manual1 sas

Software de Anlisis Estadstico SAS

Jessica Paola Vargas Castro1

Luis Felipe Patio Oquendo2

Cindy Carolina Lugo Rozo3

Viviana Oquendo

julio de 2013

Resumen:

El uso de los software economtricos en la ltima dcada han trascendido para

los profesionales como una herramienta til para el anlisis estadstico y

econmico, as, tareas que tomaban horas se trabajan en segundos y el

profesional en su disciplina puede emitir un anlisis ms rpidamente y con

una clara visin de lo que ocurre con los datos que trabaja. Este documento

pretende guiar en el manejo del software SAS (Statistical Analysis Software)

tanto en la parte tcnica como en la parte aplicativa.

Palabras Clave:

Software, econometra, series de tiempo, anlisis grfico, pronstico, datos panel,

regresin.

JEL:

Statistical Analysis Software SAS

Abstract:

The use of econometric software in the last decade have transcended for

professionals as a useful tool for statistical analysis and economic, as well,

tasks that took hours are worked in seconds and the professional in their

1 Estudiante de economa de la Facultad de Ciencias Econmicas de la Universidad

Nacional de Colombia, y monitor junior del grupo capacitaciones de la Unidad de

Informtica y Comunicaciones de la Facultad de Ciencias Econmicas durante. Correo

Electrnico: [email protected] 2 Estudiante de ingeniera elctrica de la Facultad de Ingeniera de la Universidad

Nacional de Colombia, y monitor junior del grupo capacitaciones de la unidad de

informtica y comunicaciones de la Facultad de Ciencias Econmicas durante. Correo

Electrnico: [email protected] 3 Estudiante de economa de la Facultad de Ciencias Econmicas de la Universidad

Nacional de Colombia, y monitor junior del grupo mejor gestin de la Unidad de

Informtica y Comunicaciones de la Facultad de Ciencias Econmicas durante. Correo

Electrnico: [email protected]

INV- Software de Anlisis Estadstico SAS /2013-I

2

discipline can issue further analysis quickly and a clear vision of what happens

to the data that works. This document is intended to guide the management of

SAS software (Statistic Analysis Software) in both the technical and on the

applicative.

Keywords:

Software, econometrics, time series, graphic analysis, quality control, forecast


3

Director Unidad Informtica:

Henry Martnez Sarmiento

Tutor Investigacin:

Viviana Mara Patio Oquendo

Coordinadores:

Jasmin Guerra Crdenas

Juan Carlos Tarapuez Roa

Coordinador Servicios Web:

John Jairo Vargas

Analista de Infraestructura y

Comunicaciones:

Diego Alejandro Jimnez Arvalo

Analista de Sistemas de Informacin:

Vctor Hugo Ramos Ramos

Estudiantes Auxiliares:

Ahumada Avendao Fredy Esteban

Alvarado Castillo Paola Alejandra

Alzate Gaitn Paola Andrea

Andrade Martnez David Ricardo

Caldern Espitia Walter Helberth

Cano Daz Alberto

vila Ibez Diego Fernando

Enciso Castao Julin David

Gonzlez Mayorga Cesar Felipe

Gisa Daz Carlos Eduardo

Hernndez Carvajal Miguel ngel

Hurtado Casas Andrs Felipe

Leyva Daz Daniel Felipe

Lugo Rozo Cindy Carolina

Malangn Carvajal Laura Juliana

Martnez Cortes Nicols

Miranda Hernndez Ncolas

Montes Parra Mayerli Andrea

Moreno Urin Germn Yesid

Oquendo Patio Viviana Mara

Patio Oquendo Luis Felipe

Pineda Estupian Andrs Javier

Rojas Martn Daniel Francisco

Rubiano Rojas Mario Andrs

Vargas Castro Jessica Paola

Este documento es resultado de un trabajo

conjunto y coordinado de los integrantes de

la Unidad de Informtica y Comunicaciones

de la Facultad de Ciencias Econmicas de la

Universidad Nacional de Colombia.

Esta obra est bajo una licencia reconocimiento no comercial 2.5

Colombia de CreativeCommons. Para ver una copia de esta licencia,

visite http://creativecommons.org/licenses/by/2.5/co/ o enve una carta a

CreativeCommons, 171second street, suite 30 San Francisco, California

94105, USA.


4

Software de Anlisis Estadstico SAS

1. Contenido

2. Introduccin ............................................................................................................... 6

2.1. Caractersticas generales del software .............................................................. 6

2.1.1. Requerimientos del sistema para Linux(Official Page, Statistical Analysis

Software SAS, 2013) .................................................................................................. 6

2.1.2. Requerimientos del sistema para Windows(Official Page, Statistical

Analysis Software SAS, 2013) ................................................................................... 6

2.1.3. Comparacin del software con otros software estadsticos ........................ 7

2.1.4. Listado de funciones del programa SAS(Universidad Complutense de

Madrid, 2013) ............................................................................................................ 7

2.1.5. Aplicabilidad de SAS ................................................................................... 8

2.2. Lenguaje de programacin ................................................................................. 8

2.2.1. Acerca del lenguaje de programacin(N/A, 2013) ....................................... 8

2.2.2. Uso del software segn la pgina oficial de SAS(Official Page, Statistical

Analysis Software, 2013) ........................................................................................... 8

2.3. Manual SAS ....................................................................................................... 9

2.3.1. Crear una librera ....................................................................................... 9

2.3.2. Leer data sets de SAS ............................................................................... 13

2.3.3. Leer archivos de bases de datos para pc ................................................... 15

2.3.4. Presentar programas de sas para hosts remotos...................................... 18

2.3.5. Crear y definir variables ........................................................................... 21

2.3.6. Usar declaraciones condicionales ............................................................. 21

2.3.7. Subconjunto de datos ................................................................................ 22

2.3.8. Trabajo con Fechas y Horas de SAS ......................................................... 23

2.3.9. Impresin de Datos ................................................................................... 24

2.3.10. Conteo de datos ...................................................................................... 24

2.3.11. Tabular datos ......................................................................................... 25

2.3.12. Consulta de datos .................................................................................. 26

2.3.13. Unir tablas ............................................................................................. 27

2.3.14. Crear grficos......................................................................................... 28

2.3.15. Crear grficos (2) ................................................................................... 29


5

2.3.16. Regresin simple y mltiple .................................................................. 31

2.3.17. ARIMA ................................................................................................... 36

2.3.18. Datos Panel ............................................................................................ 44

2.3.19. ODS Graphics Designer......................................................................... 65

2.4. Clases ............................................................................................................... 71

2.4.1. Primera Clase ............................................................................................ 71

2.4.2. Segunda clase Definiciones bsicas para la insercin de variables ...... 72

2.4.3. Tercera Clase Lgica condicional, fechas y horas, subconjuntos .......... 77

2.4.3.1. Lgica condicional .................................................................................. 77

2.4.3.2. Subconjuntos de datos ........................................................................... 81

2.4.3.3. Fechas y horas con SAS ......................................................................... 83

2.4.3.6. SAS DATATIME VALUE ...................................................................... 84

2.4.4. Cuarta clase Regresin simple ............................................................... 86

2.4.5. Quinta Clase Regresin multiple ........................................................... 90

2.4.6. Sexta clase - Modelos ARIMA ................................................................. 103

2.4.7. Sptima clase Datos Panel ................................................................... 119

2.4.8. Octava clase ODS Graphics Designer .................................................. 140

3. Conclusiones .......................................................................................................... 155

4. Referencias ............................................................................................................ 157


6

2. Introduccin

La empresa SAS crea el Statistical Analysis Software (SAS) principalmente como un mtodo

para la organizacin y control de grandes bases de datos. SAS fue diseado de manera tal que

respondiera a una recoleccin, transformacin, anlisis y reporte de datos; de manera adecuada

y eficiente para la organizacin que disponga del software. Sin embargo, pronto el software

comenz a formarse como uno de los paquetes economtricos ms poderosos del mercado.

Adems, el software puede generar muchas soluciones de negocio que permiten soluciones de

software a gran escala para reas como administracin, gestin de recursos humanos, gestin

financiera, inteligencia de negocios y ms. La ltima versin de SAS fue SAS 9.3 y sali al

mercado en diciembre de 2011.

2.1. Caractersticas generales del software

2.1.1. Requerimientos del sistema para Linux(Official Page, Statistical

Analysis Software SAS, 2013)

Sistemas operativos de LINUX:

Red Hat Enterprise Linux 4 y 5

SuSE Linux Enterprise Server 9 y 10

Linux x 64 (siempre y cuando sea por la va de compatibilidad de 32 bits.

Para esta versin de SAS, los requerimientos del hardware son:

Intel Pentium 4 o superior o Procesadores XeonClass

64 Mb de memoria

Soporte de pantalla de mnimo 256 colores

2.1.2. Requerimientos del sistema para Windows(Official Page, Statistical

Analysis Software SAS, 2013)

SAS 9.1 se puede instalar en prcticamente cualquier sistema operativo de

Windows:

Windows 7, Windows Vista, Windows XP, Windows 2000, Windows NT Family.

