5方差分析-1

1．选择项1 1）DATA=SAS数据集 。 2）MANOVA ：要求删去具有缺失值的观测的多元 模型，同ANOVA过程中的一样。 2．CLASS语句：说明分类变量，同ANOVA过程中 的一样；它必须在MODEL语句之前。 3．MODEL 语句 MODEL语句用来指明因变量和自变量效应。如 果没有指明效应变量，则GLM过程只拟合截距， 也只检验因变量是否为0。
5.3.4 完全随机区组设计
完全随机区组设计的优点： • 设计简单、容易掌握。 • 富于弹性、多因素以及综合性的试验都可 应用。 • 能提供无偏的误差估计，在大区域试验中 还能有效地减少非试验因素的单向差异， 降低误差。 • 对试验区的形状要求不严，不同区组也比较
5.3 单因素多水平试验设计及方差分析
5.3.1完全随机设计 单因素试验设计指仅安排1个试验因素，按受试对 象的抽取或分组的随机程度不同可细分为以下2类： 1．完全随机设计：从符合条件的总体中完全随机 地抽取所需数目的受试对象，再将全部受试对象 完全随机地分配到k个组中。此时，受试对象与 试验因素间无直接联系。 2．组内完全随机设计：按试验因素的k个水平将全 部受试对象划分成k个子总体，再分别从k个子总 体中完全随机地抽取所需数目的受试对象。此时， 试验因素的各水平决定了受试对象各自应归属的 组别。
程序说明：首先用DATA步建立数据集。第一个 GLM过程用DUNCAN法检验两两均值间是否存 在显著差异。由第一个GLM过程的结果初步判断 哪两组间存在差异，进而在第二个GLM过程使用 CONTRAST语句对两组均值进行比较，详细分 析两组均值间的差异大小。因素turang共有6个水 平， 作任何2个水平之间的比较时，对应的2个水 平中一个用“1”表示，另一个用“-1”表示，其他 水平用“0”表示。MANOVA语句表示要作多元 方差分析，H=turang表示要分析的因素为turang， 该语句若出现在CONTRAST语句之前，则每次 只对单项指标进行两两比较。当它出现在 CONTRAST语句之后，若MODEL语句中没有 NOUNI，则先对多项指标构成的均值向量进行两 两比较，后对单项指标进行两两比较。
如果使用菜单操作方式，具体操作步骤如下： 在主窗口选择菜单Solutions|ASSIST打开 ASSIST功能模块，在ASSIST界面中选择 Data Analysis|ANOVA弹出窗口图5-1。
5.3.3 多元方差分析应用举例
例5.4 数据为不同土壤：t1原始林地、t2荒草地、t3 新茶地、t4茶地tea1、t5茶地tea2、t6竹林地中的 第一层土壤团聚体几何平均直径（gmd1）和第二 层土壤团聚体几何平均直径（gmd2）。数据见程 序中。要解决的问题：分别比较不同的土壤之间 的第一层土壤团聚体几何平均直径和第二层土壤 团聚体几何平均直径是否有差异。 说明：此例相当于单因素（土壤）6水平（6种土壤） 的二元（gmd1、gmd2）方差分析。 SAS程序glm5_4.sas
第5章 方差分析
5.1方差分析简介
• 5.1.1 方差分析基本概念
1. 单因素试验的方差分析 考虑一个因素A取k个水平，分析这k个不 同水平对所考察的指标y的影响，即在试验 中只有A一种因素改变，而其它因素控制不 变，这样的试验叫单因素试验，所进行的 方差分析叫单因素试验的方差分析。
2. 双因素及多因素试验方差分析 客观现实中的事物很复杂，影响某项指标的 因素往往有很多，这些因素互相联系，互 相依存，互相对立，问题也就变得复杂了。 当只考虑两个因素的作用时，我们进行组 间变差和误差的变差分析，叫双因素试验 方差分析。当考虑的因素多于两个时，就 叫多因素试验方差分析。
MEANS 因素名 / 拟选用的方法名 ALPHA=p ; (0<p<1)
1. 仅控制比较误差率（CER）的两两比较法 Ｔ法：即成组比较的ｔ检验法，但误差的均方不是由所比较 的2组数据算得，而是由全部数据算得的。拒绝域：若 T≥t （α ，υ），则p≤α，即可称被比较的2组总体均值 之间差异显著。 注意：用此法所作比较的次数越多，其试验误差率（MEER） 就越大，结论安全性较差。 LSD法：也叫最小显著差法，只用于2组样本数相等的场合。 LDS的值被称为Fisher的最小显著差值。当｜X-i- X-j｜ ≥LSD时，则p≤α，即可称被比较的2组总体均值之间差 异显著。 注意：用此法所作比较的次数越多，其试验误差率（MEER） 就越大，安全性较差。 DUNCAN法（参见本节“多级检验”部分）
5.1.2 总体方差检验
1．方差检验的基本概念 方差检验的基本思想是：利用样本方差建立一个统 计量，并为这个总体方差的统计量构造一个置信 区间。这个置信区间的显著水平为α，区间中包 括总体方差的概率是1-α。 在确定的α水平下，统计量有其固定的拒绝区域。 单尾检验中，拒绝区域分布在统计量分布曲线的 一侧；双尾检验中，拒绝区域分布在统计量分布 曲线的两侧。如果检验统计量大于或等于临界值 而落入拒绝区域，或P值小于显著水平α而落入拒 绝区域，便可以拒绝零假设；反之，则不能拒绝 零假设。
