Verwendung der lsmeans-anweisung in sas (mit beispiel)

Eine einfaktorielle ANOVA wird verwendet, um zu bestimmen, ob ein statistisch signifikanter Unterschied zwischen den Mittelwerten von drei oder mehr unabhängigen Gruppen besteht.

Wenn der Gesamt -p-Wert der ANOVA-Tabelle unter einem bestimmten Signifikanzniveau liegt, verfügen wir über ausreichende Beweise dafür, dass sich mindestens einer der Gruppenmittelwerte von den anderen unterscheidet.

Um genau herauszufinden, welche Gruppenmittelwerte unterschiedlich sind, müssen wir einenPost-hoc-Test durchführen.

Sie können die LSMEANS- Anweisung in SAS verwenden, um verschiedene Post-hoc-Tests durchzuführen.

Das folgende Beispiel zeigt, wie die LSMEANS- Anweisung in der Praxis verwendet wird.

Beispiel: Verwendung der LSMEANS-Anweisung in SAS

Angenommen, ein Forscher rekrutiert 30 Studenten für die Teilnahme an einer Studie. Den Studierenden wird nach dem Zufallsprinzip eine von drei Lernmethoden zugewiesen , um sich auf eine Prüfung vorzubereiten.

Die Prüfungsergebnisse für jeden Studenten sind unten aufgeführt:

Wir können den folgenden Code verwenden, um diesen Datensatz in SAS zu erstellen:

 /*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 ;

Als nächstes verwenden wir proc ANOVA, um die einfaktorielle ANOVA durchzuführen:

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

Dadurch entsteht die folgende ANOVA-Tabelle:

Aus dieser Tabelle können wir sehen:

• Gesamt-F-Wert: 5,26
• Der entsprechende p-Wert: 0,0140

Denken Sie daran, dass eine einfaktorielle ANOVA die folgenden Null- und Alternativhypothesen verwendet:

• H ₀ : Alle Gruppenmittelwerte sind gleich.
• H _A : Mindestens ein Gruppendurchschnitt ist unterschiedlich   ausruhen.

Da der p-Wert der ANOVA-Tabelle ( 0,0140 ) kleiner als α = 0,05 ist, lehnen wir die Nullhypothese ab.

Dies zeigt uns, dass die durchschnittliche Prüfungspunktzahl bei allen drei Lernmethoden nicht gleich ist.

Um genau zu bestimmen, welche Gruppenmittelwerte unterschiedlich sind, können wir die PROC GLIMMIX- Anweisung mit der LSMEANS- Anweisung und der Option ADJUST=TUKEY verwenden, um die Post-hoc-Tests von Tukey durchzuführen:

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

Die letzte Ergebnistabelle zeigt die Ergebnisse von Tukeys Post-hoc-Vergleichen:

Wir können uns die Spalte „Adj P“ ansehen, um die p-Werte anzuzeigen, die um die Differenz in den Gruppenmittelwerten angepasst wurden.

In dieser Spalte sehen wir, dass es nur eine Zeile mit einem angepassten p-Wert von weniger als 0,05 gibt: die Zeile, die die mittlere Differenz zwischen Gruppe A und Gruppe C vergleicht.

Dies zeigt uns, dass es einen statistisch signifikanten Unterschied in den durchschnittlichen Prüfungsergebnissen zwischen Gruppe A und Gruppe C gibt.

Konkret können wir sehen:

• Der Unterschied zwischen den durchschnittlichen Prüfungsergebnissen der Schüler der Gruppe A und der Schüler der Gruppe B betrug –6,375 . (d. h. die Schüler der Gruppe A hatten eine durchschnittliche Prüfungspunktzahl, die um 6,375 Punkte niedriger war als die der Schüler der Gruppe C)
• Der angepasste p-Wert für die Mittelwertdifferenz beträgt 0,0137 .
• Das angepasste 95 %-Konfidenzintervall für den wahren Unterschied in den durchschnittlichen Prüfungsergebnissen zwischen diesen beiden Gruppen beträgt [-11,5219, -1,2281] .

Es gibt keine statistisch signifikanten Unterschiede zwischen den Mittelwerten der anderen Gruppen.

Hinweis : In diesem Beispiel haben wir ADJUST=TUKEY verwendet, um Tukey-Post-hoc-Vergleiche durchzuführen. Sie können jedoch auch BON , BUNNET , NELSON , SCHEFFE , SIDAK und SMM angeben, um andere Arten von Post-hoc-Vergleichen durchzuführen.

Verwandt: Tukey vs. Bonferroni vs. Scheffe: Welchen Test sollten Sie verwenden?

Zusätzliche Ressourcen

Die folgenden Tutorials bieten zusätzliche Informationen zu ANOVA-Modellen:

Ein Leitfaden zur Verwendung von Post-Hoc-Tests mit ANOVA
So führen Sie eine einfaktorielle ANOVA in SAS durch
So führen Sie eine zweifaktorielle ANOVA in SAS durch