.docx". Il vous suffit alors de coller cet nonc dans lditeur SAS
lendroit dsir.
Il faut bien distinguer fichier de donnes (un data file , ici : bio.txt, un fichier texte
enregistr sur le disque c:\) et table de donnes SAS (un data set , ici : bio tel
que dfini dans lnonc DATA). Un fichier de donnes est celui qui comprend les
donnes recueillies quon souhaite analyser, tandis quune table SAS est un fichier de
donnes virtuel dfini partir des donnes du fichier de donnes. Dans SAS, les
analyses portent toujours sur les donnes telles que dfinies dans la table SAS.
Loption MISSOVER est ncessaire pour la lecture et lidentification dventuelles donnes
manquantes dans le fichier de donnes.
Note : Lutilisation de donnes provenant dun fichier externe laide de lnonc INFILE
rend inutile lexpression CARDS.
2.1.3
Deux modes de lecture des donnes : mode libre et mode fixe

17
Quil sagisse de donnes intgres au programme ou provenant dun fichier externe,

divers types de lecture permettent dexploiter divers types de format de donnes. Il existe
deux modes de lecture des donnes : le mode fixe et le mode libre.
Le mode libre peut tre utilis lorsque, dans le fichier de donnes, les observations reprsentant
des variables diffrentes sont spares par au moins un espace, comme dans lexemple de
saisie initial (donnes bio incluses directement au programme SAS ; section 2.1.1). Le mode
libre consiste donc nommer les variables dans lnonc INPUT mais sans avoir indiquer leur
emplacement prcisment.
Dans le mode fixe, la position de chaque observation dans le fichier de donnes est
prcise, comme dans lexemple INFILE ci-dessus (section 2.1.2). Comme lillustre cet exemple,
lutilisation du mode fixe de lecture des donnes demande ce que lemplacement des
observations soit indiqu prcisment. Un ensemble de commandes de pointeurs permettent de
prciser ces indications et de les simplifier. Le tableau 2.1 ci-dessous en dresse une liste
sommaire.
Tableau 2.1 Quelques conventions de programmation de lnonc INPUT en mode fixe
Convention
Position
Devant un
nom de
variable
devant un
numro de
ligne
Rle
Exemple
Pointeur colonne
INPUT @ 11 AGE
indique que la variable age
dbute la 11e colonne
Pointeur ligne
(dans les cas o le fichier
de donnes comprend plus
dune ligne par sujet)
# 2 ITEM02 4-8
indique que les donnes
correspondant la variable
item02 se situent aux colonnes
4 8 de la 2e ligne pour chacun
des sujets dans le fichier
Les conventions suivantes peuvent par ailleurs tre utilises avec lun ou lautre des modes de
lecture de lnonc INPUT :
Convention
.1
(.2, .3, etc.)
2.1.4
Position
Rle
Exemple
derrire un
nom de
variable
Indicateur alphanumrique
INPUT GENRE $
indique que la variable genre est
alphanumrique
derrire un
nom de
variable
Indicateur de dcimales
(dans les cas o elles ne
sont pas spcifies dans le
fichier de donnes)
INPUT SCORE .1
indique que les donnes lues
doivent tre comprises avec une
dcimale
Saisie dune matrice de corrlations
La plupart des utilisations consistent analyser un fichier de donnes brutes. La flexibilit offerte
par la programmation permet cependant danalyser des donnes prsentes sous dautres
formes (matrices de corrlation, matrices de variances-covariances).
18
Lnonc data suivant permet de lire une matrice dintercorrlations de quatre variables (item01,
item02, item03 et item04) calcule chez un chantillon de 250 sujets :
2.2 Fusionner des donnes
Il est parfois utile de fusionner les donnes provenant densembles de donnes distincts,
comme par exemple lorsque lon souhaite combiner les donnes de mmes individus recueillies
par des quipes de recherche diffrentes. Une telle fusion peut tre ralise lintrieur dun
nonc DATA laide de la commande MERGE.
La commande MERGE applique lexemple permet de crer une table ( biopsy ) qui
comprend la fois les donnes biomtriques provenant dun fichier de donnes externe
bio.txt et les donnes psychomtriques du fichier psycho.txt. La procdure SORT utilise
dans cet exemple est une procdure de tri ncessaire lappariement des donnes partir des
numros de sujets. Cette procdure sera prsente dans une section ultrieure.
2.3 Transformations de variables

Les noncs de lecture des donnes constituent la premire partie de lnonc DATA en
crant des variables. la suite de lnonc INPUT, il est possible de modifier ces variables ou
den crer dautres qui en seront des drivs. Le nombre de variables quon peut crer grce
19

lnonc DATA est pratiquement illimit. Les fonctions qui suivent ne sont que quelques
possibilits de transformations ; pour plus de dtails, consulter la documentation SAS.
2.3.1
Les tiquettes
Le progiciel SAS limite le nom des variables huit caractres. La commande LABEL
permet lutilisateur dtiqueter les variables avec des noms qui dpassent la limite de
huit caractres. Ces tiquettes apparaissent dans la Sortie. Cependant, si loption
NOLABEL est dj inscrit dans les options de base SAS, les tiquettes napparaitront pas
dans la Sortie. Voici un exemple dtiquettes cres partir de la commande LABEL.
2.3.2
Fonctions mathmatiques (arithmtiques et statistiques)
Diverses fonctions arithmtiques et fonctions statistiques sont disponibles afin de crer

ou modifier des variables. Quelques exemples sont prsents dans la figure ci-dessous :
Les variables var01, var02, var03 et var04 illustrent les oprations de base daddition
(+), de soustraction (-), de multiplication (*) et de division (/). Afin de respecter lordre de priorit
des oprations, il est prfrable dutiliser les parenthses pour clarifier certains calculs plus
complexes (comme dans le cas de la variable var02). Notons que les nouvelles variables cres
grce aux fonctions et oprateurs SAS doivent respecter les limites de lnonc DATA (noms
dune longueur maximum de huit caractres dbutant par une lettre, etc.).
Les variables var03 et var04 illustrent lutilisation de fonctions arithmtiques (ici, la
somme) et statistiques (ici, la moyenne) de base sur un ensemble de variables. Notons pour la
variable var03 lutilisation des suffixes numriques qui permet de citer les six variables q1, q2,
q3, q4, q5 et q6 de faon simplifie. Un aperu des diffrentes fonctions disponibles est
prsent au tableau 2.2 ci-dessous. noter que ces fonctions permettent une analyse
arithmtique et statistique par sujet et non par variable (ex : sum (of q1-q6) donne la somme des
variables q1 q6 pour chaque sujet).
Tableau 2.2 Quelques fonctions arithmtiques et statistiques de lnonc DATA
Fonctions arithmtiques
MIN
MAX
valeur minimum
valeur maximum
20

MOD
SQRT
**2
ABS
mode des donnes

racine carre
puissance 2
valeur absolue
Fonctions statistiques
MEAN
VAR
STD
SUM
N
NMISS
RANGE
2.3.3
moyenne des variables

variance des observations
cart type des variables
somme des variables
nombre dobservations
nombre dobservations manquantes
tendue des observations
Fonctions logiques (noncs IFTHEN)
Il est parfois utile dappliquer certaines conditions logiques afin de slectionner ou de

modifier des variables. La programmation dune rgle logique IF THEN permet dappliquer une
condition logique sans avoir modifier une une toutes les observations dun fichier de donnes.
La figure suivante prsente un exemple de programmation dune rgle logique IF THEN pour
appliquer une condition simple (retirer des analyses les sujets gs de plus de 30 ans).
La ligne de programmation if age > 30 then delete a pour effet de retirer de la

table bio les sujets de plus de 30 ans. Notons que ces sujets ne sont pas effacs du fichier
de donnes (bio.txt), mais simplement retirs de la table virtuelle dfinie par lnonc DATA.
Lnonc IF THEN peut tre utilis de diverses faons dans la cration ou la modification de
variables. Voici quelques exemples et notez quon vous recommande dinsrer les deux
premires fonctions dans votre diteur.
2.3.3.1 Changer les valeurs dune variable
Dans le fichier de donnes biographiques, on note un ge gal 228 pour le sujet
numro 10. Il sagit dune erreur quil est difficile de corriger, moins davoir accs
linformation en question. On peut alors vouloir transformer cette valeur extrme en
donne manquante :
IF AGE = 228 THEN AGE = . ;
Dans SAS, le point indique une donne manquante.

Notons que cette transformation modifie la table (celle quon analyse) sans altrer le
fichier de donnes initial (celui dans lequel on a saisi les valeurs).
2.3.3.2 Crer une nouvelle variable partir dune variable existante
21

La variable ge est une variable continue quon souhaite traiter, dans certaines analyses,
comme variable catgorielle. On peut crer une nouvelle variable (groupe) partir des
valeurs de la variable ge :
IF AGE < 20 THEN GROUPE = 1 ;
IF 20 =< AGE < 30 THEN GROUPE = 2 ;
IF AGE => 30 THEN GROUPE = 3 ;
Ou encore :
IF AGE < 20 THEN GROUPE = 1 ;
IF 20 =< AGE < 30 THEN GROUPE = 2 ;
ELSE GROUPE = 3 ;
Voici un exemple de lditeur:
2.3.3.3 Inverser des donnes

Dans le fichier psycho , les variables q3 et q6 sont des questions avec un sens
ngatif. Il faut donc inverser les rponses inscrites pour chaque sujet afin de calculer un
score total (ex : si le sujet a inscrit 1 la question q3 cette valeur doit tre change 4).
Deux faons simples peuvent tre utilises pour inverser les scores obtenus. Dabord, il
est possible dutiliser la mthode IFTHEN:
DATA PSYCHO;
SET SASUSER.PSYCHO;
IF
IF
IF
IF
q3
q3
q3
q3
=
=
=
=
1
2
3
4
THEN
THEN
THEN
THEN
q3s
q3s
q3s
q3s
=
=
=
=
4;
3;
2;
1;
IF
IF
IF
IF
q6
q6
q6
q6
=
=
=
=
1
2
3
4
THEN
THEN
THEN
THEN
q6s
q6s
q6s
q6s
=
=
=
=
4;
3;
2;
1;
RUN;
Il est aussi possible de faire linversion par soustraction.

DATA PSYCHO;
SET SASUSER.PSYCHO;
q3s = 5-q3
q6s = 5-q6
RUN;
22
Loption ELSE
Lorsquon commande linversion de donnes par recouvrement de valeurs existantes, par
exemple, IF x=1 THEN x=2; IF x=2 THEN x=1;, SAS ne fait que transformer
toutes les donnes en la dernire valeur inscrite. Dans ce cas, toutes les valeurs de x =
1. En ajoutant loption ELSE partir de la deuxime ligne de la commande IF-THEN
linversion par recouvrement est possible.
IF x=1 THEN x=2;
ELSE IF x=2 THEN x=1;
2.3.3.4 Appliquer une fonction mathmatique selon une condition logique

On souhaite appliquer une correction (diminution de 20 %) aux scores obtenus au
questionnaire destimation de la performance, mais seulement aux sujets du groupe 1 qui
ont obtenu un score suprieur 10.
IF GROUPE = 1 AND ESTIM > 10 THEN ESTIM = ESTIM*0.8 ;
Si les deux conditions sont rencontres, le score au questionnaire est multipli par 0,8,
soit 80 % de sa valeur initiale, ce qui correspond une diminution de 20 %. Pour les
sujets des autres groupes, la valeur de la variable estim demeure inchange.
Lensemble des fonctions mathmatiques peut tre utilis dans les fonctions logiques.
2.4 Techniques avances de programmation
2.4.1
Boucles DO...TO...END
Les options DOTOEND dans ltape data permettent dexcuter une boucle rptitive. La
commande DO commence la boucle et la commande END finie la boucle. Dans lexemple
suivant, pour 20 observations, SAS gnre une variable x qui augmente de deux pour chaque
observation. Loption output rend visibles les donnes cres par cette boucle dans le dossier
Work .
DATA EXEMPLE;
X=0 ;
DO i = 1 TO 20 ;
X+2 ;
OUTPUT;
END;
RUN;
2.4.2
La fonction RANNOR(.)
La fonction RANNOR(.) permet de gnrer des nombres alatoires en suivant une loi normale
centre rduite. Le nombre inscrit entre parenthses sert de point de dpart pour la gnration
de nombres alatoires. Dans lexemple suivant, un nombre alatoire x a t assign
chaque sujet du fichier biopsy.
DATA BIOPSY ;
SET SASUSER.BIOPSY ;
X = RANNOR(1) ;
RUN;
23

Il est mme possible dinsrer la fonction RANNOR dans une Boucle DOTOEND. Lexemple
ci-dessous gnre des donnes alatoires centres rduites x et y pour 100 chantillons de 100
observations.
DATA EXEMPLE ;
DO SAMPLE = 1 TO 100 ;
DO N = 1 TO 100 ;
X = 0+SQRT(1)*RANNOR(0) ;
Y = 0+SQRT(1)*RANNOR(0) ;
OUTPUT;
END;
END;
2.4.3
La fonction RAND(dist)
La fonction RAND(dist) permet de gnrer des nombres alatoires en spcifiant une

distribution quelconque. Vingt distributions peuvent tre spcifier parmi lesquelles on retrouve
NORMAL, POISSON, EXPONENTIAL et UNIFORM. Ex : X = RAND(POISSON).
2.4.4
Loption ARRAY
Loption Array est utilise dans ltape Data. Cette option permet la transformation de donnes.
Par exemple, modifier les valeurs dune variable et vrifier lexistence de donnes manquantes
sur un grand nombre de sujets sont quelques-unes des manipulations possibles de loption Array.
Modification des valeurs dune variable
ARRAY nom du array {nombre dlments traiter} noms des lments ;
DO i = position des lments traiter dans la suite { } ;
IF nom du array{i} = 2 THEN nom du array {i} = 1 ;
IF nom du array{i} = 4 THEN noms du array {i} = 3 ;
END
DROP i ;
Dans lexemple suivant, quest est le nom du ARRAY. Ce nom doit tre diffrent pour
chaque ARRAY. Le nombre entre parenthses (6) est le nombre dlments traits par
ARRAY. La commande q1-q6 est le nom de ces six lments, cest--dire q1, q2, q3,
q4, q5, q6. Les valeurs suivant la commande do i = sont les positions des lments
traiter. Comme la section 2.2.2, on applique la fonction IFTHEN. Celle-ci sapplique tous les
lments spcifis par ARRAY. Enfin, la commande DROP i limine la variable i
dapparaitre dans le tableau de donnes. Cette variable ne sert quau traitement de la fonction
ARRAY. Les modifications aux variables q1 q6 sont visibles dans table de donne du dossier
Work de la bibliothque SAS.
DATA BIOPSY ;
SET SASUSER.BIOPSY ;
ARRAY QUEST {6} q1-q6 ;
DO i = 1 TO 6 ;
IF QUEST{i} = 2 THEN QUEST{i} = 1 ;
IF QUEST{i} = 3 THEN QUEST{i} = 1 ;
END ;
DROP i;
RUN ;
24
Vrification des donnes manquantes

ARRAY nom du array {nombre dlments traiter} noms des lments ;
Nouvelle variable=0
DO i = position des lments traiter dans la suite entre { } ;
IF nom du array{i} = . THEN nouvelle variable = nouvelle variable + 1;
END
DROP i ;
Cette commande cre une nouvelle colonne dans la table de donnes qui compte le nombre de
donnes manquantes pour chaque sujet pour les variables spcifies dans ARRAY.
Les exemples prcdents ne prsentent que quelques utilits de loption ARRAY. Dautres
mthodes dutilisation sont disponibles dans le guide de procdure Base SAS disponible sur
www.support.sas.com/documentation.
25
Chapitre 3 - Procdures SAS

3.1
Introduction la programmation de procdures SAS
Une fois quune table virtuelle est forme laide de lnonc DATA, des analyses
statistiques peuvent tre effectues sur les variables. Les commandes danalyses statistiques
sont effectues grce des noncs de procdure (PROC). De faon gnrale, les noncs
PROC requirent un minimum de quatre lignes de programmation :
PROC nom de lanalyse DATA = nom de la table SAS ;
VAR (dans certaines analyses : CLASS) identification des variables ;
TITLE titre donn lanalyse ;
RUN ;
La ligne PROC
Lnonc PROC est toujours suivi du nom de lanalyse statistique souhaite. Le
tableau 3.1 prsente une liste des principales analyses statistiques ainsi que de quelques
autres procdures utiles.
Le nom de la table (DATA =) doit suivre le nom de la procdure. Cette spcification peut
toutefois tre omise si lensemble du programme ne porte que sur une seule table.
Tableau 3.1 Liste de procdures SAS

A. Analyses statistiques
nonc PROC
Statistiques descriptives
Moyenne, cart type, tendue
Analyse exploratoire des donnes
Tableau de frquences
Cohrence interne (coefficient alpha)
PROC
PROC
PROC
PROC
MEANS
UNIVARIATE
FREQ
CORR
Analyses inductives univaries

Corrlation (Pearson, Spearman)
Proportion (khi-deux)
Test t
Analyse de variance (ANOVA, ANCOVA)
Rgression simple
PROC
PROC
PROC
PROC
PROC
CORR
FREQ
TTEST
GLM
REG
Analyses inductives multivaries

Analyse de variance (MANOVA, MANCOVA)
Rgression multiple
Analyse discriminante
Analyse factorielle
Analyse de regroupement ( cluster )
Modlisation structurale
PROC
PROC
PROC
PROC
PROC
PROC
GLM
REG
DISCRIM
FACTOR
CLUSTER
CALIS
PROC
PROC
PROC
PROC
PRINT
RANK
STANDARD
SORT
B. Autres procdures
Visualisation des donnes
Transformation en donnes ordinales
Transformations linaires (z, T, etc.)
Tri
Chapitre 3 Procdures SAS
Lidentification des variables

La manire didentifier les variables soumises lanalyse dpend de lanalyse souhaite.
Par exemple, pour le calcul de la moyenne pour la variable taille, lidentification de la
variable se fera comme suit :
PROC MEANS DATA = bio;
VAR TAILLE;
RUN;
Dans le cas dune analyse de variance (ANOVA) sur la variable taille en fonction du genre,
lidentification des variables se fera sur deux lignes afin de distinguer variable
dpendante (taille) et indpendante (genre) :
PROC GLM DATA = bio;
CLASS GENRE;
MODEL TAILLE = GENRE;
RUN;
Il est donc essentiel de connatre la syntaxe exacte qui correspond la procdure quon
veut utiliser.
La ligne TITLE
On peut donner un titre (TITLE) lanalyse effectue par chaque nonc PROC. Ce titre
apparat au-dessus de chacune des pages de la sortie informatique correspondant
cette analyse, et peut tre utilis pour prciser certains dtails en facilitant la
comprhension.
Un titre (TITLE) peut stendre sur dix lignes, lesquelles sont spcifies par TITLE1,
TITLE2, , TITLE10. Le texte du titre pour chaque ligne doit tre plac entre guillemets
() et se terminer par un point-virgule (;).
La ligne RUN
Cette ligne indique la fin dun nonc PROC.
3.1.1
Les options de procdure

Les procdures dans SAS peuvent tre suivies dune liste doptions qui modifieront
lapparence des rsultats de la sortie. Par exemple, si on prend lnonc PROC MEANS,
la sortie par dfaut affiche le N, la moyenne, lcart type, le minimum et le maximum.
27
Si lon veut modifier la sortie pour quelle affiche seulement le N, la moyenne et lcart
type, on ajoute les options ncessaires la fin de lnonc PROC :
La sortie affichera alors :
Les sections suivantes listent des noncs PROC et quelques-unes de leurs commandes
doptions respectives.
3.2
Trois procdures de gestion des donnes
Les procdures prsentes ici ont t conues pour tre effectues sur une table
combine des donnes biomtriques et psychomtriques de lexemple ( biopsy ).
3.2.1
Lnonc PROC PRINT
La procdure PRINT affiche, dans la fentre Sortie, les donnes de la table dfinie dans lnonc
DATA pour les variables indiques dans une commande VAR. Laffichage des donnes est utile
entre autres suite la transformation de variables, puisquelle permet de sassurer que les
variables ont t correctement transformes. Elle permet aussi de vrifier que les analyses
seront faites sur les bonnes donnes.
PROC PRINT DATA = BIOPSY;
VAR SUJET GENRE AGE VITESSE Q1 Q2 Q6;
TITLE Extrait de la table de lexemple;
RUN;
Cette procdure fournit linformation sous la forme suivante afin de permettre la
vrification de lintgrit de la lecture des donnes de lnonc DATA.
28
3.2.2
Lnonc PROC PLOT
La procdure PLOT permet dobtenir un diagramme de dispersion. Un tel diagramme permet de

visualiser la relation entre deux variables en plus de permettre de constater si certains postulats
(linarit, homognit des variances) sont rencontrs.
PROC PLOT DATA = BIOPSY;
PLOT ERREURS*VITESSE;
TITLE Diagramme de dispersion;
RUN;
Ces lignes de programme permettent dobtenir, dans la fentre Sortie, le diagramme
prsent au dbut de la page suivante. noter que le graphique est compos lettre au lieu de
points. La lgende du graphique nous indique ce quelles signifient.
29
Les lettres indiquent combien dobservations

se trouvent un point particulier dans le
graphique.
Deux des sujets ayant complt le test en

