ch-方差分析.pptVIP

结果 总体有非常显著的差异 A因素：燃料显著影响火箭的射程 B因素：推进器的不同，显著影响火箭射程 组间两两比较结果 第2组燃料最差 第3组推进器最差 作业13 1.创建一个逻辑库mylib，关联你的计算机中D盘SASDATA文件夹 2.按照书P165-176进行操作，将必要的中间结果及程序保存在逻辑库mylib中并上传 3.完成习题5和6，将数据集和结果保存在逻辑库mylib中并上传，要求建立文本解答 * * * 4) 在模型方程（图5-25中）和参数估计表（图5-28）中也提供了双因素不同水平组合下因变量y均值的估计和比较的信息。因为这里是考虑存在交互作用的情形，所以较为复杂一些。 5.3.2 用“分析家”作双因素方差分析 1. 不存在交互作用的双因素方差分析 下面介绍在“分析家”中对例5-2作方差分析： 1) 在“分析家”中，打开数据集Mylib.xjpf； 2) 选择菜单“Statistics（统计）”→“ANOVA（方差分析）”→“Factorial ANOVA（因素方差分析）”，打开“Factorial ANOVA”对话框（如图5-29）； 若要得到用图形表示的两个因素不同水平下均值和标准差的信息，可以单击“Plots”按钮，在打开的“Factorial ANOVA：Plots”对话框中，选中“Means plots”栏下的“Plots Dependent Means for Main Effects（作主效应响应均值图）”。 4) 分析结果如图5-30所示，其中内容前面已讲，这里不再赘述。 图5-30 无交互作用的多因素方差分析 5) 在分析家窗口的项目管理器中依次双击“Means Plots”下的两个选项，得到响应变量关于自变量a、b的均值图如图5-31所示。 图5-31 响应变量关于自变量a、b的均值图 图中描述了变量a、b不同水平下的均值和标准差的图形，从中可以对不同水平下均值的差异有一个直观的了解。 2. 存在交互作用的双因素方差分析 下面介绍在“分析家”中对例5-3合成纤维的试验数据作方差分析。分析步骤如下： 1) 在“分析家”中，打开数据集Mylib.xwtx； 2) 选择菜单“Statistics”→“ANOVA”→“Factorial ANOVA”，打开“Factorial ANOVA”对话框，按图选择参数与图形； 输出的方差分析表给出双因素考虑交互作用的方差分析模型是显著的(F=7.87，p = 0.0001)，最下面一张表给出两个因素和交互作用的检验结果。由最后一列“Pr F”的三个p值可以看出因素A及因素A与B的交互作用(A*B)对指标y的影响是高度显著的，而因素B在? = 0.05的水平上对指标y的影响是不显著(p = 0.1363 0.05)。 在分析家窗口的项目管理器中依次双击选项“Means Plot of y by a and b”，得到双因素不同水平下因变量均值差异的连线图如图5-35所示。 直观地可以看出使纤维弹性达最大的最佳生产条件是A3和B2；其次是A2和B3。 5.3.3 用GLM过程进行双因素方差分析 1. 不考虑交互作用 过程GLM也可用于多因素方差分析，其用法与单因素方差分析是相同的，只需要在class语句和model语句中分别填入表示因素的多个自变量。以数据集Mylib.xjpf为例，为了比较变量a和b不同水平下因变量stren均值的差异，可使用以下程序： proc glm data = Mylib.xjpf; class a b; model stren=a b; run; 提交上述程序后得到与上一节使用“分析家”有相似的结果，如图5-36所示。 有关的说明请参见上节的解释。 2. 考虑交互作用 使用过程GLM于多因素方差分析时，若要考虑交互作用只需要在model语句中增加相应的交互作用项即可。以数据集Mylib.xjpf为例，为了比较变量a和b不同水平组合下变量stren均值的差异，可使用以下的程序： proc glm data = Mylib.xjpf; class a b; model stren=a b a*b; run; 这里model语句中a*b就是指明要考虑交互作用。 提交这一程序后的输出如图5-37所示。 图5-37 使用GLM过程作有交互作用的多因素方差分析 5.4 均值估计与多重比较 5.4.1 概述 5.4.2 用“分析家”进行均值比较 5.4.1 概述 在方差分析中，不论是单因素或多因素的实验结果，都是检验关于参数的一个整体