多個(gè)樣本均數(shù)比較的方差分析SAS分析課件

第六章

多個(gè)樣本均數(shù)比較的方差分析2022/10/24SAS9.1統(tǒng)計(jì)軟件應(yīng)用教程1第一節(jié)完全隨機(jī)設(shè)計(jì)資料的方差分析（掌握）第二節(jié)隨機(jī)區(qū)組設(shè)計(jì)資料的方差分析（掌握）第五節(jié)析因設(shè)計(jì)資料的方差分析（了解）兩因素兩水平的析因分析能對(duì)SAS程序的輸出結(jié)果作出合理解釋2022/10/24SAS9.1統(tǒng)計(jì)軟件應(yīng)用教程2教學(xué)內(nèi)容方差分析 SAS常用的過程ANOVA過程(AnalysisOfVariance)GLM過程(GeneralLinearModel)。。。2022/10/24SAS9.1統(tǒng)計(jì)軟件應(yīng)用教程3anova過程的一般形式procanova<options>;classvariables;modeldependents=effects</options>;absorbvariables;byvariables;freqvariable;manova<test-options></detail-options>;meanseffects</options>;repeatedfactor-specification</options>;test<h=effects>e=effect;run;procanova語(yǔ)句procanova語(yǔ)句用以調(diào)用anova過程，語(yǔ)句中包含若干控制選項(xiàng)，詳見下表。選項(xiàng)功能與用法data=指定用于分析的輸入數(shù)據(jù)集。manova要求以多變量方式除去包含缺失值的觀測(cè)。如果反應(yīng)變量中的任何一個(gè)為缺失值，相應(yīng)觀測(cè)即被排除出分析過程。multipass要求anova過程在必要時(shí)重新讀入數(shù)據(jù)，而不是將數(shù)據(jù)寫入某個(gè)中間文件。其作用在于以增加程序運(yùn)行時(shí)間為代價(jià)而減少對(duì)磁盤空間的占用，這在大樣本數(shù)據(jù)處理時(shí)非常有用。namelen=為效應(yīng)名稱指定字符串的長(zhǎng)度。須設(shè)置為20~200的正整數(shù)。默認(rèn)設(shè)置為“namelen=20”。noprint禁止在結(jié)果窗口顯示分析結(jié)果。此選項(xiàng)在僅需要anova過程創(chuàng)建輸出數(shù)據(jù)集時(shí)有用。order=指定anova過程對(duì)分組變量（class變量）各水平的排序方式，此處的排序方式?jīng)Q定了模型中分組變量各水平所對(duì)應(yīng)的參數(shù)。此選項(xiàng)對(duì)所有分組變量有效?？稍O(shè)置的值及其含義：“data”——與輸入數(shù)據(jù)集中各水平的排列順序（首次出現(xiàn)的順序）相同；“formatted”——以變量的格式化值作升序排列；“freq”——以包含觀測(cè)數(shù)的多少降序排列；“internal”——以變量的非格式化值作升序排列。默認(rèn)設(shè)置為“order=formatted”。outstat=要求創(chuàng)建用于存儲(chǔ)方差分析表（包括平方和、自由度、f統(tǒng)計(jì)量以及p值等）的輸出數(shù)據(jù)集。class語(yǔ)句語(yǔ)句形式：classvariables;class語(yǔ)句用來(lái)指定作為分組因素的變量，class變量可為數(shù)值型或字符型。對(duì)于anova過程，class語(yǔ)句是必需的（即模型中應(yīng)至少包含一個(gè)分組變量），且必須位于model語(yǔ)句之前。class變量的水平由其格式化值所決定，因此可以通過格式化的方法確定class變量的水平。manova語(yǔ)句語(yǔ)句形式：manova<test-options></detail-options>;當(dāng)model語(yǔ)句定義的模型中包含多個(gè)反應(yīng)變量時(shí)，使用manova語(yǔ)句要求anova過程執(zhí)行多元方差分析的操作。語(yǔ)句中可設(shè)置兩種形式的選項(xiàng)，即檢驗(yàn)和細(xì)節(jié)選項(xiàng)檢驗(yàn)選項(xiàng)用來(lái)定義所要檢驗(yàn)的效應(yīng)。細(xì)節(jié)選項(xiàng)用來(lái)指定如何執(zhí)行檢驗(yàn)過程以及給出哪些檢驗(yàn)結(jié)果。