sas04__sas基本統(tǒng)計分析功能-wenkub
2023-05-21 12:33:40 本頁面
【正文】 據(jù)資料不服從正態(tài)分布。 說明： ?使用 SAS軟件中的“分析家”，打開數(shù)據(jù)集后，利用菜單“統(tǒng)計” → “描述性統(tǒng)計” → “分布”，除了可以檢驗變量是否服從正態(tài)分布外，還可以檢驗對數(shù)正態(tài)、指數(shù)和韋布爾分布。當(dāng) |t0| t1α/2(n1)時，有 Pr{|t| t0}Pr{|t| t1α/2(n1)}= α ?反之亦然。 Ho：變量 y服從正態(tài)分布，其中shapirowilk檢驗的統(tǒng)計量為 w=，檢驗的 p值=α=，故應(yīng)接受零假設(shè)，即有 95%把握認(rèn)為變量 y正態(tài)。 說明： ?當(dāng)變量服從正態(tài)分布時，優(yōu)先采用 t檢驗，當(dāng)變量服從非正態(tài)時，可以采用符號秩（ signed Rank）檢驗，符號檢驗（ sign）的檢驗功效較差，一般不常用它。如果兩個總體都服從正態(tài)分布，則可使用兩獨立樣本均值的 T檢驗。檢驗零假設(shè)為 H0：兩個獨立樣本的來自均值相等的總體，即 ，檢驗統(tǒng)計量為 12???121212( 2 )11cXXt t n nS nn?? ? ??221 1 2 212( 1 ) ( 1 )2cn S n SSnn? ? ????12???12121212( 2)XXt t n nSSnn?? ? ?? ?格式： PROC TTEST [選項 ]。 【 例 3】 ?某克山病區(qū)測得 11例克山病人與 13名健康人的血磷值（ mmol/L）如表，據(jù)此判斷該地急性克山病人與健康人的血磷值是否相同？ 輸出為： 分析： ? (1) 先作正態(tài)性檢驗如下： ?零假設(shè)為 Ho：患者組的血磷值變量 x服從正態(tài)分布，其中患者組的 shapirowilk檢驗的統(tǒng)計量為 w=，檢驗的 p=α=，故應(yīng)接受零假設(shè)，即有 95%把握認(rèn)為 x正態(tài)。 ?再作 T檢驗。 ?如果數(shù)據(jù)不服從正態(tài)分布可以采用非參數(shù)檢驗，檢驗兩個獨立樣本的中心位置是否相同的非參數(shù)方法有 wilxocon秩和方法，使用 npar1way過程加 wilcoxon選項，如教材 P123。 兩相關(guān)樣本均值檢驗（ Univariate過程） ? ?相關(guān)樣本的有兩種情況 : ?一種是將研究對象按一定的條件先配對，每對中的兩個對象隨機分配到實驗組和對照組，一個試驗由若干對組成，稱為配對試驗設(shè)計； ?另一種情況是同一批研究對象經(jīng)過某種處理前后的指標(biāo)值比較，或者是同一批樣品經(jīng)過兩種不同方法的測定結(jié)果的比較。 0 /XtSn??X ?為了檢驗兩個相關(guān)樣本的均值是否有顯著差異，先用一個數(shù)據(jù)步計算差值，然后對差值變量用 univariate過程可以實現(xiàn)檢驗差值變量的均值是否顯著為零。由輸出結(jié)果知 T檢驗的統(tǒng)計量 t=，雙邊檢驗的 p值為 α=，故拒絕原假設(shè)，即有 95%的把握認(rèn)為治療后血清蛋白有下降。 ?故采用符號秩非參數(shù)檢驗。 ? ?單因素方差分析模型 : ?其中 為分類變量（因子 A）的第 i個水平的效應(yīng)。 ? Ho：第 1組數(shù)據(jù)服從正態(tài)分布，由輸出結(jié)果中 shapirowilk統(tǒng)計量為 w=,p=α =,故接受 Ho,即第 1組數(shù)據(jù)服從正態(tài)分布。正態(tài)分布由 Leneve方差齊性檢驗的 F=,p=α =，故這 5組數(shù)據(jù)滿足方差齊性。 ?前節(jié)方差分析中的正態(tài)性或方差齊性不能滿足時，可采用非參數(shù)檢驗方法，如 KrushalWallis 檢驗。 Run。 ?注：在同等條件下 KrushalWallis檢驗的功效比方差分析工效低，所以此處 p值 p值 。 A:促進(jìn)劑 B:氧化鋅 1 2 3 4 1 31,33 34,36 35,36 39,38 2 33,34 36,37 37,38 38,41 3 35,37 37,38 39,40 42,44 分析： ?（ 1）對于檢驗促進(jìn)劑（因素 A）的主效應(yīng)， H0:三種促進(jìn)劑對橡膠的定強的主效應(yīng)為 0。 作業(yè)： P160 15, 16， 17 回歸分析 ? 直線回歸 ? ? 二分類 變量的Logistic回歸 常用 SAS過程 回歸類型 資料類型 因變量 自變量 Reg 線性回歸 數(shù)值變量 數(shù)值變量 GLM 協(xié)方差模型、一般線 性模型 數(shù)值變量 數(shù)值變量、分類變量 Logistic Logistic回歸 分類變量 數(shù)值變量、分類變量 Catmod Logistic\Poisson回歸 分類變量 數(shù)值變量、分類變量 Nlin 非線性回歸 數(shù)值變量 數(shù)值變量 直線回歸 ? 1背景概述 (多元線性回歸分析簡介 ) ?假定因變量 y與 k個解釋變量 x1,x2,…,xk 具有線性關(guān)系，即 ?總體回歸模型： ?或 ?樣本回歸模型： ?殘差： ?最小二乘法： u b ... b bb i22110i ?????? kikii xxxyn1 ,2 ,.. .,i, ),0(~ 2 ???? Ni b ... b bb)( 22110i kikii xxxyE ????? b ... b bb 22110i kikii xxxy ????? ?????iii yye ?? ?????niie12?m in ???? kb ..., b , b,b 210?總離差平方和的分解式： 總平方和 TSS=解釋平方和 ESS +殘差平方和 RSS 即 ?判定系數(shù)： ? 回歸模型的顯著性檢驗（ F檢驗）： ? Ho： b1=b2=…=b k=0, H1： b1， b2， … ， bk至少有一個不為 0。 ?（ 1）回歸方程為： 判定系數(shù) , 說明因變量 Y的變異中由模型能解釋的部分占到 %，模型擬合效果較好。 ^ 1 4 1 . 2 2 3 7 6 3 . 5 9 7 0 8 1 . 2 7 8 3 9we ig h t h e ig h t a g e? ? ? ?說明： ?（ 1）如果要自動挑選最優(yōu)變量，可在 model語句中增加選項 ‘ selection=選擇方法’，選擇方法有 none (全用，默認(rèn) )、 forward（逐步引入法）、 backward（逐步剔除法）、stepwise(逐步篩選法 )等。 說明： ? (3)若是一元線性回歸，可以在因變量和自變量的散點圖上加上回歸直線和均值置信界限，程序如下： proc reg data=。 ?（ 4）若是要輸出多元線性回歸中殘差對預(yù)測值診斷圖，可用如下語句： plot residual.*predict
法律信息相關(guān)推薦
鄂ICP備17016276號-1