热线电话:13121318867

登录
首页精彩阅读方差分析sas实现过程 方差分析两两比较
方差分析sas实现过程 方差分析两两比较
2014-11-01
收藏

方差分析sas实现过程 方差分析两两比较

一、正态性检验

proc univariate normal;
class g;
var x;
run;
二、方差分析
1. 方差分析主要过程说明
 1.1 ANOVA过程格式及使用说明
 a. 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];

 b. 使用说明

PROC ANOVA  语句的选项主要有:

DATA=数据集名  指明要分析的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  指定分析计算结果输出的数据集名.

CLASS语句指明分类变量,是ANOVA过程的必需语句,并且必须出现在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的因素个数.
MODEL语句定义分析所用的效应模型,即方差分析的因变量和效应变量. 在方差分析过程中,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

        MODEL y=a b      双因素无交互作用一元方差分析

        MODEL y=a b a*b   双因素有交互作用一元方差分析

MEANS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较的方法. 

                  means 组变量:关于均值和标准差比较;
                  means 组变量/hovtest   snk  bon;方差齐性检验和分组两两比较,其中avona 过程中的比较方法有 snk 和bon ,glm过程的比较方法有Dunnett,可以指定参照组如Dunnett('3'):第三组为参照组。
1.2 GLM过程格式及使用说明

         GLM 即广义线性模型(General Liner Model)过程,对于非平衡数据,应采用GLM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,数据分析师可用于多种不同的统计分析中. GLM过程用于方差分析时,主要语句和使用格式与上述ANOVA过程类似 .

2. 应用实例

一个工厂用三种不同的工艺生产某种电池. 从三种工艺生产的电池中分别抽取5个样品,测得样品寿命的数据如下(单位小时):



 工艺1  工艺2  工艺3
 1  40  26  39
 2  46  34  40
 3  38  30  43
 4  42  28  48
 5  44  30  44

       我们"数据分析师"要研究的指标是电池的寿命,工艺是影响寿命的一个因素,三种工艺分别是该因素的三个水平. 在试验中我们假设其它因素都处于相同的状态. 这里我们"数据分析师"希望利用上面得到的数据来考察“工艺”的不同是否对“寿命”这个指标有影响?

sas 输入过程

         Data  exam;            

    Do  I=1 to 5;            /*每个处理下5次重复*/

    Input x@@;

    Output;

    End;

    End;

    Cards;

    40 46 38 42 44

    26 34 30 28 32

    39 40 43 48 50

    ;

    Procanova;              /*调用方差分析过程*/

    Class trt;                /*定义处理为分类变量*/

    Model x=trt;             /*定义效应模型*/

    Title '方差分析';


    Run;

sas 结果输出

   Analysis of Variance Procedure

Dependent Variable: X

Source    DF     Sum of Squares     Mean Square      F Value    Pr > F

Model      2        573.33333333         286.66666667        19.77     0.0002

Error      12       174.00000000         14.50000000

CT          14       747.33333333

  R-Square       C.V.          Root MSE             X Mean


  0.767172      9.847982      3.80788655          38.66666667

以上结果相当于方差分析表, F值为19.77,显著性水平为0.0002,小于0.01,说明各处理间的均值差异极显著. 

注:GLM过程与ANOVA应用过程类似,GLM过程中可以进行回归分析、方差分析、协方差分析、剂量反应模型分析、多元方差分析和偏相关分析等等,其功能之强大可见一斑。数据分析师培训

数据分析咨询请扫描二维码

最新资讯
更多
客服在线
立即咨询