model語(yǔ)句的模型表達(dá)式語(yǔ)句中以等號(hào)連接起來(lái)的變量（包括應(yīng)變量和自變量）列表或組合稱為模型表達(dá)式。其中“dependents”項(xiàng)代表應(yīng)變量，可為輸入數(shù)據(jù)集中的一個(gè)或多個(gè)數(shù)值型變量，多個(gè)應(yīng)變量之間以空格相分隔?！癳ffects”項(xiàng)為方差分析模型的效應(yīng)項(xiàng)，是由自變量（分組變量）以特定方式組合而成的表達(dá)式（自變量表達(dá)式），一個(gè)模型表達(dá)式中可以同時(shí)包含多個(gè)效應(yīng)項(xiàng)。means語(yǔ)句語(yǔ)句形式：meanseffects</options>;通過使用means語(yǔ)句，anova過程可以對(duì)model語(yǔ)句所定義的效應(yīng)計(jì)算其各水平下應(yīng)變量的均值及其標(biāo)準(zhǔn)差。還可通過設(shè)置必要的選項(xiàng)實(shí)現(xiàn)對(duì)指定主效應(yīng)的組間多重比較。同一過程步中可同時(shí)使用多條means語(yǔ)句，但均須位于model語(yǔ)句之后。means語(yǔ)句中可設(shè)置眾多的選項(xiàng)，均與指定效應(yīng)的組間多重比較有關(guān)。means語(yǔ)句選項(xiàng)及其功能（2）選項(xiàng)功能及用法lsd同“t”選項(xiàng)。snk對(duì)means語(yǔ)句中指定的全部主效應(yīng)執(zhí)行student-newman-keuls組間多重比較過程。regwq對(duì)means語(yǔ)句中指定的全部主效應(yīng)執(zhí)行ryan-einot-gabriel-welsch組間多重比較過程。scheffe對(duì)means語(yǔ)句中指定的全部主效應(yīng)執(zhí)行scheffe組間多重比較過程。sidak依據(jù)sidak不等式調(diào)整各組均數(shù)，然后進(jìn)行組間比較的兩兩t檢驗(yàn)過程。smm同“gt2”選項(xiàng)t在各設(shè)計(jì)單元樣本量相等的情況下，執(zhí)行組間均數(shù)的兩兩t檢驗(yàn)過程，等同于fisher的最小顯著差異（lsd,leastsignificantdifference）檢驗(yàn)。tukey對(duì)means語(yǔ)句中指定的全部主效應(yīng)執(zhí)行組間多重比較的turkey檢驗(yàn)過程。waller對(duì)means語(yǔ)句中指定的全部主效應(yīng)執(zhí)行組間多重比較的waller-duncant檢驗(yàn)過程。welch要求執(zhí)行welch方差加權(quán)的單因素方差分析過程。對(duì)于方差齊性的前提條件，此方法要比一般的方差分析方法更為穩(wěn)健。設(shè)置“welch”選項(xiàng)時(shí)model語(yǔ)句中定義的模型必須為單因素模型，否則該選項(xiàng)將被忽略。test語(yǔ)句語(yǔ)句形式：test<h=effects>e=effect;test語(yǔ)句用來(lái)進(jìn)行其它類型的F檢驗(yàn)，這種檢驗(yàn)不同于通常方差分析中以誤差均方為分母的F檢驗(yàn)，我們可以指定此F檢驗(yàn)中所使用的分母項(xiàng)（誤差項(xiàng)）。當(dāng)數(shù)據(jù)的誤差結(jié)構(gòu)為非常規(guī)狀態(tài)（如裂區(qū)設(shè)計(jì)）時(shí)，就必須使用test語(yǔ)句執(zhí)行特定的F檢驗(yàn)過程。test語(yǔ)句須置于model語(yǔ)句之后。“h=”指定需要檢驗(yàn)的效應(yīng)項(xiàng)（作為F檢驗(yàn)的分子），此效應(yīng)項(xiàng)必須為model語(yǔ)句中所包含的效應(yīng)。語(yǔ)句中可指定多個(gè)效應(yīng)項(xiàng)?！癳=”用來(lái)指定作為誤差項(xiàng)的效應(yīng)項(xiàng)（作為F檢驗(yàn)的分母），語(yǔ)句中只能指定一個(gè)誤差項(xiàng)。1.兩兩比較常用的方法有SNK、Bonferonni、Dunnett等語(yǔ)句means分類變量/snkmeans分類變量/bonmeans分類變量/dunnett…2022/10/24SAS9.1統(tǒng)計(jì)軟件應(yīng)用教程162.多個(gè)處理組和一個(gè)對(duì)照組的比較---dunnetttest

