[SAS] 도수분포표 (Frequency table), 분할표 (Contingency table) 만들기 - PROC FREQ

[SAS] 도수분포표 (Frequency table), 분할표 (Contingency table) 만들기 - PROC FREQ

 수천 명의 정보를 포함한 데이터를 한눈에 요약하고 싶을 때가 많다. 나이, 혈압과 같은 연속형 변수는 평균으로 요약하곤 하는데, 성별이나 음주 여부는 평균을 구할 수 없으니 빈도를 제시하곤 한다. 이를 표로 제시하면 도수분포표 (Frequency table)가 된다. 이를 넘어서 남성 중 음주자가 몇 명인지, 여성중 비음주자가 몇 명인지 알고 싶을 때가 있는데, 이때 사용하는 것이 분할표 (Contingency table)이다. 즉 본 글의 목적은 다음 두 개의 표 내용을 채우는 것이다.

 

<도수분포표>

	빈도	백분율	누적빈도	누적백분율
여성
남성

 

<분할표>

	비음주자	음주자	합계
여성
남성
합계

 

*실습용 데이터는 아래 링크를 클릭하면 다운로드할 수 있습니다.

2022.08.04 - [공지사항 및 소개] - 분석용 데이터 (update 22.08.18)

분석용 데이터 (update 22.08.18)

 

시작하기 위해 라이브러리를 만들고, 파일을 불러온다.

라이브러리 만드는 방법: 2022.08.05 - [통계 프로그램 사용 방법/SAS] - [SAS] 라이브러리 만들기 - LIBNAME

파일 불러오는 방법: 2022.08.05 - [통계 프로그램 사용 방법/SAS] - [SAS] 데이터 불러오기 및 저장하기 - PROC IMPORT, PROC EXPORT

 

*라이브러리 지정하기;
LIBNAME hong "C:/Users/User/Documents/Tistory_blog";

*파일 불러오기;
PROC IMPORT
DATAFILE="C:\Users\user\Documents\Tistory_blog\Data.xlsx"
DBMS=EXCEL
OUT=hong.df
REPLACE;
RUN;

 

코드

성별과 음주 여부의 분할표를 만드는 코드는 다음과 같다.

-변수

 1) SEX: 성별

  -0: 여성

  -1: 남성

 2) ALCOHOL: 음주 여부

  -0: 비음주자

  -1: 음주자

 

 

도수분포표 

PROC FREQ DATA=hong.df; 
TABLE SEX;
RUN;

PROC FREQ DATA=hong.df; : 도수분포표를 구하는 코드를 시작하며, 데이터는 hong 라이브러리 내의 df 파일을 사용한다.
TABLE SEX; : SEX의 도수분포표를 구하라

결과

 위 결과에 숫자가 너무 많아 지저분해 보이고, 한눈에 잘 들어오지 않을 수 있다. 그런 경우 다음과 같은 옵션을 통해 표시되는 숫자들을 제어할 수 있다.

 NOPERCENT: 백분율 표시 안 함

 NOCUM: 누적 빈도 및 누적 백분율 표시 안 함

PROC FREQ DATA=hong.df; 
TABLE SEX/ NOCUM ;
RUN;

결과

분할표 

PROC FREQ DATA=hong.df; 
TABLE SEX*ALCOHOL;
RUN;

PROC FREQ DATA=hong.df; : 분할표를 구하는 코드를 시작하며, 데이터는 hong 라이브러리 내의 df 파일을 사용한다.
TABLE SEX*ALCOHOL; : SEX와 ALCOHOL 변수로 분할표를 만들어라.

 - *표시 앞에 오는 변수가 세로축에, 뒤에 오는 변수가 가로축에 놓이게 된다.

결과

각 셀 안의 내용물은 다음과 같다

(1) 빈도 - 각 셀에 해당하는 인구의 수

	비음주자	음주자	합계
여성	236 23.60 48.96 57.56	246 24.60 51.04 41.69	482 48.20
남성	174 17.40 33.59 42.44	344 34.40 66.41 58.31	518 51.80
합계	410 41.00	590 59.00	1000 100.00

 

(2) 백분율 - 빈도를 전체 인구 (1,000)으로 나눠 %로 나타낸 값

세로 혹은 가로로 더하면 합계의 백분율과 일치하며 백분율의 총합은 100과 같다.

	비음주자	음주자	합계
여성	236 23.60 48.96 57.56	246 24.60 51.04 41.69	482 48.20
남성	174 17.40 33.59 42.44	344 34.40 66.41 58.31	518 51.80
합계	410 41.00	590 59.00	1000 100.00

 

(3) 행 백분율 - 각 행에서 빈도가 차지하는 분율.

 - 여성에서 비음주자가 차지하는 분율은 48.96%, 음주자가 차지하는 분율은 51.04%다.

