如何在sas中使用lsmeans语句（附示例）

单向方差分析用于确定三个或更多独立组的平均值之间是否存在统计显着差异。

如果方差分析表的总体p 值低于一定的显着性水平，则我们有足够的证据表明至少其中一个组均值与其他均值不同。

为了准确找出哪组均值不同，我们需要执行事后检验。

您可以使用 SAS 中的LSMEANS语句来执行各种事后测试。

以下示例展示了如何在实践中使用LSMEANS语句。

示例：如何在 SAS 中使用 LSMEANS 语句

假设一名研究人员招募 30 名学生参加一项研究。学生被随机分配使用三种学习方法之一来准备考试。

每位学生的考试成绩如下：

我们可以使用以下代码在 SAS 中创建此数据集：

 /*create dataset*/
data my_data;
    input Method $Score;
    datalines ;
At 78
At 81
At 82
At 82
At 85
At 88
At 88
At 90
B 81
B 83
B 83
B85
B 86
B 88
B90
B91
C 84
C 88
C 88
C 89
C 90
C 93
C 95
C 98
;
run ;

接下来，我们将使用proc ANOVA来执行单向方差分析：

 /*perform one-way ANOVA*/
proc ANOVA data =my_data;
classMethod ;
modelScore = Method;
run ;

这会产生以下方差分析表：

从这个表我们可以看出：

• 总体 F 值： 5.26
• 相应的 p 值： 0.0140

回想一下，单向方差分析使用以下原假设和备择假设：

• H ₀ ：所有组平均值相等。
• H _A :至少一组平均值不同 休息。

由于方差分析表的 p 值 ( 0.0140 ) 小于 α = 0.05，因此我们拒绝原假设。

这告诉我们三种学习方法的平均考试成绩并不相等。

为了准确确定哪个组均值不同，我们可以使用PROC GLIMMIX语句与LSMEANS语句和ADJUST=TUKEY选项来执行 Tukey 的事后测试：

 /*perform Tukey post-hoc comparisons*/
proc glimmix data =my_data;
    classMethod ;
    modelScore = Method;
    lsmeans Method / adjust =tukey alpha = .05 ;
run ;

最后的结果表显示了Tukey事后比较的结果：

我们可以查看Adj P列来查看针对组均值差异调整的 p 值。

在这一列中，我们可以看到只有一行的调整后 p 值小于 0.05：比较 A 组和 C 组之间的平均差的行。

这告诉我们，A 组和 C 组之间的平均考试成绩存在统计上的显着差异。

具体来说，我们可以看到：

• A组学生和B组学生的平均考试成绩相差 – 6.375 。 （即A组学生的平均考试成绩比C组学生低6.375分）
• 均值差异的调整 p 值为0.0137 。
• 这两组之间平均考试成绩的真实差异的调整后的 95% 置信区间为[-11.5219, -1.2281] 。

其他组的平均值之间没有统计学上的显着差异。

注意：在此示例中，我们使用ADJUST=TUKEY执行 Tukey 事后比较，但您也可以指定BON 、 BUNNET 、 NELSON 、 SCHEFFE 、 SIDAK和SMM来执行其他类型的事后比较。

相关： 图基 vs.邦费罗尼 VS 邦费罗尼Scheffe：您应该使用哪种测试？

其他资源

以下教程提供有关 ANOVA 模型的其他信息：

使用方差分析进行事后测试的指南
如何在 SAS 中执行单向方差分析
如何在 SAS 中执行双向方差分析