方差分析的SAS操作

方差分析常用于方差分析的主要過程有ANOVA和GLM（廣義線性模型），對于平衡數(shù)據(jù)資料（各水平下等重復，數(shù)據(jù)沒有丟失），一般用ANOVA過程，對于非平衡數(shù)據(jù)，應(yīng)采用GLM過程.1、ANOVA過程格式及使用說明過程格式：PROCANOVA［選項］;CLASS處理因素；MODEL因變量=效應(yīng)表［/選擇項］;MEANS效應(yīng)表［/選擇項］;過程說明：?PROCANOVA語句的選項主要有：DATA瑚據(jù)集名指明要分析的SAS數(shù)據(jù)集，缺省時SAS將使用最近建立的數(shù)據(jù)集.OUTSTAT葡出數(shù)據(jù)集指定分析計算結(jié)果輸出的數(shù)據(jù)集名.?CLASS語句指明分類變量，是ANOVA過程的必需語句，并且必須出現(xiàn)在MODEL語句之前.分類變量可以為數(shù)值型或字符型，分類變量的個數(shù)表示方差分析的因素個數(shù).?MODEL語句定義分析所用的效應(yīng)模型，即方差分析的因變量和效應(yīng)變量.在方差分析過程中，關(guān)鍵在于定義線性數(shù)學模型，常用的模型定義語句有：MODELy=aMODELy=a單因素一元方差分析MODELy=ab雙因素無交互作用一元方差分析MODELy=aba*b雙因素有交互作用一元方差分析?MEANS(格式：因素/選擇項)語句用來計算該語句所列的每個效應(yīng)所對應(yīng)的因變量均值，其選項用于設(shè)定多重比較的方法以及方差齊性檢驗?？梢赃x擇的檢驗方法有：T/LSD法：對means語句中出現(xiàn)的所有因素的各水平進行兩兩T檢驗，當每一水平的觀測數(shù)相等時，T檢驗變成Fisher的最小顯著差檢驗。BON法：對MEANS語句中出現(xiàn)的所有因素的各水平均值之差進行Bonferroni的T檢驗。TUKEY法：對MEANS語句中出現(xiàn)的所有因素的各水平均值進行TUKEY的學生化極差檢驗。DUNCAN法：對MEANS語句中出現(xiàn)的所有因素的各水平均值進行DUNCAN的極差檢驗。REGWF法：對MEANS語句中出現(xiàn)的所有因素的各水平均值進行多重極差檢驗。HOVTEST：進行方差齊性檢驗。2、GLM即廣義線性模型(GeneralLinerModel)過程，它使用最小二乘法對數(shù)據(jù)擬合廣義線性模型.該過程功能強大，可用于多種不同的統(tǒng)計分析中.GLM過程用于方差分析時，主要語句和使用格式與上述ANOVA過程類似，詳見例3.―、單因素方差分析1.單因素等重復方差分析（ANOVA過程）應(yīng)用舉例：編寫程序如下：Dataexam;/*建立數(shù)據(jù)集*/Dotrt=1to3;/*3個水平（trt）分別為1、2、3*/DoI=1to5;/*每個水平下5次重復*/Inputx@@;Output;End;End;Cards;4046384244263430283239404348509Procsort;Bytrt;Run;Procunivariatenormal;Varx;Bytrt;Run;Procanova;/*調(diào)用方差分析過程*/Classtrt;/*定義處理為分類變量*/Modelx=trt;/*定義效應(yīng)模型*/Meanstrt/thovtestbon;/*要求計算每一水平下的均值，進行方差齊性檢驗，多重比較T檢驗和BON檢驗*/Run;Title'方差分析'；Run;補充：'試驗錯誤率MEER’與'比較錯誤率CER’。例如：有5種施肥方法，均值做兩兩比較有10種組合，如要控制10種比較的總錯判率，就稱為“試驗錯誤率”。如果想對10種比較中的每一種都控制比較錯判機會，就稱為“比較錯誤率”。例2在4種不同的肥料處理（k1，k2,k3,k4）下測得土壤的含氮量（nit），每個處理下重復5次，分析各處理間土壤含氮量的均值是否有顯著差異（數(shù)據(jù)見程序中）.Dm"LOG;CLEAR;OUTPUT;CLEAR;";Datanew2;Inputstr$nit@@;/*str表示處理，是字符型變量*/Cards;/*每一個數(shù)據(jù)前的符號ki(i=1,2,3,4)表明該數(shù)據(jù)屬于哪一個處理*/k119.4k132.6k127k132k133k217.7k224.8k227.9k225.2k224.3k317k319.4k39.1k311.9k315.8k420k421k420.5k418.8k418.6;;Procprint;Title"單因素方差分析"；Procanova;Classstr;Modelnit=str;Run;程序運行結(jié)果：單因素方差分析DependentVariable:NITSumofMeanSourceDFSquaresSquareFValuePr>FModel3545.4920000181.830666711.050.0004Error16263.168000016.4480000CorrectedTotal19808.660000R-SquareC.V.RootMSENITMean0.67456318.603734.05561321.80000以上的方差分析表列出F值為11.05,顯著性水平達到0.0004，小于0.01，表明各處理間差異極顯著.2.