Requerimientos mnimos del Hardware


7

Intel Pentium II

Memoria de 256 Mb

Resolucin de pantalla de 800 * 600 o superior

Acceso a internet

2.1.3. Comparacin del software con otros software estadsticos

En la siguiente pgina se muestra unas amplias tablas de comparacin de gran

cantidad de Software de anlisis estadstico:

http://en.wikipedia.org/wiki/Comparison_of_statistical_packages

Las caractersticas de SAS muestran que el software no es Libre y es de

licencia propietaria, adems de usar una interfaz grfica CLI/GUI. El software

como ya se mencion trabaja en los sistemas operativos de Linux y Windows,

adems de UNIX. No trabaja en BSD y en Mac OS fue terminado.

En las diferentes tablas tambin aparecen los programas que utilizan varios

mtodos ANOVA (ANOVA son los diferentes modelos estadsticos que existen)

en el cual SAS maneja todos los mtodos:

One way, Two Way, MANOVA, GLM, Mixed Model, Post-host, Latin squares.

Tambin muestra los diferentes modelos de regresin que existen y los software

que los manejan. De nuevo SAS es capaz de aplicar todos los mtodos:

OLS, WLS, 2SLS, NLLS, Logistic, GLM, LAD, Stepwise, Quantitle, Probit, Cox,

Poisson, MLR.

La siguiente tabla en la pgina muestra los software que utilizan diferentes

anlisis de series temporales. SAS maneja todos:

ARIMA, GARCH, Unit root test, Cointegration test, VAR, Multivariable

GARCH

SAS emplea todos los grficos y diagramas que manejan los software

estadsticos. En estas diferentes tablas se puede concluir que SAS es uno de los

programas ms completos en el mercado.

2.1.4. Listado de funciones del programa SAS(Universidad Complutense de

Madrid, 2013)

SASAnalytics es la marca registrada que maneja la empresa para integrar

todo lo que involucra el modelado predictivo y analtico. Entre las funciones del

programa SAS encontramos:

Las utilidades de entorno grfico:

Creacin y manipulacin de libreras de datos SAS (llamados SAS-FILES)

Importacin/exportacin de datos externos en ficheros ASCII

Importacin/exportacin de datos externos en ficheros en otros formatos, por

ejemplo, EXCEL.


8

Exportacin de grficos a otros formatos.

Para estadstica y econometra encontramos:

Estadstica descriptiva simple

Regresin y anlisis de varianza y covarianza

Anlisis de datos cualitativos

Anlisis discriminante

Anlisis cluster

Anlisis de supervivencia

Scoring (estandarizacin y construccin de variables)

Imputacin de datos perdidos

Anlisis de potencia

Clculo de medidas de distancia

2.1.5. Aplicabilidad de SAS

El programa SAS est pensado como un software para el anlisis y manejo de

datos que busca mejorar la gestin empresarial, por su capacidad de organizacin y

anlisis. SAS desea que los usuarios del software puedan facilitar su proceso de

toma de decisiones utilizando modelos predictivos, descriptivos, de simulacin y

optimizacin. Con ello se busca llegar a la solucin de los problemas cotidianos del

entorno econmico y fomentar el desarrollo interno de los agentes que usen el

software. En esa medida, en la Universidad Nacional, son las carreras afines al

entorno econmico y en general carreras que trabajan con bases de datos, las que

pueden aprovechar las opciones que ofrece SAS; especialmente las carreras de la

Facultad de Ciencias Econmicas.

2.2. Lenguaje de programacin

2.2.1. Acerca del lenguaje de programacin(N/A, 2013)

El lenguaje de programacin que utiliza SAS fue diseado por el mismo SAS. Su

sintaxis est inspirada en la de PL/I (lenguaje propuesto por IBM en 1970), este

opera en primera instancia sobre tablas de datos. Estas tablas de datos las puede

leer, transformarlas, combinarlas, resumirlas, crear informes, entre otras cosas. El

ncleo del lenguaje incluye Pasos data que permiten realizar operaciones sobre las

filas de un conjunto de datos, procedimientos de manipulacin de datos que

permiten ordenar tablas, enlazarlas, etc., un intrprete de SQL, un superlenguaje

de macros.

2.2.2. Uso del software segn la pgina oficial de SAS(Official Page, Statistical

Analysis Software, 2013)


9

Cualquier software informtico que pueda descargarse o que de cualquier otra

forma est disponible en esta pgina Web se encuentra sujeto a una licencia que

puede ser la del contrato escrito de licencia suscrito entre usted y SAS o la licencia

click-on que usted acepta en el momento de descarga o uso. El software al que cualquiera de estas dos licencias le sea de aplicacin se encuentra, salvo pacto en

contrario, sujeto nicamente a los trminos de su contrato de licencia asociado.

En cualquier caso, si ni una licencia escrita o una click-on estn disponibles, el uso que usted haga del software se encontrar sujeto a las siguientes condiciones:

1) No podr usar, reproducir, grabar, modificar, publicar, comunicar pblicamente

o distribuir ningn software disponible a travs de esta pgina Web sin el previo

consentimiento expreso y por escrito de SAS

2) Se le reconoce una licencia personal, no exclusiva, para usar dicho software

sujeto a las restricciones indicadas ms arriba

3) Dicho software se encuentra sujeto a todas las Garantas y Limitaciones de

responsabilidad que se establecen a continuacin

4) Salvo expresamente garantizado en otro lugar, SAS Institute Inc. y sus

otorgantes de licencias se reservan todos los derechos, ttulos e intereses en

relacin a dicho software.

2.3. Manual SAS

Como mtodo de autoexploracin del software SAS se estableci que a partir del

software y su respectivo manual, se iran encontrando las diferentes funciones del

programa y con base en estas se realizara la estructura del curso de acuerdo a los

diferentes tems encontrados y a la experiencia en la unidad sobre estos tipos de

software y el mejor procedimiento para dictar un curso libre. A continuacin se

presenta la primera parte del manual de SAS con los siguientes tems:

o Crear una Librera

o Leer data sets de SAS

o Leer archives de bases de datos para PC

o Presentar programas de SAS para host remotos.

2.3.1. Crear una librera

Antes de iniciar con SAS file, generalmente se debe definir primero una librera de

SAS, esto con el fin de mostrarle a SAS donde se encuentra el archivo. Usted ha

creado ya una biblioteca SAS interactivamente mediante la ventana de la nueva

biblioteca. Otra forma de definir una biblioteca SAS es utilizando una instruccin

LIBNAME. Esta declaracin LIBNAME permite 4 cosas:


10

Identifica una Librera SAS a SAS.

Asocia un motor con la librera

Permite asociar especificaciones con la librera

Asigna un libref (nombre de referencia de la librera) a ella misma.

A gran ventaja del comando LIBNAME es que puede almacenarla en un programa

de SAS, as, se puede referenciar la librera automticamente cuando se enve el

programa. Una vez que se asigna a la libref, usted puede leer, crear o actualizar

archivos en una biblioteca SAS:

libref.filename

En el nombre de dos niveles, libref es el nombre de la biblioteca SAS que contiene

el archivo y nombre_de_archivo es el nombre del mismo archivo. Un perodo separa

la libref y el nombre de archivo. En el nombre de dos niveles, libref es el nombre de

la biblioteca SAS que contiene el archivo y filename es el nombre del mismo

archivo. Un perodo separa la libref y el filename.

Si se tienen las licencias de 1 o ms productos de SAS diferentes, es posible crear una

librera SAS que referencie relaciones de DBMS database, schema, server, o grupos de

tablas y vistas.

Mtodo de Point and Click

Se puede crear una librera mediante:

1. Clic en View > Explorer.

2. Clic en File > New.


11

3. En la ventana de New Library, especifique la informacin para la nueva

librera. Si usted quiere sea creada en el comienzo de cualquier sesin de SAS, haga

clic en Enable at startup.

4. Clic OK.

EJEMPLO 1

Asignacin de un libref a archivos de referencia SAS

Suponga que usted quiere definir una librera SAS para referenciar una carpeta en el

entorno operativo de Windows que contiene algunos SAS data sets. Luego usted

quiere crear un nuevo data set, imprimirlo e imprimir un data set existente en la

misma librera. El siguiente programa define la librera Sales y referencia los

archivos SAS con esta librera.

Usted puede copiar y enviar este programa en SAS. Sin embargo, es necesario

editar el directorio en el estado LIBNAME (est en rojo) para referenciar un directorio

existente en su entorno operativo.

/*************************************/

/* define SAS library */

/*************************************/

libname sales 'c:\salesdata\sas\2002';

/*************************************/

/* create new data set from raw data */

/*************************************/

data sales.quarter1;

length Department $ 7 Site $ 8;

input Department Site Quarter Sales;

datalines;

Parts Sydney 1 4043.97

Parts Atlanta 1 6225.26

Parts Paris 1 3543.97

Repairs Sydney 1 5592.82

Repairs Atlanta 1 9210.21

Repairs Paris 1 8591.98

Tools Sydney 1 1775.74

Tools Atlanta 1 2424.19

Tools Paris 1 5914.25

;

run;

/*************************************/

/* print new data set */

/*************************************/

proc print data=sales.quarter1;

run;

/*************************************/

/* print existing data set */

/*************************************/

proc print data=mylib.productsales;

run;


12

EJEMPLO 2

Ahora suponga que usted quiere imprimir tambin una tabla Oracle y una tabla DB2.

El siguiente programa muestra cmo puede especificar declaraciones LIBNAME con

los motores de SAS/ACESS y opciones apropiadas. Despus de asignar un libref a

DBMS, es posible referenciar estas tablas y vistas como SAS data sets, usando los

nombres estndar two-level SAS.

