sas系統(tǒng)和數(shù)據(jù)分析全隨機(jī)設(shè)計(jì)kruskal-wallis秩和檢驗(yàn)-免費(fèi)閱讀
【正文】 Correlation Analysis 1 39。但在 SAS 系統(tǒng)中把銷售成績數(shù)值從小到大按等級(jí)值從 1 到 10給予。 cards。 6. weight 語句 為了計(jì)算加權(quán)的乘積矩相關(guān)系數(shù)，用該語句給出權(quán)數(shù)變量名。例如， var a b c。 ? noprint——禁止所有打印輸出。 ? kendall——要求計(jì)算并輸出 Kendallτ b相關(guān)系數(shù)。如果只使用 proc corr 這一條語句，過程計(jì)算輸入數(shù)據(jù)集中所有數(shù)值變量之間的相關(guān)系數(shù)。 var 變量列表 。統(tǒng)計(jì)問題為是否職工的銷售潛能與開始二年的實(shí)際銷售成績一致。如果變量 X與變量 Y之間存在著負(fù)相關(guān)，那么 X與 Y中一個(gè)增加時(shí)，另一個(gè)在減小， d 具有較大的數(shù)值。第三項(xiàng) cmh統(tǒng)計(jì)量為一般相關(guān)統(tǒng)計(jì)量，不要求行變量或列變量是有序的。 cmh 統(tǒng)計(jì)量假定各層是獨(dú)立的，并且每層的周邊總和是固定的。 tables group*x /scores=rank cmh 。 表 用 npar1way 過程進(jìn)行多樣本比較 的 KruskalWallis 秩和檢驗(yàn)輸出結(jié)果 上海財(cái)經(jīng)大學(xué)經(jīng)濟(jì)信息管理系 IS/SHUFE Page 6 of 13 結(jié)果說明：組 組 2 和組 3的秩和（ Sum of Scores）分別為 、 和 。 var x。 input x 。然而當(dāng)使用 weight 語句時(shí)，每個(gè)觀察對頻數(shù)計(jì)上海財(cái)經(jīng)大學(xué)經(jīng)濟(jì)信息管理系 IS/SHUFE Page 5 of 13 數(shù)的貢獻(xiàn)為這個(gè)觀察對應(yīng)的權(quán)數(shù)變量的值。 ? deviation——要求輸出單元頻數(shù)和期望值的偏差。 ? measures——要求計(jì)算若干個(gè)有關(guān)相關(guān)的統(tǒng)計(jì)量 及 它們的漸近標(biāo)準(zhǔn)誤差。 Tables 語句中的 交叉表的表達(dá)式，請參見第二章第二節(jié) proc tabulate 過程中的 table 語句的用法。 ? page——要求 freq每頁只輸出一張表。 run 。對于雙向表（二維表），該過程計(jì)算檢驗(yàn)統(tǒng)計(jì)量和關(guān)聯(lián)度。從三個(gè)大學(xué)來的雇員中隨機(jī)地抽取了三個(gè)獨(dú)立樣本，見表 中的第 6 列所示。在原假設(shè)為真時(shí)，各組樣本的秩平均應(yīng)該與全體樣本的秩平均 2 121 ????? nn n? 比較接近。但有時(shí)采集的數(shù)據(jù)常常不能完全滿足這些條件。這個(gè) KW 統(tǒng)計(jì)量是我們判定各組之間是否存在差異的有力依據(jù)。因此，我們將用卡方分布來決定 KWc統(tǒng)計(jì)量的檢驗(yàn)。所以 ： 9 9 2 )22223333(1 3 3333 ?? ?????????C 調(diào)整后的 KWc為 ： 9 8 3 9 2 ??? CKWKW c 查表可知道，自由度為 21??k 的 卡方分布，在 ?? 顯著水平下，分布的上尾臨界值為 ，由于 ， 因此 拒絕原假設(shè)。 tables 交叉表的表達(dá)式 /選項(xiàng) 。 freq表示按頻數(shù)下降的次序， data表示按輸入數(shù)據(jù)集中出現(xiàn)的 次序， internal表示按非格式化值的次序（缺省值）， formatted 按格式化值的次序。 4. tables 語句 可以包括多個(gè) tables 語句。 ? cmh——要求 CochranMantelHaenszel 卡方統(tǒng)計(jì)量，用于 2 維以上表時(shí)，檢驗(yàn)行變量和列變量是否有線性相關(guān)。 cellchi2—— 要求輸出每個(gè)單元對總卡方統(tǒng)計(jì)量的貢獻(xiàn)。 ? list——以表格形式打印二維表。 do group=1 to 3。 7 25 70 60 85 95 90 80 6 60 20 30 15 40 35 7 50 70 60 80 90 70 75 。