sas的glm和anova基礎(chǔ)

1、多組資料均數(shù)比較我們一般采用方差分析的方法，SAS中方差分析的功能非常全面，能實現(xiàn)方差分析功能的過程有anova過程和glm過程。一、anova過程和glm過程簡介1.anova過程anova過程存在于stat模塊，主要的功能就是進行方差分析。anova過程用以對平衡實驗設(shè)計資料（各分組因素各水平的所有組合具有相同的樣本量或觀察值）進行分析，不能用于對非平衡實驗設(shè)計資料的方差分析。它比glm過程的運行速度要快，要求的存貯空間也要小一些。anova過程的一般格式如下：PROCANOVAv選項列表；CLASS變量名列表；MODEL應(yīng)變量=自變量表達式V/選項列表；ABSORB變量列表；BY變量名；

2、FREQ變量名；MANOVAV檢驗選項V/詳細選項；MEANS自變量表達式V/選項；REPEATED變量名水平數(shù)V（各水平值）V/選項;TESTVH=變量表達式E=變量表達式；procanova語句啟動anova過程的運行，其后的選項列表可含有以下項目:DATA=數(shù)據(jù)集名MANOVAMULTIPASSNAMELEN=nNOPRINTORDER=DATA、FORMATTED、FREQ、INTERNALOUTSTAT=SAS-data-set其中的“order二選項指定anova過程對分類變量(class語句指定的變量)各水平的排序方式，可選的四個條目分別表示按照原始數(shù)據(jù)中的順序、輸出格式值的順序

3、、各水平觀察值頻數(shù)多少的順序、內(nèi)部值的順序進行排序。其余選項和以前的內(nèi)容相同或較少用到，這里不再一一解釋。其后的class語句、by語句、freq語句等和以前的內(nèi)容完全相同，我們這里著重了解一下anova過程中特有的關(guān)鍵語句。model語句：用來指定應(yīng)變量和自變量，并且通過特定的表達式規(guī)定自變量的作用方式。如果沒有指定任何自變量，則模型中僅包含常數(shù)項，此時檢驗的內(nèi)容是應(yīng)變量的均數(shù)是否為零。model語句中指定的自變量必須是class語句中聲明過的分類變量，anova過程不允許自變量中有連續(xù)型變量(數(shù)值變量)，而應(yīng)變量則必須是數(shù)值型變量。自變量表達式可用來表達三種不同的效應(yīng)模型，即主效應(yīng)模型、交

4、互效應(yīng)模型、嵌套設(shè)計效應(yīng)模型。我們假定應(yīng)變量為y，a，b，c為模型中包含的三個自變量，各種效應(yīng)模型的表達方式如下：(1) 主效應(yīng)模型：y=abc；(2) 交互效應(yīng)模型：y=abca*ba*cb*ca*b*c；(3) 嵌套設(shè)計模型：y=abc(ab)；其中c因素為a、b兩因素各種組合下的二級因素。model語句末尾的選項有“intercept和“nouni兩項，分別指定SAS進行關(guān)于常數(shù)項的假設(shè)檢驗和在多變量方差分析(或重復測量資料方差分析)時禁止單變量統(tǒng)計結(jié)果的輸出。absorb語句：對于僅發(fā)揮主效應(yīng)的因素，absorb語句指定SAS消除此變量的作用，只對其余變量進行分析，起到大幅度減少計算機

5、資源和時間消耗的作用。應(yīng)用此功能時，須先對指定變量排序，且此變量不能再出現(xiàn)在class語句和model語句中。manova語句：當反應(yīng)變量有多個時，此語句控制anova過程進入多元方差分析模式，其后的選項用以指定多元方差分析時的各項指標。means語句：指定anova過程計算指定變量各水平下反應(yīng)變量的均值、標準差，并進行組間的多重比較。repeated語句：如果反應(yīng)變量為重復測量數(shù)據(jù)，此語句用以指定anova過程進入重復測量數(shù)據(jù)方差分析模式。其中的變量名代表重復測量因素（如測量時間等），其后水平數(shù)代表重復測量的次數(shù)，如果需指定重復測量各次的具體標識，可在其后按順序列出，并用圓括號括起來。tes