169 secondes ont commis 22 erreurs.
3.2.3
Lnonc PROC STANDARD
La procdure STANDARD permet de normaliser les valeurs de quelques-unes ou de toutes les

variables dune table de donnes. Cette procdure permet entre autres de remplacer les donnes
manquantes dune variable par la moyenne de la variable. la section 2.2.2.1 nous avons
remplac lge 228 par un point. Il est possible, avec la procdure STANDARD de remplacer les
donnes manquantes de la variable age par la moyenne dge :
PROC STANDARD DATA = BIOPSY REPLACE;
VAR AGE;
RUN;
La procdure STANDARD peut aussi tre utile si on cherche standardiser une variable, il suffit
de prciser la moyenne et lcart type dans les options de procdure:
PROC STANDARD DATA = BIOPSY MEAN = 0 STD = 1;

VAR ESTIM;
RUN;
La procdure STANDARD produit par dfaut une nouvelle table de donne dans Work nomme
Data# . Pour renommer cette table il suffit dajouter loption OUT=nom de table de donnes
dans les options de procdures. Les commandes BY, FREQ et WEIGHT peuvent tre utilises
comme options pour la ligne VAR.
30
3.2.4
Lnonc PROC SORT
La procdure SORT est une procdure de tri. Elle permet de trier les observations en
fonction dune ou de plusieurs variables spcifies dans une commande BY :
PROC SORT DATA = BIOPSY;
BY GENRE;
RUN;
Le tri est ncessaire chaque fois quune commande BY ou CLASS est requise dans une
procdure subsquente. Une procdure SORT, une fois excute, demeure oprationnelle pour le
reste du programme, moins quune nouvelle procdure SORT ne survienne. Par dfaut, les
observations sont tries de faon ascendante. Un tri descendant est possible grce loption
DESCENDING plac aprs la commande BY.
La procdure SORT ne produit aucune sortie informatique ; il sagit simplement dune
rorganisation de la table virtuelle en vue dun traitement.
Les lignes suivantes illustrent lutilisation de lnonc PROC SORT pour laffichage des
donnes de lexemple sparment pour chaque groupe dge. :
PROC SORT DATA=BIOPSY;
BY GROUPE;
RUN;
PROC PRINT DATA=BIOPSY;
VAR SUJET AGE VITESSE Q1-Q4;
BY GROUPE;
TITLE Extrait de la table
chaque groupe;
RUN;
31
de
lexemple
sparment
pour
32
3.3
Prsentation graphique des donnes

3.3.1
Lnonc PROC CHART
La procdure CHART permet dobtenir un histogramme de frquence dans la fentre sortie.

PROC CHART DATA= BIOPSY;
VBAR VITESSE;
TITLE histogramme de frquence;
RUN;
33
3.3.2
Lnonc PROC GCHART
Lorsque lnonc PROC GCHART est utilis au lieu de PROC CHART, lhistogramme de
frquence ci-dessous est produit dans une fentre GRAPH.
3.4
Deux procdures de statistiques descriptives
34

Les statistiques descriptives donnent un premier aperu des variables ltude. Elles
permettent par ailleurs de vrifier certaines conditions (variabilit, normalit de distribution)
pralables lutilisation de statistiques inductives.
3.4.1
Lnonc PROC MEANS
La procdure MEANS permet dobtenir des statistiques descriptives dun chantillon de

donnes. Les spcificateurs N, MEAN, MIN et MAX permettent de prciser les statistiques
souhaites. Par exemple, la spcification MAXDEC=3 indique que tous les rsultats sont arrondis
trois dcimales.
PROC MEANS DATA=BIOPSY N MEAN STD MIN MAX MAXDEC = 3;
VAR VITESSE;
TITLE Statistiques descriptives pour la variable Vitesse;
RUN;
Les statistiques descriptives obtenues avec ces lignes de programme sont illustres au
haut de la page suivante.
3.4.2
Lnonc PROC UNIVARIATE
Cette procdure permet dobtenir plusieurs statistiques descriptives ainsi que des
reprsentations sommaires des donnes. Plusieurs renseignements concernant la distribution
des variables sont galement produits, concernant entre autres les valeurs extrmes, la
dispersion, la tendance centrale.
Le spcificateur PLOT produit un diagramme en tiges et feuilles, un diagramme en botes
et moustaches et un diagramme de probabilit normale. Le spcificateur NORMAL produit un test
de normalit, et le spcificateur FREQ, une description de la frquence des valeurs dune variable.
PROC UNIVARIATE DATA = BIOPSY NORMAL PLOT FREQ;
VAR Q1;
TITLE Statistiques descriptives de la question Q1;
RUN;
3.4.3
Lnonc PROC POWER
Lnonc de procdure PROC POWER se fait habituellement avant de commencer une

tude afin de trouver la puissance statistique dun dchantillon, ou, au contraire, la taille
dchantillon ncessaire pour obtenir une certaine puissance statistique. Pour obtenir la
puissance statistique, il suffit dindiquer la moyenne, lcart type et la taille dchantillon comme
option tel quillustr ci-dessous.
35
PROC POWER;
ONESAMPLEMEANS
MEAN=8
STDDEV=40
NTOTAL=150
POWER=.;
RUN;
Pour cet exemple, la sortie indique une puissance statistique de 0,682
Lorsquon cherche le nombre de sujets ncessaire pour obtenir une telle puissance, il
suffit de changer la donne manquante dans lnonc de procdure :
PROC POWER;
ONESAMPLEMEANS
MEAN=8
STDDEV=40
NTOTAL=.
POWER=0.682
La sortie nous indique que pour obtenir une puissance statistique de 0.682, il faut au moins 150
sujets.
PROC POWER options;
Lnonc PROC POWER comprend de nombreuses analyses possibles, dont :
ONESAMPLEMEANS
Calcul la puissance et la taille dchantillon pour les tests-t, tests dquivalence et
les intervalles de confiances pour un seul chantillon
TWOSAMPLEMEANS
Calcul la puissance et la taille dchantillon pour les tests-t, tests dquivalence et
les intervalles de confiances de deux chantillons.
ONEWAYANOVA
Calcule la puissance et la taille dchantillon pour les analyses de variances
MULTREG
Calcule la puissance et la taille dchantillon pour les prdicteurs dune
rgression multiple.
ONECORR
Calcule la puissance et la taille dchantillon pour les corrlations simples et
partielles entre deux variables.
PLOT
Affiche le graphique ou lensemble des graphiques pour lchantillon de lanalyse. Les
options plot sont semblables aux options des autres graphiques SAS.
Sept autres options danalyse sont disponibles pour lnonc PROC POWER.
Pour chaque option danalyse ci-dessus, les options suivantes, entre autres, peuvent tre utiliss.
36
MEAN= moyenne de lchantillon

