統(tǒng)計實驗與sas上機簡易過程步(編輯修改稿)
2025-09-03 10:56 本頁面
【文章內容簡介】 資料是否符合正態(tài)分布；②正態(tài)性檢驗確定具體分析方法，若為正態(tài)，使用方差分析，否則為KruskalWallis秩和檢驗（非參數(shù)檢驗，見后文）：正態(tài)性檢驗過程步略③方差分析：只有glm過程，anova過程請參考課件1. proc glm。 2. class group。3. model x=group。4. means group/hovtest lsd。/*使用lsd法進行兩兩比較并給出p值*/5. run；④根據兩組之間p值是否有意義給出結論①同上思路，首先正態(tài)檢驗，不符合時候，使用多組之間的KruskalWallis秩和檢驗；首先進行秩和檢驗：1. proc npar1way Wilcoxon。/*wilcoxon選項給出wilcoxon和KruskalWallis檢驗值*/2. class group。3. var x。4. run。②多組非正態(tài)分布資料兩兩之間的比較的過程步：（原理：對研究變量的秩進行排序，用方差分析對秩次進行兩兩比較）；1. proc rank data=ex12_5 out=rank5。2. var x。3. run。4. proc print data=ranks。5. run。6. proc glm data=ranks。7. class group。8. model x=group。9. means group/lsd。10. run。完全copyPPT③結果觀察：先看χ2和p值（總體指標）有無統(tǒng)計學意義，若無意義，無需進行兩兩比較，只有總體指標χ2和p值有意義才需進行兩兩檢驗。①析因設計有一點重要的是：A和B兩個指標之間可能會有交互作用，需考慮二者之間的交互作用a*b②首先仍然是正態(tài)性檢驗，若符合可直接用析因設計的方差分析，否則可用KruskalWallis秩和檢驗（類似于完全隨機設計）；③析因設計的過程步（符合正態(tài)分布）：1. proc glm data=aa。2. class a b。3. model x=a b a*b。/*計算a，b以及a*b，之間的相互作用*/4. output out=glmout P=pred R=resi。 /*將三者之間的P值和R值輸出到新的數(shù)據集glmout中，并對二者進行賦值*/5. run；1. proc gplot data=glmout 。2. plot pred*a=b/HAIXS= 1 2 VAIXS= to by 。 /*2*2析因設計交互效應作圖*/3. symbol I=join。4. run。③結果參考：同樣先看總體之間差異有無統(tǒng)計學意義：若有意義，繼續(xù)觀察兩兩之間的p值；若無意義，可無視。①配對分析思路：配對設計分析一般以差值作為分析指標，實際上是前后數(shù)據分析差值與0相比是否有統(tǒng)計學意義。利用proc univariate程序對差值的正態(tài)性及分布進行檢驗；②首先正態(tài)性檢驗，過程步略③若符合正態(tài)分布，可直接用glm過程（若不符合正態(tài)分布，其差值具體大小需要結合中位數(shù)來看，而不是均數(shù)）：1. data aa；2. input x1 x2@@。3. y= x1x2。/*用y來表示配對兩者資料的差值*/4. cards。5. （具體數(shù)據）6. 。7. proc univariate。8. var y。9. run。③結果推斷：結合SAS結果中的“Test for Location”結果的S和Pr值判斷是否有意義（配伍組資料分析）①要點：隨機區(qū)組設計有分區(qū)變量block、分組變量group以及分析變量x；具體分析方法根據正態(tài)性選擇方差分析或Friedman檢驗；②若為正態(tài)分布的數(shù)據，采用隨機區(qū)組方差分析：proc glm過程步1. PROC GLM。2. CLASS group block。 /*將組別和區(qū)組均指定為分類變量*/3. MODEL x=gr
黨政相關相關推薦
鄂ICP備17016276號-1