SAS统计分析5方差分析1.pptVIP

第5章 方差分析 5.1方差分析简介 5.1.1 方差分析基本概念 1. 单因素试验的方差分析 考虑一个因素A取k个水平，分析这k个不同水平对所考察的指标y的影响，即在试验中只有A一种因素改变，而其它因素控制不变，这样的试验叫单因素试验，所进行的方差分析叫单因素试验的方差分析。 2. 双因素及多因素试验方差分析 客观现实中的事物很复杂，影响某项指标的因素往往有很多，这些因素互相联系，互相依存，互相对立，问题也就变得复杂了。当只考虑两个因素的作用时，我们进行组间变差和误差的变差分析，叫双因素试验方差分析。当考虑的因素多于两个时，就叫多因素试验方差分析。 3. 多重比较（Multiple Comparison Procedure ） 在三个或多个均值之间作两个或多个比较的检验称多重比较。 在引入假设概念时，我们曾把选择?水平与做出错误判断的风险相联系。为了理解多重比较方法，需要控制所有比较的总错判的机会（当均值相同时判断为不同的错误），也要控制每个单独比较的错判机会。 例如：有5种施肥方法，均值作两两比较有十种组合，如要控制10种比较的总错判率，就称为控制“试验错误率”或称“对整个试验的总错判机会”，记为“试验错误率”MEER（Means Experimentwise Error Rate ）。 另一方面，如果想对10种比较中的每一种都控制比较错判机会，就称为控制“比较错误率”，或称“对每一个比较的错判机会”，记为“比较错误率”CER（Comparisonwise Error Rate ）。对于多因素，由于多因素的影响及各因素间的交互作用相当复杂，为了保证试验的正确性及结论的可靠性，我们通常使用MEER “试验错误率”作为控制准则。 5.1.2 总体方差检验 1．方差检验的基本概念 方差检验的基本思想是：利用样本方差建立一个统计量，并为这个总体方差的统计量构造一个置信区间。这个置信区间的显著水平为α，区间中包括总体方差的概率是1-α。 在确定的α水平下，统计量有其固定的拒绝区域。单尾检验中，拒绝区域分布在统计量分布曲线的一侧；双尾检验中，拒绝区域分布在统计量分布曲线的两侧。如果检验统计量大于或等于临界值而落入拒绝区域，或P值小于显著水平α而落入拒绝区域，便可以拒绝零假设；反之，则不能拒绝零假设。 5.1.3 方差的同质性检验 所谓方差的同质性（也称方差齐性），就是指各个总体的方差是相同的。方差的同质性检验就是要从各样本的方差来推断其总体方差是否相同。 5.1.3 方差分析的基本假定和数据转换 2．数据转换 1) 平方根转换 2）对数转换 3）反正弦转换 5.2 ANOVA过程和GLM过程简介 5.2.1 ANOVA过程 1．ANOVA过程简介 ANOVA过程主要用于处理均衡设计（即：对于每个因素、每个水平的观测数是相等的，另外还可以处理拉丁方设计、正交设计等）的一元、多元方差分析和重复测量的方差分析，也可用于多个变量的对比检验。 PROC ANOVA过程首先要检查试验设计是否均衡，如果不均衡，也不是上面提到的几种情况之一，就建议使用GLM过程。ANOVA过程和GLM过程最后需用QUIT语句退出。 ANOVA过程语句格式： PROC ANOVA 选择项1 ; CLASS 变量 ; MODEL 因变量=效应变量 / 选择项2 ; MANOVA H=效应变量 E＝效应变量 ; BY 变量 ; MEANS 效应变量 / 选择项3 ; RUN ; 5.2.2 GLM过程 1．GLM过程简介 GLM过程是一个非常通用的方差分析方法，GLM（General Linear Model）过程用到的统计方法有：回归分析、方差分析、协方差分析、多元方差分析和偏相关，GLM过程同时还提供了多种诊断方法：随机效应检验、常用的假设检验对比估计和多变量的对比检验等。相对于ANOVA过程，GLM过程在处理不均衡设计时更有效。 GLM采用最小二乘法拟合一般线性模型，在此基础上进行其它的分析。最后需用QUIT语句从过程中退出。 GLM语句格式说明： PROC GLM 选择项1 ; CLASS 变量 ; （以上两语句必须出现在MODEL语句之前） MODEL 因变量=自变量 / 选择项2 ; CONTRAST ‘ LABEL ’ EFFECT（效应名） VALUES（取值）效应 取值…/选项3 ; LSMEANS 效应 / 选择项4 ; MEANS 效应 / 选择项5 ; OUTPUT OUT=SAS数据集 关键字=新变量名 ; RUN ; 1．选择项1 1