sas软件教程精华1讲述.ppt

在出现的窗口中设置变量，我们选择变量dependent为y,选择Explanatory为x1,x2,x3, Tests按钮可以选择显著性水平,默认是0.05。 (6)单击OK产生结果 首先由模型的方差分析表可以看到， Prob > F 的值为0.0001<α=0.05,因此该回归方程显著,再由下面的参数估计可以得出回归方程为: y=-10.13-0.05x1+0.59x2+0.29x3 但从数表来看，随着国内生产总值（X1）的增加进口总额（y）也增加，所以该方程并不一定是真实的反映了他们间的关系，进一步的探讨需要专门的回归分析理论，在此不作进一步讨论，此例只是想给大家一个抛砖引玉的作用。 图2　u-检验的变量设置 （6）在图2的窗口中设置变量，我们选择变量为weight,Null:Mean处是零假设，填入0.5，Alternate处是备择假设，我们选＾＝，Tests按钮可以选择显著性水平,默认是0.05，Std.Dev.处填入标准差0.015。 （7）单击OK，产生输出结果。 One Sample Z Test for a Mean Sample Statistics for weight N Mean Std. Dev. Std. Error ------------------------------------------------- 9 0.51 0.01 0.00 Hypothesis Test Null hypothesis: Mean of weight = 0.5 Alternative: Mean of weight ^= 0.5 With a specified known standard deviation of 0.015 Z Statistic Prob > Z ----------- -------- 2.244 0.0248 结果分析： 由上可见，平均值为0.51，标准差为0.01,z统计量是2.244, Prob > Z的值为0.0248＜α=0.05,因此应该拒绝H0，即认为这天包装机不正常。 2.σ未知时的μ检验（ One-Sample t-test for a mean ） 例3.某种电子元件的寿命x(以小时计)服从正态分布, μ, σ2均未知.现测得16只元件的寿命如下: 159 280 101 212 224 379 179 264 222 362 168 250 149 260 485 170 问是否有理由认为元件的平均寿命大于225(小时)? 解　按题意需检验假设 操作步骤： （1）首先输入数据，程序为 data lifetest; input life@@; cards; 0.497 0.506 0.518 0.524 0.498 0.511 0.520 0.515 0.512 ; run; 运行上述程序。 (2) 选择Solutions→Analysis→Analyst菜单， (3) 选择File→Open By SAS Name→Work→lifetest, (4) 选择Statistics→Hypothesis, (5) 选择One-Sample t-test for a mean,出现图3， 图3　t-检验的变量设置 （6）在图3的窗口中设置变量，我们选择变量为life,Null:Mean处是零假设，填入225，Alternate处是备择假设，我们选>=，Tests按钮可以选择显著性水平,默认是0.05。 （7）单击OK，产生输出结果。 One Sample t-test for a Mean Sample Statistics for life N Mean Std. Dev. Std. Error ------------------------------------------------- 16 241.50 98.73 24.68 Hypothesis Test N