SAS基础3.ppt

第一节 单因素方差分析 一、用分析员进行分析 1、进入分析员，打开数据集DST.VENEER, 2、选statistics-anova-one-way Anova 3、选因变量wear和自变量brand; 4、为了检验方差齐性假定，点击按钮tests-选levene’s test-ok. 5、均值的多重比较，点击按钮means,进行选择； 6、OK。 二、编程方法实现 Proc anova data=dst.veneer; class brand; Model wear=brand; Run; 第二节 双因素方差分析 一、无交互作用的双因素方差分析 (一）编程实现 例如：为提高合金钢的强度Y,同时考虑碳含量（因素A）和铝含量（因素B）对强度Y的影响，目的是找出最佳的含量组合，使强度Y达到最大。设计的方案和实验数据如下： Data d322; Do a=‘a1’, ‘a2’, ‘a3’; do b=‘b1’ , ‘b2’, ‘b3’, ‘b4’; input y@@; output; end; end; Cards; 63.1 63.9 65.6 66.8 65.1 66.4 67.8 69 67.2 71 71.9 73.5 ; Proc print data=d322; Run; Proc anova data=d322; class a b; Model y=a b; Means a b /t; Run; （二）分析员应用 1、进入分析员，打开数据集； 2、statistics?anova?factorial anova; 3、指定因变量Y，自变量A、B; 4、点击mean按钮，选择LSD最小显著差异法，把A和B置于effect框中； 5、OK. 二、有交互作用的双因素方差分析 考虑肥料水平（variety)和种子处理方法（method)对产量（yield)的影响。数据DST.FCTORIAL。 Proc anova data=dst.fctorial; Class method variety; Model yield=method variety method*variety; Run; 分析员操作。 三、用分析员应用计算相关系数 打开数据集DST.FITNESS 31位成年人心肺功能调查数据： 选Statistics=Descriptive=Correlations…=选 OXYGEN,RETPULSE,RUNPULSE,RUNTIME 为分析变量=OK 四、编程 PROC CORR DATA=数据集名【选项】； Var 变量名列； [partial 变量名列表；] Run; 例1： Proc corr data=dst.cars; Var midprice citympg hwympg cylinder egnsize; run; 例2：对10种商品的受欢迎度和其知名度进行排序： 第二节 简单线性回归 一、用Insight拟合回归方程 1、方程的建立 打开数据集DST.CARS 选Analyze=Fit(Y X)=将MIDPRICE选为Y， PERFORM选为X=OK 4、拟合不含常数项的回归 打开数据集DST.SHIPMENT 选Analyze=Fit(Y X)=将COST选为Y， DELAY选为X，点击Intercept前的方框， 使之不打勾=OK 二、用分析员应用拟合简单线性回归 打开数据集DST.FITNESS 选Statistics=Regression=Simple…=将 RUNTIME选为Independent,将OXYGEN选为 Dependent=OK 三、编程（回归并作图） proc reg data=dst.fitness graphics; model oxygen=runtime; plot oxygen*runtime; run; 其中：plot 纵轴变量*横轴变量 第三节 多元线性回归 一、用Insight拟合多元线性回归 1、拟合多元线性回归 打开数据集DST.CARS 选Analyze=Fit(Y X)=将MIDPRICE选为Y， CITYMPG、HWYMPG、ENGSIZE、RPM 、 REVLTNS、FUELTNK、PERFORM选为X=OK 2、删除自变量 选中某一自变量=Edit=Delete 三、对fitness数据进行逐步回归分析。 调用reg过程，model语句中的参数选项使用selection=s