方差分析sas实现过程方差分析两两比较-数据分析

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，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;

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。

转载请注明：数据分析 » 方差分析sas实现过程方差分析两两比较