sas第九章 t检验与方差分析.docVIP

t检验和方差分析 在科研中，我们往往是根据样本之间的差异，去推断其总体之间是否有差异。样本差异可能是由抽样误差所致，也可能是由本质的不同所致。应用统计学方法来处理这类问题，称为“差异的显著性检验”。若已知总体为正态分布，进行差异的显著性检验，称为“参数性检验”，SAS中MEANS、TTEST、ANOVA、GLM等均属此类检验；若未知总体分布，进行差异的显著性检验，称为“非参数性检验”，SAS中采用NPAR1WAY过程。 第一节 t检验 简介 t检验是用于两组数据均值间差异的显著性检验。它常用于以下场合： 1．样本均值与总体(理论)均值差别的显著性检验 检验所测得的一组连续资料是否抽样于均值已知的总体 根据大量调查的结果或以往的经验，可得到某事物的平均数(例如生理生化的正常值)，以此作总体均值看待。 SAS中采用MEANS过程，计算出观察与总体均值的差值，再对该差值的均值进行t检验。 2.同一批对象实验前后差异的显著性检验(自身对照比较)或配对资料差异的显著性检验(配对比较检验) 比如，在医学研究中，我们常常对同一批病人治疗前后的某些生理生化指标(如血压、体温等)进行测量，以观察疗效；或对同一批人群进行预防接种，以观察预防效果；或把实验对象配成对进行测定，比较其实验结果。 SAS中采用MEANS过程，计算出两样本观察的差值(如治疗前、后实验数据的差值)，再对该差值的均值进行t检验。 3．两样本均值差异的显著性检验 作两样本均值差异比较的两组原始资料各自独立，没有成对关系。两组样本所包含的个数可以相等，也可以不相等。每组观测值都是来自正态总体的样本。 设与为两样本的均值，与为两样本数，，为两样本方差，分两种情形，其数学模型为： (1)方差齐(相等)时： (2)方差不齐时： SAS中采用TTEST过程，先作方差齐性检验(F检验)，然后根据方差齐(EQUAL)和方差不齐(UNEQUAL)输出t值和P值以及基本统计量。 在作方差齐性检验时，用F检验。F值计算公式为： 用MEANS过程作t检验 1．过程格式 PROC MEANS MEAN STD STDERR T PRT； VAR变量表； 2．说明 (1)PROC MEANS语句中，选择了5个统计量：均值、标准差、标准误差、t值、P值。 (2)VAR语句中的变量是分析变量。缺省时，计算所有数值型变量。 3．举例 例1: 样本均值与总体均值差别的显著性检验。 已知某水样中含CaCO3的真值为20.7mg／L，现用某方法重复测定该水样11次，CaCO3的含量为：20.99，20.41，20.10，20.00，20.91，22.60，20.99，20.41，20，23，22。问用该法测CaCO3的含量所得的均值与真值有无显著差别 ? 程序： (yp111.sas) 编程说明： 在数据步中，变量x读取测定值，产生一个差值变量y(y=x-20.7)，在过程步中，计算出Y的均值、标准差、标准误差、t值、P值。 结果说明： 因t＝1.0636907，0.05p=0.3125，故用此法测定水中CaCO3的含量的均值与真值间无显著差异。此法可信。 例2：配对比较的t检验。 研究食物中维生素E与肝脏中维生素A含量的关系。将大白鼠按性别、体重配对。每对随机分配，一个用正常饲料，一个用缺乏维生素E的饲料。经过一个时期饲养，杀死动物测定肝中维生素A的含量，结果如下表： 大白鼠肝脏中维生素A含量（IU/g） 配对号 1 2 3 4 5 6 7 8 正常饲料 3550 2000 3000 3950 3800 3750 3450 3050 缺乏E饲料 2450 2400 1800 3200 3250 2700 2500 1750 程序： （yp112.sas） 编程说明： 数据步中，把每对数据中的一个作为x，另一个作为y，计算出差数d(d=x-y)，在过程步中，计算差数d的均值、标准差、标准误差、t值、P值。 结果说明： 因t=4.21 p=0.00400.05，故有非常显著差异，即正常饲料组鼠肝维生素A含量比维生素E缺乏组的含量大。 例3 自身对照比较的t检验。 应用克矽平治疗矽肺患者10名，治疗前后血红蛋白的含量如下表，问该药是否会引起血红蛋白的变化? 治疗前后血红蛋白的含量（mg%） 治疗前 11.3 15.0 15.0 13.5 12.8 10.0 11.0 12.0 13.0 12.3 治疗后 14.0 13.8 14.0 13.5 13.5 12.0 14.7