扫码加入数据分析学习群

SAS的KDE过程实现核密度估计，功能及其说明如下：

可以对单变量和双变量进行核密度估计，所谓的核（kernel）估计是一种非参数方法，是指从原始数据中观测到的概率密度函数（PDF）——平均的通过数据点，从而创建平滑曲线。

KDE过程使用高斯密度做为核，并假设其方差决定平滑的结果。

其工作原理：选择带宽（bandwith），进而核密度估计，但完成这些工作前提是完成数据的分箱（binning）、卷积（convolutions）和傅里叶（fourier）变换。

SAS程序常用选项

ods graphics on;

proc kde data=data_anl.performance;

*univar gcharacteristic(bwm=2) jaim(bwm=0.25)/plots=all ngrid=401;

*bivar gcharacteristic jaim/bivstats levels percentiles ngrid=60;

*bivar gcharacteristic jaim/method=snr bwm=2 plots=all;

*bivar (gcharacteristic jaim) (gcharacteristic(bwm=2) jaim(bwm=0.5));

run;

ods graphics off;

*ngrid表示图形格子的数量;

*bwm表示带宽乘数的指定，method表示带宽的计算;

一般而言，单变量分析用于比较不同变量的分布情况，如检测变量分布特征（尤其是自变量与因变量的分布）、数据离散化等应用；双变量分析用于检测数据对应分布情况，如聚类分析、异常检测、回归分析等应用。