SAS中的描述性统计过程
SAS中的描述性统计过程
　　描述性统计指标的计算可以用四个不同的过程来实现，它们分别是means过程、summary过程、univariate过程以及tabulate过程。它们在功能范围和具体的操作方法上存在一定的差别，下面我们大概了解一下它们的异同点。
相同点：他们均可计算出均数、标准差、方差、标准误、总和、加权值的总和、最大值、最小值、全距、校正的和未校正的离差平方和、变异系数、样本分布位置的t检验统计量、遗漏数据和有效数据个数等，均可应用by语句将样本分割为若干个更小的样本，以便分别进行分析。
（1）means过程、summary过程、univariate过程可以计算样本的偏度（skewness）和峰度（kurtosis），而tabulate过程不计算这些统计量；
（2）univariate过程可以计算出样本的众数（mode），其它三个过程不计算众数；
（3）summary过程执行后不会自动给出分析的结果，须引用output语句和print过程来显示分析结果，而其它三个过程则会自动显示分析的结果；
（4）univariate过程具有统计制图的功能，其它三个过程则没有；
（5）tabulate过程不产生输出资料文件（存储各种输出数据的文件），其它三个均产生输出资料文件。
　　统计制图的过程均可以实现对样本分布特征的图形表示，一般情况下可以使用的有chart过程、plot过程、gchart过程和gplot过程。大家有没有发现前两个和后两个只有一个字母‘g’（代表graph）的差别，其实它们之间（只差一个字母g的过程之间）的统计描述功能是相同的，区别仅在于绘制出的图形的复杂和美观程度。
　　chart过程和plot过程绘制的图形类似于我们用文本字符堆积起来的图形，只能概括地反映出资料分布的大体形状，实际上这两个过程绘制的图形并不能称之为图形，因为他根本就没有涉及一般意义上图形的任何一种元素（如颜色、分辨率等）。而gchart过程和gplot过程给出的是真正意义上的图形，可以用很多的语句和选项来控制图形的各方面的性质和特征。
　　chart和gchart与plot和gplot的区别则体现在不同的作图功能，前两个过程可以绘制出的图形主要有条形图（包括横条和竖条）、圆图、环形图和星形图等，后两个过程通常用一个记录中的两个变量值表示点的坐标来绘制图形，如散点图和线图等。
　　描述性统计过程的一般格式
　　1. means过程的一般格式
proc means&选项列表；
by&变量名称（分组变量）；
class&变量名称（分组变量）；
freq变量名称（数值变量，用以表示相应记录出现的频数）
weight变量名称（数值变量，用以表示相应记录的权重系数）
　var&变量名称（待分析的数值变量）；
　　Proc means&语句后的选项主要用来指定所要计算的统计量，默认情况下，Means过程会给出频数、均数、标准差、最大值和最小值等，其余统计量的计算均需要在选项中指定。class语句所指定的分组变量用来进行分组，而by语句所指定的分组变量是用来将数据分为若干个更小的样本，以便SAS分别在各小样本内进行各自独立的处理。freq语句和weight语句分别引导代表记录出现频数和权重系数的数值变量。var语句引导所要进行分析的所有变量的列表，SAS将对var语句所引导的所有变量分别进行描述性统计分析。
&summary过程的一般格式
proc summary&选项列表；
　by&变量名称（分组变量）；
　class&变量名称（分组变量）；
　freq变量名称（数值变量，用以表示相应记录出现的频数）
　weight变量名称（数值变量，用以表示相应记录的权重系数）
&out=数据集名& &统计量关键字=自定义变量名&
　var&变量名称（待分析的数值变量）；
　　summary过程的格式和means过程可以说是完全相同的，各条语句和选项的含义也是相同的，包括在means过程中未列出的output语句也可以应用于means过程，只是此语句在summary过程应用较多（这样才能将分析结果显示出来），所以才将其列入一般格式中。output语句用来对分析结果输出为数据文件进行控制，其后的选项可有可无，若无则SAS按照默认方式进行。“out=数据集名”用来定义输出数据文件的文件名称，文件名的格式和数据步中数据文件名相同。“统计量关键字=自定义变量名”用来自定义输出数据文件中各种统计量的变量名称，前者是系统定义的（和proc语句后选项中的统计量关键字完全相同），必须正确无误，后者可自行定义。默认状态下输出统计量只有频数、均数、标准差、最大值和最小值，在默认状态不能满足需要时这一选项则是必需的。
　　 univariate过程的一般格式
univariate&选项列表；
　by&变量名称（分组变量）；
　class&变量名称（分组变量）；
　freq变量名称（数值变量，用以表示相应记录出现的频数）