Mientras usted pueda definir cualquier nmero de librefs in SAS, usted puede

procesar datos desde mltiples recursos DBMS en el mismo programa de SAS.

Debido a que esta es una gua rpida para principiantes, no es posible copiar y correr

este programa como se muestra. Sin embargo es posible modificarlo para trabajar con

tablas DBMS que usted pueda acceder.

/*************************************/

/* define SAS library for Oracle */

/*************************************/

libname myorlib oracle user=scott password=tiger

path="blunzer:v7" schema=hrdept;

/*************************************/

/* define SAS library for DB2 */

/*************************************/

libname mydblib db2

noprompt="user=testuser;

password=testpass;database=testdb";

/*************************************/

/* print Oracle table */

/*************************************/

proc print data=myorlib.all_employees;

where state='CA';

run;

/*************************************/

/* print DB2 table */

/*************************************/

proc print data=mydblib.customers;

where state='CA';

run;

/*************************************/

/* clear librefs */

/*************************************/

libname myorlib clear;

libname mydblib clear;


13

REFERENCIAS

Ac puede encontrar ms informacin acerca de crear libreras.

Documentacin en Help SAS:

1. En SAS, click Help SAS Help and Documentation.

2. Expanda SAS Products Base SAS.

3. Expanda SAS Language Concepts SAS Files Concepts SAS Data

Libraries y mire los tpicos de inters

4. Expand SAS Language Dictionary Dictionary of Language Elements

Statements y click LIBNAME statement y LIBNAME Statement,

SAS/ACCESS.

5. Expanda Using SAS Software in Your Operating Environment, luego en la

seccin de su entorno operativo. Expanda Using SAS Files y vea los tpicos

relacionados con las libreras de SAS

Preguntas en el soporte tcnico Frequently Asked Questions

Programas in SAS help:

1. En SAS, click Help SAS Help and Documentation.

2. Expand Learning to Use SAS y click Sample SAS Programs.

3. Clic Base SAS y mire los programas de inters

2.3.2. Leer data sets de SAS

Tal vez quiera crear un nuevo data set desde un data set existente. En Create an run

SAS programas, haya visto ejemplos de DATA step que lee existiendo data sets usando

una declaracin SET. Leyendo un data set en un DATA step es ms simple que leyendo

los datos en bruto debido a que el trabajo de describir y convertir los datos ya se han

hecho.

Ahora, cuando usted usa un data sets existente o subsets creados desde SAS data sets,

usted puede hacer ms eficiente el uso de los recursos del computador que si usara los

datos en bruto (raw data) o si est trabajando con data sets largos. Leer menos

variables significa que SAS crea un program data vector ms pequeo, y leyendo menos

observaciones significa que existen menos iteraciones para el DATA step que se crean.

Usted puede leer desde uno o ms data set, combinar y modificar datos en diferentes

maneras, por ejemplo usted puede:

Combinar 2 o ms input data sets para crear un output data ser

Fusionar datos desde 2 o ms data sets para crear un output data set

Actualizar un archivo master basado en las grabaciones de transaccin.

En el caso ms simple usted lee datos desde un solo SAS data set:


14

Como las principales herramientas para leer, combinar y modificar data sets, usted

puede usar cuatro declaraciones: SET, MERGE, MODIFICY y UPDATE. Para procesar

los datos y crear un data set de salida, puede usar una programacin adicional de

declaraciones SAS en el paso DATA.

Esta tarea se centra en la lectura de un nico conjunto de datos SAS utilizando la

sentencia SET.

EJEMPLO

Cuando usted lee data sets de SAS, el gran poder del paso de programacin DATA est

disponible para usted. Los siguientes ejemplos muestran algunos caminos fciles para

usar la declaracin SET para leer una existente data set.

Usted puede copiar y enviar estos programas en SAS. En los datos de

Mylib.ProductSales fue creado por Work with SAS data sets. Si no se cre, vuelva

a la tarea definir la librera y crear un data set antes de cargar estos

programas que aparecen a continuacin

/*************************************/

/* read a data set and subset */

/*************************************/

data canada;

set mylib.productsales;

if country='CANADA';

run;

/*************************************/

/* read a data set, subset, and */

/* create new variables */

/*************************************/


15

data canada2;

set mylib.productsales;

if country='CANADA';

Total_Variance=actual-predict;

Forecast=actual*1.15;

run;

/*************************************/

/* read a subset using direct access */

/*************************************/

data product_sample;

do obsnum=1 to 100 by 2;

set mylib.productsales point=obsnum;

if _error_ then abort;

output;

end;

stop;

run;

REFERENCIAS

Documentation, publications, and FAQs

Documentacin en SAS help:

1. En SAS, click Help< SAS Help and Documentation.

2. Expanda SAS Products< Base SAS< SAS Language Concepts.

3. Expand DATA Step Concepts< Reading, Combining, and Modifying SAS Data

Sets y mire los tpicos de interes

4. Expand SAS System Concepts< Rules for Words and Names in the SAS

Language y mire los tpicos de interes.

5. Expand SAS Products< Base SAS< SAS Language Dictionary< Dictionary of

Language Elements< SAS Data Set Options y mire los topicos de interes

Preguntas en working with SAS data sets en SAS Technical Support's Frequently

Asked Questions

Ejemplos de programas

programs in SAS help:


2. Expand Learning to Use SAS y click Sample SAS Programs.

3. Click Base SAS y vea Starting with SAS Data Sets, Chapter 4.

2.3.3. Leer archivos de bases de datos para pc


16

Si usted tiene un archivo de base de datos ya sea en hojas de clculo de Microsoft Excel,

Lotus o archivos de Microsoft Access, puede usar SAS para importar estos archivos y

crear data sets de SAS. Una vez haya obtenido el archivo en SAS, es posible procesarlos

como usted lo necesite en SAS. Tambin es posible exportar archivos de SAS a un

nmero de formatos diferentes para PC.

Para leer bases de datos de PC, puede usar el procedimiento IMPORT. PROC IMPORT

lee el archivo de entrada y los convierte a un data set de SAS, con las variables SAS

definidas en base a los registros de entrada. Usted puede controlar los resultados con

opciones y declaraciones que estn especificadas en el recurso de entrada de datos

(input data).

PROC IMPORT slo est disponible en Windows, OS/2, OpenVMS, and UNIX

Usted debe tener la interfaz SAS/ACCESS para archivos de PC licenciados para leer

archivos de datos de la PC. Sin embargo, an sin la interfaz SAS/ACCESS para

archivos de PC puede importar y exportar archivos externos limitados (archivos que

contienen columnas de valores de datos que estn separados por un delimitador como

un espacio en blanco o una coma).

Mtodo de Click and Point

Si usted tiene la interfaz SAS/ACCESS para archives de PC licensiados, puede

importar bases de datos usando Import Wizard:

1. En SAS, click File< Import Data.

2. Cuando el Import Wizard se abre, siga las instrucciones para importar datos.

Usted puede ver y salvar el cdigo PROC IMPORT que el Import Wizard genera

EJEMPLO

Suponga que usted quiere importar 2 archivos, a ua hoja de clculo de Microsoft Excel y

a una tabla de Access. El siguiente programa le muestra cmo leer datos usando

opciones especficas para el archivo dado, crea data sets e imprime el nuevo data sets.


este programa como se muestra. Sin embargo usted puede modificarlo para trabajar con

bases de datos de PC a las que pueda acceder.

/*************************************/

/* import the Excel file */

/*************************************/

proc import datafile="c:\myfiles\Accounts.xls"

out=sasuser.accounts sheet="Prices";

getnames=no;

run;

/*************************************/


17

/* print part of the new data set */

/*************************************/

proc print data=sasuser.accounts(obs=10);

run;

/*************************************/

/* import the Access file */

/*************************************/

proc import table="customers"

out=sasuser.cust dbms=access;

uid="userid";

pwd="mypassword";

database="c:\myfiles\east.mdb";

wgdb="c:\winnt\system32\security.mdb";

run;

/*************************************/

/* print part of the new data set */

/*************************************/

proc print data=sasuser.cust(obs=5);

run;

REFERENCIAS

Mire estos recursos online para aprender ms a cerca de como leer bases de datos de

PC.

Documentacin, publicaciones y FAQs

Documentacin en SAS help


2. ExpandA SAS Products< Base SAS< SAS Procedures< Procedures.

3. Click The IMPORT Procedure y vea los tpicos de interes

4. Si usted est interesado en exporter datos a bases de datos de PC, click The

EXPORT Procedure.

PROC IMPORT documents desde SAS Technical Support Documents

product-specific documentacin para PC File Formats en SAS Online Product

Documentation

Otras publicaciones en SAS Documentation, incluyendo Your SAS Technology Report

Preguntas sobre on PROC IMPORT en SAS Technical Support's Frequently Asked

Questions



18

programs in SAS help:


2. Expanda SAS Products< Base SAS< SAS Procedures.

3. Clic The IMPORT Procedure.

4. Clic Examples: IMPORT Procedure.

2.3.4. Presentar programas de sas para hosts remotos

El servicio de cmputo de SAS le da un fcil acceso a muchas de los recursos remotos en

su red desde una sola sesin local de SAS. SAS/CONNECT ofrece acceso a recursos

remotos en 2 formas, sincrnicos y asincrnicos. Con el proceso sincrnico, usted espera

los resultados del proceso remoto antes de estar disponibles para continuar el proceso

local. Con el proceso asincrnico, usted inmediatamente recupera el control para

continuar el proceso local mientras el trabajo remoto se ejecuta, y usted puede obtener

los resultados despus.

