2011_Cap_02_03_PROC_FREQ

Statistical Analysis System PROC

- 1 -

Procedimiento FREQ

El procedimiento FREQ genera tablas de frecuencias de diferentes tipos, calcula medidas de

asociación y realiza el test de la Ji-cuadrado. Se emplea con variables nominales y ordinales y

en variables intervalo o razón previamente discretizadas.

La sintaxis general del PROC FREQ es:

Sentencia Descripción BY Calcula las frecuencias o las tablas para cada grupo definido por las

variables de BY.

EXACT Utiliza el cálculo exacto de los estadísticos especificados.

OUTPUT Especifica el DataSet que contendrá el resultado de los estadísticos especificados.

TABLES Se especifican las variables a las que se aplica el procedimiento y los test y medidas de asociación.

TEST Especifica los test para las medidas de asociación. Estos test se calculan asintóticamente.

WEIGHT Especifica la variable de ponderación de cada observación.

PROC FREQ < options > ; BY variables ;

EXACT statistic-options < / computation-options > ;

OUTPUT < OUT=SAS-data-set > options ;

TABLES requests < / options > ;

TEST options ;

WEIGHT variable < / option > ;

Statistical Analysis System PROC

- 2 -

PROC FREQ <opciones>;

Opciones Descripción DATA = Especifica el fichero de datos SAS que se utiliza en el procedimiento. COMPRESS La tabla se escribe en la página actual (de la ventana OUTPUT) FORMCHAR = Especifica el carácter para dibujar la tabla.

NLEVELS Muestra el número de niveles para todas las variables de las TABLAS NOPRINT Suprime todas las salidad. ORDER = Especifica el orden en el que se mostraran los resultados. PAGE Muestra una tabla por página.

BY variables;

Calcula las frecuencias o las tablas para cada grupo definido por las variables de BY. El fichero

debe estar ordenado por las variables que aparecen en BY, en caso contrario debe

especificarse en BY la opción NOTSORTED o DESCENDING . La opción NOTSORTED no significa

que los datos estén desordenados, sino que están organizados en grupos (en función de los

valores de las variables de BY) y que estos grupos pueden no estar ordenados en orden

alfabético decreciente de valores numéricos.

EXACT statistic-options < / computation-options > ;

Calcula los test exactos especificados en la opción de estadísticos.

OUTPUT Especifica el DataSet que contendrá el resultado de los

estadísticos especificados.

TABLES variables En variables se especifican las variables a las que se aplica el

procedimiento. Permite varios casos:

variables x y z Calcula la tabla de frecuencias para las

variables especificadas.

variables x*y Calcula la tabla 2x2 de las variables x e y. Los

valores de x definen las filas y los de y en las columnas.

variables z*x*y Calcula la tabla 2x2 de las variables x e y,

según los diferentes valores de z.

TEST Permite especificar los test y las medidas de asociación.

WEIGHT Determina la variable de ponderación.

Statistical Analysis System PROC

- 3 -

Sentencia TABLES

La instrucción TABLES permite crear tablas de diferentes formas,

Escribir Equivale a

tables a*(b c); tables a*b a*c;

tables (a b)*(c d); tables a*c b*c a*d b*d;

tables (a b c)*d; tables a*d b*d c*d;

tables a--c; tables a b c;

tables (a--c)*d; tables a*d b*d c*d;

Opciones de TABLES

Alguna de las más interesantes son:

Para hacer Utilice la opción

Control statistical analysis

Request tests and measures of classification agreement AGREE

Request tests and measures of association produced by

CHISQ, MEASURES, and CMH

ALL

Set the confidence level for confidence limits ALPHA=

Request Tarone's adjustment in the Breslow-Day test for

homogeneity of odds ratios

BDT

Request binomial proportion, confidence limits, and test for

one-way tables

BINOMIAL

Request binomial proportion, confidence limits, and test, and BINOMIALC

Statistical Analysis System PROC

- 4 -

include a continuity correction

Request BINOMIAL statistics, and include a continuity

correction in the asymptotic confidence limits and test

CHISQ

Request confidence limits for the MEASURES statistics CL

Request all Cochran-Mantel-Haenszel statistics, adjusted

relative risks, and odds ratios

CMH

Request adjusted relative risks and odds ratios and CMH

correlation statistic

CMH1

Request adjusted relative risks and odds ratios, CMH

correlation, and row mean scores (ANOVA) statistic

CMH2

Specify convergence criterion to compute polychoric

correlation

CONVERGE=

Request Fisher's exact test for tables larger than 2×2 FISHER

Request Jonckheere-Terpstra test JT

Specify maximum number of iterations to compute

polychoric correlation

MAXITER=

Request measures of association and their asymptotic

standard errors

MEASURES

Treat missing values as nonmissing MISSING

Request polychoric correlation PLCORR

Request relative risk measures for 2×2 tables RELRISK

Request risks and risk differences for 2×2 tables RISKDIFF

Request risks and risk differences and include a continuity RISKDIFFC

Statistical Analysis System PROC

- 5 -

correction

Specify the type of row and column scores SCORES=

Specify expected frequencies for a one-way table chi-square

test

TESTF=

Specify expected proportions for a one-way table chi-square

test

TESTP=

Request Cochran-Armitage test for trend TREND

Control additional table information

Report each cell's contribution to the total Pearson chi-

square statistic

CELLCHI2

Display the cumulative column percentage in each cell CUMCOL

Display the deviation of the cell frequency from the expected

value for each cell

DEVIATION

Display the expected cell frequency for each cell EXPECTED

Display missing value frequencies MISSPRINT

List all possible combinations of variable levels even when a

combination does not occur

SPARSE

Display percentage of total frequency on n-way tables when

n>2

TOTPCT

Statistical Analysis System PROC

- 6 -

Control displayed output

Specify the HTML contents link for crosstabulation tables CONTENTS=

Format the frequencies in crosstabulation tables FORMAT=

Display two-way to n-way tables in list format LIST

Suppress the column percentage for each cell NOCOL

Suppress the cumulative frequencies and the cumulative

percentages in one-way frequency tables and in list format

NOCUM

Suppress the frequency count for each cell NOFREQ

Suppress the percentage, row total percentage, and column

total percentage in crosstabulation tables, or percentages

and cumulative percentages in one-way frequency tables and

in list format

NOPERCENT

Suppress the display of tables but report the statistics NOPRINT

Suppress the row percentage for each cell NOROW

Suppress a log warning message for the asymptotic chi-

square test

NOWARN

Display the kappa coefficient weights PRINTKWT

Display the row and the column scores SCOROUT

Use a field 8 positions wide to display the cell frequencies

between 1.E7 and 1.E8

V5FMT

Statistical Analysis System PROC

- 7 -

Create an output data set

Specify an output data set to contain variable values and

frequency counts

OUT=

Include the cumulative frequency and cumulative percent for

one-way tables in the output data set

OUTCUM

Include the expected frequency of each cell in the output

data set

OUTEXPECT

Include the percentage of column frequency, row frequency,

and two-way table frequency in the output data set

OUTPCT

Statistical Analysis System PROC

- 8 -

Ejemplo1.

Supongamos que del siguiente conjunto de datos se quiere obtener una tabla de

frecuencia (la distribución empírica) para cada variable del archivo.

Solución

data uno;

input x y;

cards;

2 3

1 4

1 2

1 3

2 2

2 3

1 4

2 3

;

proc freq data=uno;

run;

Se obtiene la salida,

Procedimiento FREQ

Frequencia Porcentaje

x Frecuencia Porcentaje acumulada acumulado

ƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒ

1 4 50.00 4 50.00

2 4 50.00 8 100.00

Frequencia Porcentaje

y Frecuencia Porcentaje acumulada acumulado

ƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒ

2 2 25.00 2 25.00

3 4 50.00 6 75.00

4 2 25.00 8 100.00

Statistical Analysis System PROC

- 9 -

Ejemplo 2.

Para obtener la tabla de frecuencias de una sola variable, por ejemplo x, la sintaxis es:

proc freq data=uno;

tables x;

run;

Ejemplo 3.

Para obtener la tabla 2x2 de dos variables la sintaxis es:

proc freq data=uno;

tables x*y; /* Los valores de x están en fila y los de y en

columna */

run;

Procedimiento FREQ

Frequencia Porcentaje

x Frecuencia Porcentaje acumulada acumulado

ƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒ

1 4 50.00 4 50.00

2 4 50.00 8 100.00

Procedimiento FREQ

Tabla de x por y

x y

Frequencia‚

Porcentaje‚

Pct fila ‚

Pct col ‚ 2‚ 3‚ 4‚ Total

ƒƒƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆ

1 ‚ 1 ‚ 1 ‚ 2 ‚ 4

‚ 12.50 ‚ 12.50 ‚ 25.00 ‚ 50.00

‚ 25.00 ‚ 25.00 ‚ 50.00 ‚

‚ 50.00 ‚ 25.00 ‚ 100.00 ‚

ƒƒƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆ

2 ‚ 1 ‚ 3 ‚ 0 ‚ 4

‚ 12.50 ‚ 37.50 ‚ 0.00 ‚ 50.00

‚ 25.00 ‚ 75.00 ‚ 0.00 ‚

‚ 50.00 ‚ 75.00 ‚ 0.00 ‚

ƒƒƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆ

Total 2 4 2 8

25.00 50.00 25.00 100.00

Statistical Analysis System PROC

- 10 -

Ejemplo 4.