　weight变量名称（数值变量，用以表示相应记录的权重系数）
　histogram&变量名称/选项列表
&out=数据集名& &统计量关键字=自定义变量名&
pctlpts=&百分位数…&&
&指定需要的百分位数&
pctlpre=&新变量名列&&
&指定所需百分位数对应的输出变量名&
　var&变量名称（待分析的数值变量）；
　　univariate过程和以上两个过程的格式非常相似，相同的语句和选项其含义也相同，所不同的是某些统计量只能在univariate过程中计算（如众数），以及univariate过程中所具有的绘图功能。histogram语句即用来指示SAS对其后所指定的变量绘制直方图，其后的选项用来指示SAS添加不同类型的拟合图形（如正态分布的分布密度曲线）。
　　tabulate过程的一般格式
proc tabulate&选项列表；
　by&变量名称（分组变量）；
　class&变量名称（分组变量）；
　freq变量名称（数值变量，用以表示相应记录出现的频数）
　weight变量名称（数值变量，用以表示相应记录的权重系数）
&&页变量表达式&，&行变量表达式&，&列变量表达式&&&/表格选项&
　var&变量名称（待分析的数值变量，统计量列入相应的表单元格）；
　　tabulate过程和上述几个过程的格式也基本相似，相同的语句和选项也代表相同的含义。最大的不同也是tabulate过程中最为重要的是table语句，他用来定义表格的具体格式以及表格中所要包括的统计量。
　　 gchart过程的一般格式
proc gchart&选项列表；
　图形关键词变量名称/选项列表
图形关键字
绘制的图形类型
图形关键字
绘制的图形类型
水平的条形图
水平的三维条形图
竖立的条形图
竖立的三维条形图
　　此过程格式简单，复杂的地方在于图形关键字（每个图形关键字对应一种图形类型）所引导的语句，这里是控制图形类型及图形要素的地方，涉及到众多的关键字和选项。gchart过程可以使用的图形关键字及其所绘制的图形类型见下表（表2.1）。
　　表2.1　gchart过程可以使用的图形关键字及其所绘制的图形类型
图形关键字后的变量名用以指定进行图形描述时的分组变量，可以是数值型的（此时以各组的组中值为分组的标志），也可以是字符型的。其后的选项比较重要的有：（1）type=统计量关键字，表示以图形对变量（sumvar所指定的变量）的哪一种统计量进行描述，比如频数（freq）、均数（mean）、总计（sum）、频数百分比（pctn）等；（2）subgroup=变量名（分组变量），指定要进行分组（各组段内再分组）的变量；（3）sumvar=变量名（数值变量），指定要进行统计计算的变量，也就是“type=统计量关键字”选项中统计量的计算所依据的变量。其它的选项较少用到或系统默认值即可基本满足要求，这里还是少罗嗦，以后用到再说。
　　gplot过程的一般格式
proc gplot&选项列表；
　bubble&散点图表达式
　bubble2&散点图表达式
　plot散点图表达式
　plot2散点图表达式
　　从gplot过程的一般格式中我们就可看出，此过程只能绘制两种类型的图形，bubble语句指示SAS绘制泡状散点图，plot语句指示SAS绘制点状散点图。bubble2语句和plot2语句指示SAS在同一区域内（bubble2和bubble在同一区域，plot2和plot在同一区域）绘制第二个图形，两者的横坐标相同（同一变量），纵坐标分别位于左右两侧（可以是同一变量，也可以是两个不同的变量）。
　　散点图表达式的一般形式为：
　　（1）bubble和bubble2语句：纵坐标变量名*横坐标变量名=泡尺寸变量名（变量值以泡的大小表示），三者均应为数值变量；
　　（2）plot和plot2语句：纵坐标变量名*横坐标变量名&=n/分类变量名&，此处等号及其后的部分可以省略，此时SAS以默认的散点类型绘制散点图；若等号后为n（n为正整数，是散点类型的编号），SAS则以指定的编号对应的散点类型绘制散点图；若等号后为分类变量名（可为字符型或数值型，为数值型时作为离散型变量处理，每一个值将被当作一个类别），此变量的具体值（或与每个具体值对应的图形）将被作为散点用来绘制散点图。
　　chart过程和plot过程的一般格式及各选项使用方法分别与gchart过程和gplot过程是基本相同的，不同之处仅在于后两者中涉及到有关三维和图形元素（颜色等）的语句和选项在前两者中是无效的。例如vbar3d语句在chart过程中无效，bubble语句在plot过程中无效。其余的语句和选项使用方法完全相同，所以在掌握了gchart过程和gplot过程后，chart过程和plot过程你会不学自通。
　　（三）描述性统计关键字及其含义
　　SAS中可计算的描述性统计量多达二十余种，大部分可在以上介绍的前四个过程中计算，个别统计量在某些过程中不能计算，大家需要注意，要不然系统显示错误信息时还不知道是怎么回事。