 - 남성에서 비음주자가 차지하는 분율은 33.59%, 음주자가 차지하는 분율은 66.41%다.

따라서 행별로 더하면 (=같은 색깔끼리 더하면) 100%가 나오게 된다.

	비음주자	음주자	합계
여성	236 23.60 48.96 57.56	246 24.60 51.04 41.69	482 48.20
남성	174 17.40 33.59 42.44	344 34.40 66.41 58.31	518 51.80
합계	410 41.00	590 59.00	1000 100.00

 

(4) 칼럼 백분율 - 각 열(칼럼)에서 빈도가 차지하는 분율.

 - 비음주자에서 여성이 차지하는 분율은 57.56%, 남성이 차지하는 분율은 42.44%다.

 - 음주자에서 여성이 차지하는 분율은 41.69%, 남성이 차지하는 분율은 58.31%다.

따라서 열(칼럼) 별로 더하면 (=같은 색깔끼리 더하면) 100%가 나오게 된다.

	비음주자	음주자	합계
여성	236 23.60 48.96 57.56	246 24.60 51.04 41.69	482 48.20
남성	174 17.40 33.59 42.44	344 34.40 66.41 58.31	518 51.80
합계	410 41.00	590 59.00	1000 100.00

 

 

 

 위 결과에 숫자가 너무 많아 지저분해 보이고, 한눈에 잘 들어오지 않을 수 있다. 그런 경우 다음과 같은 옵션을 통해 표시되는 숫자들을 제어할 수 있다.

 NOFREQ: 빈도 표시 안 함 

 NOPERCENT: 백분율 표시 안 함

 NOROW: 행 백분율 표시 안 함

 NOCOL: 열(칼럼) 백분율 표시 안 함

 

PROC FREQ DATA=hong.df; 
TABLE SEX*ALCOHOL / NOPERCENT NOROW NOCOL;
RUN;

결과

PROC FREQ DATA=hong.df; 
TABLE SEX*ALCOHOL / NOPERCENT NOCOL;
RUN;

결과

PROC FREQ DATA=hong.df; 
TABLE SEX*ALCOHOL / NOFREQ NOPERCENT NOCOL;
RUN;

결과

 

세 개 이상의 변수를 사용하는 분할표

세 개 이상의 변수를 사용하여 분할표를 작성하고 싶을 때가 있다. 다음 두 경우를 생각해보도록 하겠다.

1) 두 가지의 분할표를 작성하는 경우

:성별-음주의 분할표와 성별-고혈압의 분할표를 각각 그리고자 할 때

*방법 1: TABLE 구문 안에 원하는 변수의 조합을 모두 쓴다;
PROC FREQ DATA=hong.df; 
TABLE SEX*ALCOHOL SEX*HTN;
RUN;

*방법 2: 공통변수로 묶은 뒤 괄호 안에 나머지 변수를 띄어쓰기로 구분하여 작성한다;
PROC FREQ DATA=hong.df; 
TABLE SEX*(ALCOHOL HTN);
RUN;

두 개의 코드는 완벽히 똑같은 결과를 제시해준다. 

결과

2) 조건에 따라 분할표를 작성하는 경우

:고혈압 여부에 따른 성별-음주의 분할표를 그리고자 할 때

PROC FREQ DATA=hong.df; 
TABLE HTN*SEX*ALCOHOL;
RUN;

문제 상황처럼 고혈압 여부(HTN)에 따른 성별(SEX)과 음주(ALCOHOL)의 분할표를 그리고자 한다면, 고혈압 여부(HTN)를 TABLE구문 맨 앞에 추가로 붙여준다. 시행하면 다음과 같은 결과를 얻는다.

결과

고혈압이 없는 (HTN=0) 사람의 성별-음주 분할표가 위에 나오고, 고혈압이 있는 (HTN=1) 사람의 성별-음주 분할표가 따라 나오게 된다. 

 - SAS를 조금 아는 사람이라면 "WHERE 구문을 쓰면 되는데 왜 이렇게 복잡하게 하냐?"라고 이야기할 수도 있지만, 국민건강 영양조사(NHANES, KNHANES) 자료를 쓸 때엔 WHERE 구문이나 BY 구문의 사용이 엄격하게 금지되므로 이 방법이 필수적이다. 물론 이땐 PROC FREQ이 아니라 PROC SURVEYFREQ을 사용하게 된다.

 - SAS에는 인구를 나누는 변수를 맨 앞에 쓰지만, R에서는 맨 뒤에 쓴다는 것을 유의해야 한다.

 

SAS 도수분포표, 분할표 정복 완료!

 

작성일: 2022.08.18.

최종 수정일: 2022.08.31.

이용 프로그램: SAS v9.4

운영체제: Windows 10