STDDEV= cart type de lchantillon
POWER= puissance statistique de lchantillon
NTOTAL= taille de lchantillon
ALPHA=spcifie la valeur de significativit quon cherche obtenir (0,05 par dfaut)
Lnonc PROC GLMPOWER permet de calculer la puissance statistique et la taille
dchantillon pour les modles linaires.
Les options pour lnonc PROC GLMPOWER sont les suivantes :
BY variables
CLASS variables
CONTRAST ?
MODEL variables dpendantes = variables indpendantes
PLOT
POWER
WEIGHT variables
3.5
Trois procdures de statistiques inductives
Il est hors du propos de ce guide de procder une prsentation exhaustive des

procdures de statistiques inductives (ou infrentielles) pouvant tre effectues laide du
progiciel SAS. Cependant, afin dillustrer ce type de procdures, trois dentre elles sont
prsentes dans ce qui suit. Elles ont trait au test t, la corrlation et aux tests dassociation
dans le cas de variables catgorielles.
Une abondante documentation spcialise existe sur la syntaxe et lutilit des diffrentes
procdures SAS. Cette documentation est disponible au site suivant :
www.support.sas.com/documentation/ . Les documents Base SAS et SAS/STAT lists
dans lindex sont des liens utiles pour faire suite ce guide.
3.5.1
Lnonc PROC TTEST
Cet nonc permet de calculer la statistique t de Student pour chantillons indpendants.

La variable indpendante est spcifie dans la commande CLASS et la variable dpendante dans
la commande VAR (on peut aussi spcifier plus dune variable dpendante) :
PROC TTEST DATA=BIOPSY;
CLASS GENRE;
VAR ERREURS;
TITLE Test t pour la variable Erreurs en fonction du genre;
RUN;
La sortie informatique de la procdure TTEST comprend trois sections : les statistiques
descriptives, le test t et un test dhomognit des variances. Aprs stre assur que les
statistiques descriptives correspondent bien ce quon veut analyser, on vrifie si les variances
des deux groupes sont gales (homognit des variances). Cette hypothse est teste la
dernire section de la sortie (Equality of Variances) :
37
Valeur F non significative
La probabilit que cette hypothse soit vraie tant, pour notre exemple, de 0,0936 (et
donc suprieure 0,05), lhypothse nulle dgalit des variances ne peut tre rejete. On doit
donc conclure que les variances sont gales.
Cette information permet de lire la ligne approprie dans la section du test t proprement
dit : dans la colonne intitule Variances , on choisit la ligne Equal . Sur cette ligne se
trouvent, dans lordre, le nombre de degrs de libert (DF), la valeur de la statistique t cherche
et la probabilit (Pr > | t |) qui y est associe :
3.5.2
Lnonc PROC CORR
Cet nonc permet de calculer diffrents types de coefficients de corrlation (BravaisPearson, Spearman) ainsi que le coefficient alpha de Cronbach, un coefficient de cohrence
interne. Il permet galement le calcul de corrlations partielles en indiquant le nom de la variable
contrler statistiquement aprs une commande PARTIAL.
PROC CORR DATA=BIOPSY;
VAR VITESSE ERREURS;
PARTIAL GENRE;
TITLE Corrlation entre la vitesse et le nombre derreurs;
RUN;
La sortie informatique contient deux informations : le coefficient de corrlation
(par dfaut, r de Bravais-Pearson) et la probabilit associe lhypothse nulle dune corrlation
gale zro dans la population ( = 0). Lorsque plusieurs coefficients sont prsents
simultanment, le nombre dobservations est galement prsent pour chaque coefficient lorsque
ce nombre varie. Lillustration de la sortie produite par ces lignes de programme figure cidessous.
38
Coefficient de corrlation
Matrice de corrlation
Probabilit associ H0
Il est possible dajouter loption ALPHA dans les options de procdures pour obtenir un
alpha de Cronbach dans la sortie. Les options de procdure NOCORR et NOMISS spcifient au
systme de ne pas afficher la matrice de corrlation dans la sortie et de ne pas tenir compte des
donnes manquantes.
3.5.3
Lnonc PROC FREQ
Cet nonc permet de calculer divers tests et mesures dassociation pour variables
catgorielles (khi-deux, coefficient phi, V de Cramr, coefficient de contingence, etc.). Dans cet
nonc, lidentification des variables se fait dune manire particulire : on doit indiquer deux
variables (ou plus) mettre en relation laide de la commande TABLES. La commande TABLES
peut saccompagner doptions, qui sont spar par un / , dont la plus courante est loption
CHISQ, qui produit le test du khi-deux.
PROC FREQ DATA=BIOPSY;
TABLES GENRE*GROUPE / CHISQ;
TITLE Test du khi-deux pour les variables genre et groupe;
RUN;
La sortie informatique de lnonc PROC FREQ comprend deux sections : un tableau
crois des frquences et un ensemble de statistiques. Le tableau crois, tel quillustr la page
suivante, inclut les frquences brutes (Frequency), et ces mmes frquences exprimes en
pourcentages (de lchantillon total (Pourcentage), par range (pourct. En ligne) et par colonne
(pourct. en col.)).
39
Diverses statistiques sont prsentes la suite du tableau crois. Dautres statistiques

peuvent tre calcules en spcifiant la commande approprie dans la section des options ( la
suite de la barre oblique dans la commande TABLES). Enfin, un message davertissement est
imprim lorsque le nombre dobservations dans une ou plusieurs cellules est infrieur 5.
40
3.6
3.6.1
Les analyses multivaries

La rgression multiple
Les analyses de rgression peuvent tre effectues laide de lnonc PROC REG :
PROC REG options ;
MODEL variable dpendante = variables indpendantes / options ;
PLOT R.*P. ;
TITLE 'titre donn lanalyse' ;
RUN ;
Chacun des noncs de ce programme seront repris et illustrs laide de la rgression

multiple portant sur la prdiction de lestimation personnelle de la performance (estim) laide
du nombre ditems complts (vitesse) et du nombre derreurs commises (erreurs).
PROC REG options ;

Lnonc PROC REG indique lanalyse de rgression.
Les options incluent :
DATA= nom de la table SAS
Lorsque omise, lanalyse est effectue sur les donnes de la dernire table
utilise.
CORR
Affiche la matrice dintercorrlations des variables spcifies dans le modle.
SIMPLE
Affiche les statistiques descriptives (somme, moyenne, somme de carrs,
variance, cart type) des variables spcifies dans le modle
MODEL variable dpendante = variables indpendantes / options ;
Lnonc MODEL spcifie le modle de rgression analyser. On y indique la variable qui
joue le rle de variable dpendante (ou critre) la gauche dun signe dgalit, et les
variables qui jouent le rle de variables indpendantes (ou prdictrices) la droite de ce
signe. Une seule variable indpendante dfinit une rgression simple, plusieurs variables
indpendantes, une rgression multiple.
La spcification du modle peut saccompagner de plusieurs options, spcifies la
droite dune barre oblique, dont voici quelques-unes des plus frquentes :
SELECTION= mthode de slection des variables indpendantes
Les mthodes de slection incluent les quatre numres ci-dessous ainsi que
cinq autres :
NONE (valeur par dfaut ; il sagit du modle complet)
FORWARD
BACKWARD
STEPWISE
ALL
loption ALL inclut les options dcrites ci-dessous ainsi que 14 autres
STB
41