El acceso remoto le ayuda eficazmente usando todos los recursos informticos de la

organizacin. Los servicios informticos tambin le permiten tener ventaja en el

Output Delivery System (ODS) en SAS para cambiar el formato y la apariencia en la

salida de SAS que es generada en un host remoto.

Las declaraciones de SAS/CONNECT GIGNON, SIGNOGG, RSUBMIT, y

ENDRSUBMIT lo conectan para presentar declaraciones a un host remoto desde una

sesin en un host local. Usted puede incluir estas declaraciones en un programa de SAS

y hacer al mismo tiempo los procesos locales y remotos en un solo programa de SAS.

Usted debe tener la licencia de SAS/CONNECT para presentar programas de SAS en

host remotos.


19

EJEMPLO

Suponga que usted quiere llevar a cabo algn tipo de procesamiento en un host remoto,

descargue lo resultante del data set, cree un data set permanente en el host local, e

imprima un reporte sobre el host local. El siguiente ejemplo ilustra cmo poner todas

estas caractersticas en un solo programa.


este programa como se muestra. Sin embargo usted puede modificarlo para trabajar con

archivos remotos a los cuales pueda acceder

/*************************************/

/* prepare to sign on */

/*************************************/

options comamid=netbios remote=netpc;

libname lhost 'c:\sales\reg1';

/*************************************/

/* sign on and download data set */

/*************************************/

signon;

rsubmit;

libname rhost 'd:\dept12';

proc sort data=rhost.master

out=rhost.sales;

where gross > 5000;

by lastname dept;

run;

proc download data=rhost.sales

out=lhost.sales;

run;

endrsubmit;

/*************************************/

/* print data set in local session */

/*************************************/

proc print data=lhost.sales;

run;

REFERENCIAS

Vea estor recursos online para aprender ms acerca de cmo presentar programas

remotos de SAS

Documentacin, publicaciones y FAQs

Documentacin en SAS help:


2. Expand SAS Products< SAS/CONNECT< Communications Access Methods.

3. Expanda los tpicos de interes en SAS/CONNECT.


20

SAS/CONNECT and SAS/SHARE documents desde SAS Technical Support

Documents

product-specific documentation SAS/CONNECT in SAS Online Product

Documentation

Otras publicaciones en SAS para Documentation, incluyendo Your SAS Technology

Report

Preguntas sobre SAS/CONNECT wn SAS Technical Support's Frequently Asked

Questions


programas en SAS help:


2. Expand Learning to Use SAS< Sample SAS Programs.

3. Click SAS/CONNECT y mire los programas de interes

Programas en SAS Online Samples:

SAS/CONNECT Software: Usage and Reference, Version 6, Second Edition

Siguiendo lo estipulado, se continu con el mtodo de autoexploracin del software SAS. Se

estableci que a partir del software y su respectivo manual, se iran encontrando las diferentes

funciones del programa y con base en estas se realizara la estructura del curso de acuerdo a

los diferentes tems encontrados y a la experiencia en la unidad sobre estos tipos de software y

el mejor procedimiento para dictar un curso libre. A continuacin se encuentra la ltima parte

de este manual introductorio de SAS.

o Crear y Definir variables

o Usar declaraciones condicionales

o Subconjunto de Datos

o Trabajo con Fechas y Horas de SAS

o Impresin de datos

o Conteo de Datos

o Tabular Datos

o Consulta de Datos

o Unir Tablas

o Crear Grficos

o Crear Grficos (2)

Adjunto a este informe se encuentra el manual completo. No se archiva ac debido a que es

muy extenso, simplemente se pondr la explicacin de cada tema omitiendo los ejemplos y sus

respectivas referencias


21

2.3.5. Crear y definir variables

A menudo, cuando usted trabaja con data sets, es muy til crear nuevas variables o

variables que estn basadas en los valores de otras variables existentes. Estas nuevas

variables pueden contener los resultados de las funciones de SAS, valores

condicionalmente asignados, o valores totales de valores de otra variable.

Usted puede crear variables en un paso DATA mediante las siguientes maneras:

Usando una declaracin asignada

Leyendo datos con la declaracin INPUT en un paso DATA

Especificando una nueva variable en una declaracin FORMAT o

ONFORMAT

Especificando una nueva variable en una declaracin LENGHT

Especificando una nueva variable en una declaracin ATTRIB

Cuando usted crea variables usando declaraciones asignada, usted puede tomar

ventaja de SAS functions y SAS expressions.

2.3.6. Usar declaraciones condicionales

En los pasos DATA de los programas, usted probablemente querr usar lgica

condicional para procesar algunas observaciones pero otras no.


22

Para ejecutar una declaracin SAS para observaciones que cumplan condiciones

especificas, usted puede usar:

Declaraciones IF-THEN/ELSE para programas con algunas declaraciones

condicionales

Un grupo SELECT cuando usted tiene una serie larga de condiciones que son

mutuamente exclusivas

Subconjuntos de declaraciones IF, sin una clausula THEN, para continuar el

procesamiento solo de las observaciones o registros que cumplan la condicin

que es especificada en la clausula IF.

Para construir expresiones en declaraciones, usted puede utilizar los siguientes

operadores comparativos:

Tambin puede utilizar estos operadores lgicos

2.3.7. Subconjunto de datos

A menudo usted necesita trabajar slo con subconjuntos de un data set de SAS. Por lo

que necesita seleccionar observaciones, variables o inclusive ambas.

En el paso DATA, usted tiene un nmero de herramientas para subconjuntos de

datos. Usted puede usar:


23

Subconjuntos de declaraciones IF para seleccionar slo aquellas observaciones

que cumplan una condicin especfica

Construcciones IF-THEN/ELSE con declaraciones DELETE y OUTPUT para

borrar o seleccionar observaciones que permitan una condicin,

respectivamente

DROP= y KEEP= opciones de data set y DROP y KEEp declaraciones para

bajar o mantener determinadas variables

Declaraciones WHERE para seleccionar slo las observaciones que cumplan

una condicin especfica (en determinadas condiciones).

EN los pasos PROC, las declaraciones WHERE son la herramienta ms comn para

seleccionar observaciones que cumplan una condicin especfica.

sta tarea se enfoca en la escritura de los pasos DATA usando subconjuntos de

declaraciones IF, las opciones DROP= y KEEP= de data set y las declaraciones DROP

y KEEP.

2.3.8. Trabajo con Fechas y Horas de SAS

SAS almacena las fechas y horas como nmeros nicos, exclusivos para que pueda

utilizarlas en programas como cualquier otra variable numrica:

Un SAS date value es un valor que representa el nmero de das entre enero 1 de

1960 y una fecha especificada. SAS puede realizar clculos con fechas que van desde

el ao 1582 a 19.900 AD. Fechas antes de Enero 1 de 1960, son nmeros negativos,

despus de las fechas son nmeros positivos.

Un SAS time value es un valor que representa el nmero de segundos transcurridos

desde la medianoche del da actual. Los valores SAS time value son entre 0 y 86400.

Un SAS datetime value es un valor que representa el nmero de segundos entre enero

1 de 1960 y una hora / minuto / segundo dentro de un plazo determinado.


24

Para trabajar con valores date, time y datetime usted puede utilizar las siguientes

herramientas:

Informats lee un valor, tal como un reloj de tiempo o un calendaro, el cual

puede ser de varias longitudes, y luego convierte los datos o un valor data,

time datetime.

Formats presenta un valor reconocido por SAS, tal como un valor time o date,

como un dato del calendario o un tiempo de reloj de varias longitudes.

Functions realize operaciones sobre valores date, time, y datetime de SAS.

2.3.9. Impresin de Datos

Para listar la informacin en un data set, usted puede crear un reporte usando el

procedimiento PRINT. Luego, usted puede mejorar el reporte con declaraciones

adicionales y opciones para crear reportes como se muestra ms abajo. Usted puede

crear una variedad de reportes que van desde una simple lista a un gran reporte de

datos completamente personalizado adems de clculos totales y subtotales de una

variable numrica.

Metodo Point-and-Click

Si usted tiene licensia de SAS/STAT, usted puede crear listas de reportes usando una

interfaz point-and-click.

Usted puede ver y guardar el cdigo PROC PRINT que genera Analyst.

2.3.10. Conteo de datos

Cuando usted analiza sus datos, es posible que usted necesite determinar qu valores

de una variable estn distribuidos a travs de los datos. Para ello, usted puede crear

tablas de frecuencia, la cual muestra la distribucin de los valores de la variable,

tanto con los porcentajes de un total como el conteo de data.


25

El procedimiento FREQ en Base SAS crea un solo sentido de la tabla de frecuencias,

dos sentidos y n sentidos de tablas de contingencia. Tambin puede calcular medidas

de asociacin y de acuerdo, organiza la salida por variables de estratificacin.

Esta tarea estar enfocada en usar PROC FREQ para realizar anlisis bsicos de

datos.

Mtodo de Point-and-Click

Si usted tiene licencia de SAS/STAT, usted puede crear tablas de frecuencias usando

una interfaz point-and-click.

