《SAS软件与统计应用教程》第五章 方差分析.pptVIP

2. 使用ANOVA过程作单因素方差分析 使用ANOVA过程对例5-1作方差分析的方法： proc anova data = Mylib.xfzts; class hangye; model tousu = hangye; run; 分析结果与“分析家”相同。 3. 使用GLM过程作单因素方差分析 使用GLM过程对例5-1作方差分析的方法： proc GLM data = Mylib.xfzts; class hangye; model tousu = hangye; run; 分析结果与“分析家”相同。 5.3 双因素方差分析 5.3.1 用INSIGHT作双因素方差分析 5.3.2 用“分析家”作双因素方差分析 5.3.3 用GLM过程进行双因素方差分析 5.3.1 用INSIGHT作双因素方差分析 1. 不存在交互作用的双因素方差分析 【例5-2】为了提高一种橡胶的定强，考虑三种不同的促进剂(因素A)、四种不同分量的氧化锌(因素B)对定强的影响，对配方的每种组合重复试验两次，总共试验了24次，得到表5-5的结果。 表5-5 橡胶配方试验数据 A：促进剂 B：氧化锌 1 2 3 4 1 31，33 34，36 35，36 39，38 2 33，34 36，37 37，39 38，41 3 35，37 37，38 39，40 42，44 要用方差分析将不同促进剂和不同份量氧化锌的影响区分开来。即检验： H0A：不同促进剂对定强无影响，H1A：不同促进剂对定强有显著影响 H0B：氧化锌的不同分量对定强无影响，H1B：氧化剂的不同分量对定强有显著影响 (1) 分析设置 1) 将表5-5中数据整理成如图5-18左所示结构的数据集，存放在Mylib.xjpf中； 2) 在INSIGHT模块中打开数据集Mylib.xjpf。由于在Insight中，要求方差分析中的自变量必须是列名型的，故先把变量a和b的测量水平由区间型改为列名型； 3) 选择菜单“Analyze（分析）”→“Fit（拟合）”，在打开的“Fit(X Y)”对话框中选择数值型变量作因变量，分类型变量作自变量：选择变量stren，单击“Y”按钮，选择变量a和b，单击“X”按钮，分别将变量移到列表框中，如图5-18右所示；单击“OK”，得到分析结果。 (2) 分析结果 1) 第一张表提供了模型的一般信息；第二张表列举了作为分类变量的a和b的水平的信息；第三张参数信息表给出了标识变量P_i的定义； 其中，标识变量取值： 2) 第四张表给出了方差分析模型，利用参数信息表中标识变量的定义可以推算出在各个因素不同水平下变量stren均值的信息；第五张拟合汇总表中给出变量stren的均值为37.0417，判定系数R2为0.8945等，如图5-20； 图5-20 多因素方差分析第4、5张表 3) 在第六张方差分析表中，检验模型显著性的F统计量为30.53，相应的p值小于0.05 = ?，所以拒绝a和b对分析变量stren无显著影响的假设，即模型是显著的； 在模型显著的情况下常需要进一步分析两个因素是否都有显著影响或者只有一个因素是显著的，这时就需要用到第七张表提供的信息。在III型检验表中，进一步将模型平方和分解为属于a和b的平方和。在这里两个因素的p值都小于0.05，再一次说明了这两个因素对分析变量stren都有显著影响，如图5-21。 4) 第八张是模型的参数估计表（图5-22），参数估计表也是根据标识变量的定义，对参数或对各因素不同水平下的参数之差进行估计和检验。可以根据t统计量的p值来检验不同水平下均值是否有显著差异。 图5-22 多因素方差分析第8张表 模型方程提供了各个因素不同水平下变量stren均值的信息，利用参数信息表中标识变量P_j的定义可以推算出： 参数估计表根据标识变量的定义，对参数或不同水平下参数之差进行估计和检验。如第一行是对a = 3，b = 4水平下均值的估计和检验，第二行是a = 1，b = 4水平下的均值与a = 3，b = 4水平下均值之差的估计与检验。 结果表明两个因素的各水平下的均值都有显著差异。 5) 考察模型假定：在显示窗的底部有一个残差和预测值的散点图（如图5-23所示），可以像单因素分析一样考察残差分布的正态性假定。 2. 存在交互作用的双因素方差分析 【例5-3】考虑合成纤维收缩率(因素A)和总拉伸倍数(因素B)对纤维弹性y的影响。收缩率取4个水平：A1 = 0，A2 = 4，A3 = 8，A4 = 12；因素B也取4个水平：