affiche les coefficients de rgression standardiss
PCORR2
affiche les corrlations partielles au carr
SCORR2
affiche corrlations semi-partielles au carr
P
calcule les valeurs prdites
R
produit une analyse des rsidus
TOL
affiche les valeurs de tolrance pour chacun des coefficients
VIF
calcule les facteurs dinflation de la variance
PLOT R.*P. ;
Produit un diagramme des rsidus en fonction des valeurs prdites. Un tel diagramme
permet dvaluer par inspection visuelle la rencontre des postulats de normalit, de
linarit et dhomognit des variances :
Voici un exemple dune procdure de rgression multiple avec les donnes de la variable
estim comme variable dpendante et la vitesse ainsi que lerreur comme variables
indpendantes. Cette procdure nous donne beaucoup dinformation, alors nous avons
seulement inclus le diagramme de dispersion des rsidus comme support visuel.
42
3.6.2
La corrlation canonique
Les analyses de corrlation canonique peuvent tre effectues laide de lnonc PROC
CANCORR :
PROC CANCORR options ;
VAR variables dpendantes ;
WITH variables indpendantes ;
RUN ;
Prcisons entre autres :
PROC CANCORR options ;
Lnonc PROC CANCORR indique lanalyse de corrlation canonique.
Les options incluent :
Lorsque omise, lanalyse est effectue sur les donnes de la dernire table
utilise.
SIMPLE
affiche les statistiques descriptives (somme, moyenne, somme de carrs,
variance, cart type) des variables spcifies dans le modle
CORR
affiche la matrice dintercorrlations des variables spcifies dans le modle
Prsent ci-dessous est un exemple dune procdure de corrlation canonique, suivie dune
illustration de la premire page de rsultat. Certaines des variables utilises ne sont pas listes
43

dans les tableaux aux pages 12 et 13. Ces donnes sont disponibles au site web du professeur
Franois vigneau : http://www8.umoncton.ca/umcm-vigneau_f/enseigne.htm
3.6.3
Lanalyse factorielle exploratoire
Divers types danalyse factorielle peuvent tre effectus laide de lnonc PROC
FACTOR. La forme gnrale du programme est la suivante :
PROC FACTOR options ;
VAR variables ;
RUN ;
La procdure PROC FACTOR offre une grande flexibilit rendue possible par la
combinaison de diverses options :
PROC FACTOR options ;
Lnonc PROC FACTOR indique lanalyse factorielle exploratoire. Cet nonc comprend
de nombreuses options, dont :
Lorsquomis, lanalyse est effectue sur les donnes de la dernire table utilise.
44
SIMPLE
Affiche les statistiques descriptives (somme, moyenne, somme de carrs,
variance, cart type) des variables spcifies dans lnonc VAR
CORR
Affiche la matrice dintercorrlations des variables spcifies dans lnonc VAR
METHOD= mthode dextraction des facteurs
Les mthodes dextraction incluent les deux numres ci-dessous ainsi que
sept autres :
PRINCIPAL (valeur par dfaut ; il sagit de la mthode des moindres carrs)
ML (maximum de vraisemblance)
MINEIGEN= p
Spcifie une valeur critique minimale de valeur propre (p) pour quun facteur soit
retenu. Une valeur p suprieure 1 correspond au critre de Kaiser (Kaiser,
1960). Cest ce critre de Kaiser qui est utilis par dfaut pour dterminer le
nombre de facteurs
NFACT= n
Spcifie un nombre de facteurs retenir, o n = nombre de facteurs retenus
PRIORS valeurs de dpart des communauts
Identifie sur une ligne spare, cette option spcifie les valeurs de dpart des
communauts. Les deux types de valeurs suivantes sont possibles, ainsi que six
autres :
ONE (un, cest--dire toute la variance de chacune des variables ; cest la valeur
par dfaut)
SMC (coefficient de dtermination de lanalyse de rgression multiple : squared
multiple correlations)
RE
Place les saturations en ordre dcroissant
ROTATE= mthode de rotation
Indique la mthode de rotation des facteurs utiliser.
Les mthodes de rotations orthogonales suivantes sont disponibles :
VARIMAX
EQUAMAX
QUARTIMAX
ainsi que les mthodes de rotations obliques
PROMAX
OBLIMIN
Dix-huit autres mthodes de rotation sont galement disponibles.
SCREE
Affiche le graphique de la pente des boulements (scree plot) indiquant la
valeur propre associe chacun des facteurs et utilis pour dterminer le
nombre de facteurs retenir (scree test, Cattell, 1966)
ROUND
Limite le nombre de chiffres rapports pour les saturations deux dcimales
45

FLAG= taille des saturations signaler
Ajoute laffichage des saturations un signalement, laide dastrisques, des
valeurs suprieures la taille spcifie (par exemple : FLAG= .30)
OUT= nom dune nouvelle table SAS
Cre une nouvelle table SAS qui inclut toutes les variables de la table utilise
pour lanalyse ainsi que les scores factoriels pour les facteurs retenus. Dans le
cas o une rotation a t effectue, les scores factoriels produits sont ceux qui
correspondent aux facteurs aprs rotation. La variable correspondant aux scores
factoriels du premier facteur reoit le nom de FACTOR1, celle correspondant au
deuxime facteur, FACTOR2, et ainsi de suite. Loption OUT= doit tre utilise en
conjonction avec loption NFACT=
VAR variables ;
Lnonc VAR sert spcifier les variables de la table inclure dans lanalyse factorielle.
Voici un exemple dune procdure danalyse factorielle avec les 6 questions du questionnaire
aprs linversion des questions 3 et 6. La procdure inclut plusieurs options. Plus spcifiquement,
ces dernires vont faire en sorte quil ny a que 3 facteurs retenus (nfact=2), quil y a une rotation
de facteur et quil sagit de la rotation Varimax (rotate=varimax) et finalement quun graphique de
la pente des boulements va tre gnr (scree)
46
47
3.6.4
La modlisation structurale
48
La procdure PROC CALIS permet de raliser des analyses dquations structurales (ou
modles structuraux : analyses en pistes causales et analyses factorielles confirmatoires). Quatre
modes de programmation distincts permettent de spcifier un modle danalyse structurale grce
PROC CALIS : le mode RAM (sous forme de liste dcrivant le modle structural), le mode
COSAN (notation matricielle), le mode LINEQS et le mode FACTOR. Seule la programmation de
type LINEQS est prsente ici. Le mode LINEQS consiste dcrire le modle structural
analyser laide dun ensemble dquations structurales auxquelles on ajoute de linformation
concernant les variances et les covariances.
PROC CALIS options ;
LINEQS
quation 1,
quation 2,
quation j ;
STD
variance 1,
variance 2,
variance k ;
COV
covariance 1,
covariance 2,
covariance m ;
RUN ;
PROC CALIS options ;
Lnonc PROC CALIS comporte lui seul plus dune soixantaine doptions. En voici
quelques-unes parmi les plus utiles.
Lorsquomise, lanalyse est effectue sur les donnes de la dernire table utilise
COVARIANCE
Par dfaut, PROC CALIS analyse une matrice de corrlations. Loption
COVARIANCE fait en sorte que lanalyse porte sur la matrice de variancescovariances plutt que la matrice de corrlations
CORR
Affiche la matrice dintercorrlations
SIMPLE
Affiche la moyenne, lcart type et les degrs dasymtrie et daplatissement des
variables manifestes
KURTOSIS
Calcule et prsente les degrs dasymtrie et daplatissement univaris, plusieurs
coefficients daplatissement multivaris et le numros des observations qui
contribuent le plus au degr daplatissement multivari.
METHOD = options
49