相應(yīng)的選項(xiàng)為dunnett

語(yǔ)句meansc/dunnett;2022/10/24SAS9.1統(tǒng)計(jì)軟件應(yīng)用教程173.多重比較語(yǔ)句的其他設(shè)置設(shè)置alpha水平默認(rèn)為0.05如meansc/dunnettalpha=0.01;2022/10/24SAS9.1統(tǒng)計(jì)軟件應(yīng)用教程18第一節(jié)完全隨機(jī)設(shè)計(jì)資料的方差分析2022/10/24SAS9.1統(tǒng)計(jì)軟件應(yīng)用教程20第一節(jié)完全隨機(jī)設(shè)計(jì)資料的方差分析2022/10/24SAS9.1統(tǒng)計(jì)軟件應(yīng)用教程21第一節(jié)完全隨機(jī)設(shè)計(jì)資料的方差分析2022/10/24SAS9.1統(tǒng)計(jì)軟件應(yīng)用教程23完全隨機(jī)設(shè)計(jì)的方差分析表變異來(lái)源SSdfMSF組間(處理組間)

SS組間k-1SS組間/v組間MS組間/

MS組內(nèi)組內(nèi)(誤差)

SS組內(nèi)N-kSS組內(nèi)/v組內(nèi)總SS總N-1第一節(jié)完全隨機(jī)設(shè)計(jì)資料的方差分析2022/10/24SAS9.1統(tǒng)計(jì)軟件應(yīng)用教程26第一節(jié)完全隨機(jī)設(shè)計(jì)資料的方差分析2022/10/24SAS9.1統(tǒng)計(jì)軟件應(yīng)用教程27第二節(jié)隨機(jī)區(qū)組設(shè)計(jì)資料的方差分析隨機(jī)區(qū)組設(shè)計(jì)：處理因素（處理組）區(qū)組因素（區(qū)組）步驟除處理因素外其它條件相似的對(duì)象歸入一個(gè)區(qū)組將區(qū)組內(nèi)的受試對(duì)象隨機(jī)分配到不同處理組優(yōu)點(diǎn)保證同一區(qū)組內(nèi)的受試對(duì)象接受的處理不同實(shí)驗(yàn)效應(yīng)差異主要由處理因素引起2022/10/24SAS9.1統(tǒng)計(jì)軟件應(yīng)用教程28第二節(jié)隨機(jī)區(qū)組設(shè)計(jì)資料的方差分析2022/10/24SAS9.1統(tǒng)計(jì)軟件應(yīng)用教程30第二節(jié)隨機(jī)區(qū)組設(shè)計(jì)資料的方差分析2022/10/24SAS9.1統(tǒng)計(jì)軟件應(yīng)用教程33隨機(jī)區(qū)組設(shè)計(jì)的方差分析表變異來(lái)源SSdfMSF處理組

SS處理k-1SS處理/k-1MS處理/

MS誤差區(qū)組

SS區(qū)組b-1SS區(qū)組/b-1MS區(qū)組/

MS誤差誤差

SS誤差N-k-b+1SS誤差/v誤差總SS總N-1第二節(jié)隨機(jī)區(qū)組設(shè)計(jì)資料的方差分析2022/10/24SAS9.1統(tǒng)計(jì)軟件應(yīng)用教程35第二節(jié)隨機(jī)區(qū)組設(shè)計(jì)資料的方差分析2022/10/24SAS9.1統(tǒng)計(jì)軟件應(yīng)用教程36第五節(jié)析因設(shè)計(jì)資料的方差分析例6-5將20只家兔隨機(jī)等分4組，每組5只，進(jìn)行神經(jīng)損傷后的縫合試驗(yàn)。處理由兩個(gè)因素組合而成，A因素為縫合方法，有兩水平，一水平為外膜縫合，另一水平為束膜縫合

；B因素為縫合后的時(shí)間，有兩水平，一水平為縫合后1月

，另一水平為縫合后2月

。試驗(yàn)結(jié)果為家兔神經(jīng)縫合后的軸突通過率(%)（注：測(cè)量指標(biāo)，視為計(jì)量資料）。欲比較不同縫合方法及縫合后時(shí)間對(duì)軸突通過率的影響，試做析因方差分析。2022/10/24SAS9.1統(tǒng)計(jì)軟件應(yīng)用教程37第五節(jié)析因設(shè)計(jì)資料的方差分析2022/10/24SAS9.1