單因素不等重復的方差分析（GLM過程）不等重復的單因素方差分析一般用GLM過程，該過程應(yīng)用范圍較廣，用于方差分析時，主要處理非平衡數(shù)據(jù).應(yīng)用舉例：編寫程序為：Dm"LOG;CLEAR;OUTPUT;CLEAR;";Datanew;Inputstr$x@@;/*x表示含銷售量，str表示包裝處理*/Cards;A112A118A214A212A213A319A317A321A424A430;;Procprint;Title"單因素不等重復方差分析"；Procglm;Classstr;Modelx=str;Run;程序運行結(jié)果：單因素不等重復方差分析GeneralLinearModelsProcedureDependentVariable:XSourceDFSumofSquaresMeanSquareFValuePr>FModel3258.0000000086.0000000011.220.0071Error646.000000007.66666667CorrectedTotal9304.00000000R-SquareC.V.RootMSEXMean0.84868415.382642.7688746218.00000000由方差分析表中看到，組間平方和為258,組內(nèi)平方和為46,總的平方和為304,F值為11.22,顯著性水平達到0.007,包裝不同對銷售量的影響極顯著.二、雙因素無交互作用方差分析應(yīng)用舉例：例4編寫程序為：Datanew;Doa='a1','a2','a3','a4';Dob='b1','b2','b3';Inputy@@;Output;End;End;Cards;164172174155157147159166158158157153;;Procprintdata=new;Run;Procanova;Classab;Modely=ab;Meansab/tbon;Run;程序運行結(jié)果：AnalysisofVarianceProcedureDependentVariable:YSourceDFSumofSquaresMeanSquareFValuePr>FModel5554.00000000110.800000006.160.0234Error6108.0000000018.00000000CorrectedTotal11662.00000000R-SquareC.V.RootMSEYMean0.8368582.6516504.24264069160.00000000SourceDFAnovaSSMeanSquareFValuePr>FA3498.00000000166.000000009.220.0115B256.0000000028.000000001.560.2856輸出的第一個方差分析表表明兩個因子方差分析模型是顯著的，F(xiàn)=6.16,p=0.0234；第二張表中因素A的效應(yīng)平方和為498,因素B的效應(yīng)平方和為56,兩者的F值分別為9.22和1.56，顯著性水平分別為0.0115和0.2856，結(jié)果表明，施肥種類對產(chǎn)量的影響顯著；而三個小麥品種對產(chǎn)量的影響不顯著.三、雙因素有交互作用的方差分析應(yīng)用舉例：為研究廣告效果，考察四種廣告方式：當?shù)貓蠹垺數(shù)貜V播、店內(nèi)銷售員和店內(nèi)展示的效果。共設(shè)有144個銷售點，每種廣告方式隨機地抽取36個銷售點記錄銷售額，共得到6個地區(qū)的144個銷售點的銷售情況。試在顯著性水平a=0.1的條件下，分析廣告方式和銷售地區(qū)對廣告效果是否有顯著影響。dataads;doad='paper','radio','people','display';doarea='1','2','3','4','5','6';doi=1to6;inputsales@@;output;end;end;end;cards;75577675837775726666767581637086629454708856868765658477786275627051100547879

6875653379736875651006168537368638379666573745765636785588278877077686155