单因素方差分析的应用实例

16.5
2
76
58.1
12.5
3
92
63.2
14.5
4
81
59.0
14.0
5
81
60.8
15.5
6
84
59.5
14.0
data exam4_2_1;
input id x1 x2 x3;
cards;
1 78 60.6 16.5
2 76 58.1 12.5
3 92 63.2 14.5
4 81 59.0 14.0
model zb=x y x*x x*y y*y/p;
output out=new1 p=zhat r=resid;
run;
例2.钢的强度和硬度都是反映钢质量的指标。现在炼20炉中碳钢，它们的抗拉强度Y与硬度x的20对实验值如下表。
(1)试绘出散点图(2)求Y对x的经验回归直线方程
(3)对回归直线作显著性检验（取显著性水平为0.05）
2 76 58.1 12.5
3 92 63.2 14.5
4 81 59.0 14.0
5 81 60.8 15.5
6 84 59.5 14.0
;
proc anova;
model y1 y2 y3=/nouni;
manova h=intercept;
run;
题目：1.某水产研究所为了比较四种不同配合饲料对鱼的饲喂效果，选取了条件基本相同的鱼16尾，随机分成四组，投喂不同饲料，经一个月试验以后，各组鱼的增重结果列于下表。
input x1 g j @@;
cards;
60 1 1 62 2 1 61 3 1 60 4 1
65 1 2 65 2 2 68 3 2 65 4 2
63 1 3 61 2 3 61 3 3 60 4 3
64 1 4 67 2 4 63 3 4 61 4 4
62 1 5 65 2 5 62 3 5 64 4 5
1580,1640,1640,1700,1750
A3
1460,1550,1600,1620,1640,1660,1740,1820
A4
1510,1520,1530,1570,1600,1680
data p123;
input g y @@;
cards;
1 1600 1 1610 1 1650 1 1680 1 1700 1 1720 1 1800
75 4 1 73 4 1 73 4 2 72 4 2 70 4 3 71 4 3 69 4 4 69 4 4
;
proc anova data=p149;
class A B;
model y=A|B;
run;
一元线性回归分析的应用实例
例5.5.1考察15名不同程度的烟民的每日抽烟量、饮酒量（啤酒）与其心电图指标(zb)的对应数据，试建立心电图指标关于日抽烟量和日饮酒量的适合的回归模型。
scatter y*x=zb/xticknum=10
yticknum=10
zticknum=10
rotate=30
shape='ballon'
size=0.5
color = 'blue'
noneedle;
run;
data yanmin_glm;
input g x y zb@@;
cards;
1 30 10 280 1 25 11 260 1 35 13 330
2 18 11 210 2 25 12 280 2 25 13 300
2 23 13 290 3 40 14 410 3 45 15 420
3 48 16 425 3 50 18 450 3 55 19 470
;
Goptions cback=white hsize=8 vsize=5;
proc g3d ;
63 1 3 61 2 3 61 3 3 60 4 3
64 1 4 67 2 4 63 3 4 61 4 4
62 1 5 65 2 5 62 3 5 64 4 5
61 1 6 62 2 6 62 3 6 65 4 6
;
procanovadata=exam2;
classg j;
modelx1=g j;
run;
例2：对某地区农村的6名2周岁男婴的身高、胸围、上半臂围进行测量，得样本数据如下表。根据以往资料，该地区城市2周岁男婴的这三个指标的均值
现欲在多元正态性假定下检验该地区农村2周岁男婴是否与城市2周岁男婴有相同的均值。取a= 0.01。
编号
身高（cm）
胸围（cm）
上半臂围（cm）
1
78
60.6
1
2
3
4
5
6
12.9
14.0
12.6
10.5
14.6
14.0
12.3
13.8
13.2
10.8
14.6
13.3
12.2
13.8
13.4
10.7
14.4
13.7
12.5
13.6
13.4
10.8
14.4
13.5
12.7
13.6
13.0
10.5
14.4
13.7
12.52
13.76
13.12
10.66
14.48
13.64
SAS程序
data exam1;
input g x @@;
cards;
1 12.9 2 14.03 12.64 10.55 14.66 14.0
1 12.32 13.83 13.24 10.85 14.66 13.3
1 12.22 13.83 13.44 10.75 14.46 13.7
1 12.52 13.63 13.44 10.85 14.46 13.5
cards;
1 31.9 1
2 27.9 1
3 31.8 1
4 28.4 1
5 24.8 2
6 25.7 2
7 26.8 2
8 24.9 2
9 22.1 3
10 23.6 3
11 27.3 3
12 24.9 3
13 27.0 4
14 30.8 4
15 29.0 4
16 24.5 4
;
procanovadata=siliao;
2 1580 2 1640 2 1640 2 1700 2 1750
3 1460 3 1550 3 1600 3 1620 3 1640 3 1660 3 1740 3 1820
4 1510 4 1520 4 1530 4 1570 4 1600 4 1680
;
procanovadata=p123;
5 81 60.8 15.5
6 84 59.5 14.0
;
proc corr noprint cov output=new;
var x1 x2 x3;
run;
proc iml;
use new;
read all where( _TYPE_='COV' ) into S;
read all where( _TYPE_='MEAN' ) into xm;
71 1 1 73 1 1 72 1 2 73 1 275 1 3 73 1 3 77 1 4 75 1 4
73 2 1 75 2 1 76 2 2 74 2 2 78 2 3 77 2 3 74 2 4 74 2 4
76 3 1 73 3 1 79 3 2 77 3 2 74 3 3 75 3 3 74 3 4 73 3 4
61 1 6 62 2 6 62 3 6 65 4 6
;
proc anova data=exam2;
class g j;
model x1=g j;
run;
例4：在某种橡胶的配方中，考虑了三种不同的促进剂，四种不同分量的氧化锌。各种配方试验一次，测得300%定强如下：问不同促进剂、不同分量氧化锌分别对定强有无显著影响？
1 40 14 400 1 45 14 410 2 20 12 270
2 18 11 210 2 25 12 280 2 25 13 300
2 23 13 290 3 40 14 410 3 45 15 420
3 48 16 425 3 50 18 450 3 55 19 470
;
proc glm data=yanmin_glm;
print T2 T2a ;
if T2 >= T2a then print '拒绝原假设H0';
else print '接受原假设H0';
run;
data exam4_2_1;
input id x1 x2 x3;
y1=x1-90;
y2=x2-58;
y3=x3-16;
cards;
1 78 60.6 16.5
饲料
鱼的增重（xij）
A1
31.9
27.9
31.8
28.4
A2
24.8
25.7
26.8
27.9
A3
22.1
23.6
27.3
24.9
A4
27.0
30.8
29.0
24.5
试检验不同配合饲料对鱼的饲喂效果是否有显著影响（取 ）？运算结果要求列出方差分析表，并给出检验结论。
datasiliao;
inputnum weight sort;
read all var{x1} where( _TYPE_='N' ) into n;