1. En SAS, click Solutions< Analysis< Analyst.

2. Cuando Analyst se abra, click File< Open by SAS Name para agregar al

proyecto

3. Luego click Statistics< Descriptive< Frequency Counts para crear tablas de

frecuencias.

Usted puede ver y salvar el cdigo PROC FREQ que genera Analyst.

2.3.11. Tabular datos

El procedimiento TABULATE le da el poder y la flexibilidad para resumir los datos en

forma de tabla. Usted puede crear una variedad de tablas que van desde simples a

muy personalizados, incluyendo tablas de una, dos, y tres dimensiones que muestran

cualquier de los nmeros de una estadstica descriptiva. Usted puede:


26

Modificar virtualmente cualquier caracterstica de una tabla

Calcular porcentajes

Producir reportes integrados sin clasificar datos

Resumir datos y producir un reporte en un paso

Generar tablas mltiples en un paso

PROC TABULATE calcula muchas de las mismas estadsticas que son calculadas por

otros procedimientos estadsticos descriptivos tales como MEANS, FREQ, y REPORT

Mtodo de Click-and-Point

Si usted tiene licencia de SAS/STAT, usted puede crear reportes tabulares usando una

interfaz point-and-click.


2. Cuando Analyst se abre, click File< Open by SAS Name para agregar datos al

proyecto.

3. Luego click Reports< Tables para crear un reporte tabular

Usted puede ver y salvar el cdigo PROC TABULATE que genera Analyst.

2.3.12. Consulta de datos

Structured Query Language (SQL) o Lenguaje de Consulta Estructurado es un

lenguaje estandarizado, ampliamente utilizado que recupera y actaliza datos en

tablas y grficas basadas en estas tablas. Si usted est familiarizado con SQL, usted

puede crear rpidamente consultas en SAS usando el procedimiento SQL en Base

SAS.

PROC SQL es la implementacin SAS de SQL. Cuando usted quiere examinar

relaciones entre valores de datos, un subconjunto de datos o calcular valores el

procedimiento SQL provee un camino fcil flexible para analizar sus datos. Usando

PROC SQL, usted puede:

Recuperar y manipular datos que estn almacenados en tablas o grficas.

Crear tablas, vistas e ndices en las columnas de las tablas.

Crear variables macro de SAS que contienen valores de las filas de los

resultados de una consulta


27

Agregar o modificar los valores de datos en la columna de una tabla o

instertas y borrar filas. Usted tambin puede modificar la tabla misma

aadiendo, modificando o degradando columnas.

Mandar declaraciones DBMS-SQL a un sistema de administracin de base de

datos (DBMS) y recuperar datos DBMS

Usted puede usar elementos del lenguaje SAS como declaraciones globales, opciones

del data set, funciones, y formatos con PROC SQL slo si usted puede con otros

procedimientos SAS. De todas maneras, ya que PROC AQL implementa Lenguaje de

consulta estructurado, funciona de forma diferente a otros procedimientos BASE SAS.

Esta tarea se enfoca en recuperar datos desde una sola tabla (data set).


Usted puede unir tablas usando una interfaz point-and-click.

1. En SAS, click Tools< Query.

2. Use la ventana SQL Query para realizar uniones.

Usted puede ver y salvar el cdigo PROC SQL que la ventana de Consulta SQL

genera

Mtodo Point-and-Click

Usted puede crear consultas SQL usando una interfaz point-and-click

1. En SAS, click Tools< Query.

2. Use la ventana SQL Query para crear consultas.

Usted puede ver y salvar el cdigo PROC SQL que la ventana SQL Query genera

2.3.13. Unir tablas

Si usted ley CONSULTA DE DATOS, usted observ maneras para consultar una

sola tabla usando PROC SQL. Sin embargo, usted necesita datos a menudo desde

tablas separadas. Cuando usted especifica mltiples tablas, vistas, o expresiones de

consulta en la clausula FROM, PROC SQL, las procesa para formar una tabla. La

tabla resultante contiene datos de cada una de las tablas contribuyentes. Estas

consultas se les llaman como JOINS.

Conceptualmente, cuando usted especifica dos tablas, PROC SQL compara cada fila

de la tabla A con todas las filas de la tabla B para producir una tabla interna o

intermedia conocida como el CARTESIAN PRODUCT. El producto cartesiano

(CARTESIAN PRODUCT) de tablas largas puede ser enrome, por lo que usted quiere

enviar datos declarando el tipo de unin. A continuacin se muestran dos tipos de

uniones.


28

Inner joins retorna una tabla resultante por todas las filas en una tabla que

tiene una o mas filas que coincidan en la otra tabla o las otras tablas.

Outer Joins son inner joins que son aumentadas con filas que no

coinciden con cualquier fila de la otra tabla en la unin. ExistenEst 3

tipos de outer joins: left, right, and full.

Esta tarea se enfoca principalmente en unir tablas.

2.3.14. Crear grficos

Una manera efectiva para examinar las relaciones entre variables es graficando sus

valores. Para producir grficos nicos o superpuestos, usted puede usar:

El procedimiento PLOT en Base SAS para visualizar datos rpidamente

El procedimiento GPLOT en el software SAS/GRAPH para producir con

calidad grficos de presentacin que incluyen colores y varias fuentes.

En adicin, usted puede crear una salida PROC GPLOT usando el SAS/GRAPH

Control for ActiveX, el cual que le permite incrustar grficos interactivos en pginas

web y documentos OLE.

La sintaxis para los dos procedimientos es muy similar, aunque PROC GPLOT ofrece

un nmero adicional de funciones de formato. Esta tarea le muestra ambos caminos

para crear varios tipos de grficos.

Usted debe tener la licencia de SAS/GRAPH para crear grficos usando PROC

GPLOT.


29


a) Si usted tiene licenciado SAS/GRAPH, puede crear grficos con calidad de

presentacin usando una interfaz point-and-click

1. En SAS, click Solutions< Reporting< Graph-N-Go.

2. Click en el icono New SAS Data Set y seleccione datos para el grfico

3. Haga clic en el cono para escoger el grfico que desee y colquelo en el rea de

trabajo. Luego haga docle clic en el objeto del grfico, seleccione los datos y

especifique las variables y las opciones del grfico.

Usted puede ver y salvar el cdigo de PROC GPLOT que genera Graph-N-Go

b) Si usted tiene licenciado SAS/GRAPH y SAS/GRAPH, tambin puede crear

grficos usando Analyst Application


2. Cuando Analyst se abra, click File< Open by SAS Name para agregar los

datos al proyecto.

3. Luego haga clic en Graphs y escoja el tipo de grfico que quiere crear

Usted puede ver y salvar el cdigo PROC GPLOT que Analyst genera

2.3.15. Crear grficos (2)

Usted puede usar el procedimiento CHART en Base SAS para producir

Barras grficas horizontales y verticales

Grficos de bloques

Grficos circulares

Mapas estelares

Estos tipos de graficos muestran valores de una variable estadstica asociada con

sus valores. La variable graficada puede ser numerada o caracterizada.


30

PROC CHART es una buena herramienta para visualizar datos rpidamente, pero si

usted necesita producir grficos de presentacin con calidad que incluyan varios

colores y fuentes, usted puede usar el software SAS/GRAPH. El procedimiento

GCHART en SAS/GRAPH produce los mismos tipos de grficos que PROC CHART

hace, As como un grfico de dona. En adicin, usted puede crear salidas PROC

GCHART usando el SAS/GRAPH Control for ActiveX, el cual lo conecta con grficos

interactivos en pginas web y documentos OLE.

Como usted puede ver, la sintaxis para PROC CHART y PROC GCHART es muy

similar. Esta tarea le muestra ambos caminos para crear varios tipos de grficos.

Usted debe tener la licencia de SAS/GRAPH para crear grficos usando PROC

GCHART.

Mtodo de Click-and-Point

Si usted tiene licenciado SAS/GRAPH, usted puede crear grficos de presentacin con

calidad usando una interfaz point-and-click.

1. En SAS, click Solutions< Reporting< Graph-N-Go.

2. Click en el cono New SAS Data Set o en New MDDB y seleccione los datos

para el grfico.

3. Haga clic en el cono del grfico que desee y colquelo en el rea de trabajo.

Luego haga clic en el objeto del grfico, seleccione los datos y especifique las

variables y las opciones del grfico..

Usted puede ver y salvar el cdigo PROC GCHART que genera Graph-N-Gos.

Si usted tiene licenciado SAS/GRAPH y SAS/STAT, tambien puede crear grficos

ustando Analys Application


31


2. Cuando Analyst se abra, click File< Open by SAS Name para agregar datos al

proyecto

3. Luego haga clic en Graphs< Bar Chart o Graphs< Pie Chart para crear un

grfico

Usted puede ver y salvar el cdigo PROC GCHART que genera Analyst.

