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
- 温馨提示:
1: 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
2: 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
3.本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
5. 装配图网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。