　　我经常遇到这种情况，系统提示错误（此类提示信息显示在log窗口中）时总是摸不着头脑，费半天劲才能搞明白。没办法，摸着石头过河嘛！不过这样也并非一无是处，最起码可以积累很多使用经验。
　　下表（表2.2）列出SAS中可以计算的所有描述性统计量关键字及其含义，供大家使用时参考。
　　表2.2　SAS中可以计算的描述性统计量关键字及其含义
所代表的含义
有效数据记录数
缺失数据记录数
加权值总计
校正的离均差平方和
未校正的离均差平方和
可信限（上下界值）
可信限下侧界值
可信限上侧界值
skew（skewness）
kurt（kurtosis）
分布位置假设检验之t统计量
上述t统计量对应的概率值
第一四分位数
第三四分位数
四分位数间距
第一百分位数
第五百分位数
第十百分位数
第九十百分位数
第九十五百分位数
第九十九百分位数
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。后使用快捷导航没有帐号？
查看: 2992|回复: 43
第七周作业，SAS假设检验练习，贴表贴到手抽筋 （t检验，双样本t检验，非参数检验）
论坛徽章:5
分别将数据存入week7_3.csv,week7_4.csv,week7_6.csv和week7_7.csv中，使用import 过程将数据导入至SAS数据集中。治疗前688079907799758289927982治疗后6675798778897681889080843.& && && &有12个人经过减肥治疗前、后体重情况如下,请问这种治疗是否有效？H0：X 治疗前 = X治疗后 (治疗前和治疗后无差异，即治疗无效)
Ha:&&X 治疗前 &&&&X治疗后 (治疗前和治疗后有差异，即治疗有效)
1）&&对数据集week7_3增加一列diff，取diff = x治疗前-x治疗后data mydb.week7_3(keep=before after diff);& & set mydb.week7_3;& & diff = before-run;
2）&&对before ,after 进行正态分布检验,
Before：Shapiro-Wilk通过
正态性检验检验统计量p 值Shapiro-WilkW0.965874Pr & W0.8632After: Shapiro-Wilk通过
正态性检验检验统计量p 值Shapiro-WilkW0.941988Pr & W0.5243
3）&&使用mean中的t和prt进行双侧配对t检验：
proc means mean std stderr t prt date=mydb.week7_3;& & varrun;
分析变量: diff均值标准差标准误差t 值Pr & |t|1.58333333.31548250.95709741.650.1263P&=0.05因此不拒绝H0,即治疗前后体重无统计意义上的差异
4.& && && &正常人的脉搏平均为72次/分，现测得10位慢性四乙基铅中毒患者的脉搏如下：
54,67,68,78,70,66,68,71,66,69
问：中毒患者与正常人的脉搏有无显著性差异？
H0: X正常人脉搏 = X中毒患者脉搏 (中毒患者与正常人脉搏无差异)
Ha: X正常人脉搏 && X中毒患者脉搏 (中毒患者与正常人脉搏有差异)
总体样本期望为72
1）&&对数据集mydb.week7_4增加一列diff，diff=X中毒患者脉搏-72
data mydb.week7_4(keep=pluse diff);set mydb.week7_4;diff = pluse-72;run;
2）对pulse 进行正态分布检验
& && && &Pluse：Shapiro-Wilk通过
正态性检验检验统计量p 值Shapiro-WilkW0.857625Pr & W0.0715
3）分别使用means和ttest过程进行双侧t检验：
proc means mean std stderr t prt date=mydb.week7_4;& && &&&varrun;
分析变量: diff均值标准差标准误差t 值Pr & |t|-4.30000005.94511941.8800118-2.290.0480
proc ttest data=mydb.week7_4;& && &&&varrun;
N均值标准差标准误差最小值最大值10-4.30005.94511.8800-18.00006.0000
均值95% CL 均值标准差95% CL 标准差-4.3000-8.5529-0.04715.94514.089310.8535
自由度t 值Pr & |t|9-2.290.0480Means和Ttest结果中的P&0.05因此拒绝H0,接受Ha即中毒患者与正常人脉搏有差异（不过很接近0.05现实中是否需要多进行几次采样实验？）
