阿瑪迪斯狂想系列---女人皆如此
2006/1/6 ~ 2006/1/10
主辦單位:國立中正文化中心
莫札特邀你看戲
二○○六年，莫札特250歲。神童不老，依然在人間施展魅力！「阿瑪迪斯狂想世界」邀您與全球同步，一同為莫札特慶生。劇場名導演賴聲川與NSO繼《唐．喬望尼》後，再度攜手推出莫札特歌劇三部曲之第二部《女人皆如此》。
一個老光棍，兩個年輕帥哥，一對姐妹花，兩對熱情如火卻又彼此猜忌的歡喜鴛鴦，構成一部機智、嘲諷的作品。且看賴聲川如何調停世間男女的歡喜嗔怨，再聽簡文彬魅力呈現這齣喜歌劇的?生逸趣。當戲劇終了，眾人齊唱：「聰慧理性的人有福了，他知道破涕為笑洞察人性，了解寬恕與關懷；真心相愛的人知道同舟共濟，即使世事變幻，風雨飄搖，他們必然幸福滿杯。」音樂神童看待世事的豁達溫存，必會讓您喜樂滿溢。
指揮╱簡文彬
導演╱賴聲川
女高音╱陳妍陵 飾斐奧迪莉姬
女高音╱陳美玲 飾朵拉貝拉
男高音╱洪宜德 飾費蘭多
男中音╱巫白玉璽 飾古烈摩
女高音╱羅明芳 飾黛絲碧娜
低男中音╱蔡文浩 飾唐?阿豐索
音樂顧問╱雷哈德林登
阿瑪迪斯狂想系列---女人皆如此
2006/1/6 ~ 2006/1/10
主辦單位:國立中正文化中心
莫札特邀你看戲
二○○六年，莫札特250歲。神童不老，依然在人間施展魅力！「阿瑪迪斯狂想世界」邀您與全球同步，一同為莫札特慶生。劇場名導演賴聲川與NSO繼《唐．喬望尼》後，再度攜手推出莫札特歌劇三部曲之第二部《女人皆如此》。
一個老光棍，兩個年輕帥哥，一對姐妹花，兩對熱情如火卻又彼此猜忌的歡喜鴛鴦，構成一部機智、嘲諷的作品。且看賴聲川如何調停世間男女的歡喜嗔怨，再聽簡文彬魅力呈現這齣喜歌劇的?生逸趣。當戲劇終了，眾人齊唱：「聰慧理性的人有福了，他知道破涕為笑洞察人性，了解寬恕與關懷；真心相愛的人知道同舟共濟，即使世事變幻，風雨飄搖，他們必然幸福滿杯。」音樂神童看待世事的豁達溫存，必會讓您喜樂滿溢。
指揮╱簡文彬
導演╱賴聲川
女高音╱陳妍陵 飾斐奧迪莉姬
女高音╱陳美玲 飾朵拉貝拉
男高音╱洪宜德 飾費蘭多
男中音╱巫白玉璽 飾古烈摩
女高音╱羅明芳 飾黛絲碧娜
低男中音╱蔡文浩 飾唐?阿豐索
音樂顧問╱雷哈德林登
華郵推薦 2006全球10大看點
【聯合新聞網 記者王慧美/綜合報導】
2006年你計畫到國外旅行嗎？美國華盛頓郵報推薦全球十大看點和值得一去的理由。
一、德國世界杯足球賽：今年6月9日到7月9日，來自世界各地的32支足球隊將在德國的12個城市爭奪世界杯獎杯。
去的理由：足球讓世界瘋狂。官方網站
二、莫札特誕辰250周年：1月27日是莫札特誕辰250周年紀念日。維也納從1月27日到11月到處都聽得到莫札特的音樂。
去的理由：去維也納，莫札特是理由。官方網站
三、富蘭克林誕辰300周年：1月17日是富蘭克林誕辰300周年紀念日，費城從1月17日到4月將舉辦125場慶祝活動。
去的理由：每次有雷擊的時候，你都應該感謝富蘭克林為你提供了保護。官方網站
四、世界上最大的遊艇下水：6月4日「自由海洋」號超級大遊艇將在加勒比海下水。
去的理由：有時遊艇就是海裡最大的魚。「自由海洋」號排水量16萬噸，長約400米，有15層甲板，7層建築，看起來就像羅馬皇宮一樣，一次可搭載3600名乘客，太大了，全球大多數港口無法容納這艘大船。官方網站
五、舊金山大地震(新聞、網站)100周年紀念：1906年4月18日，舊金山大地震，引起四天大火。
去的理由：回顧北加州這一災難時刻。官方網站
六、歐洲文化首都佩特雷：希臘港市佩特雷在2006年將戴上歐洲文化首都的桂冠。
去的理由：希臘本身就是文化的代名詞。官方網站
七、美國第一個殖民地建立400年紀念：詹姆斯敦1607年建立，但是性急的美國佬決定從2006年就開始400年的紀念活動。
去的理由：如果沒有維古尼亞州詹姆斯敦的早期殖民者，美國人可能還是英國查理王子和卡蜜拉的子民。官方網站
八、杜林冬季奧運會：2月10日到26日，第20屆冬季奧運會將在義大利杜林舉行。
去的理由：領略義大利的冬季風采，壯麗的開幕和閉幕儀式很值得一看。官方網站
