《第五次作业答案》.doc

5.1 代码： data paba; infile D:\1.txtmissover; input brand :$14. papufa @ ; do until(papufa=.); output; input papufa @; end; run; proc print; run; proc glm data=paba order=data; class brand; model papufa=brand; means brand; contrast corn vs bean brand -1 -1 -1 -1 2 2; means brand/tukey lsd; run; quit; (a) ①结果 ②说明 这一小题要求利用单因子固定效应模型对数据进行方差分析并给出一些参数的估计。由于每一组实验的数据个数不一样，因此使用“missover”参数结合“until”循环使得实验数据能够正常读入。用“class brand;”语句指定分类变量之后，用“model papufa=brand;”进行因变量“papufa”关于变量“brand”不同水平的方差分析。从上图结果可以看出整个模型原假设， F-检验统计量值为79.26，对应的p-值为0.0001, 所以拒绝原假设，可以认为这六个品牌的奶油产生的脂肪酸水平有显著差异。方差分析表中，“Error”行所对应的“Mean Square”是对的估计值。在本题中为0.2729750，在最后的图中每一个水平对应的“Mean”列中的数值即为每一个水平下处理效益μ的估计值 (b) ①结果 ②说明 这一题要求进行对照实验分析，比较corn based 与soybean based 品牌均值之间是否 有显著差异。从SAS输出结果可以看出，这一次对照实验的对照平方和为100.8687364，F-检验统计量的值为369.52，对应的p值为0.0001。这些结果说明原假设被拒绝，亦即认为不同材料制作的人造奶油的“papufa”值有显著性差异。 (c) ①结果 T 检验的区间 Tukey 的区间 ②说明 这一小题要求用两种方法进行两两配对比较。这一过程可以用语句“means brand /tukey lsd;”实现，“tukey”“lsd”分别指定检验方法为Tukey检验和Fisher最小显著性差异（即LSD或t分布法）。从表中可以看出，对于同一个进行两两配对比较的组而言，用Tukey检验方法算得的置信区间要比用Fisher最小显著性差异检验方法算得的区间大。 这两个区间产生差异的原因是两种方法控制第一类错误概率的对象不同。Tukey检验法只控制实验总体错误率为α（样本量相等时）或至多为α（样本量不等时）；而Fisher最小显著性差异检验法只控制每一次配对比较的错误率为α。 5.4 (a) ①代码 data package; input design $ @; do i=1 to 6; input SALES @; output; end; drop i; datalines; 1 12 18 14 15 17 15 2 14 12 13 10 15 12 3 19 17 21 23 16 20 4 24 30 27 28 32 30 ; run; proc print data=package; run; proc glm data=package; class design; model SALES=design; run; ②结果 ③说明 这一小题要求对“design”这一分类变量的不同水平下处理效应即均值是否有差异进行检验。从结果中来看，相应方差分析的检验统计量值为52.30，对应的p值为0.0001，因此拒绝原假设，即认为μ1、μ2、μ3、μ4至少有一个与其余的μ是显著不同的。 (b) ①代码 proc glm data=package; class design; model SALES=design; means design/lsd alpha=.05; run; ②结果 ③说明 本题采用lsd检验将不同包装下销售额的均值进行两两比较，判断其是否具有显著性差异。从结果中可以看出，4个实验组一共分成了3类。第4组的处理效应显著高于其他三组，被作为第一类，第3组的处理效应显著高于第1、2组，因此被作为第二类。而第1、2组的处理效应没有显著性差异，因此它们都被作为第三组。 (c) ①代码 proc glm data=package; class design; model SALES=design; means design/tukey alpha=.05; run; ②结果 ③说明 在这一小题的结果中对4个实验组的分类结果与第b小题相同，通过比较参数“lsd”“tukey