实验报告6——SAS方差分析.doc

实 验 报 告 实验项目名称 方差分析 所属课程名称 现代统计软件 实 验 类 型 验证性实验 实 验 日 期 2014-10-11 班 级 学 号 姓 名 成 绩 实验概述： 【实验目的及要求】 掌握使用SAS进行单因素方差分析和双（多）因素方差分析的方法。 【实验原理】 SAS软件的操作方法及原理 【实验环境】（使用的软件） SAS 9.1 实验内容： 【实验方案设计】 一、用INSIGHT作方差分析 二、用“分析家”作方差分析 三、用ANOVA过程和GLM过程进行方差分析 【实验过程】（实验步骤、记录、数据、分析） 【练习6-1】某公司研制出了A、B、C、D四种新型生产设备，让6个工人分别操作相同的时间，统计他们生产的零件的数量如表6-3（lx6_1.xls）所示。试在0.01的显著水平下检验这四种设备在单位时间生产的零件数量是否存在显著差异。 表6-3 四种新型生产设备生产的零件的数量 A 75 46 50 56 73 48 B 47 50 65 72 46 49 C 48 50 52 46 49 65 D 68 48 49 63 51 70 结果中显示了不同生产设备的盒形图。可以看出，B和D标准差的差异不显著（菱形的高度差异不大），A和C标准差的差异显著,四者的均值间有一定的差异，但此差异是否显著则需进一步的方差分析。 拟合模型的一般信息 列名型变量信息，即type为列名型的，有4个水平， 提供参数信息，并且约定，P_2、P_3、P_4、P_5分别为A、B、C、D的标识变量（也称哑变量）。 给出响应变量均值关于自变量不同水平的模型方程， 其中，标识变量取值： 根据标识变量的取值，容易求出各农田的平均产量： 给出模型拟合的汇总信息，其中： (1) 响应变量type的均值 = 55.6667； (2) 根均方误差= 10.3755； (3) 判定系数R2 = 0.0733，较小。其值越大，说明自变量的信息对说明因变量信息的贡献越大，即分类变量取不同的值对因变量的影响越显著。 方差分析表 从方差分析表可以看出，p值大于0.05（显著水平），所以不能拒绝原假设，即不同设备的产量无显著差异，也即四种新型设备的产量无显著差异。 II型检验，它是方差分析表的细化，因为本例是单因素的，所以这一行与上图的“Model”一行相同。 参数估计表，其中有关于不同设备产量差异的估计和检验： (1) 根据标识变量规定的方法，Intercept后的估计58.1667是对应设备D的产量的样本均值，其后的t检验是检验总体均值是否为0。这里p值0.00010.01 = α，故总体均值显著非0。 (2) 设备A后的估计-0.1667是设备A与设备D的产量均值之差的估计值，其后的t检验也是检验这三个产量均值之差是否为0。 由于p值的绝对值为0.9781 0.01，所以设备A与设备D的产量没有显著差异，即设备A与设备D的产量无显著差异。 (3) 设备B后的估计-3.3333是设备B与设备D的产量均值之差的估计值，其后的t检验也是检验这两个产量均值之差是否为0。 由于p值的绝对值为0.5841 0.01，所以设备B与设备D的产量没有显著差异，即设备B与设备D的产量无显著差异。 (3) 设备C后的估计-6.5000是设备C与设备D的产量均值之差的估计值，其后的t检验也是检验这两个产量均值之差是否为0。 由于p值的绝对值为0.2908 0.01，所以设备V与设备D的产量没有显著差异，即设备C与设备D的产量无显著差异。 残差和预测值的散点图，这个图可以帮助校验模型的假定。从图中看出，残差有大体相同的散布，它表明等方差的假设没有问题。 p值大于0.01，不能拒绝原假设，表明可以认为残差是正态分布的 【练习6-2】某学校对大一到大四的学生身高进行调查，分别在各系取男生和女生各8人，调查结果如表6-4所示(lx6_2.xls)所示。年级和性别之间无交互作用，试在0.01的显著水平下判断: (1) 不同年级的学生平均身高是否有显著差异; (2) 男生和女生的平均身高是否有显著差异. 表6-4 学生身高数据 年级 性别 身高 大一 男生 175 169 1