Siguiendo lo estipulado, se continu con el mtodo de autoexploracin del software SAS. Ya que

en este punto ya no era muy til seguir el manual de SAS (que es bastante extenso) se decidi

proseguir con regresiones simples, mltiples y series de tiempo. Con respecto a series de

tiempo, aun no se ha completado la revisin de literatura puesto que es muy extensa e inclusive

posee ms de un captulo dedicado a esto. A continuacin se encuentra lo referente a Regresin

(Declaracin REG) y lo encontrado de series de tiempo (Declaracin ARIMA

2.3.16. Regresin simple y mltiple

Considere una variable respuesta Y que puede ser predicha por una funcin polinomial

de una variable regresiva X. Usted puede estimarB0, el intercepto B1, la pendiente

debida a X y X2, la pendiente debida a X2 en:

Esto para las observaciones

Considere el siguiente ejemplo de las tendencias de crecimiento de la poblacin. La

poblacin de USA desde 1970 a 2000 se ajusta a funciones de tiempo lineales y

cuadrticas. Debe tener en cuenta que el trmino cuadrtico YearSq es creado en el

paso DATA, esto se debe hacer ya que los efectos polinmicos como Year*Year no

pueden ser especificados en la declaracin MODEL en PROC REG. Los datos son los

siguientes:

dataUSPopulation;

inputPopulation @@;

retainYear 1780;

Year = Year+10;

YearSq = Year*Year;

Population = Population/1000;

datalines;

3929 5308 7239 9638 12866 17069 23191 31443 39818 50155

62947 75994 91972 105710 122775 131669 151325 179323 203211

226542 248710 281422

;

ods graphics on;

procreg data=USPopulation plots=ResidualByPredicted;

varYearSq;

model Population=Year / r clm cli;

run;


32

La opcin de datos garantiza que el procedimiento utiliza el conjunto de datos deseado.

Cualquier variable que se puede agregar al modelo pero que no est incluido en el

primer modelo de declaracin debe aparecer en la declaracin VAR.

A continuacin se muestra el anlisis de varianza y los parmetros estimados:

El modelo estadstico F es significante (F=228.92, p


33

residuo se muestra en un grfico impreso. Los residuos estudentizados siguen una

distribucin T y pueden ser usados para identificar observaciones de salida o extremas.

Los asteriscos (*) que se extienden ms all de las lneas de trazos indican que el

residuo es ms de 3 errores estndar desde 0. Muchas observaciones tienen residuos

estudentizados que son absolutos y son ms que 2, podran indicar un modelo

inadecuado. Cooks D es una medida del cambio en los valores predichos a la supresin

de esa observacin desde el data set, por lo que se mide la influencia de la observacin

de los coeficientes de regresin estimados.


34

La siguiente tabla muestra las estadsticas residuales. Un acuerdo bastante estrecho

entre la estadstica PRESS y la Suma de Cuadrados Residuales indica que el MSE es

una medida razonable de la exactitud predictiva del modelo ajustable (Neter,

Wasserman, and Kutner 1990).

Las representaciones grficas son de gran ayuda en la interpolar la informacin en la

tabla de Estadstica de Salida. Cuando usted habilita los grficos ODS, el

procedimiento REG produce un set por defecto de los grficos de diagnstico que son

apropiados para el anlisis solicitado.


35

Estos son los grficos que se muestran:

Las graficas residual y studentized residual versus el valor predicho muestra

un patrn cuadrtico.

La grafica studentized versus leverage parece indicar que existen 2 puntos de

datos alejados. Sin embargo, el grfico de la distancia Cooks D versus el numero de observaciones revela que estos 2 puntos estn en los puntos finales

de los aos 1790 y 2000. Estos puntos se muestran con una aparente lejana

porque la salida del modelo lineal desde la lnea por debajo del comportamiento

cuadrtico en los datos se muestran ms fuertes en esos puntos finales.

El grfico del cuantil normal de los residuos y el histograma residual nos son

consistentes con la asuncin de los errores Gaussianos. Esto ocurre ya que

como los propios residuos todava contienen el comportamiento cuadrtico, este

no es capturado por el modelo lineal.

El grfico de la variable dependiente contra el valor predicho exhibe una forma

cuadrtica alrededor del grado 45 en la lnea que representa un ajuste perfecto

El grfico Residual-Fit (RF) consiste en un grfico de cuantiles lado-a-lado de los ajustes centrales y los residuos muestran que la dispersin en los residuales

no es mejor que la dispersin de los ajustes centrado. Para modelos


36

inapropiados, la dispersin de los residuos es a menudo mejor que la dispersin

del ajuste centrado. En este caso, el grfico RF muestra que el modelo linear en

efecto, captura la tendencia creciente de los datos, y por lo tanto cuenta con

gran parte de la variacin en la respuesta.

2.3.17. ARIMA

Introduccin

ARIMA es referenciado normalmente como modelos BOX and Jenkins

La declaracin ARIMA provee un set de herramientas para la identificacin de modelos

de series de tiempo univariadas, estimacin de variables, pronsticos, por ultimo ofrece

una gran flexibilidad en los tipos de modelos ARIMA y ARIMAX que pueden ser

analizados.

El diseo de PROC ARIMA sigue muy de cerca la estrategia de Box-Jenkins para el

modelamiento de series de tiempo con caractersticas para la identificacin, estimacin

y chequeo de diagnsticos, y pasos de pronosticacin del mtodo Box-Jenkins

LAS 3 ETAPAS DEL MODELAMIENTO ARIMA

El anlisis realizado por PROC ARIMA est dividido en 3 etapas, que corresponden a

las etapas descritas en Box y Jenkins

1) En la etapa de Identificacin, se utiliza la declaracin IDENTIFY para

especificar la serie respuesta e identificar el modelo candidato ARIMA para

ello. La declaracin IDENTIFY lee series de tiempo que son usadas en

declaraciones despus, posiblemente diferencindolas y computando auto

correlaciones, auto correlaciones inversas, auto correlaciones parciales y

correlaciones cruzadas. Los test estacionarios pueden ser realizados para

determinar si es necesario diferenciar es necesario. El anlisis de la declaracin

de salida IDENTIFY usualmente sugiere uno o ms modelos ARIMA que

pueden ser ajustados. Las opciones le permiten activar test para la

identificacin estacionaria y tentativa de los ordenes ARIMA.

2) En la etapa de estimacin y chequeo de diagnsticos, se usa la declaracin

ESTIMATE para el modelo ARIMA para ajustar la variable especificada en la

declaracin IDENTIFY y estima los parmetros de ese modelo. La declaracin

ESTIMATE tambin produce estadsticas de diagnstico para ayudar a juzgar

el modelo adecuado. Los test de significancia para parmetros estimados estima

indica si algunos trminos en el modelo pueden ser innecesarios. ayudaen la

comparacin deeste modelo paralos dems. Estadsticas de Goodness-of-fit

ayuda en la comparando estos modelos con otros. Los tests de residuos de ruido

blanco indican si las series de residuos contiene informacin adicional que

puede ser usada por un modelo ms complejo. La declaracin OUTLIER provee

otra herramienta muy til para chequear si el modelo actualmente estimado

tiene en cuenta todas las variaciones en las series. Si los tests de diagnstico

indica problemas con el modelo, puede tratar de implementar otro modelo y

luego repetir las etapas de estimacin y de chequeo de diagnsticos.


37

3) En la etapa de pronstico, se usa la declaracin FORECAST para pronosticar

valores futuros de las series de tiempo y tambin para generar intervalos de

confianza para estos pronsticos desde el modelo ARIMA producido por la

declaracin ESTIMATE.

Estas tres etapas son explicadas e ilustradas a travs de un ejemplo extendido en las

siguientes secciones.

ETAPA DE IDENTIFICACIN

Suponga que usted tiene una variable llamada SALES que quiere pronosticar. El

siguiente ejemplo ilustra el modelamiento ARIMA y su pronosticacin utilizando un

data set simulado TEST que contiene una serie de tiempo SALES generada por el

modelo ARIMA (1,1,1). La salida produce este ejemplo que est explicado en las

prximas secciones. A continuacin se muestra las series de SALES en la figura.

procsgplot data=test;

scatter y=sales x=date;

run;

USANDO LA DECLARACIN IDENTIFY

Primero debe especificar el data set de entrada en la declaracin PROC ARIMA. Luego

debe usar una declaracin IDENTIFY para leer y analizar en las series SALES las

propiedades de correlacin. Para hacer esto se utilizan las siguientes declaraciones.


38

procarima data=test ;

identifyvar=sales nlag=24;

run;

Estadstica Descriptiva La declaracin IDENTIFY primero imprime estadsticas descriptivas para las series

SALES. Esta parte de la declaracin IDENTIFY muestra lo siguiente:

The ARIMA Procedure

Name of Variable = sales

Mean of Working Series 137.3662

Standard Deviation 17.36385

Number of Observations 100

Grficos de funciones de Autocorrelacin

La declaracin IDENTIFY despus produce un panel de grficos usados para el

anlisis de auto-correlacin y de tendencia. El panel contiene los siguientes grficos:

El grfico de series de tiempo de las series de SALES

El grfico de muestra de la funcin de auto-correlacin (ACF)

El grfico de muestra de la funcin inversa de autocorrelacin (IACF)

El grfico de la muestra de la funcin parcial de auto-correlacin (PACF)

Este anlisis de correlacin se muestra a continuacin.

Estos grficos de funciones de auto-correlacin muestra el grado de correlacin con los

valores pasados de las series como una funcin de nmeros de periodos en el pasado

(que es el lag) en el que se calcula la correlacin.


39

La opcin NLAG= controla el numero de lags para los que se muestran las auto-

correlaciones. Por defecto, las funciones de auto-correlacin son graficadas para lag 24.

Existe otra seccin que habla de la funcin inversa de correlacin:

TheInverseAutocorrelationFunction en la pgina 234.