Par dfaut, lestimation des paramtres du modle est obtenue laide de la
mthode du maximum de vraisemblance (METHOD = ML), qui ncessite une
matrice de corrlation rgulire. Toutefois, huit autres mthodes destimation sont
galement disponibles, dont les suivantes :
GLS
Mthode des moindres carrs gnralise, ncessitant une matrice de corrlation
rgulire
LSGLS
Mthode des moindres carrs non pondrs suivie de la mthode des moindres
carrs gnralise
LSML
Mthode des moindres carrs non pondrs suivie de la mthode du maximum
de vraisemblance
LS
Mthode des moindres carrs non pondrs
SUMMARY
Prsente le tableau des indices dajustement
RESIDUAL
Affiche la matrice des rsidus normalise, particulirement utile pour valuer la
correspondance du modle aux donnes ainsi que pour dterminer la ncessit
dapporter des modifications
TOTEFF
Affiche les effets totaux et indirects.
MODIFICATION
Calcule et prsente les indices des tests de Lagrange et de Wald.
PALL
Inclut lensemble des options possibles
LINEQS
Lnonc LINEQS comporte un ensemble dquations qui, combines avec la
spcification de variances et de covariances, dcrivent un modle structural. Les
quations y sont prsentes les unes la suite des autres, spares par virgules :
LINEQS
V1 = PV1V2 V2 + PV1V5 V5 + PV1V6 V6 + + E1,
V2 = PV2V3 V3 + PV2V4 V4 + + E2;
Les quations comportent, gauche, une variable endogne (soit une variable manifeste
pralablement identifie dans DATA, soit une variable latente) et, droite, les variables
indpendantes (prcdes du coefficient correspondant qui doit tre estim ; par
exemple, dans la premire quation, le coefficient de la variable V2 est nomm PV1V2)
et lerreur rsiduelle associe la variable endogne. Les variables indpendantes
indiques droite peuvent, tout comme celles indiques gauche, tre manifestes ou
latentes. Outre le respect dun maximum de huit caractres, les noms de variables
doivent respecter certaines rgles spcifiques la procdure CALIS. Le nom dune
variable latente doit commencer par la lettre F, le nom dune erreur associe une
variable manifeste doit commencer par E, le nom dune erreur associe une variable
latente doit commencer par un D. Les noms des coefficients estimer ne sont soumis
50

aucune rgle spcifique. Sils ne sont pas nomms, ils sont fixs ( une constante dont la
valeur est indique dans lquation, o 1 si aucune valeur nest indique). Lutilisation
de noms de paramtres identiques pour des effets diffrents a pour effet de contraindre
ces paramtres lgalit.
STD
Cet nonc permet didentifier les variances qui doivent tre estimes dans lanalyse.
STD
E1
E2
V3
V4
=
=
=
=
VARE1,
VARE2,
VARV3 (10.),
24.8;
Lexemple ci-dessus permet destimer la variance de lerreur rsiduelle de E1 et de E2,

ainsi que la variance des variables V3. Comme lindique le nombre entre parenthses
la suite du nom de variance VARV3, une valeur de dpart de 10 est prvue pour
lestimation de ce paramtre. Comme aucun nom de paramtre nest indiqu droite de
lquation pour la variable V4, la variance de cette variable nest pas estime ; elle est
plutt fixe la valeur indique : 24,8. La variance devrait tre estime pour toutes les
variables exognes du modle, quil sagisse de variables manifestes ou des variances
derreur (latentes) des variables endognes. La valeur dune variance du modle est zro
lorsquaucune indication nest donne son sujet.
COV
Lnonc COV permet dindiquer quelles covariances doivent tre estimes et quelles
covariances doivent tre fixes. Ces lments correspondent aux covariances des
variables exognes et aux covariances derreurs des variables endognes. La valeur
dune covariance du modle est zro lorsque aucune indication nest donne son sujet.
COV
V3 V4 = CV3V4,
V3 V5 = .5,
V5 V6 = CV5V6 (3.);
Lexemple ci-dessus a pour effet de requrir que la covariance (la corrlation) entre les
variables V3 et V4 soit estime (paramtre nomm CV3V4), que la covariance entre les
variables V3 et V5 soit fixe 0,5, et quune valeur de dpart de 3,0 soit utilise pour
lestimation de la covariance entre V5 et V6.
51
INDEX
E
cart type, 28
STD, 21
diteur, 8
ELSE, 24
nonc, 7
nonc de procdure, 7
EQUAMAX, 48
tape data , 7
tapes de procdures, 7
tendue, 22, 28
Explorateur, 10
Exporter des donnes, 17
ABS. Voir Valeur absolue

ALL, 44
ALPHA, 39
Analyse de regroupement, 6, 29
Analyse de variance, 6, 29
Analyse discriminante, 6, 29
Analyse factorielle, 6, 29
Analyse factorielle exploratoire, 47
Analyses descriptives, 6
Analyses inductives multivaries, 6, 29
Analyses inductives univaries, 6, 28
Analyses multivaries, 43
Analyses statistiques, 28
F
B
fichier de donnes, 18
Fichier de donnes, 6
FLAG, 48
Fonction, 7
Fonctions arithmtiques, 21
Fonctions logiques, 23
Fonctions mathmatiques, 21
Fonctions statistiques, 21
FORWARD, 43
FREQ
Option PROC STANDARD, 33
Option PROC UNIVARIATE, 37
Fusionner des donnes, 19
BACKWARD, 43
Bibliothque, 10
Boucles, 25
BY, 39
C
CARDS, 15, 18
CHISQ, 41
CLASS
Option PROC GLMPOWER, 39
Option PROC TTEST, 39
Cohrence interne, 28
Commande, 7
Commentaire, 7
CONTRAST, 39
CORR
Option PROC CALIS, 51
Option PROC CANCORR, 46
Option PROC FACTOR, 47
Option PROC REG, 43
corrlation, 19
Corrlation, 28
Corrlation canonique, 6, 45
COV, 53
COVARIANCE, 51
G
Gestion des donnes, 31
GLS, 52
H
Histogramme de frquence, 35, 36
I
IFTHEN, 23, 24
Importer des donnes, 16
INFILE, 17, 18
INPUT, 14, 15
Inverser des donnes, 24
D
DATA, 14, 15
Diagramme de dispersion, 32
J
Journal, 8, 9
52

