《小白学SAS》是一本对于想学习SAS基础的人来说必备的书籍。对于零基础的小白来说，读完这本书可以自豪地宣称已经入门了。对于那些曾经自学基础的人，他们会后悔自己没有早点发现这本书，因为它能够为他们提供更系统、更全面的学习指导。而对于那些整天与数据打交道的人来说，这本书的阅读将会大大提高他们的工作效率。希望《小白学SAS》能成为每个想学习SAS基础的人的必备案头书。
小白学SAS封面图
读者评价
作为入门书来讲，真是非常不错的，有助于消除对于SAS软件的畏难情绪，而且不少对于初学者重要的知识点都覆盖到了。我准备SAS Base考试的时候读了两遍前面几章，终于至少能看懂题目了。
书很薄，受众就是书名所说“小白”，写得通俗易懂，应该可以解决常见的90%的问题，当然啦，SAS博大精深，要想完全掌握，还需要多学习，多练习
我看了本书，主要涉及三大部分：数据整理、作图和制表。内容很详细，图文并茂，生动形象，通俗易懂。本书以解决实际问题为导向，让我了解到如何用SAS来协助实际工作。我从此书中不仅学习到COUNT函数的用法，而且还用COUNT函数分析到淘宝商品的评价。书中的不少对话都是来自现实生活，以对话的形式引起读者的思考和学习。
内容介绍
《小白学SAS》内容并非包罗万象，恰恰相反，内容很少，主要涉及三大部分：数据整理、作图和制表。对于SAS软件而言，任何一《小白学SAS》都不可能包括所有内容。越是包罗万象的书，有时反而越不实用，因为它们内容太多，每部分的内容都只能是蜻蜓点水。对于这种书，我只能说，你为什么不直接去看SAS Help呢？如果仔细阅读国外优秀的SAS基础书，不难发现一个特点：绝不贪多，要么不介绍，介绍的话就会很深入，一定要让你明白为止，哪怕翻来覆去地说。这看起来似乎有点傻，但却不得不令人感慨：看非母语的英文书反而比看中文书更加清晰。所以《小白学SAS》也是基于这一思想，凡是提到的内容，尽量用白话讲得透彻，争取将读者引领进SAS的大门，至于能不能登堂入室，还得看你自己的努力程度。
对于零基础的小白，看完之后可以骄傲地宣称，我已经入门了；对于曾经自学过SAS基础的人，看完后会后悔没有早点看到这本《小白学SAS》；对于整天跟数据打交道的人，看完后效率会成倍地提高。希望《小白学SAS》能成为任何一个想学习SAS基础的人的必备案头书。
内容节选
会使用SAS对会不会是很大的优势？
那是一定的。现在国内的现象就是越好的公司SAS用的越多，实力越强的机构用的越多。SAS的普及应该是一个大的趋势，学好了一定会有用的。
一、SAS 的软件及算法都是经过检验的，SAS 有技术支持去快速解决用户的需求。如果需要的话，SAS会尝试在已存在的步骤中嵌入新的方法，例如增加一个选项或者新增一个语句（statement），因此用户不需要学习另外一个过程步。SAS也 会发布最新通讯来详细说明软件的更新。
二、SAS画图模块正变得越来越灵活、精良和易于使用。在一些分析过程步（PROCs）中，ODS Graphics可以自动的生成一些图形，而不需要额外的代码。这使得用户多了一个选择，即可以使用默认的图表生成图表，也可以自己来创造个性化的图表。
三、SAS有可在 DATA 和 PROC 步使用的大量函数和自定义函数。另外强大无所不能的、也可以被DATA步和PROC步使用的宏语言。宏变量可定义为局部或者全局类型。
四、SAS 可以处理任意类型和格式的数据。DATA 步的设计纯粹就是为了数据的管理，所以 SAS 擅长处理数据。利用丰富的选项，SAS 可以将大数据处理的很好，拼表以及 PROC SQL 也可以减少运行时间。
五、SAS 通过很多有用的过程步来生成详细漂亮的报表。
目录
- 第1章 初识SAS /1
- 第2章 SAS数据集建立的高级议题 /21
- 第3章 SAS数据清洗和加工 /85
- 第4章 SAS与数据可视化 /133
- 第5章 SAS与表格展示 /231