Para examinar estos grficos, usted puede determinar si las series son estacionarias o

no estacionarias. En este caso una inspeccin visual del grfico de la funcin de auto-

correlacin indica que las series SALES no es estacionaria, desde que ACF decae muy

despacio. Para un test ms formal, use la opcin STATIONARITY= (pgina 207).

Test White Noise (Ruido Blanco)

La ltima parte de la declaracin de salida IDENTIFY es el chequeo del ruido blanco.

Esto es un test estadstico aproximado de las hiptesis que no son auto-correlacionadas

en las series hasta un desfase dado y que son significativamente diferentes a 0. Si esto

es verdad para todos los lags, entonces no hay informacin en las series para el modelo,

y ningn modelo ARIMA se necesita para las series.

Las auto-correlaciones son chequeadas en grupos de 6, y el nmero de lagas chequeados

dependen de la opcin NLAG=. Esto se muestra en lo siguiente:

En este caso, la hiptesis de ruido blanco es rechazada de manera fuerte, donde se

espera que las series no sean estacionarias. El valor p para el test de las primeras seis

auto-correlaciones es impreso como


40

La segunda declaracin produce la misma informacin que la primera, pero con el

cambio que en SALES va desde un periodo al otro, en lugar del total de SALES en cada

periodo. Las estadsticas sumatorias de salida de esta declaracin IDENTIFY se

muestra a continuacin. Note que el periodo de diferenciacin se da como 1. Y una

observacin se pierde a travs de la operacin de diferenciacin:

Los grficos de auto-correlacin se muestran a continuacin.

El grado de auto-correlacin decae rpidamente en este grfico, indicando que el cambio

en SALES es una serie de tiempo estacionaria.


41

EJEMPLOS DE ARIMA

PRIMER EJEMPLO: Modelo IMA simulado

Este ejemplo ilustra los resultados de un procedimiento ARIMA para un caso donde los

modelos reales son conocidos. UN modelo de promedio mvil integrado se utiliza para

esta ilustracin.

Los siguientes DATA step generan una muestra pseudo-aleatoria de 100 periodos del

procedimiento ARIMA(0.1.1); :

title1 'Simulated IMA (1, 1) Series';

data a;

u1 = 0.9; a1 = 0;

do i = -50 to 100;

a = rannor( 32565 );

u = u1 + a - .8 * a1;

if i > 0 then output;

a1 = a;

u1 = u;

end;

run;

El siguiente procedimiento de declaraciones ARIMA identifica y estima el modelo:

/*-- Simulated IMA Model --*/

procarima data=a;

identifyvar=u;

run;

identifyvar=u(1);

run;

estimate q=1 ;

run;

quit;

El grfico de anlisis de correlacin de series de salida en la primera declaracin se

muestra a continuacin. La salida muestra el comportamiento de la muestra de la

funcin de auto-correlacin cuando el proceso no es estacionario. Note que en este caso

las auto-correlaciones estimadas no son muy altas, incluso en pequeos lags. La no

estacionalidad es reflejada en un patrn de auto-correlaciones significativas que no

declinan rpidamente con el lag creciente, no en el tamao de las auto-correlaciones.


42

La segunda declaracin de IDENTIFY diferencia las series. Los resultados se muestran

a continuacin. Esta salida muestra la auto correlacin, su inversa y la funciones

parciales de auto-correlacin tpicas del proceso MA(1)


43

La declaracin ESTIMATE ajusta un modelo ARIMA (0,1,1) a los datos simulados. Note

que en este caso, el parmetro estimado es razonablemente cercano a los valores usados

para generar la base de datos simulada.

. El grfico de anlisis de los residuos no muestra un modelo inadecuado (son los

correspondientes a lo seguido de lo que aparece a continuacin).

Los resultados de la declaracin ESTIMATE son:

Y los grficos son:


44

2.3.18. Datos Panel

El procedimiento PANEL analiza una clase de modelos lineales economtricos que

comnmente surgen cuando se combinan series de tiempo y datos transversales. Este

tipo de datos agrupados en series de tiempo con datos transversales son normalmente

referidos como DATOS PANEL. Ejemplos tpicos de datos panel incluyen observaciones

a travs del tiempo en hogares, pases, empresas comercio entre otras. Por ejemplo, en

el caso del caso de los datos de las encuestas sobre los ingresos familiares, el panel se

crea mediante una encuesta en varias ocasiones a los mismos hogares en diferentes

perodos de tiempo (aos).

Los modelos de datos panel pueden ser agrupados en diferentes categoras dependiendo

de la estructura del trmino de error. El procedimiento PANEL utiliza las siguientes

estructuras de error y los mtodos correspondientes para analizar datos:

Modelos de un camino y de dos caminos (one-way y two-way)

Modelos de Efectos Fijos y Efectos Aleatorios

Modelos auto-regresivos

Modelos de media mvil

Un modelo de un-camino depende slo de la seccin transversal a la que pertenece la

observacin. El modelo de dos-caminos depende tanto de la seccin transversal como del

periodo de tiempo a la que pertenece la observacin.

Los modelos son referidos como Modelos de efectos fijos si los efectos no son aleatorios o

modelos de efectos aleatorios si son lo contrario.

Si los efectos son fijos, los modelos son esencialmente modelos de regresiones con

variables Dummy que corresponden a los efectos especficos. Para modelos de efectos

aleatorios, la estimacin por mnimos cuadrados ordinarios es el mejor estimador lineal

(OLS). Los modelos EA (efectos aleatorios) usan un enfoque de dos etapas. En la

primera etapa, los componentes de varianza son calculados usando mtodos descritos

por Fuller y Batteste (1974), Wansbeek and Kapteyn (1984), Wallace and Hussain

(1969), or Nerlove (1971). En la segunda etapa los componentes de varianza son usados

para estandarizar los datos, y se realiza una regresin de mnimos cuadrados ordinarios

(OLS).

Dos tipos de modelos en el procedimiento PANEL se acomodan en una estructura auto-

regresiva: El mtodo Parks estima un modelo auto-regresivo de primer orden con

correlaciones contemporneas, y el estimador panel dinmico estima un modelo auto-

regresivo con variables dependientes retrasadas.

El mtodo Da Silva estima un proceso de error de media mvil de la varianza del

componente mixto. Los parmetros de regresin son estimados usando un estimador de

ltimos cuadrados de dos pasos genralizados (GLS)

PRIMER EJEMPLO: Analizano la demanda para bienes liquidos

En este ejemplo, las ecuaciones para bienes lquidos son estimadas. La funcin de

demanda para los depsitos de demanda es estimada bajo tres estructuras de error


45

mientras las ecuaciones de demanda para los depsitos de tiempo y acciones de ahorro y

prstamo (S&L) se calculan utilizando el mtodo de Parks. El data para siete estados

(CA, DC, FL, IL, NY, TX, Y WA) son seleccionados de 49 estados. Busque Feige (1964)

para la descripcin de los datos. Todas las variables son transformadas por un

logaritmo natural. El data set A se muestra acontinuacin:

data a;

length state $ 2;

input state $ year d t s y rd rt rs;

label d = 'Per Capita Demand Deposits'

t = 'Per Capita Time Deposits'

s = 'Per Capita S & L Association Shares'

y = 'Permanent Per Capita Personal Income'

rd = 'Service Charge on Demand Deposits'

rt = 'Interest on Time Deposits'

rs = 'Interest on S & L Association Shares';

datalines;

CA 1949 6.2785 6.1924 4.4998 7.2056 -1.0700 0.1080 1.0664

CA 1950 6.4019 6.2106 4.6821 7.2889 -1.0106 0.1501 1.0767

CA 1951 6.5058 6.2729 4.8598 7.3827 -1.0024 0.4008 1.1291

CA 1952 6.4785 6.2729 5.0039 7.4000 -0.9970 0.4492 1.1227

CA 1953 6.4118 6.2538 5.1761 7.4200 -0.8916 0.4662 1.2110

CA 1954 6.4520 6.2971 5.3613 7.4478 -0.6951 0.4756 1.1924

DC 1949 6.6587 6.1879 4.4893 7.1570 -0.9999 0.4545 1.1234

DC 1950 6.6666 6.5555 4.9999 7.2222 -1.0000 0.4897 1.0054

DC 1951 6.5058 6.2729 4.8598 7.3827 -1.0024 0.4008 1.1291

DC 1952 6.4785 6.2729 5.0039 7.4000 -0.9970 0.4492 1.1227

DC 1953 6.4118 6.2538 5.1761 7.4200 -0.8916 0.4662 1.2110

DC 1954 6.4520 6.2971 5.3613 7.4478 -0.6951 0.4756 1.1924

Los ltimos datos me los invent para qu la simulacin corriera

Como se muestra en las siguientes declaraciones, el Procedimiento SORT es usado para

ordenar los datos en el formato requerido para las series de tiempo cruzadas

transversalmente, luego el Procedimiento PANEL analiza los datos:

proc sort data=a;

by state year;

run;

proc panel data=a;

model d = y rd rt rs / fuller parks dasilva m=7;

model t = y rd rt rs / parks;

model s = y rd rt rs / parks;

id state year;

run;

Las elasticidades de ingreso de los activos liquidos son mejores que 1 excepto para el

depsito de la elasticidad de ingreso de la demanda (0,692757) estimada por el mtodo

Da Silva. En las tres primeras salidas, el coeficiente estimado (-0.29094, -0.43591 y -

0.27736) del depsito de demanda (RD) implica que los depsitos de demanda

aumentan significativamente a medida que se reduce el cargo de servicio es reducido.