過程步 調(diào)用 npar1way 過程，后面用選擇項(xiàng)wilcoxon，當(dāng)樣本數(shù)大于 兩 個(gè)時(shí)，自動(dòng)進(jìn)行多樣本的 KruskalWallis 秩和檢驗(yàn)。根據(jù)平均秩和的結(jié)果，組 1 的最高，組 2 的最低，因此 ， 至少組 1 和組 2 的差異是顯著的。 Tables group*x 語句，把組變量 group 中 3 個(gè)不同大學(xué)，與成績變量 x 中 14個(gè)分組成績（最小值為 15，最大值為 95，間隔為 5，共 14組），構(gòu)成了一個(gè)單層 3 行 14列二維交叉頻率表，選項(xiàng) scores=rank 指定為非參數(shù)秩得分的情況，選項(xiàng) cmh 計(jì)算CochranMantelHaenszel卡方統(tǒng)計(jì)量。原假設(shè)為每一層的行變量與列變量不線性相關(guān)，自由度始終為 1，卡方值為 ，p=，因此不能拒絕 group和 x不線性相關(guān)。 設(shè) iR 和 iQ 分別為 ix 和 iy 各自在變量 X和變量 Y中的秩，如果變量 X與變量 Y之間存在著正相關(guān)，那么 X與 Y應(yīng)當(dāng)是同時(shí)增加或減少，這種現(xiàn)象當(dāng)然會(huì)反映在（ ix ， iy ）相應(yīng)的秩（ iR ， iQ ）上。當(dāng) ?n 10 時(shí)， sr 的樣本分布可以標(biāo)準(zhǔn)化為近似的 t分布： )2(~1 221022 ?????????? ntrnrnrrsrtssssrrsss? () 例 。還能產(chǎn)生三個(gè)非參數(shù)的關(guān)聯(lián)測量： Spearman 的秩相關(guān)， Kendall 的 taub 和Hoeffding的相關(guān)性度量 D。 By 變量列表 。 ? outh=數(shù)據(jù)集名 ——產(chǎn)生含有 Hoeffding D 統(tǒng)計(jì)量的一個(gè)新數(shù)據(jù)集。 ? sscp ——要求輸出平方和與交叉積和。 ? nomiss ——將帶有某一變量缺失值的觀測值從所有計(jì)算中除去。with x y z。 六、 實(shí)例分析 例 的 SAS 程序如下： data 。 run。 表 用 corr過程進(jìn)行多樣本 輸出結(jié)果 結(jié)果說明： Spearman 等級(jí)相關(guān)系數(shù)為 ，是一個(gè)比較大的正相關(guān)系數(shù)。VAR39。 var 語句列出要計(jì)算相關(guān)系數(shù)的第一個(gè)變量 x， with 語句必須要與 var語句 聯(lián)合使用，列出的要計(jì)算相關(guān)系數(shù)的第二變量 y。 上海財(cái)經(jīng)大學(xué)經(jīng)濟(jì)信息管理系 IS/SHUFE Page 13 of 13 var x。觀察的總數(shù)規(guī)定為 freq 變量值的和。用 var語句列出的變量在輸出相關(guān)陣的上方，而用 with 語句列出的變量豎在相關(guān)陣左邊。 ? rank——要求按絕對值從高到低的次序?qū)?每個(gè)變量輸出相關(guān)系數(shù)。缺省值為 df。 ? outs＝數(shù)據(jù)集名 ——產(chǎn)生含有 Spearman 等級(jí)相關(guān)系數(shù)的一個(gè)新數(shù)據(jù)集。 weight 變量 。在 顯著水平上， t分布的上臨界點(diǎn)為 ，由于 ，因此，拒絕秩相關(guān)系數(shù)為 0 的原假設(shè)，接受潛能與成績之間存在秩相關(guān)。又因?yàn)椋? iiiiiiii QRnnnQRQRQR ????? ???????? 23 )12)(1(2)( 222 而 iiQR? 在每對 iR + iQ = 1?n 時(shí)達(dá)到最小值，最小值求法為： iiii QRQRn ???? ???? 2)1( 222 所以，最小的 iiQR? 為： 6 )12)(1(2 )1( 2 ???? nnnnn 最大的 2)(? ? ii QR 為： 3 )1()1(3 )12)(1(2 22 ?????? nnnnnnn 故秩相關(guān)系數(shù) sr 的最小值為 1－ 2=－ 1。秩相關(guān)（ rank correlation）又稱等級(jí)相關(guān)，它是一種分析 ix 和 iy等級(jí)間是否相關(guān)的方法。當(dāng)原假設(shè)為真時(shí)， cmh 統(tǒng)計(jì)量漸近卡方分布。||+39。按公式 ()調(diào)整后 多樣本的 Kruska
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號(hào)-1