第02讲 均向量多元统计分析SAS.pptVIP

均向量的统计推断 统计推断 两组：t检验/F检验 一元：均数的统计推断 （两者等价 ＝F） 多组： F检验 两组： 检验/ 检验 多元：均向量的统计推断 （两者等价 ＝ 多组： 检验 内容： 多元配对设计的均向量检验 多元成组设计两样本的均向量比较 多元成组设计的方差分析（MANOVA） 多元区组设计的方差分析（MANOVA） 多元析因设计的方差分析（MANOVA） 复习 假设检验的三大步骤： ①建立检验假设，确定检验水准； ②计算检验统计量；（用SAS完成） ③确定p值，作出统计推断。 SAS的步骤 ①数据步（data步）：略 ②过程步（proc步） Ttest （一元均数的比较） anova （多元均向量的比较） SAS中ANOVA过程 Proc anova; *class 分类变量名列表; 分别按指定的变量分组 *model 因变量列表=自变量效应列表; 连续型数值变量 分类变量 *manova h=效应变量名; 选项manova用于模型为多个因变量（即多元方差分析时） “h=”作用在于规定F检验的效应为g1 …gn有无统计差异 means 自变量效应列表; 分别对计算自变量效应所对应的因变量的均值（其结果是单变量） Run; *: 表示anova过程必须的语句。 1、多元配对设计的均向量检验(2组) 见教材P9例2.1 ①分别对三个指标IgG、IgA、IgM做单因素的均数检 验（配对t检验）（其结果见p10表2.2） ②对治疗前后免疫球蛋白（三个指标为 一个综合）差异分析（多元 检验与 检 验） SAS程序见p274例2.1 例2.1的程序 title 多元配对T检验; data example2_1; input ID IgG IgA IgM group @@; cards; 1 1810 246 292 1 1 1654 196 243 2 2 1744 213 286 1 2 1568 208 272 2 ... ... ... ... ... ... ... ... ... 14 1699 236 266 1 14 1543 205 262 2 15 1733 202 308 1 15 1684 197 288 2 ; proc anova; class ID group; model IgG IgA IgM=ID group; manova h=ID group; run; 1：治疗前组 2：治疗后组 改进的例2.1的程序 title 多元配对T检验; data example2_1; input ID IgG IgA IgM group @@; cards; 1 1810 246 292 1 1 1654 196 243 2 2 1744 213 286 1 2 1568 208 272 2 ... ... ... ... ... ... ... ... ... 14 1699 236 266 1 14 1543 205 262 2 15 1733 202 308 1 15 1684 197 288 2 ; proc anova; class ID group; model IgG IgA IgM=ID group/NOUNI; manova h=ID group; run; 表示不输出各效应变 量的单变量分析结果 2、多元成组设计两样本的均向量比较 见教材P11例2.2 ①A、B两组患者贫血程度是否有差异（两个 指标为一个综合差异分析）（多元 检验 与 检 验） SAS程序见p275例2.2 例2.2的程序 TITLE 多元T检验; data example2_2; input x1 x2 group @@; cards; 3.9 210 1 4.8 270 2 ... ... 5.5 180 1 5.1 310 2 2.9 200 1 3