SAS整理下之方差分析1.docVIP

六、方差分析 1．单因素方差分析 用INSIGHT进行分析 1）整理所给数据，创立数据集。 （在方差分析中，这第一步是非常重要的。我感觉，做单因素分析时创立的数据集中只有两列：一列是代表分类变量的，即科目，行业，编号等等，一定要用列名型；另一列是代表分析变量的，即所需要分析的具体数据，即分数，次数等等，一定要用区间型！！大家建完数据集之后自己可以检查下哈！！） 2) 在INSIGHT模块中打开数据集； 3) 选择菜单“Analyze（分析）”→“Fit（拟合）”，在打开的“Fit(X Y)”对话框中按图选择分析变量； 注意：X中放分类变量，即列名型；Y中放分析变量，即区间型！！ 4) 单击“OK”按钮，得到分析结果。 5）结果分析： 第一张表提供拟合模型的一般信息: 第二张表为列名型变量信息； 第三张表提供参数信息，并且约定，P_2、P_3、P_4、P_5分别标识变量（也称哑变量）。 第四张表给出响应变量均值关于自变量不同水平的模型方程 第五张表给出模型拟合的汇总信息，其中：R-Square（R2）是判定系数（coefficient of determination），阐明了自变量所能描述的变化（模型平方和）在全部变差平方和中的比例，它的值总在0和1之间，其值越大，说明自变量的信息对说明因变量信息的贡献越大，即分类变量取不同的值对因变量的影响越显著。Aaj R-Sq（校正R2）是类似于R2的，但它随模型中的参数的个数而修正。 第六张为方差分析表。从方差分析表可以看出，p值小于0.05（显著水平），所以拒绝原假设，即不同类别之间有显著差异；如果p值大于0.05，则不能拒绝原假设，不同类别之间无显著差异。 第七张表提供III型检验，它是方差分析表的细化，给出了各因素的平方和及F统计量，因为本例是单因素的，所以这一行与上图的“Model”一行相同。 第八张为参数估计表，其中有关于不同行业下投诉次数差异的估计和检验： 1) 根据标识变量的定义，Intercept后的估计47.4是对应于旅游业投诉次数的均值，其后的t检验是检验这一均值是否为0。这里p值0.00010.05=α，故显著非0。 2) 航空后的估计-12.4是航空业与旅游业投诉次数均值之差的估计值，其后的t检验也是检验这两个投诉次数均值之差是否为0。 由于p值的绝对值为0.1313 0.05，所以航空业与旅游业的被投诉次数没有显著差异的。其它分析类似。 6）检验模型假定：不要忘了哦！！ 为了验证残差为正态分布的假定，回到数据窗口。可以看到R_TOUSU（残差）和P_TOUSU（预测值）已加到数据集之中，下面用Distribufion(Y)来验证残差的正态性。 1) 选择菜单“Analyze（分析）”→“Distribution(Y)（分布）”； 2) 在打开的“Distribution(Y)”对话框中选定分析变量：R_TOUSU；单击“OK”按钮； 3) 选择菜单“Curves（线）”→“Test for Distribution（分布检验）”；在打开的“Test for Distribution”对话框中直接单击“OK”按钮。 在检验结果的“Test for Distribution”表中看到，p值大于0.05，不能拒绝原假设，表明可以认为残差是正态分布的；若p值小于0.05，则拒绝原假设，标明残差不是正态分布的。 用“分析家”作单因素方差分析 在“分析家”中，打开数据集； 注意：建立数据集的方法同INSIGHT，这里就不重复了！ 2) 选择菜单“Statistics（统计）”→“ANOVA（方差分析）”→“One-Way ANOVA（单因素方差分析）”，打开“One-Way ANOVA”对话框； 3) 选中分类变量，单击“Independent”按钮，将其移到“Independent（自变量）”框中；选中分析变量，单击按钮“Dependent”，将其移到“Dependent（因变量）” 4) 为了检验方差分析中关于方差齐性的假定，单击“Tests”按钮，打开“One-Way ANOVA：Tests”对话框，选中“Tests for equal variance”栏下的“levenes test”复选框（常用），如图左，单击“OK”按钮返回 5) 单击“Plots”按钮，打开“One-Way ANOVA：Plots”对话框，可以选择图形类型，如选中“Types of plots”栏下的“Box--whisker plot”复选框，如图右，单击“OK”按钮返回；再次单击“OK”按钮。 6）结果分析： 结果分为五个部分，第一部分是因素水平的信息，可以看到只有