Para obtener la tabla 2x2 de dos variables en función de una tercera la sintaxis es:

data uno;

input x y z $;

cards;

2 3 A

1 4 A

1 2 B

1 3 C

2 2 C

2 3 B

1 4 B

2 3 A

;

proc freq data=uno;

tables z*x*y; /* Para cada valor de z se obtiene una tabla 2x2

de x e y */

run;

Sistema SAS

Procedimiento FREQ

Tabla 1 de x por y

Controlando para z=A

x y

Frequencia‚

Porcentaje‚

Pct fila ‚

Pct col ‚ 2‚ 3‚ 4‚ Total

ƒƒƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆ

1 ‚ 0 ‚ 0 ‚ 1 ‚ 1

‚ 0.00 ‚ 0.00 ‚ 33.33 ‚ 33.33

‚ 0.00 ‚ 0.00 ‚ 100.00 ‚

‚ . ‚ 0.00 ‚ 100.00 ‚

ƒƒƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆ

2 ‚ 0 ‚ 2 ‚ 0 ‚ 2

‚ 0.00 ‚ 66.67 ‚ 0.00 ‚ 66.67

‚ 0.00 ‚ 100.00 ‚ 0.00 ‚

‚ . ‚ 100.00 ‚ 0.00 ‚

ƒƒƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆ

Total 0 2 1 3

0.00 66.67 33.33 100.00

Statistical Analysis System PROC

- 11 -

Tabla 2 de x por y

Controlando para z=B

x y

Frequencia‚

Porcentaje‚

Pct fila ‚

Pct col ‚ 2‚ 3‚ 4‚ Total

ƒƒƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆ

1 ‚ 1 ‚ 0 ‚ 1 ‚ 2

‚ 33.33 ‚ 0.00 ‚ 33.33 ‚ 66.67

‚ 50.00 ‚ 0.00 ‚ 50.00 ‚

‚ 100.00 ‚ 0.00 ‚ 100.00 ‚

ƒƒƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆ

2 ‚ 0 ‚ 1 ‚ 0 ‚ 1

‚ 0.00 ‚ 33.33 ‚ 0.00 ‚ 33.33

‚ 0.00 ‚ 100.00 ‚ 0.00 ‚

‚ 0.00 ‚ 100.00 ‚ 0.00 ‚

ƒƒƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆ

Total 1 1 1 3

33.33 33.33 33.33 100.00

Procedimiento FREQ

Tabla 3 de x por y

Controlando para z=C

x y

Frequencia‚

Porcentaje‚

Pct fila ‚

Pct col ‚ 2‚ 3‚ 4‚ Total

ƒƒƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆ

1 ‚ 0 ‚ 1 ‚ 0 ‚ 1

‚ 0.00 ‚ 50.00 ‚ 0.00 ‚ 50.00

‚ 0.00 ‚ 100.00 ‚ 0.00 ‚

‚ 0.00 ‚ 100.00 ‚ . ‚

ƒƒƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆ

2 ‚ 1 ‚ 0 ‚ 0 ‚ 1

‚ 50.00 ‚ 0.00 ‚ 0.00 ‚ 50.00

‚ 100.00 ‚ 0.00 ‚ 0.00 ‚

‚ 100.00 ‚ 0.00 ‚ . ‚

ƒƒƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆ

Total 1 1 0 2

50.00 50.00 0.00 100.00

Statistical Analysis System PROC

- 12 -

Ejemplo 5

data uno;

input x y;

cards;

2 3

1 4

1 2

1 3

2 2

2 3

1 4

2 3

;

proc freq data=uno;

tables x*y / chisq expected out=dos;

proc print data=dos;

run;

TABLE OF X BY Y

X Y

Frequency|

Expected |

Percent |

Row Pct |

Col Pct | 2| 3| 4| Total

---------+--------+--------+--------+

1 | 1 | 1 | 2 | 4

| 1 | 2 | 1 |

| 12.50 | 12.50 | 25.00 | 50.00

| 25.00 | 25.00 | 50.00 |

| 50.00 | 25.00 | 100.00 |

---------+--------+--------+--------+

2 | 1 | 3 | 0 | 4

| 1 | 2 | 1 |

| 12.50 | 37.50 | 0.00 | 50.00

| 25.00 | 75.00 | 0.00 |

| 50.00 | 75.00 | 0.00 |

---------+--------+--------+--------+

Total 2 4 2 8

25.00 50.00 25.00 100.00

STATISTICS FOR TABLE OF X BY Y

Statistic DF Value Prob

------------------------------------------------------

Chi-Square 2 3.000 0.223

Likelihood Ratio Chi-Square 2 3.819 0.148

Mantel-Haenszel Chi-Square 1 0.875 0.350

Phi Coefficient 0.612

Contingency Coefficient 0.522

Cramer's V 0.612

Sample Size = 8

WARNING: 100% of the cells have expected counts less

than 5. Chi-Square may not be a valid test.

Statistical Analysis System PROC

- 13 -

DataSet dos

OBS X Y COUNT PERCENT

1 1 2 1 12.5

2 1 3 1 12.5

3 1 4 2 25.0

4 2 2 1 12.5

5 2 3 3 37.5

proc freq data=uno; Aplica el PROC FREQ al DataSet ‘work.uno’

tables x*y / chisq expected

out=dos;

1. Crea la table x (filas) * y (columnas) 2. Calcula el p-value para los estadísticos

asociados a la opción CHISQ que son:

a. Pearson chi-square b. likelihood-ratio chi-square c. Mantel-Haenszel chi-square tests

3. 4. Guarda el resultado el DataSet ‘work.dos’