如何在 sas 中执行单向方差分析

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。

本教程提供了如何在 SAS 中执行单向方差分析的分步示例。

第 1 步：创建数据

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 ;

第 2 步：执行单向方差分析

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;
means Method / tukey cldiff ;
run ;

注意：我们使用均值函数来指定，如果单向方差分析的总体 p 值具有统计显着性，则应执行Tukey 事后检验。

第 3 步：解释结果

我们要分析结果中的第一个表是 ANOVA 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。

相关：如何解释方差分析中的 F 值和 P 值

SAS 还提供箱线图来可视化三种研究方法中每种方法的考试结果分布：

从箱线图中，我们可以看到，与方法 B 和 C 相比，使用学习方法 C 的学生的考试成绩往往更高。

为了准确确定哪组均值不同，我们需要参考最终结果表，该表显示了 Tukey 事后检验的结果：

要找出哪组均值不同，我们需要查看哪些成对比较旁边有星号 ( *** )。

从表中可以看出，A组和C组的平均值有统计学上的显着差异。

我们还可以看到 A 组和 C 组之间平均考试成绩差异的 95% 置信区间：

均值差的 95% 置信区间： [1.228, 11.522]

第 4 步：报告结果

最后，我们可以 报告单向方差分析的结果：

进行单向方差分析来比较三种不同研究方法对检查结果的影响。

单向方差分析显示，至少两组之间的平均考试成绩存在统计显着性差异 (F(2,21) = [5.26]，p = 0.014）。

Tukey 的 HSD 多重比较测试显示，方法 C 和方法 A 的考试成绩平均值存在显着差异 (95% CI = [1.228, 11.522])。

方法 A 和方法 B 之间或方法 B 和方法 C 之间的平均考试成绩没有统计学上的显着差异。

其他资源

以下教程提供有关单向方差分析的更多信息：

单因素方差分析简介
单向方差分析计算器
如何手动执行单向方差分析