Nombre dobservations, 22
Nombre dobservations manquantes, 22
NORMAL
fonction RAND(dist), 26
NTOTAL, 39
K
KURTOSIS, 51
L
Lecture des donnes, 14
LINEQS, 52
LINESIZE, 15
LSGLS, 52
LSML, 52
O
OBLIMIN, 48
ONE, 47
ONECORR, 38
ONESAMPLEMEANS, 38
ONEWAYANOVA, 38
Onglets Rsultats/Explorateur, 9
Oprateurs de base, 7
Options, 7, 15
Options de ltape data, 7
Options de procdure, 7, 30, 41
OUT, 48
M
Matrice de corrlation, 19
MAX
Fonction MAX, 21
Option PROC MEANS, 37
MAXDEC, 37
Maximum, 21
MEAN
Fonction MEAN, 21
Option PROC POWER, 39
MERGE, 20
METHOD
MIN
Fonction MIN, 21
MINEIGEN, 47
Minimum, 21
MISSOVER, 18
ML, 47
MOD, 21
Mode, 21
Mode fixe, 18
Mode libre, 18
MODEL, 29, 43
Commande PROC REG, 43
Modlisation structurale, 29, 50
MODIFICATION, 52
Moyenne, 21, 28
MULTREG, 38
P
P, 44
PAGENO, 15
PAGESIZE, 15
PALL, 52
PARTIAL, 40
PCORR2, 44
PLOT
Option PROC PLOT, 32
Option PROC REG, 43, 44
POWER
Prsentation graphique des donnes, 35
PRINCIPAL, 47
PRIORS, 47
PROC, 28
PROC CALIS, 29, 51
PROC CANCORR, 45
PROC CHART, 35
PROC CLUSTER, 29
PROC CORR, 28, 40
PROC DISCRIM, 29
PROC FACTOR, 29, 47
PROC FREQ, 28, 41, 42
PROC GCHART, 36
PROC GLM, 29
PROC GLMPOWER, 39
PROC MEANS, 28, 29, 30, 37
N
N
Nombre d'observations, 22
NFACT, 47
NMISS, 22
NOLABEL, 15
53

PROC PLOT, 32
PROC POWER, 37, 38
PROC PRINT, 29, 31, 33
PROC RANK, 29
PROC REG, 29, 43
PROC SORT, 29, 33
PROC STANDARD, 29, 32, 33
PROC TTEST, 28, 39
PROC UNIVARIATE, 28, 37
Procdures, 28, 29, 31, 39
Programme SAS, 7
PROMAX, 48
Proportion, 28
Puissance, 21
Puissance statistique, 38
Option PROC REG, 43

SMC, 47
Somme, 22
Sortie, 8, 9
SQRT, 21
Statistiques descriptives, 28, 36
STB, 44
STD. Voir cart type
STDDEV, 39
STEPWISE, 44
SUM. Voir Somme
SUMMARY, 52
T
Table de donnes, 18
Table SAS, 6
Tableau de frquences, 28
TABLES, 41
Taille dchantillon, 38
Test t, 6, 28
TITLE, 28, 30
TOL, 44
TOTEFF, 52
Transformation en donnes ordinales, 29
Transformations de variables, 20
Transformations linaires, 29
Tri, 29
TWOSAMPLEMEANS, 38
Q
QUARTIMAX, 48
R
R, 44
Racine carre, 21
RAND(dist), 26
RANGE, 22
RE, 48
Rgression multiple, 6, 29, 43
Rgression simple, 6, 29
RESIDUAL, 52
Rsultats, 9, 10
ROTATE, 48
ROUND, 48
RUN, 14, 15, 28
V
Valeur absolue, 21
VAR
Commande variable, 28
Fonction variance, 21
Variable, 29
VARIMAX, 48
VIF, 44
Visualisation des donnes, 29
S
Saisie de donnes, 14
Sasuser, 10
SCORR2, 44
SCREE, 48
SELECTION, 43
SIMPLE
Option PROC CANCORR, 46
W
Work, 10, 17
54

Intros As 2013

Transféré par

Informations du document

Description :

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Description :

Droits d'auteur :

Formats disponibles

Intros As 2013

Titre original :

Transféré par

Description :

Droits d'auteur :

Formats disponibles

Introduction au systme SAS

Progiciel de traitement statistique des donnes

Table des matires

Chapitre 1 - Prsentation ............................................................................................................. 6

Table SAS .............................................................................................................. 6

Programme SAS .................................................................................................... 7

L'tape data ................................................................................................ 7

Les tapes de procdures ................................................................................ 7

Le vocabulaire SAS .......................................................................................... 7

La fentre diteur (editor) ................................................................................. 8

La fentre Journal (Log) ................................................................................... 9

La fentre Sortie (Output) ................................................................................. 9

Les onglets Rsultats/Explorateur (Results/Explorer) ........................................ 9

tude fictive ............................................................................................................... 10

Chapitre 2 - Lecture des donnes et dfinition des variables ...................................................... 13

Lecture des donnes.................................................................................................. 13

Saisie de donnes directement dans SAS ............................................................ 13

Donnes importes dun fichier externe (Limportation et lexportation de fichiers). 14

Importer des donnes ..................................................................................... 15

Exporter des donnes ..................................................................................... 17

Limportation par la mthode INFILE ............................................................... 17

Saisie dune matrice de corrlations ..................................................................... 18

Fusionner des donnes .............................................................................................. 19

Transformations de variables ..................................................................................... 19

Les tiquettes ....................................................................................................... 20

Fonctions mathmatiques (arithmtiques et statistiques) ...................................... 20

Fonctions logiques (noncs IFTHEN) .............................................................. 21

Changer les valeurs dune variable ................................................................. 21

Crer une nouvelle variable partir dune variable existante ........................... 21

Inverser des donnes ..................................................................................... 22

Appliquer une fonction mathmatique selon une condition logique .................. 23

Techniques avances de programmation ................................................................... 23

Boucles DO...TO...END .................................................................................. 23

La fonction RANNOR(.) ........................................................................................ 23

La fonction RAND(dist) ......................................................................................... 24

Loption ARRAY ................................................................................................... 24

Chapitre 3 - Procdures SAS..................................................................................................... 26

Les options de procdure ..................................................................................... 27

Trois procdures de gestion des donnes .................................................................. 28

Lnonc PROC PRINT ........................................................................................ 28

Lnonc PROC PLOT ........................................................................................... 29

Lnonc PROC STANDARD ................................................................................. 30

Lnonc PROC SORT .......................................................................................... 31

Prsentation graphique des donnes ............................................................................ 33

Lnonc PROC CHART ........................................................................................ 33

Lnonc PROC GCHART ..................................................................................... 34

Deux procdures de statistiques descriptives ................................................................ 34

Lnonc PROC MEANS ........................................................................................ 35

Lnonc PROC UNIVARIATE ............................................................................... 35

Lnonc PROC POWER ....................................................................................... 35

Trois procdures de statistiques inductives ................................................................... 37

Lnonc PROC TTEST ......................................................................................... 37

Lnonc PROC CORR .......................................................................................... 38

Lnonc PROC FREQ ......................................................................................... 39

Les analyses multivaries ............................................................................................. 41

La rgression multiple ............................................................................................ 41

La corrlation canonique ........................................................................................ 43

Lanalyse factorielle exploratoire ............................................................................ 44

La modlisation structurale ..................................................................................... 48