6.& && & 观察某药物对大白鼠肉瘤的影响。数据如表8-4所示，试做差异性检验。
Control56555453565257545256　　Experimental504849495050605543525657H0: X Control = X Experimental (药物对大白鼠肉瘤无影响)
Ha: X Control && X Experimental (药物对大白鼠肉瘤有影响)
1）&&对Control 和 Experimental进行正态分布检验
Control: Shapiro-Wilk通过
正态性检验检验统计量p 值Shapiro-WilkW0.917351Pr & W0.3354Experimental: Shapiro-Wilk通过
正态性检验检验统计量p 值Shapiro-WilkW0.95174Pr & W0.6625
2）&&由于对照组和实验组样本数不同，因此只能使用ttest过程进行t双样本检验：
proc ttest data=mydb.week7_6;& && &&&var& && &&&classrun;
GroupN均值标准差标准误差最小值最大值Control1054.50001.77950.562752.000057.0000Experimental1251.58334.66041.345443.000060.0000差 (1-2) 2.91673.65661.5657
Group方法均值95% CL 均值标准差95% CL 标准差Control 54.500053.227055.77301.77951.22403.2487Experimental 51.583348.622254.54444.66043.30147.9129差 (1-2)汇总2.9167-0.34936.18263.65662.79755.2804差 (1-2)Satterthwaite2.9167-0.19836.0317
方法方差自由度t 值Pr & |t|汇总等于201.860.0772Satterthwaite不等于14.6382.000.0644
方差等价方法分子自由度分母自由度F 值Pr & F折叠的 F1196.860.0074 由于P方差等价&0.05，因此可认为两个样本组为异方差，异方差P=0.,因此不拒绝H0即结论为药物对大白鼠肉瘤无影响3)& && & 另也可尝试进行非参数检验,使用npar1way过程：
proc npar1way wilcoxon data=mydb.week7_6;& & var& & classrun;
Wilcoxon 评分（秩和）- 变量 Val
按以下变量分类:GroupGroupN评分和期望值
H0 之下标准差
H0 之下均值
评分Control10141.50115.015.07125914.150000Experimental12111.50138.015.0712599.291667平均评分用于结值。
Wilcoxon 双样本检验统计量141.5000
近似正态分布 Z1.7251单侧 Pr &&&Z0.0423双侧 Pr & |Z|0.0845
t 近似值 单侧 Pr &&&Z0.0496双侧 Pr & |Z|0.0992Z 包括 0.5 连续校正。
Kruskal-Wallis 检验卡方3.0917自由度1Pr & 卡方0.0787 T的双侧近似值&0.05，因此不拒绝H0，结论为药物对大白鼠肉瘤无影响7.& && & 应用克矽平治疗矽肺患者10名，治疗前后血红蛋白的含量如表8-5所示，问该药是否会引起血红蛋白的变化？
Before11.3151513.512.81011121312.3After1413.81413.513.51214.711.413.812H0: X Before = X After (克矽平不会引起血红蛋白变化)
Ha: X Before && X After (克矽平会引起血红蛋白变化)
1)& && & 对Before, After进行正态分布检验
Before: Shapiro-Wilk通过
正态性检验检验统计量p 值Shapiro-WilkW0.959983Pr & W0.7857
After: Shapiro-Wilk通过
正态性检验检验统计量p 值Shapiro-WilkW0.873573Pr & W0.1100
2)& && & 尝试使用mean过程和ttest过程进行双侧配对t检验，再进行npar1way非参数检验
为数据集添加一列diff, diff=before-
data mydb.week7_7(keep=before after diff);& && &&&set mydb.week7_7;& & diff = before-run;
同时为了进行ttest和npar1way，需要将数据进行堆叠：