九、日全食：3月29日將有日全食，土耳其、格魯吉亞、俄羅斯(新聞)和哈薩克等國家的人都看得到。
看的理由：月亮奪去了太陽的光輝，當然值得一看。美國太空總署專題網站
十、荷蘭畫家林布蘭特誕辰400年：林布蘭特的出生地萊頓和生活的阿姆斯特丹將聯手舉辦紀念活動，向世人展示這位藝術家是如何利用明暗法創造了一個神奇的藝術世界。
去的理由：歷史並未公平地對待這位偉大的藝術家。官方網站
華郵推薦 2006全球10大看點
【聯合新聞網 記者王慧美/綜合報導】
2006年你計畫到國外旅行嗎？美國華盛頓郵報推薦全球十大看點和值得一去的理由。
一、德國世界杯足球賽：今年6月9日到7月9日，來自世界各地的32支足球隊將在德國的12個城市爭奪世界杯獎杯。
去的理由：足球讓世界瘋狂。官方網站
二、莫札特誕辰250周年：1月27日是莫札特誕辰250周年紀念日。維也納從1月27日到11月到處都聽得到莫札特的音樂。
去的理由：去維也納，莫札特是理由。官方網站
三、富蘭克林誕辰300周年：1月17日是富蘭克林誕辰300周年紀念日，費城從1月17日到4月將舉辦125場慶祝活動。
去的理由：每次有雷擊的時候，你都應該感謝富蘭克林為你提供了保護。官方網站
四、世界上最大的遊艇下水：6月4日「自由海洋」號超級大遊艇將在加勒比海下水。
去的理由：有時遊艇就是海裡最大的魚。「自由海洋」號排水量16萬噸，長約400米，有15層甲板，7層建築，看起來就像羅馬皇宮一樣，一次可搭載3600名乘客，太大了，全球大多數港口無法容納這艘大船。官方網站
五、舊金山大地震(新聞、網站)100周年紀念：1906年4月18日，舊金山大地震，引起四天大火。
去的理由：回顧北加州這一災難時刻。官方網站
六、歐洲文化首都佩特雷：希臘港市佩特雷在2006年將戴上歐洲文化首都的桂冠。
去的理由：希臘本身就是文化的代名詞。官方網站
七、美國第一個殖民地建立400年紀念：詹姆斯敦1607年建立，但是性急的美國佬決定從2006年就開始400年的紀念活動。
去的理由：如果沒有維古尼亞州詹姆斯敦的早期殖民者，美國人可能還是英國查理王子和卡蜜拉的子民。官方網站
八、杜林冬季奧運會：2月10日到26日，第20屆冬季奧運會將在義大利杜林舉行。
去的理由：領略義大利的冬季風采，壯麗的開幕和閉幕儀式很值得一看。官方網站
九、日全食：3月29日將有日全食，土耳其、格魯吉亞、俄羅斯(新聞)和哈薩克等國家的人都看得到。
看的理由：月亮奪去了太陽的光輝，當然值得一看。美國太空總署專題網站
十、荷蘭畫家林布蘭特誕辰400年：林布蘭特的出生地萊頓和生活的阿姆斯特丹將聯手舉辦紀念活動，向世人展示這位藝術家是如何利用明暗法創造了一個神奇的藝術世界。
去的理由：歷史並未公平地對待這位偉大的藝術家。官方網站
SAS ETL Studio enables a data warehouse specialist to
1.Extract data from operational data stores
2.Transform this data into the desired form
3.Load this data into the data warehouse or data mart.
在Shortcut Bar的三大步驟:
1.Source Designer
2.Target Designer
3.Process Designer
Tree View:
1.Inventory
2.Custom Tree
3.Process Library Tree
SAS ETL Studio enables a data warehouse specialist to
1.Extract data from operational data stores
2.Transform this data into the desired form
3.Load this data into the data warehouse or data mart.
