SAS学习第5章：方差分析之大纲及单因素试验

t检验能用来进行两个处理平均数之间的假设检验，但一般研究会出现多个处理优劣的比较，即需要进行多个处理平均数的假设检验，此时t检验不再适用，具体表现在检验量增加，如k个处理，要进行k*(k-1)/2次检验；未充分利用试验资料所提供的全部信息使得误差估计的精确性降低，从而降低了灵敏度；推断的可靠性降低，未比较两个平均数秩次问题，检验的Ⅰ型错误率大。

【无效假设指的是数据间差异不显著，备择假设则认为其显著。】

【Ⅰ型错误指的是把原本正确的无效假设否定了，即为：弃真；Ⅱ型错误与之相反，无效假设错误，备择假设正确，但认可了无效假设，即为：纳伪。】

【对于Ⅰ型错误，我们基于小概率事件实际不可能发生来确定无效假设是否被否定，但实际而言，小概率不事件并非决定不可能发生事件，但犯该错误的概率不大于显著水平α（SAS中记为：alpha）】

【对于Ⅱ型错误，一般与显著水平α成反比，样本含量成反比，原总体标准差成正比】

【若一个试验耗费大可靠性要求高，事关重大（如药物毒性检验）、不允许反复，则显著水平α值要取小，对试验条件难控制，误差较大的，可将显著水平α放宽到0.1-0.25】

SAS的方差分析一般含7种类型：一是单因素试验各处理重复数相等资料方差分析；二是单因素试验各处理重复数不等资料方差分析；三是两因素交叉分组单独观察值资料的方差分析；四是两因素交叉分组重复观察值试验资料的方差分析；五是两因素系统分组次级样本含量相等资料方差分析；六是两因素系统分组次级样本含量不等资料方差分析；七是正反弦转换后的资料进行方差分析。

【编程口诀：长短一致用anova,长短不一用glm，交叉分组有重复，model不忘a*b】

1.单因素试验各处理重复数相等资料方差分析

例：对比4种配合饲料对鱼的喂养效果，选取了条件基本相同的鱼20尾，随机分4组，每组投喂不同饲料，经一个月的试验，比较配合饲料的优劣。

饲料种类	增重
A1	31.9	27.9	31.8	28.4	35.9
A2	24.8	25.7	26.8	27.9	26.2
A3	22.1	23.6	27.3	24.9	25.8
A4	27	30.8	29	24.5	28.5

Data  fish;
Input x y@@;
Cards;
 1 31.9  1 27.9  1 31.8  1 28.4  1 35.9
 2 24.8  2 25.7  2 26.8  2 27.9  2 26.2
 3 22.1  3 23.6  3 27.3  3 24.9  3 25.8
 4 27.0  4 30.8  4 29.0  4 24.5  4 28.5
;
Proc  anova ;
Class x;
Model y=x;
Means x/LSD duncan SNK;
Means x/LSD DUNC N SNK  alpha =0.01;
Run;

 

 答：不同配合饲料差异极其显著【各处理平均数间差异极显著，或简述为“F值极显著”】，其中效果比较为1>4>2>3。

2.单因素试验各处理重复数不等资料方差分析

例：5个不同品种猪的育肥试验，后期30d增重（kg）如表。检验品种间增重有无差异。

品种	增重kg
B1	21.5	19.5	20	22	18	20
B2	16	18.5	17	15.5	20	16
B3	19	17.5	20	18	17
B4	21	18.5	19	20
B5	15.5	18	17	16

data sow;
input breed  y@@;
cards;
1  21.5   1  19.5   1  20   1  22   1  18   1  20
2  16   2  18.5   2  17   2  15.5   2  20   2  16
3  19   3  17.5   3  20   3  18   3  17
4  21   4  18.5   4  19   4  20
5  15.5   5  18   5  17   5  16
;
proc GLM;
class breed;
model y=breed;
means breed/Duncan;
means breed/Duncan alpha=0.01;
run;

 

 答：检验品种间增重差异极显著。