CDC课件-SS讲义_协方差分析.docVIP

协方差分析 用SAS中的glm过程进行协方差分析时，要注意不同试验设计时class语句和model语句的写法。设分类变量为A、B，协变量为X，观察值为Y，则有： ①单因素k水平设计的协方差分析模型 class A; model X A ; ②随机区组设计的协方差分析模型 class A B; model X A B ; ③两因素析因设计的协方差分析模型 class A B; model X A B A*B; 实例分析 一元协方差分析 例1 研究牡蛎在不同温度的水中不同位置上的生长情况。有人做了如下试验：分别在通向发电站的入口处（温度较低）不同位置（底部和表层）和出口处（温度较高）不同位置（底部和表层）及电站附近的深水处（底部和表层的中间）总共5个不同位置点上，随机地各放4袋牡蛎（每袋中有10个），共5×4 20袋。在将每袋牡蛎放入位置点之前，先洗干净称出每袋的初始体重，放在5个不同点一个月后再称出最后体重。试验结果数据见表26.1所示。 表1.1 牡蛎在不同温度和位置上的生长数据 位置 trt 重复数rep（x为初始体重，y为最后体重） 1 2 3 4 x y x y x y x y 1（入口底部） 27.2 32.6 32.0 36.6 33.0 37.7 26.8 31.0 2（入口顶部） 28.6 33.8 26.8 31.7 26.5 30.7 26.8 30.4 3（出口底部） 28.6 35.2 22.4 29.1 23.2 28.9 24.4 30.2 4（出口顶部） 29.3 35.0 21.8 27.0 30.3 36.4 24.3 30.5 5（附近中部） 20.4 24.6 19.6 23.4 25.1 30.3 18.1 21.8 程序如下： data growth; do trt 1 to 5; do rep 1 to 4; input x y @@; output; end; end; cards; 27.2 32.6 32.0 36.6 33.0 37.7 26.8 31.0 28.6 33.8 26.8 31.7 26.5 30.7 26.8 30.4 28.6 35.2 22.4 29.1 23.2 28.9 24.4 30.2 29.3 35.0 21.8 27.0 30.3 36.4 24.3 30.5 20.4 24.6 19.6 23.4 25.1 30.3 18.1 21.8 ; proc anova data growth; class trt; model y trt; proc glm data growth; class trt; model y trt x /solution; means trt; lsmeans trt /stderr tdiff; contrast trt12 vs trt34 trt -1 -1 1 1 0; estimate trt1 adj mean intercept 1 trt 1 0 0 0 0 x 25.76; estimate trt2 adj mean intercept 1 trt 0 1 0 0 0 x 25.76; estimate adj trt diff trt 1 -1 0 0 0; estimate trt1 unadj mean intercept 1 trt 1 0 0 0 0 x 29.75; estimate trt2 unadj mean intercept 1 trt 0 1 0 0 0 x 27.175; estimate unadj trt diff trt 1 -1 0 0 0 x 2.575; run; 程序说明：定性变量trt的5个不同位置点对y可能有较大的影响，因此class语句中分组变量为trt，先选用anova过程进行方差分析。然而，牡蛎的初始体重x对牡蛎的最后体重y可能也有一定的影响，故适合选用glm过程进行协方差分析，在model语句中不仅包括分组变量trt，而且应包括协变量x。选择项solution要求输出回归系数的估计值及其标准误差和假设检验等结果。means和lsmeans语句要求输出分组变量trt各水平下y的未修正均值和修正后的均值，选择项stderr要求输出y的修正均值的标准误差、各修正均值与0比较的假设检验结果；选择项tdiff要求输出y的各修正均值之间两两比较所对应的t值和p值。 Contrast语句是用来比较入口处底部和顶部均值之和与出口处底部和顶部均值之和是否相等。前三条estimate语句是用来估计入口处底部和顶