46

LA elasticidad del precio (0.227152 y 0.408066) para los depsitos de tiempo (RT) y las

acciones de asociacin S&L tienen el signo esperado Por lo tanto un aumento en la tasa

de inters de los depsitos a plazo o de acciones de S & L incrementar la demanda de

activos lquidos correspondientes. Los depsitos de demanda y las acciones S&L

aparece para ser sustitutos (observe las salidas 2, 3 y 5). Los depsitos a plazo son

tambin sustitutos de acciones S & L en la ecuacin de demanda de depsitos a plazo

(salida 4), mientras estos activos liquidos son independientes el uno al otro en la salida

5 (el coeficiente estimado en RT -0.02705). Los depsitos de demanda y los depsitos a

plazo parecen ser dbiles complementos en la salida 3 y 4, mientras las elasticidades

cruzadas entre depsitos a la vista y depsitos a plazo no son significativos en las

salidas 2 y 5


47

SALIDA 1. La demanda de depsitos a la vista, Mtodo de Fuller-Battese


48

SALIDA 2. La demanda de depsitos a la vista, el mtodo deParks


49

SALIDA 3. La demanda de depsitos a la vista, el mtodo de DaSilva


50

SALIDA 4. La demanda de depsitos a plazo, Mtodo de Parks


51

SALIDA 5. La demanda de Ahorro y Prstamo Acciones, Mtodo de Parks

EJEMPLO 2. Datos de costos de una Aerolnea: Modelo

Esta base de datos es citada constantemente, ya que mide costos, precios de entrada y

las tasas de utilizacin de seis aerolneas por un periodo de 14 aos (1970-1984). Este

ejemplo analiza las transformaciones logartmicas del costo, precio y cantidad, y la

medida de utilizacin de la capacidad en bruto (sin ligaritmo). Se especula el siguiente

modelo:

Donde son los efectos transversales puros y son los efectos de tiempo. El modelo

actual especulado no es lineal en las variables originales. Se podra ver como la

siguiente forma:


52

La data y las declaraciones preliminares de SAS son:

data airline;

input Obs I T C Q PF LF;

label obs = "Observation number";

label I = "Firm Number (CSID)";

label T = "Time period (TSID)";

label Q = "Output in revenue passenger miles (index)";

label C = "Total cost, in thousands";

label PF = "Fuel price";

label LF = "Load Factor (utilization index)";

datalines;

1 1 1 1140640 .952757 106650 .534487

2 1 2 1215690 .986757 110307 .532328

3 1 3 1309570 1.091980 110574 .547736

4 1 4 1511530 1.175780 121974 .540846

5 1 5 1676730 1.160170 196606 .591167

6 1 6 1823740 1.173760 265609 .575417

7 1 7 2022890 1.290510 263451 .594495

8 1 8 2314760 1.390670 316411 .597409

9 1 9 2639160 1.612730 384110 .638522

10 1 10 3247620 1.825440 569251 .676287

11 1 11 3787750 1.546040 871636 .605735

12 1 12 3867750 1.527900 997239 .614360

13 1 13 3996020 1.660200 938002 .633366

14 1 14 4282880 1.822310 859572 .650117

15 1 15 4748320 1.936460 823411 .625603

16 2 1 569292 .520635 103795 .490851

17 2 2 640614 .534627 111477 .473449

18 2 3 777655 .655192 118664 .503013

19 2 4 999294 .791575 114797 .512501

20 2 5 1203970 .842945 215322 .566782

21 2 6 1358100 .852892 281704 .558133

22 2 7 1501350 .922843 304818 .558799

23 2 8 1709270 1.000000 348609 .572070

24 2 9 2025400 1.198450 374579 .624763

25 2 10 2548370 1.340670 544109 .628706

26 2 11 3137740 1.326240 853356 .589150

27 2 12 3557700 1.248520 1003200 .532612

28 2 13 3717740 1.254320 941977 .526652

29 2 14 3962370 1.371770 856533 .540163

30 2 15 4209390 1.389740 821361 .528775

31 3 1 286298 .262424 118788 .524334

32 3 2 309290 .266433 123798 .537185

33 3 3 342056 .306043 122882 .582119

34 3 4 374595 .325586 131274 .579489

35 3 5 450037 .345706 222037 .606592

36 3 6 510412 .367517 278721 .607270

37 3 7 575347 .409937 306564 .582425

38 3 8 669331 .448023 356073 .573972

39 3 9 783799 .539595 378311 .654256


53

40 3 10 913883 .539382 555267 .631055

41 3 11 1041520 .467967 850322 .569240

42 3 12 1125800 .450544 1015610 .589682

43 3 13 1096070 .468793 954508 .587953

44 3 14 1198930 .494397 886999 .565388

45 3 15 1170470 .493317 844079 .577078

46 4 1 145167 .086393 114987 .432066

47 4 2 170192 .096740 120501 .439669

48 4 3 247506 .141500 121908 .488932

49 4 4 309391 .169715 127220 .484181

50 4 5 354338 .173805 209405 .529925

51 4 6 373941 .164272 263148 .532723

52 4 7 420915 .170906 316724 .549067

53 4 8 474017 .177840 363598 .557140

54 4 9 532590 .192248 389436 .611377

55 4 10 676771 .242469 547376 .645319

56 4 11 880438 .256505 850418 .611734

57 4 12 1052020 .249657 1011170 .580884

58 4 13 1193680 .273923 951934 .572047

59 4 14 1303390 .371131 881323 .594570

60 4 15 1436970 .421411 831374 .585525

61 5 1 91361 .051028 118222 .442875

62 5 2 95428 .052646 116223 .462473

63 5 3 98187 .056348 115853 .519118

64 5 4 115967 .066953 129372 .529331

65 5 5 138382 .070308 243266 .557797

66 5 6 156228 .073961 277930 .556181

67 5 7 183169 .084946 317273 .569327

68 5 8 210212 .095474 358794 .583465

69 5 9 274024 .119814 397667 .631818

70 5 10 356915 .150046 566672 .604723

71 5 11 432344 .144014 848393 .587921

72 5 12 524294 .169300 1005740 .616159

73 5 13 530924 .172761 958231 .605868

74 5 14 581447 .186670 872924 .594688

75 5 15 610257 .213279 844622 .635545

76 6 1 68978 .037682 117112 .448539

77 6 2 74904 .039784 119420 .475889

78 6 3 83829 .044331 116087 .500562

79 6 4 98148 .050245 122997 .500344

80 6 5 118449 .055046 194309 .528897

81 6 6 133161 .052462 307923 .495361

82 6 7 145062 .056977 323595 .510342

83 6 8 170711 .061490 363081 .518296

84 6 9 199775 .069027 386422 .546723

85 6 10 276797 .092749 564867 .554276

86 6 11 381478 .112640 874818 .517766

87 6 12 506969 .154154 1013170 .580049

88 6 13 633388 .186461 930477 .556024

89 6 14 804388 .246847 851676 .537791

90 6 15 1009500 .304013 819476 .525775

;


54

data airline;

set airline;

lC = log(C);

lQ = log(Q);

lPF = log(PF);

label lC = "Log transformation of costs";

label lQ = "Log transformation of quantity";

label lPF= "Log transformation of price of fuel";

run;

Las siguientes declaraciones ajustan el modelo

proc panel data=airline printfixed;

id i t;

model lC = lQ lPF LF / fixtwo;

run;

Primero, se puede ver la descripcin del modelo en la primera salida. Es un modelo de

efectos ajustados two-way. Ac existen 6 observaciones transversales y quince

observaciones de tiempo

Base de datos de costos de Aerolneas-Descripcin del Modelo

El R cuadrado y los grados de libertad se pueden ver en la siguiente tabla. En el hueco,

se ve un largo R cuadrado, por lo que es un ajuste razonable. Los grados de libertad

para la estimacin son 90 menos 14 variables dummy menos 5 variables dummy

transversales y 4 regresores:

Estadsticas Ajustadas de Los costos de la Aerolnea

El test F para efectos ajustados se muestra en la siguiente tabla. Evaluando la

hiptesis que dice que no hay efectos no ajustados, usted puede rechazar fcilmente la


55

nulidad da las agrupaciones. Hay efectos de grupo, o efectos de tiempo, o ambas. El

test es altamente significativo. OLS no darn resultados razonables

Test para Efectos Ajustados

Observando los parmetros, se ve un patrn ms complicado. La mayora de los efectos

transversales son altamente significativos (con excepcin de CS2). Esto quiere decir que

las secciones transversales son significativamente diferentes de la sexta seccin

transversal. Muchos de los efectos de tiempo muestran significancia, pero este no es

uniforme. Se ve como que la significancia puede ser impulsada por un largo efecto en el

periodo 16, desde los primeros seis efectos de tiempo son negativos y de una magnitud

similar. Las variables dummy de tiempo disminuyen en tamano y pierden

significancia desde el periodo 12. Existen muchas causas a las cuales se le puede

atribuir esta decada de los efectos del tiempo. El perodo de tiempo de los datos se

extiende por los embargos de petrleo OPEP y la disolucin de la Junta de Aeronutica

Civil (CAB). Estas tos fuerzas son dos posibles razones para