在Shortcut Bar的三大步驟:
1.Source Designer
2.Target Designer
3.Process Designer
Tree View:
1.Inventory
2.Custom Tree
3.Process Library Tree
SAS ETL Studio
SAS OLAP Cube Studio
SAS Information Map Studio
SAS Enterprise Guide
SAS Add-In for Microsoft Office
SAS Web Report Studio
SAS Information Delivery Portal
SAS ETL Studio
SAS OLAP Cube Studio
SAS Information Map Studio
SAS Enterprise Guide
SAS Add-In for Microsoft Office
SAS Web Report Studio
SAS Information Delivery Portal
[食夢黑貘] 的 [捷運日記]
01/28/04, 資料採礦前言(一)
[QOTD]Data Mining 只是幫人降低決策所須要的成本。
*1
從最早的思索如何降低媒體 (資訊傳遞 )成本，
到如何找到對的資訊 (搜尋與 Agent)，以及從既有
的資訊去產生新的資訊 (Data Mining)，主體基本上
都沒甚麼變，只是方法與領域或多或少都有變化。
Data Mining 本身就只是透過已有但難以解析的
大量資訊找到有利用價值的資訊，所以在從大量的資
訊如何歸納與聚焦的方法就是資料採礦，無論是規則
或者是指標，更有可能的是一個定性定量出來的縮減
範圍，都是利用這些方法創造出解決新問題的答案，
而這問題是甚麼，這答案會是甚麼都會影想到所用的
方法。
生活莫不過是一連串的選擇，甚至在 Seth Data
也可能認為選擇是人之為人的最重要課題，但擺脫這
種型而上的說法，經濟只是在有限的資源上做選擇是
最基本的假設。
任何選擇都會有資源做為樣本空間，也就是說，
在資源有限的前提下，人能夠選擇的空間就更有限了
，所以到最後如何在這種限制去做最佳的選擇變成是
最基本的問題，而在解決問題的答案方法中，從既有
的過去資源去做判斷是最合理的依據，只是這個過去
可供參考的歷史相對現在可用的資源比例是相當龐大
與不可計數，而在主觀與直覺上應該有更好的方式來
找到答案。
而在這種數字資料庫中，應用最廣的大概就是金
融與體育，從過去的結果去判斷未來是金融數字與體
育數字最重要的依據，從打開報紙來看，充滿數字的
兩個版面就是這兩個吧，只是往往體育的數字規模可
能跟金融比較起來是小非常多，但面臨的不確定性是
等價的，沒有人能夠百分之百的預測未來的行為，因
為再些微的可能性都會造成巨大變化的發散性，只是
這個發散性的變化是在所有時刻的切點都可以找到一
些模式。
事實上決策資源系統本來就不是來做百分之百的
預測，這個可能要交給命理學家或預知者來做的，但
發展出一個系統能夠 80% 甚至 90% 適用的價值就已
經相當高了，因此找到這些方法也是具有相當的價值
。
而電腦在這套決策支援系統中，正適合處理大量
的資訊找到一定程度的模式來做參考，只是與其說是
幫人做決策，還不如只是種參考與回饋的機制，只是
這樣的參考行為已經可以把時間與規模做一定程度的
放大，其經驗也不再受限於個人，甚至是從小眾到大
眾的模糊群體與個人，甚至是不存在的本體做為一種
參考，因為人的行為再如何都很難去預測與代為決策
，只是透過這系統幫人降低決策所須要的成本是必要
的。
**********************************************
*1
1/28/04 7:36 pm，從市政府站開始寫，是因為
同事載我從永春站開始坐起。
01/29/04. 資料採礦前言(二)
[QOTD]Data Mining 實務與學術的落差是在於資料的
產出是已經發生而不能修正，也不可能再投入
資源去正規化，不像我們可以依理論須要去創
造出數字。
*1
Data Mining 在資訊學的觀點也是一種把資料轉
換成資訊甚至是種知識的方法與工具，這想法一點也
不特別，只是在這幾年才得以實現。
能夠實現的因素有幾個原因，一個是在許多系統
在資訊化與網路化的結果，獲得資料與傳遞、儲存資
料的成本已經降到可以接受的地步，因為在以前這樣
的資料至少都是 Giga Byte 的，甚至數十數百或
Tera Byte 都是很常見的，在以前不是做不到，不然
就是必須動到國家資源才能做到，現在已經是很普遍
的資源了。
另一個資源也是電腦技術的成長，不只是資料本
身的成本，在計算的成本也是以摩爾系數的曲線降低
，也就是說 CPU 的運算能力，現在只要花不到 5~10
年前成本的 5~10 分之一就可以做到，甚至這成本包
含金錢與時間，且時間更是一個很重要的考量，因為