proc sql;&&create table mydb.week7_7_2 as&&select before as Val , 'Before' as Group from mydb.week7_7&&union&&select after as Val, 'After' as Group from mydb.week7_7;quit;
proc means mean std stderr t prt date=mydb.week7_7;varrun;
分析变量: diff均值标准差标准误差t 值Pr & |t|-0.68000001.64573520.5204272-1.310.2237
& && && &proc ttest data=mydb.week7_7_2;& && &&&var& & classrun;
GroupN均值标准差标准误差最小值最大值After613.23331.26600.516811.400014.7000Before912.32221.48050.493510.000015.0000差 (1-2) 0.91111.40190.7389
Group方法均值95% CL 均值标准差95% CL 标准差After 13.233311.904814.56191.26600.79023.1049Before 12.322211.184213.46031.48051.00002.8363差 (1-2)汇总0.9111-0.68512.50731.40191.01632.2585差 (1-2)Satterthwaite0.9111-0.64552.4677
方法方差自由度t 值Pr & |t|汇总等于131.230.2394Satterthwaite不等于12.0261.270.2264
方差等价方法分子自由度分母自由度F 值Pr & F折叠的 F851.370.7602
proc npar1way wilcoxon data=mydb.week7_7_2;& && &&&var& & classrun;
Wilcoxon 评分（秩和）- 变量 Val
按以下变量分类:GroupGroupN评分和期望值
H0 之下标准差
H0 之下均值
评分Before961.072.08.4701166.777778After659.048.08.4701169.833333平均评分用于结值。
Wilcoxon 双样本检验统计量59.0000
近似正态分布 Z1.2397单侧 Pr &&&Z0.1076双侧 Pr & |Z|0.2151
t 近似值 单侧 Pr &&&Z0.1177双侧 Pr & |Z|0.2355Z 包括 0.5 连续校正。
Kruskal-Wallis 检验卡方1.6866自由度1Pr & 卡方0.1941Mean过程中的P=0.,ttest中的同方差P=0., npar1way中的双侧t近似值P0.，因此不拒绝H0，结论为克矽平不会引起血红蛋白变化
金牌会员, 积分 1987, 距离下一级还需 1013 积分
论坛徽章:3
论坛徽章:15
以0.05为标准哈，看来是有这么做的！！lz作业又做完了，哎呀又得补
金牌会员, 积分 1507, 距离下一级还需 1493 积分
论坛徽章:11
中级会员, 积分 249, 距离下一级还需 251 积分
论坛徽章:1
金牌会员, 积分 1680, 距离下一级还需 1320 积分
论坛徽章:13
做事&&认真呀
论坛徽章:15
lz第七题是用两种解法吗？
论坛徽章:5
晨_chen 发表于
lz第七题是用两种解法吗？
means的t和ttest应该很类似
非参数检验我的理解也可以用在满足正态分布的数据上
金牌会员, 积分 2088, 距离下一级还需 912 积分
论坛徽章:15
不错，学习了
高级会员, 积分 917, 距离下一级还需 83 积分
论坛徽章:2
学习了 谢谢SAS实验考试相关内容_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
SAS实验考试相关内容
上传于||暂无简介
阅读已结束，如果下载本文需要使用
想免费下载本文？
下载文档到电脑，查找使用更方便
还剩9页未读，继续阅读
你可能喜欢及旗下全部分类
打开微信扫一扫，关注圣才：
sc100xuexi
认证官方微博
认证官方微博
sas中样本均数和总体均数比较的t检验
发布人：&&发布日期： 13:20&&共498人浏览
　　样本均数和总体均数差别的比较可以直接进行比较，也可以将其看成每个测量值和总体均数差值的均数和0的比较，均为单变量分析的形式，可用前面介绍的三个执行描述性统计分析功能的过程来完成。这里我们用univariate过程和means过程分别演示这种分析的SAS编程实现方法，summary过程的操作方法各位可以自己试着练习一下。以Means过程实现对单变量分布位置的t检验，只需在proc means语句后添加t和probt（以前的版本为prt，SAS8.2中也可通用）两个选项，SAS即给出样本均数与0比较的t检验值和t分布曲线下该t值对应的双侧尾部面积。univariate过程在默认状态下即可给出单变量分布位置的t检验结果。例3-1　通过以往大规模调查，已知某地婴儿出生体重均数为3.30kg，今测得35名难产儿出生体重如下表（表3.1），请问该地难产儿出生体重与一般婴儿出生体重是否不同？