6、t語句：用以進行其他類型的f檢驗，這種檢驗不同于通常方差分析中以誤差均方為分母的f檢驗，其中的選項'h=用以指定作為分子的變量表達式（必須在model語句中出現(xiàn)過），“e=用以指定一個作為分母的變量。2.glm過程glm過程也存在于stat模塊中，它執(zhí)行以最小二乘法進行模型擬合的功能。以此過程可以實現(xiàn)的統(tǒng)計學方法有回歸分析、方差分析、協(xié)方差分析、多元方差分析以及偏相關(guān)分析。glm過程對數(shù)據(jù)的分析處理均在一般線性模型的框架下進行，反應(yīng)變量可以為一個或多個連續(xù)型變量，自變量可為連續(xù)型也可為離散型。glm過程的一般格式如下：PROCGLMV選項列表；CLASS變量名列表；MODEL應(yīng)變量=自

7、變量列表V/選項列表；ABSORB變量名列表；BY變量名列表；FREQ變量名列表；ID變量名列表；WEIGHT變量名列表；CONTRAST'標記'效應(yīng)表達式常數(shù)向量V.效應(yīng)表達式常數(shù)向量V/選項列表；ESTIMATE'標記'效應(yīng)表達式常數(shù)向量V.效應(yīng)表達式常數(shù)向量V/選項列表；LSMEANS效應(yīng)表達式V/選項列表；MANOVAV檢驗選項V/詳細選項；Means效應(yīng)表達式v/選項列表；OUTPUTVOUT=數(shù)據(jù)集名V/選項；RANDOM效應(yīng)表達式V/選項列表；REPEATED因素表達式V/選項列表；TESTVH=變量表達式E=變量表達式V/選項列表;Procglm

8、語句標志glm過程的開始，此句后的選項可有以下項目。DATA=數(shù)據(jù)集名ALPHA=pMANOVAMULTIPASSNAMELEN=nNOPRINTORDER=DATA、FORMATTED、FREQ、INTERNALOUTSTAT=SAS-data-set可以看到此選項列表僅比anova過程的多了一個項目，即“alpha=p選項，此選項用來指定計算過程中所采用的顯著性水平。其余選項的用法和含義與anova過程的相同，這里不再多說了。大家可以比較一下glm過程和anova過程所涉及的語句，anova過程中涉及的所有語句都包含在glm過程所涉及的語句中，其用法和功能也都是基本相同的，這一部分語句這里

9、就不再贅述。Contrast語句使你可以用自定義的方式進行假設(shè)檢驗，它必須出現(xiàn)在model語句之后，如果用到manova語句、repeated語句、random語句或test語句，contrast語句必須出現(xiàn)在這些語句之前。標記用來標識所進行的檢驗，用以標識的文字或符號需用單引號括起來。效應(yīng)表達式用以指定假設(shè)檢驗的因素（組合），這些因素（組合）必須是model語句中出現(xiàn)過的。效應(yīng)表達式后的常數(shù)向量用以指定相應(yīng)因素（組合）各水平的值，在指定各水平的情況下進行相關(guān)因素的分析。Estimate語句可實現(xiàn)對線性方程的估計，它也必須出現(xiàn)在model語句之后，使用的規(guī)則和contrast語句基本相同。其中的語句元素的含義和用法也與contrast語句相同。Lsmeans語句用以指示SAS對指定的因素（組合）計算應(yīng)變量的最小二乘均數(shù)并輸出到結(jié)果中。Output語句我們在以前的內(nèi)容中接觸過，其功能和用法和以前的內(nèi)容也基本相同，各位請參考以前的內(nèi)容使用。Random語句用以指定哪些因素（組合）是隨機變量，即相對于這些因