有關(guān)sas統(tǒng)計(jì)檢驗(yàn)的模型(編輯修改稿)
2025-08-10 00:06 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 、一般、不好，很不好等）。在SAS軟件中可以使用npar1way過(guò)程，進(jìn)行非參數(shù)KrushalWakkus檢驗(yàn)，一般格式為：Procnpar1waydata=數(shù)據(jù)集wilcoxon。Class因素變量；Var指標(biāo)變量。Run。注：這種用法與節(jié)中兩個(gè)獨(dú)立樣本比較是完全一樣的，當(dāng)因素為兩個(gè)水平時(shí)，npar1way過(guò)程執(zhí)行wilxocon的秩和檢驗(yàn)，當(dāng)多個(gè)水平時(shí)執(zhí)行KrushalWallis檢驗(yàn)。原理說(shuō)明：H0：各處理方法的效果無(wú)顯著差異，H1：各處理方法的效果有顯著差異N+1229。=i)1 1ni(Ri. 2)2KruskalWallis檢驗(yàn)統(tǒng)計(jì)量K=12N(N+s若H0不真,K有偏大的趨勢(shì),因此給定顯著性水平a,其拒絕域?yàn)?3其中c滿足C={KK179。c}PH0{K179。c}=a【例2】對(duì)上例1采用KrushalWallis檢驗(yàn)法，檢驗(yàn)不同品種的油菜的平均畝產(chǎn)是否相同。（α=）輸出為：239。eijk~N(0,s ),i=1,2,L,r239。238。229。1=ia i=229。b j=229。g ij=229。g ij=0分析：H0:不同品種的油菜的平均畝產(chǎn)相同，由輸出結(jié)果中的KrushalWallis檢驗(yàn)的χ2統(tǒng)計(jì)量為p=α=，故拒絕H0,即不同品種的油菜的平均畝產(chǎn)有顯著不同。注：在同等條件下KrushalWallis檢驗(yàn)的功效比方差分析工效低，所以此處p值比方差分析中的p值要大。多因素方差分析SAS還提供了若干個(gè)方差分析過(guò)程，可考慮多個(gè)因素、有交互作用、有嵌套等情況的方差分析。接下來(lái)我們只介紹用anova過(guò)程進(jìn)行均衡設(shè)計(jì)的多因素方差分析。原理說(shuō)明：固定水平的雙因素方差分析模型：236。Xijk=m+ai+bj+gij+eijk239。 2239。237。j=1,2,L,s,k=1,2,L,t,239。r s r s239。j=1 i=1 j=114檢驗(yàn)因素A的主效應(yīng)顯著性的原假設(shè)為：H01:a1=a2=L=ar=0H11:a1,a2,L,ar不全為零FA=SA(r1)SE(rs(t1))~Fa(r1,rs(t1))其它同理類(lèi)似?！纠?】：為了提高一種橡膠的定強(qiáng)，考慮三種不同的促進(jìn)劑（因素A）、四種不同分量的氧化鋅（因素B）對(duì)定強(qiáng)的影響。對(duì)配方的每種組合重復(fù)試驗(yàn)兩次，總共試驗(yàn)了24次，得到如下結(jié)果：A:促進(jìn)劑B:氧化鋅12341 31,33 34,36 35,36 39,382 33,34 36,37 37,38 38,413 35,37 37,38 39,40 42,44試分析因素A和因素B的主效應(yīng)和交互效應(yīng)，以及最好的實(shí)驗(yàn)配方。程序?yàn)椋狠敵鰹椋?5分析：（1）對(duì)于檢驗(yàn)促進(jìn)劑（因素A）的主效應(yīng)，H0:三種促進(jìn)劑對(duì)橡膠的定強(qiáng)的主效應(yīng)為0。由輸出結(jié)果的詳細(xì)方差分析表中，因素A對(duì)應(yīng)的F統(tǒng)計(jì)量為，p值為，小于給定的顯著性水平α=，故因素A對(duì)橡膠定強(qiáng)的主效應(yīng)是顯性的。同理可得氧化鋅（因素B）的主效應(yīng)是顯著的，A和B的交互效應(yīng)不顯著。（2）為了得到最好配方，由輸出結(jié)果的每種水平下，指標(biāo)定強(qiáng)stren的均值，可得促進(jìn)劑（因素A）在第3水平使指標(biāo)達(dá)最大值，氧化鋅在第4水平時(shí)使指標(biāo)達(dá)最大，故最佳配方為：第3種促進(jìn)劑和第4種氧化鋅分量?；貧w分析回歸分析是研究變量之間的依存關(guān)系。如果因變量Y和自變量（或稱(chēng)為解釋變量）X呈直線關(guān)系時(shí)，16常用SAS過(guò)程回歸類(lèi)型資料類(lèi)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(lèi)變量LogisticLogistic回歸分類(lèi)變量數(shù)值變量、分類(lèi)變量CatmodLogistic\Poisson回歸分類(lèi)變量數(shù)值變量、分類(lèi)變量Nlin非線性回歸數(shù)值變量數(shù)值變量稱(chēng)直線回歸，直線回歸要求變量Y服從正態(tài)分布且方差相等。當(dāng)變量間不是線性關(guān)系時(shí)，通常需要進(jìn)行數(shù)據(jù)變換，再進(jìn)行線性回歸分析，或直接用原數(shù)據(jù)進(jìn)行非線性回歸。根據(jù)資料類(lèi)型，SAS可以進(jìn)行各類(lèi)回歸分析：直線回歸1背景概述多元線性回歸分析簡(jiǎn)介假定因變量y與k個(gè)解釋變量x1,x2,…,xk具有線性關(guān)系，即總體回歸模型：yi=b0+b1x1i+b2x2i+... +bkxki+ui2，mi~N(0,sm),i=1,2,...,n或E(yi)=b0+b1x1i+b2x2i+... +bkxki217。 217。 217。 217。 217。樣本回歸模型：yi=b0+b1x1i+b2x2i+... +bkxki? ?殘差：ei=yiyi229。e?i2222。b0,b1,b2,...bk最小二乘法：minn217。217。217。217。i=1總離差平方和的分解式：總平方和=解釋平方和+殘差平方和217。217。y)=229。(yiy)+229。(yiyi)TSS=ESS+RSS 即229。(yi222判定系數(shù)：R=217。229。(yiy)229。(yy)2ESSTSS=i22R2=1(1R2)n1nk1回歸模型的顯著性檢驗(yàn)（F檢驗(yàn)）：Ho：b1=b2=…=bk=0H1：b1，b2，…，bk至少有一個(gè)不為0。檢驗(yàn)統(tǒng)計(jì)量F=RSS/kESS/(nk1)~F(k,nk1)變量（如xi）顯著性檢驗(yàn)（t檢驗(yàn)）：H0：bi=0，H1：bi≠0檢驗(yàn)統(tǒng)計(jì)量t=217。bibiS217。bi~t(nk1)17過(guò)程格式:Procregdata=數(shù)據(jù)集名選項(xiàng)；Var可參與建模的變量列表；Model因變量=自變量表/選項(xiàng)；Print
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1