　　和以前的方法相同，先将数据以文本方式录入，存入&e：\data\data3_1.txt&，然后编制程序完成分析过程。程序如下：　
libname a 'e：\data\'；
　data a.data3_1；
　Infile 'e：\data\data3_1.txt'；
　input x@@；
proc univariate mu0=3.30 alpha=0.05；
　histogram x/normal cbarline=green cfill=red barwidth=8
　　midpoints=2.75 to 4.35 by 0.2；
　　Proc univariate语句后选项mu0=3.30用来指定univariate过程对样本进行分布位置的假设检验时的位置参数，以便进行样本均数和指定值之间差别的假设检验；alpha=0.05用来指定进行各种总体参数的估计时可信区间的置信水平。这里我们顺便演示一下univariate过程绘制直方图的方法。histogram语句用来指示univariate过程对变量x绘制直方图，其后的normal选项指示在直方图上拟合并绘制出正态分布的密度曲线；cbarline=green选项用来指定条形的边框颜色，此处表示将条形的边框显示为绿色；cfill=red选项用来指定条形内部的填充色，此处设置为红色；这里的&barwidth=&选项和gchart过程中vbar语句后的&width=&选项含义完全相同，用来指定条形的宽度，此处设置为8个字符宽度；&midpoints=&选项则和gchart过程中vbar语句后的&midpoints=&选项在含义及使用方法上完全相同。提交以上程序，输出结果如下：
　　The SAS System
The UNIVARIATE Procedure
　　Variable： x
Sum Weights
Sum Observations
Std Deviation
-0.3363107
Uncorrected SS
Corrected SS
Coeff Variation
10.8052067
Std Error Mean
Basic Statistical Measures
Variability
Std Deviation
Interquartile Range
Tests for Location： Mu0=3.3
Student's t
Signed Rank
Quantiles （Definition 5）
50% Median
Extreme Observations
　　结果中第三个表格（标题为&test for location&）是关于样本分布位置的假设检验，这是我们此处所要关心的。大家可以看到，除一般的t检验外，univariate过程还给出了非参数检验方法的检验结果（符号检验和符号秩和检验）。这里直方图的绘制效率很高（图3.1），简单的一条语句就绘制出如此标准而复杂的图形，比起前面所用的gchart过程要高效的多，而且它也可以用各种选项来控制图形的各种要素，图形的美观程度也会丝毫不差。此程序的输出结果中，还有关于样本拟合分布的情况，这里不再列出，以节省篇幅。 Means过程也可用相似的方式实现对此类资料的t检验，但它不能像univariate过程那样随意设置位置参数，只能对样本均数和0的差别进行比较，因此必须先在数据步对数据作适当的处理，也就是先将数据转化为原始数值与某已知数值（总体均数）的差，在对此差值进行统计分析。以下是用means过程对例3-1进行分析的程序。
libname a 'd：\data\'；
data temp；
　set a.data3_1；
　d=x-3.30；
proc means mean stderr t probt；
　　执行后结果如下：
The SAS System
The MEANS Procedure
Analysis Variable ： d
　　结果中从左至右分别为样本均数、均数标准误、t检验值和p值（该t值对应的双侧尾部面积）。大家可以看到，两种过程的分析结果是一致的，而means过程的分析结果更加简单明了，大家可以根据具体需要选用不同的处理过程。
我的电子书sas统计分析_利用SAS解决两个独立样本的t检验-1SAS,SAST,sast
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
sas统计分析_利用SAS解决两个独立样本的t检验-1
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口