5.1.3 方差的同质性检验
所谓方差的同质性（也称方差齐性），就是 指各个总体的方差是相同的。方差的同质 性检验就是要从各样本的方差来推断其总 体方差是否相同。
5.1.3 方差分析的基本假定和数据转换
2．数据转换 1) 平方根转换 2）对数转换 3）反正弦转换
5.2 ANOVA过程和GLM过程简介
ANOVA过程语句格式：
PROC ANOVA 选择项1 ; CLASS 变量 ; MODEL 因变量=效应变量 / 选择项2 ; MANOVA H=效应变量 E＝效应变量 ; BY 变量 ; MEANS 效应变量 / 选择项3 ; RUN ;
5.2.2 GLM过程
1．GLM过程简介 GLM过程是一个非常通用的方差分析方法，GLM （General Linear Model）过程用到的统计方法有： 回归分析、方差分析、协方差分析、多元方差分 析和偏相关，GLM过程同时还提供了多种诊断方 法：随机效应检验、常用的假设检验对比估计和 多变量的对比检验等。相对于ANOVA过程， GLM过程在处理不均衡设计时更有效。 GLM采用最小二乘法拟合一般线性模型，在此基 础上进行其它的分析。最后需用QUIT语句从过 程中退出。
5.3.2 一元方差分析应用举例
输出结果中的Duncan Grouping列标识相同符号表 示组间没有差异，标识不同符号表示组间存在差 异。所以（a2与a5），（a4与a7）品种的玉米青 贮之间的可溶性有机物wsc的含量没有差异，而 其它品种（a2,a5）与a6与a1与（a4,a7）与a3的玉 米青贮之间的可溶性有机物wsc的含量均存在显 著差异。从专业角度说明：青贮玉米中的可溶性 有机物wsc的含量越高，饲料使用价值越高，因 此可以认为a2高油玉米115a和a5农大80两个品种 的玉米青贮饲料使用价值较高。 注意：在进行方差分析之前，必须对分析的数据进 行正态性和方差同质性检验，然后根据检验结果， 采用相应的方法进行下一步的分析。否则，方法 选择不当，会导致错误结论。
5.4 配伍组设计及其统计分析
配伍组设计也称为随机区组设计或双因素无 重复试验设计。它是在单因素设计的基础 上，多考虑一个区组因素。 配伍组试验设计方法：将全部受试对象按某 一个重要的属性（即区组因素，如：窝别、 或体重、或年龄）分组，把条件最接近的k 个受试对象（k为试验因素的水平数）分在 同一个区组内；然后，用完全随机的方法 将每个区组中的全部受试对象分配到k个组 （含对照组和处理组）中去。
• 5.2.1 ANOVA过程 1．ANOVA过程简介 ANOVA过程主要用于处理均衡设计（即：对于每 个因素、每个水平的观测数是相等的，另外还可 以处理拉丁方设计、正交设计等）的一元、多元 方差分析和重复测量的方差分析，也可用于多个 变量的对比检验。 PROC ANOVA过程首先要检查试验设计是否均 衡，如果不均衡，也不是上面提到的几种情况之 一，就建议使用GLM过程。ANOVA过程和GLM 过程最后需用QUIT语句退出。
结果分析： BON法和T法检验结果不同。如果选用t检验（控制比较错误 率）结果，t检验的最小差异值为833.9，处理n1即在6月1 日播种，玉米产量最高，且与其它几个处理有显著差异。 但在n7（6月7日）和n14（6月14日）播种，对玉米产量 影响没有差异。同时证明，n21（6月21日）播种，严重影 响玉米的产量。随播期推迟，夏玉米产量显著降低。 如果选用BON法的检验（控制试验错误率）结果，n1和n7， n7和n14处理间没有显著差异，但n21处理与n1、n7、n14 处理有显著差异。即播种期晚，会影响夏玉米的产量。 为了近一步分析各处理间的差异大小，在程序中添加下面一 条语句，由于n1处理的玉米产量最高，可以将n1处理作 为对照组，用单尾t检验来检验n1与其它处理的差异大小。 means x/dunnettL （'n1'）;
5.4.2 多因素多水平间的多重比较
5.4.1 一元应用实例
程序说明：程序中的变量g代表饲料组别，weekk为 周别，y为每周平均日产奶量。用DATA步生成数 据集后，由于本试验是均衡试验设计，所以使用 ANOVA过程进行方差分析。第一条MEANS语句， 使用REGWQ和SNK两种方法对各组饲料以及每 周两因素进行两两比较，从结果看，week因素之 间没有显著差异，而g因素的第二组均值与其它组 间有显著差异，所以又添加了第二条MEANS语 句，将第二组饲料与其它组饲料进行两两比较， 分析它们之间的差异大小。 第二条MEANS语句是在前面分析的结果上添加的， 根据分析数据的实际情况，可添加修改相应语句。
GLM语句格式说明： PROC GLM 选择项1 ; CLASS 变量 ; （以上两语句必须出现在 MODEL语句之前） MODEL 因变量=自变量 / 选择项2 ; CONTRAST „ LABEL ‟ EFFECT（效应名） VALUES（取值）<效应 取值>…/选项3 ; LSMEANS 效应 / 选择项4 ; MEANS 效应 / 选择项5 ; OUTPUT OUT=SAS数据集 关键字=新变量名 ; RUN ;