建模培训讲座第二讲方差分析及SAS.ppt

方差分析（ANOVA）又称 F 检验，其目的是推断多组资料的总体均数是否相等。 本章主要内容包括单因素方差分析（即完全随机设计资料的方差分析）、两因素方差分析（即随机区组设计资料的方差分析）和三因素方差分析（即拉丁方设计资料的方差分析）及多个样本均数间的多重比较。 方差分析的基本思想 ??方差分析的基本思想借助以下例题予以说明： 例9-1 为研究煤矿粉尘作业环境对尘肺的影响，将18只大鼠随机分到甲、乙、丙3个组，每组6只，分别在地面办公楼、煤炭仓库和矿井下染尘，12周后测量大鼠全肺湿重（g），数据见表9—2，问不同环境下大鼠全肺湿重有无差别？ 从以上资料可看出，三个组的数据各不相同，这种差异（总变异）可以分解成两部分： 即 （1）组间变异：甲、乙、丙三个组大鼠全肺湿重 各不相等（此变异反映了处理因素的作用，以及随机误差的作用 ） （2）组内变异：各组内部大鼠的全肺湿重各不相等（此变异主要反映的是随机误差的作用） 各部分变异的计算： ①总变异（全部试验数据间大小不等）用总离均差平方和 来表示。 ②组间变异（由于所接受的处理因素不同而致各组间大小不等）用组间离均差平方和 来表示。 各组均数 之间相差越大，它们与总均数 的差值就越大， 越大；反之， 越小。 ③组内变异（同一处理组内部试验数据大小不等）用组内离均差平方和 来表示。 离均差平方和只能反映变异的绝对大小。变异程度除与离均差平方和的大小有关外，还与其自由度有关，由于各部分自由度不相等，因此各部分离均差平方和不能直接比较，须除以相应的自由度，该比值称均方差，简称均方（MS）。 的大小就反映了各部分变异的平均大小。 方差分析就是通过比较组内均方 和组间均方 的大小关系来判断处理因素有无效应。 检验统计量： 可见，方差分析的基本思想就是根据实验设计的类型，将全部测量值总的变异分解成两个或多个部分，每个部分的变异可由某个因素的作用（或某几个因素的作用）加以解释，通过比较各部分的均方与随机误差项均方的大小，借助 F 分布来推断各研究因素对实验结果有无影响。 例. 设有三台机器，用来生产规格相同的铝合金薄板. 取样，测量薄板的厚度精确至千分之一厘米. 得结果如表所示. 问不同机器对生产的铝合金板的厚度有无影响? Solution→Analysis→Analyst(分析员系统) (出现空白数据表)→ File→Open By Sas Name…　 (在Make one selection窗口中)work 选中数据名E411→ (OK) →Statistics→ANOVA → One-Way ANOVA… Independent填分类变量c→ Dependent因变量y Plots—可选择分水平的盒形图(Box-＆-Whisker Plot) ,条形图(Bar Chart)及均值、标准差图 Means—Comparisons Methods给出了10种多重比较的方法 α为选择的显著性水平, Breakdown可按水平分组出描述性统计量 → OK (点击运行后的结果树标签则会打开相应图. 编程进行单因素方差分析 Data E411; input c $ y @@; cards; 1 0.236 2 0.257 3 0.258 1 0.238 2 0.253 3 0.264 1 0.248 2