資訊的價值一個很重要的就是時間性，若是預測的速
度甚至比實際發生的時間還要更久的話，這種預測是
一點價值也沒有。
因此透過電腦運算的進步，以及平行處理的普遍
性，本來無法實現的事現在都可以實現了，這也是為
甚麼 Data Mining 在這幾年能夠變成一個顯學的原
因，不然 Data Mining 所處理的問題是很早就存在
，或者是用的演算法或數學統計基礎也是在 20~30
年前以前就已經到某種成熟的地步了，只是在當時的
時空背景本身是件難以做到的事。
但也不少演算法也是在這近幾年才漸漸進入雛型
或實用，只是這都不是最大的課題，因為真正實務上
的課題比去研究 Data Mining 的技術還要困難。
一個很大的技術落差是即使是現在的 Data
Mining 的技術已經成熟，但在實際上因為理論與實
務存在很大的鴻溝，有人曾經說過，理論是把實際的
事情給約化後然後用很複雜的算式去趨近，而這個約
化所造成的誤差不是再好的算式能夠解決的，反而是
用很單純很笨的方式去檢視實際，然後再重複獲得結
果後去趨近。
我在實務上就遇到類似的問題，在簡單的模型上
，任何物品的差異都是很顯而易見的，而在數量達到
上萬或數十萬與百萬的狀況，各種可能性都或出現，
說要去正規化資料是不可能的，因為在實務上不可能
再去創造出新的資料去輔助正規化與演算，也就是拿
到的就是一個物件可能到處交集、聯集，甚至是相同
而只是時間、外表的差異的東西，而去要求原始產生
資料的人去做調整是幾乎不可能的，所以我們必須去
接受這樣的資料來去做分析，即始這資料再有問題。
不只是資料的產出是已經發生而不能修改，不像
我們在學術理論可以依實際須求去創造出我們須要的
數字，另一個問題是即使電腦資源再多，還是有限的
問題。
**********************************************
*1
1/29/04 9:08 am，過紅樹林站，看樣子是坐上
遲到的班車，但最主要不是起不來或不想起來，而是
將系統的問題解決。看樣子，那一台 Linux 也進入
不穩定的狀態了。
轉載來源:[食夢黑貘] 的 [捷運日記]
[食夢黑貘] 的 [捷運日記]
01/28/04, 資料採礦前言(一)
[QOTD]Data Mining 只是幫人降低決策所須要的成本。
*1
從最早的思索如何降低媒體 (資訊傳遞 )成本，
到如何找到對的資訊 (搜尋與 Agent)，以及從既有
的資訊去產生新的資訊 (Data Mining)，主體基本上
都沒甚麼變，只是方法與領域或多或少都有變化。
Data Mining 本身就只是透過已有但難以解析的
大量資訊找到有利用價值的資訊，所以在從大量的資
訊如何歸納與聚焦的方法就是資料採礦，無論是規則
或者是指標，更有可能的是一個定性定量出來的縮減
範圍，都是利用這些方法創造出解決新問題的答案，
而這問題是甚麼，這答案會是甚麼都會影想到所用的
方法。
生活莫不過是一連串的選擇，甚至在 Seth Data
也可能認為選擇是人之為人的最重要課題，但擺脫這
種型而上的說法，經濟只是在有限的資源上做選擇是
最基本的假設。
任何選擇都會有資源做為樣本空間，也就是說，
在資源有限的前提下，人能夠選擇的空間就更有限了
，所以到最後如何在這種限制去做最佳的選擇變成是
最基本的問題，而在解決問題的答案方法中，從既有
的過去資源去做判斷是最合理的依據，只是這個過去
可供參考的歷史相對現在可用的資源比例是相當龐大
與不可計數，而在主觀與直覺上應該有更好的方式來
找到答案。
而在這種數字資料庫中，應用最廣的大概就是金
融與體育，從過去的結果去判斷未來是金融數字與體
育數字最重要的依據，從打開報紙來看，充滿數字的
兩個版面就是這兩個吧，只是往往體育的數字規模可
能跟金融比較起來是小非常多，但面臨的不確定性是
等價的，沒有人能夠百分之百的預測未來的行為，因
為再些微的可能性都會造成巨大變化的發散性，只是
這個發散性的變化是在所有時刻的切點都可以找到一
些模式。
事實上決策資源系統本來就不是來做百分之百的
預測，這個可能要交給命理學家或預知者來做的，但
發展出一個系統能夠 80% 甚至 90% 適用的價值就已
經相當高了，因此找到這些方法也是具有相當的價值
。
而電腦在這套決策支援系統中，正適合處理大量
的資訊找到一定程度的模式來做參考，只是與其說是
幫人做決策，還不如只是種參考與回饋的機制，只是
這樣的參考行為已經可以把時間與規模做一定程度的
放大，其經驗也不再受限於個人，甚至是從小眾到大
眾的模糊群體與個人，甚至是不存在的本體做為一種
參考，因為人的行為再如何都很難去預測與代為決策
，只是透過這系統幫人降低決策所須要的成本是必要
的。
**********************************************
*1
1/28/04 7:36 pm，從市政府站開始寫，是因為
同事載我從永春站開始坐起。
