方差分析的SAS操作

《方差分析的SAS操作》由会员分享，可在线阅读，更多相关《方差分析的SAS操作（6页珍藏版）》请在装配图网上搜索。

1、方差分析p 的SAS操作 - 方差分析p 常用于方差分析p 的主要过程有ANOVA和GLM广义线性模型，对于平衡数据资料各程度下等重复，数据没有丧失，一般用ANOVA过程，对于非平衡数据，应采用GLM过程. 1、 ANOVA过程格式及使用说明 过程格式： PROC ANOVA 选项； CLASS 处理因素； MODEL 因变量=效应表/选择项； MEANS 效应表 /选择项； 过程说明： PROC ANOVA 语句的选项主要有： DATA=数据集名 指明要分析p 的SAS数据集，缺省时SAS将使用最近建立的数据集. OUTSTAT=输出数据集 CLASS指定分析p 计算结果输出的数据集名. 语

2、句指明分类变量，是ANOVA过程的必需语句，并且必须出如今MODEL语句之前. 分类变量可以为数值型或字符型，分类变量的个数表示方差分析p 的因素个数. MODEL语句定义分析p 所用的效应模型，即方差分析p 的因变量和效应变量. 在方差分析p 过程中，关键在于定义线性数学模型，常用的模型定义语句有： MODEL y=a 单因素一元方差分析p MODEL y=a b 双因素无交互作用一元方差分析p MODEL y=a b a*b 双因素有交互作用一元方差分析p MEANS(格式：因素/选择项)语句用来计算该语句所列的每个效应所对应的因变量均值，其选项用于设定多重比拟的方法以及方差齐性检验。 可

3、以选择的检验方法有： 1T/LSD法：对means语句中出现的所有因素的各程度进展两两T检验，当每一程度的观测数相等时，T检验变成Fisher的最小显著差检验。 2BON法：对MEANS语句中出现的所有因素的各程度均值之差进展Bonferroni的T检验。 3TUKEY法：对MEANS语句中出现的所有因素的各程度均值进展TUKEY的学生化极差检验。 4DUNCAN法：对MEANS语句中出现的所有因素的各程度均值进展DUNCAN的极差检验。 5REGWF法：对MEANS语句中出现的所有因素的各程度均值进展多重极差检验。 6HOVTEST：进展方差齐性检验。 2、GLM 即广义线性模型Genera

4、l Liner Model过程，它使用最小二乘法对数据拟合广义线性模型. 该过程功能强大，可用于多种不同的统计分析p 中. GLM过程用于方差分析p 时，主要语句和使用格式与上述ANOVA过程类似，详见例3. 一、单因素方差分析p 1单因素等重复方差分析p (ANOVA过程) 应用举例: 编写程序如下： ; Proc sort ; By trt ; Run; Proc univariate normal ; Var x ; 建立数据集*/ /*3个程度trt分别为1、2、3*/ /*每个程度下5次重复*/ By trt ; Run; Proc anova; /*调用方差分析p 过程*/ Cla

5、ss trt; /*定义处理为分类变量*/ Model x=trt; /*定义效应模型*/ Means trt/t hovtest bon ; /*要求计算每一程度下的均值，进展方差齐性检验，多重比拟T检验和BON检验*/ Run; Title 方差分析p ; Run; 补充：试验错误率MEER与比拟错误率CER。 例如: 有5种施肥方法，均值做两两比拟有10种组合，如要控制10种比拟的总错判率，就称为“试验错误率”。 假如想对10种比拟中的每一种都控制比拟错判时机，就称为“比拟错误率”。 例2 在4种不同的肥料处理k1 ，k2，k3，k4下测得土壤的含氮量nit，每个处理下重复5次，分析p

6、各处理间土壤含氮量的均值是否有显著差异数据见程序中. Dm Data new2; Input str$ nit; /*str表示处理，是字符型变量*/ Cards; /*每一个数据前的符号ki (i=1,2,3,4)说明该数据属于哪一个处理*/ k1 19.4 k1 32.6 k1 27 k1 32 k1 33 k2 17.7 k2 24.8 k2 27.9 k2 25.2 k2 24.3 k3 17 k3 19.4 k3 9.1 k3 11.9 k3 15.8 k4 20 k4 21 k4 20.5 k4 18.8 k4 18.6 ; Proc print; Title 单因素方差分析p P

7、roc anova; Class str; Model nit=str; Run; 程序运行结果： Sum of Mean Source DF Squares Square F Value Pr F Model 3 545.4920000 181.8306667 11.05 0.0004 Error 16 263.1680000 16.4480000 Corrected Total 19 808.660000 R-Square C.V. Root MSE NIT Mean 0.674563 18.60373 4.055613 21.80000 以上的方差分析p 表列出F值为11.05，显著性程度到达0.0004，小于0.01，说明各处理间差异极显著. 第 6 页 共 6 页