谈谈我五年学习和使用SAS的心得 一直到现在，我还觉得自己做SAS还是挺辛苦的，差不多从来就没有很多人那样的举重就轻。如果我说自己学了三年的SAS还不成的话，有人会纳闷。纳闷SAS不就是几个月的速成软件吗?对一些人来说，这无疑是正确的。可是如果承认自己的智商并非天赋异秉而高人一等的话，就得潜下心来，不要妄自菲薄。我自己学了五年SAS，还经常犯错。我的同事做的更好，可是也犯错误。 我所学专业是统计，入门的软件是R，在工作里差不多只和SAS打交道。用SAS处理数据分析数据。不多的时候用R运行一下别人的程序，或者是SAS里没有成形的较新的方法。一年也设计一二或三个DATABASE（用ACCESS）。我的工作内容差不多可以普遍到整个做统计分析行业：大致如此。最重要的当然是数据分析，或者说分析数据就是自己的日常工作内容。几乎无时不刻的用SAS。 因为入门晚，大概有五年的时间，开始用的差不多就是SAS V9的版本。所以每当看到有些SAS使用者在用proc plot一类的过程，看到那些星星点点的黑白的制图，除了肃然起敬之外，也明白了为什么很多人会讨厌SAS的图形功能。从现在SAS的图形功能及其和ODS输出的良好结合性来看，sas的制图是很美观的。而这种对SAS旧版本的较为薄弱的制图形功能的轻视，几乎成了许多人的共识：不要用sas画图。我很幸运，过度了大概两年时间的gplot，到了现在的sg－plot。我的工作任务之一是给“科学研究”（我总这在想这种提法科学吗?）提供数据分析报告，从发表杂志文章的角度来看，sas图例无论是从清晰度还是审美的角度来看，都是杂志图例的首选之一。不象有的人抱怨excel成图的DPI太低。其实有时候R也存在这个问题。 SAS涵盖比较广泛。其特定的功用可以延伸到许多不同的行业。而量身定制的衍生产品也有泛滥的趋势。不过，SAS/STAT应该仍然是它的核心。相比其实不太有历史感的9．0版本，SAS在STAT上的拓展也可以说是日新月异。比如说在MCMC上，在非参数估计上，在随机线性模型的补充改善上都是这几年的事情。且不提更新的分位回归，结构方程分析（PROC CALIS），以及混合模型等等。原来觉得很难做的东西，现在都成为了常规。几年以前的统计博士或许不懂生存分析。现在差不多本科生都知道怎么绘制生存曲线。如同统计在运算方面的突飞猛进，SAS也与时俱进。所以引以为自豪的太老的SAS经验，如果没有变成进步的阻碍的话，也成了自吹自擂的慰籍。 我在学了两年的SAS之后，觉得SAS其实也没有什么。其实都是自菲薄。SAS作为一个软件，承载的是更加厚重的统计学的发展。我曾经和同事谈论过PROC GLM。我认为GLM基本上取代了REG过程。可是现在，我不得不把许多线性分析的问题从GLM挪到REG里去做，因为REG在许多方面更加有效和全面。比如说模型选择和诊断。类似的如同GENMOD和LOGISTIC的关系。GENMOD也许可以做的更多，但是无疑LOGISTIC在logit模型上做的更深更精确。 和许多的软件一样，SAS是个大杂烩，可以提供许多菜单以供顾客选择。考虑到这一点，杂这个概念非常重要。杂用，其实是取其精华，不囿于某个步骤和过程。我看到一些人试图用数据步或者SQL去解决统计的问题。南辕北辙。事倍功半。因为SAS已经提供更加缜密的统计过程来计算统计量解决统计问题。如果我说你在SQL费力半天求的中位数其实是错误，可能你生气。可是是事实。还有一个例子是关于使用PROC NLMIXED的问题。这是一个用最大似然法解决非线性模型的统计过程。其实，且不提MAXIMUM LIKELIHOOD在许多问题上并非是最有效的最优化的，盲目的写了很长的公式，而人为忽略其他的过程或许已经提供更优化的解法，并非是表现好的数学功底的唯一方法。 作为一个做数据分析的，我切实的建议是，不要忽略数据步的作用。做sas开始的很长一段时间里，你或许都无法避免程序疏漏的困扰。这些错误很大的一部分来自对DATA STEP没有深刻的理解。我有时候惊讶自己为什么总犯些很低级的错误。其实这些错误是有根源的。好的数据分析的基础是真确的数据。如果失去了这个基础，其它的似乎变得没有意义。包括我自己，时常的尴尬是为什么同样的数据，分析结果却无法复制。原因差不多总是源于对SAS理解的不深不全。 我不希望自己把SAS理解为专于程序编制的软件。其实其最终的目的应该是进行统计分析，产生分析总结的报告。所以编程只是手段而已。data step再难，多做几遍，多记忆就会掌握，但是繁复变化的统计理论和运算，需要不断的理解和改进。所以一个统计分析报告或许也几易其稿，不断改善。 和我一样，你或许也感受到SAS的易和不易。不过，通过学习和使用SAS而获得对知识的兴趣，可能使得我们对自己的看似无聊的工作减少了许多抱怨。共勉。