01/29/04. 資料採礦前言(二)
[QOTD]Data Mining 實務與學術的落差是在於資料的
產出是已經發生而不能修正，也不可能再投入
資源去正規化，不像我們可以依理論須要去創
造出數字。
*1
Data Mining 在資訊學的觀點也是一種把資料轉
換成資訊甚至是種知識的方法與工具，這想法一點也
不特別，只是在這幾年才得以實現。
能夠實現的因素有幾個原因，一個是在許多系統
在資訊化與網路化的結果，獲得資料與傳遞、儲存資
料的成本已經降到可以接受的地步，因為在以前這樣
的資料至少都是 Giga Byte 的，甚至數十數百或
Tera Byte 都是很常見的，在以前不是做不到，不然
就是必須動到國家資源才能做到，現在已經是很普遍
的資源了。
另一個資源也是電腦技術的成長，不只是資料本
身的成本，在計算的成本也是以摩爾系數的曲線降低
，也就是說 CPU 的運算能力，現在只要花不到 5~10
年前成本的 5~10 分之一就可以做到，甚至這成本包
含金錢與時間，且時間更是一個很重要的考量，因為
資訊的價值一個很重要的就是時間性，若是預測的速
度甚至比實際發生的時間還要更久的話，這種預測是
一點價值也沒有。
因此透過電腦運算的進步，以及平行處理的普遍
性，本來無法實現的事現在都可以實現了，這也是為
甚麼 Data Mining 在這幾年能夠變成一個顯學的原
因，不然 Data Mining 所處理的問題是很早就存在
，或者是用的演算法或數學統計基礎也是在 20~30
年前以前就已經到某種成熟的地步了，只是在當時的
時空背景本身是件難以做到的事。
但也不少演算法也是在這近幾年才漸漸進入雛型
或實用，只是這都不是最大的課題，因為真正實務上
的課題比去研究 Data Mining 的技術還要困難。
一個很大的技術落差是即使是現在的 Data
Mining 的技術已經成熟，但在實際上因為理論與實
務存在很大的鴻溝，有人曾經說過，理論是把實際的
事情給約化後然後用很複雜的算式去趨近，而這個約
化所造成的誤差不是再好的算式能夠解決的，反而是
用很單純很笨的方式去檢視實際，然後再重複獲得結
果後去趨近。
我在實務上就遇到類似的問題，在簡單的模型上
，任何物品的差異都是很顯而易見的，而在數量達到
上萬或數十萬與百萬的狀況，各種可能性都或出現，
說要去正規化資料是不可能的，因為在實務上不可能
再去創造出新的資料去輔助正規化與演算，也就是拿
到的就是一個物件可能到處交集、聯集，甚至是相同
而只是時間、外表的差異的東西，而去要求原始產生
資料的人去做調整是幾乎不可能的，所以我們必須去
接受這樣的資料來去做分析，即始這資料再有問題。
不只是資料的產出是已經發生而不能修改，不像
我們在學術理論可以依實際須求去創造出我們須要的
數字，另一個問題是即使電腦資源再多，還是有限的
問題。
**********************************************
*1
1/29/04 9:08 am，過紅樹林站，看樣子是坐上
遲到的班車，但最主要不是起不來或不想起來，而是
將系統的問題解決。看樣子，那一台 Linux 也進入
不穩定的狀態了。
轉載來源:[食夢黑貘] 的 [捷運日記]
《科學計算專題：SAS》
淺談SAS:綜論篇
作者：戴小琦
SAS統計軟體簡介：
SAS的英文全名是Statistical Analysis System(統計分析系統)
。這個軟體是從 1960 年代末期由美國北卡羅萊納州立大學(North
Carolina State University) 統計系的 A.J.Barr 與J.H.
Goodnight 兩位教授開始發展；SAS系統設計的目的是將資料處理後
，產生相關的或有用的資訊，並提供使用者製作報表、分析、決策
之用，故整個SAS 系統是以資料為中心，來進行資料擷取、資料管
理、資料分析及資料展示(present)等整合工作，以下即為您一一介
紹這四項內容。
（一）資料擷取
目前SAS可以取用之資料除了一般ASCII檔之外，還可使用資料庫
以及SPSS的資料檔。SAS 目前可抓取的資料庫之資料有：
ADABAS,AS/400,DB2,DB/2,DB2/6000,Infor-mix,INGRES,ODBC,ORACLE,
SYBASE and SQL Server等，除此之外，SAS還可將SPSS的資料檔
轉成SAS資料集。資料擷取除了上述方式之外，還可透過 SAS/FSP
將原始數據直接從螢幕鍵入，亦可透過 SAS/ACCESS 與其它資料庫
溝通，或者透過 SAS/CONNECT與其它電腦(主機、PC)連線來取用資
料。
（二）資料管理
資料管理顧名思義是將有用的資料，相關的欄位留下使用，去蕪
存菁，而使用者可透過 SAS/BASE 產品及 SQL(結構化查詢語言)程
序，對研究樣本資料作摘要表、中文內碼轉換、加密碼，或透過
SAS/FSP 做產品設計、問卷的登錄及錯誤碼的檢查等做資料管理。
SAS 資料管理，具有下列幾項功能：如，不同格式(日期、字串、
數值)資料之間的管理；不同 PC或主機之間的資料管理；資料排序
；檔案水平或垂直合併；篩選資料檔符合某些條件式之觀察值；篩
選某些變數；更新資料檔內容；變數變換；文字變數和數值變數之
間的轉換及日期(date)、時間資料的處理等。
（三）資料分析
資料分析則是把資料進一步分解成各種有用的部分，轉化為有用
的資訊。以SAS進行的統計分析，約有下列幾種：描述性統計；迴歸
分析；變異數分析；無母數統計；多變量分析；區別分析；集群分
析；計分(scoring)分析；生存(survival)分析；預測分析；計量分
析；作業研究；品質管理；決策分析；電腦效能評估方析及生物及
醫學診療研究分析等。
而使用者依各別領域的不同，所須的SAS軟體工具亦有所差異，您
可以利用下列 SAS 產品做資料分析（見表一）。
表一
┌─────┬────────────┐
│SAS軟體 │ 統計功能 │
├─────┼────────────┤
│SAS/BASE │ 進行初等統計分析 │
├─────┼────────────┤
│SAS/STAT │ 進行高等統計分析 │
│ │ 及多變量統計分析 │
├─────┼────────────┤
│SAS/ETS │ 進行計量經濟及時 │
│ │ 間數列分析 │
├─────┼────────────┤
│SAS/OR │ 進行專案管理之作 │
│ │ 業研究 │
├─────┼────────────┤
│SAS/CACL │ 速算表運算 │
├─────┼────────────┤
│SAS/LAB │ 具有人工智慧式人 │
│ │ 機交談環境，以進 │
│ │ 行線性（或非線性） │
│ │ 迴歸、變異數分析， │
│ │ 及共變數分析，它可 │
│ │ 根據分析結果進行解 │
│ │ 釋及繪統計圖。 │
├─────┼────────────┤
│SAS/QC │ 進行品質管制。 │
├─────┼────────────┤
│SAS/IML │ 進行矩陣運算。 │
├─────┼────────────┤
│SAS/ASSIST│ 可自動產生 SAS 程式。 │
├─────┼────────────┤
│SAS/EIS │ 用來開發主管資訊系統。 │
├─────┼────────────┤
│SAS/AF │ 讓使用者可自己設計物件 │
│ │ 導向應用系統。 │
├─────┼────────────┤
│SAS/PH- │ 做生物及醫學診斷實驗。 │
│Clinical │ │
└─────┴────────────┘
（四）資料展示
資料展示則是利用文件、表格或圖形等方式，將相關的資訊呈現
出來。它可透過SAS/Graph產生高解析度統計圖， SAS/GIS產生地理
資訊系統，SAS/Insight 產生資料和統計圖之間動態連結。
硬體需求及其特色
SAS為非電腦專業人員特別設計了一套不必撰寫SAS程式的軟體－
SAS for Windows，它可依其不同統計模式及選項，來做不同的分析
。其硬體需求及特色如下：
(一) 個人電腦硬體之基本需求：
1.386以上個人電腦均可安裝。
2.主記憶體(RAM)至少要 8 MB。
3.硬碟剩餘空間至少 100 MB 以上。
4.MS Win3.1 或以上之版本(最好為中文)。
(二) 特色：
1.具有32 bit 系統處理及資料表示法。
2.圖形使用介面(GUI)的改善。
3.加強SAS/AF 物件導向程式設計員對 Application Work
Space(AWS)的畫面控制：透過動態連結資料庫(DLL)技術，來整合
SAS/AF應用系統和 Windows 其它應用程式。
4.列印報表功能的加強：可根據印表機種類，自動調整報表長度
及寬度。
5.加強統計圖形輸出入的彈性：可將 PC 圖形檔格式輸入到
SAS/GRAPH中；同時亦可將 SAS 圖形檔(.grseg)存成不同格式 PC
圖形檔如：(*.bmp、 *.ttf)。
6.提供開放式資料連結(ODBC)：以達到和其它套裝軟體之間的資
料共享。
7.支援 True Type 字形。
8.在「ASSIST」視窗中，系統可依據目前 user 所選擇狀態，自
動產生SAS 程式省去初學者語法上鍵入的錯誤性。
SAS資料檔：
在任何一個 SAS 的程式裡，均可建立一個以上的 SAS 資料檔，
其命名方式為二段式(two-level)，如：mylib.test，前半段為 SAS
資料檔所在之目錄館名稱(Library reference)，若該資料屬臨時資
料檔，則內定存於 work 臨時目錄；後半段為資料檔名稱。前後兩
段以"．" 區隔，各不得超過8個字元。
所謂的 SAS 資料檔是自外部輸入之一般的文、數字資料，此種資
料使用者可以讀懂，又稱為文字資料(Text Data)，再經 SAS 系統
轉換即成為SAS 資料集(SAS Data Set)。
它的組成有三個部份：
(1) 資料檔名稱
(2) 一組變數名稱
(3) 變數所有觀察值
SAS 資料檔的建立：
(一) 在程式內建立臨時資料檔
如：DATA test;
此法所建之臨時資料檔皆暫存在 SAS 開設之臨時工作區，即 SAS
安裝目錄下的子目錄 SASWORK。一旦退出 SAS 系統，臨時資料檔將
會消失。以本例而言，〝test〞檔即為臨時資料檔，且存放於
SASWORK目錄下。
(二) 在程式外建立永久資料檔
永久資料檔的好處在於方便日後再次取用，建立方式如下：
Libname libref d:directory';
/* 目錄館‵libref′位於
‵d:directory′*/
Data libref.dname;
/* 二段式的資料名稱即資料名
‵dname′位於
‵d:directory′下之目錄館
‵libref′*/
取用之法：
Libname libref 'd:directory';
Data new; /* 新臨時資料集‵NEW′*/
set libref.dname; /* 取用永久資料集
‵libref.dname′*/
結語：
SAS在歷經多次改版更新後，本院現行版本(主機版、Windows)
6.11版，除了增強原有統計功能外，還具備了資料庫管理、高階語
言撰寫、報告撰寫、精密繪圖、網路連結，資料共享等功能，同時
亦相繼推出資料倉儲、線上分析、主管資訊系統等產品。目前SAS更
朝向個人化、中文化、 MIDI 等方向發展，且讓我們拭目以待。
《科學計算專題：SAS》
淺談SAS:綜論篇
作者：戴小琦
SAS統計軟體簡介：
SAS的英文全名是Statistical Analysis System(統計分析系統)
。這個軟體是從 1960 年代末期由美國北卡羅萊納州立大學(North
Carolina State University) 統計系的 A.J.Barr 與J.H.
Goodnight 兩位教授開始發展；SAS系統設計的目的是將資料處理後
，產生相關的或有用的資訊，並提供使用者製作報表、分析、決策
之用，故整個SAS 系統是以資料為中心，來進行資料擷取、資料管
理、資料分析及資料展示(present)等整合工作，以下即為您一一介
紹這四項內容。
（一）資料擷取
目前SAS可以取用之資料除了一般ASCII檔之外，還可使用資料庫
以及SPSS的資料檔。SAS 目前可抓取的資料庫之資料有：
ADABAS,AS/400,DB2,DB/2,DB2/6000,Infor-mix,INGRES,ODBC,ORACLE,
SYBASE and SQL Server等，除此之外，SAS還可將SPSS的資料檔
轉成SAS資料集。資料擷取除了上述方式之外，還可透過 SAS/FSP
將原始數據直接從螢幕鍵入，亦可透過 SAS/ACCESS 與其它資料庫
溝通，或者透過 SAS/CONNECT與其它電腦(主機、PC)連線來取用資
料。
（二）資料管理
資料管理顧名思義是將有用的資料，相關的欄位留下使用，去蕪
存菁，而使用者可透過 SAS/BASE 產品及 SQL(結構化查詢語言)程
序，對研究樣本資料作摘要表、中文內碼轉換、加密碼，或透過
SAS/FSP 做產品設計、問卷的登錄及錯誤碼的檢查等做資料管理。
SAS 資料管理，具有下列幾項功能：如，不同格式(日期、字串、
數值)資料之間的管理；不同 PC或主機之間的資料管理；資料排序
；檔案水平或垂直合併；篩選資料檔符合某些條件式之觀察值；篩
選某些變數；更新資料檔內容；變數變換；文字變數和數值變數之
間的轉換及日期(date)、時間資料的處理等。
（三）資料分析
資料分析則是把資料進一步分解成各種有用的部分，轉化為有用
的資訊。以SAS進行的統計分析，約有下列幾種：描述性統計；迴歸
分析；變異數分析；無母數統計；多變量分析；區別分析；集群分
析；計分(scoring)分析；生存(survival)分析；預測分析；計量分
析；作業研究；品質管理；決策分析；電腦效能評估方析及生物及
醫學診療研究分析等。
而使用者依各別領域的不同，所須的SAS軟體工具亦有所差異，您
可以利用下列 SAS 產品做資料分析（見表一）。
表一
┌─────┬────────────┐
│SAS軟體 │ 統計功能 │
├─────┼────────────┤
│SAS/BASE │ 進行初等統計分析 │
├─────┼────────────┤
│SAS/STAT │ 進行高等統計分析 │
│ │ 及多變量統計分析 │
├─────┼────────────┤
│SAS/ETS │ 進行計量經濟及時 │
│ │ 間數列分析 │
├─────┼────────────┤
│SAS/OR │ 進行專案管理之作 │
│ │ 業研究 │
├─────┼────────────┤
│SAS/CACL │ 速算表運算 │
├─────┼────────────┤
│SAS/LAB │ 具有人工智慧式人 │
│ │ 機交談環境，以進 │
│ │ 行線性（或非線性） │
│ │ 迴歸、變異數分析， │
│ │ 及共變數分析，它可 │
│ │ 根據分析結果進行解 │
│ │ 釋及繪統計圖。 │
├─────┼────────────┤
│SAS/QC │ 進行品質管制。 │
├─────┼────────────┤
│SAS/IML │ 進行矩陣運算。 │
├─────┼────────────┤
│SAS/ASSIST│ 可自動產生 SAS 程式。 │
├─────┼────────────┤
│SAS/EIS │ 用來開發主管資訊系統。 │
├─────┼────────────┤
│SAS/AF │ 讓使用者可自己設計物件 │
│ │ 導向應用系統。 │
├─────┼────────────┤
│SAS/PH- │ 做生物及醫學診斷實驗。 │
│Clinical │ │
└─────┴────────────┘
（四）資料展示
資料展示則是利用文件、表格或圖形等方式，將相關的資訊呈現
出來。它可透過SAS/Graph產生高解析度統計圖， SAS/GIS產生地理
資訊系統，SAS/Insight 產生資料和統計圖之間動態連結。
硬體需求及其特色
SAS為非電腦專業人員特別設計了一套不必撰寫SAS程式的軟體－
SAS for Windows，它可依其不同統計模式及選項，來做不同的分析
。其硬體需求及特色如下：
(一) 個人電腦硬體之基本需求：
1.386以上個人電腦均可安裝。
2.主記憶體(RAM)至少要 8 MB。
3.硬碟剩餘空間至少 100 MB 以上。
4.MS Win3.1 或以上之版本(最好為中文)。
(二) 特色：
1.具有32 bit 系統處理及資料表示法。
2.圖形使用介面(GUI)的改善。
3.加強SAS/AF 物件導向程式設計員對 Application Work
Space(AWS)的畫面控制：透過動態連結資料庫(DLL)技術，來整合
SAS/AF應用系統和 Windows 其它應用程式。
4.列印報表功能的加強：可根據印表機種類，自動調整報表長度
及寬度。
5.加強統計圖形輸出入的彈性：可將 PC 圖形檔格式輸入到
SAS/GRAPH中；同時亦可將 SAS 圖形檔(.grseg)存成不同格式 PC
圖形檔如：(*.bmp、 *.ttf)。
6.提供開放式資料連結(ODBC)：以達到和其它套裝軟體之間的資
料共享。
7.支援 True Type 字形。
8.在「ASSIST」視窗中，系統可依據目前 user 所選擇狀態，自
動產生SAS 程式省去初學者語法上鍵入的錯誤性。
SAS資料檔：
在任何一個 SAS 的程式裡，均可建立一個以上的 SAS 資料檔，
其命名方式為二段式(two-level)，如：mylib.test，前半段為 SAS
資料檔所在之目錄館名稱(Library reference)，若該資料屬臨時資
料檔，則內定存於 work 臨時目錄；後半段為資料檔名稱。前後兩
段以"．" 區隔，各不得超過8個字元。
所謂的 SAS 資料檔是自外部輸入之一般的文、數字資料，此種資
料使用者可以讀懂，又稱為文字資料(Text Data)，再經 SAS 系統
轉換即成為SAS 資料集(SAS Data Set)。
它的組成有三個部份：
(1) 資料檔名稱
(2) 一組變數名稱
(3) 變數所有觀察值
SAS 資料檔的建立：
(一) 在程式內建立臨時資料檔
如：DATA test;
此法所建之臨時資料檔皆暫存在 SAS 開設之臨時工作區，即 SAS
安裝目錄下的子目錄 SASWORK。一旦退出 SAS 系統，臨時資料檔將
會消失。以本例而言，〝test〞檔即為臨時資料檔，且存放於
SASWORK目錄下。
(二) 在程式外建立永久資料檔
永久資料檔的好處在於方便日後再次取用，建立方式如下：
Libname libref d:directory';
/* 目錄館‵libref′位於
‵d:directory′*/
Data libref.dname;
/* 二段式的資料名稱即資料名
‵dname′位於
‵d:directory′下之目錄館
‵libref′*/
取用之法：
Libname libref 'd:directory';
Data new; /* 新臨時資料集‵NEW′*/
set libref.dname; /* 取用永久資料集
‵libref.dname′*/
結語：
SAS在歷經多次改版更新後，本院現行版本(主機版、Windows)
6.11版，除了增強原有統計功能外，還具備了資料庫管理、高階語
言撰寫、報告撰寫、精密繪圖、網路連結，資料共享等功能，同時
亦相繼推出資料倉儲、線上分析、主管資訊系統等產品。目前SAS更
朝向個人化、中文化、 MIDI 等方向發展，且讓我們拭目以待。
