SAS - Diagramas de caja

Un diagrama de caja es una representación gráfica de grupos de datos numéricos a través de sus cuartiles. Los diagramas de caja también pueden tener líneas que se extienden verticalmente desde las cajas (bigotes) que indican variabilidad fuera de los cuartiles superior e inferior. La parte inferior y superior del cuadro son siempre el primer y tercer cuartiles, y la banda dentro del cuadro es siempre el segundo cuartil (la mediana). En SAS se crea un diagrama de caja simple usandoPROC SGPLOT y el diagrama de caja con paneles se crea utilizando PROC SGPANEL.

Tenga en cuenta que creamos el conjunto de datos denominado CARS1 en el primer ejemplo y usamos el mismo conjunto de datos para todos los conjuntos de datos posteriores. Este conjunto de datos permanece en la biblioteca de trabajo hasta el final de la sesión SAS.

Sintaxis

La sintaxis básica para crear un diagrama de caja en SAS es:

PROC SGPLOT  DATA = DATASET;
   VBOX VARIABLE / category = VARIABLE;
RUN; 

PROC SGPANEL  DATA = DATASET;;
PANELBY VARIABLE;
   VBOX VARIABLE> / category = VARIABLE;
RUN;

A continuación se muestra la descripción de los parámetros utilizados:

  • DATASET - es el nombre del conjunto de datos utilizado.

  • VARIABLE - es el valor utilizado para trazar el diagrama de caja.

Diagrama de caja simple

En un diagrama de caja simple, elegimos una variable del conjunto de datos y otra para formar una categoría. Los valores de la primera variable se categorizan en tantos grupos como el número de valores distintos en la segunda variable.

Ejemplo

En el siguiente ejemplo, elegimos la variable caballos de fuerza como la primera variable y escribimos como variable de categoría. Entonces obtenemos diagramas de caja para la distribución de valores de caballos de fuerza para cada tipo de automóvil.

PROC SQL;
create table CARS1 as
SELECT make, model, type, invoice, horsepower, length, weight
   FROM 
   SASHELP.CARS
   WHERE make in ('Audi','BMW')
;
RUN;

PROC SGPLOT  DATA = CARS1;
   VBOX horsepower 
   / category = type;

   title 'Horsepower of cars by types';
RUN;

Cuando ejecutamos el código anterior, obtenemos el siguiente resultado:

Diagrama de caja en paneles verticales

Podemos dividir los diagramas de caja de una variable en muchos paneles verticales (columnas). Cada panel contiene los diagramas de caja de todas las variables categóricas. Pero los diagramas de caja se agrupan aún más utilizando otra tercera variable que divide el gráfico en varios paneles.

Ejemplo

En el siguiente ejemplo, hemos panelado el gráfico usando la variable 'make'. Como hay dos valores distintos de 'make', obtenemos dos paneles verticales.

PROC SGPANEL  DATA = CARS1;
PANELBY MAKE;
   VBOX horsepower   / category = type;

   title 'Horsepower of cars by types';
RUN;

Cuando ejecutamos el código anterior, obtenemos el siguiente resultado:

Diagrama de caja en paneles horizontales

Podemos dividir los diagramas de caja de una variable en muchos paneles horizontales (filas). Cada panel contiene los diagramas de caja de todas las variables categóricas. Pero los diagramas de caja se agrupan aún más utilizando otra tercera variable que divide el gráfico en varios paneles. En el siguiente ejemplo, hemos panelado el gráfico usando la variable 'make'. Como hay dos valores distintos de 'make', obtenemos dos paneles horizontales.

PROC SGPANEL  DATA = CARS1;
PANELBY MAKE / columns = 1 novarname;

   VBOX horsepower   / category = type;

   title 'Horsepower of cars by types';
RUN;

Cuando ejecutamos el código anterior, obtenemos el siguiente resultado: