Jak używać instrukcji lsmeans w sas-ie (z przykładem)

Jednoczynnikową ANOVA stosuje się do określenia, czy istnieje statystycznie istotna różnica pomiędzy średnimi z trzech lub więcej niezależnych grup.

Jeśli ogólna wartość p tabeli ANOVA jest poniżej pewnego poziomu istotności, wówczas mamy wystarczające dowody, aby stwierdzić, że co najmniej jedna ze średnich grupowych różni się od pozostałych.

Aby dowiedzieć się dokładnie, które średnie grupowe są różne, musimy przeprowadzićtest post hoc .

Możesz użyć instrukcji LSMEANS w SAS-ie, aby wykonać różne testy post-hoc.

Poniższy przykład pokazuje, jak w praktyce używać instrukcji LSMEANS .

Przykład: Jak używać instrukcji LSMEANS w SAS-ie

Załóżmy, że badacz rekrutuje 30 studentów do udziału w badaniu. Studenci są losowo przydzielani do stosowania jednej z trzech metod nauki w celu przygotowania się do egzaminu.

Wyniki egzaminu dla poszczególnych uczniów przedstawiono poniżej:

Do utworzenia tego zbioru danych w SAS-ie możemy użyć następującego kodu:

 /*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 ;

Następnie użyjemy proc ANOVA do wykonania jednokierunkowej ANOVA:

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

Daje to następującą tabelę ANOVA:

Z tej tabeli możemy zobaczyć:

• Ogólna wartość F: 5,26
• Odpowiednia wartość p: 0,0140

Przypomnijmy, że jednokierunkowa analiza ANOVA wykorzystuje następujące hipotezy zerowe i alternatywne:

• H ₀ : Wszystkie średnie grupowe są równe.
• H _A : Co najmniej jedna średnia grupowa jest inna   odpoczynek.

Ponieważ wartość p tabeli ANOVA ( 0,0140 ) jest mniejsza niż α = 0,05, odrzucamy hipotezę zerową.

To mówi nam, że średni wynik egzaminu nie jest równy w przypadku trzech metod badania.

Aby dokładnie określić, które średnie grupowe są różne, możemy użyć instrukcji PROC GLIMMIX z instrukcją LSMEANS i opcją ADJUST=TUKEY , aby wykonać testy post-hoc Tukeya:

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

Ostatnia tabela wyników przedstawia wyniki porównań post hoc Tukeya:

Możemy spojrzeć na kolumnę Adj P , aby wyświetlić wartości p skorygowane o różnicę średnich grupowych.

W tej kolumnie widzimy, że istnieje tylko jeden wiersz z skorygowaną wartością p mniejszą niż 0,05: wiersz porównujący średnią różnicę między grupą A i grupą C.

To mówi nam, że istnieje statystycznie istotna różnica w średnich wynikach egzaminów pomiędzy grupą A i grupą C.

Konkretnie możemy zobaczyć:

• Różnica pomiędzy średnimi wynikami egzaminów uczniów z grupy A i uczniów z grupy B wyniosła – 6,375 . (tj. uczniowie z grupy A mieli średni wynik egzaminu o 6,375 punktów niższy niż uczniowie z grupy C)
• Skorygowana wartość p dla różnicy średnich wynosi 0,0137 .
• Skorygowany 95% przedział ufności dla prawdziwej różnicy w średnich wynikach egzaminów pomiędzy tymi dwiema grupami wynosi [-11,5219, -1,2281] .

Nie ma istotnych statystycznie różnic pomiędzy średnimi pozostałych grup.

Uwaga : w tym przykładzie użyliśmy ADJUST=TUKEY do przeprowadzenia porównań post-hoc Tukeya, ale można również określić BON , BUNNET , NELSON , SCHEFFE , SIDAK i SMM , aby wykonać inne typy porównań post-hoc.

Powiązane: Tukey vs. Bonferroni vs. Scheffe: Którego testu należy użyć?

Dodatkowe zasoby

Poniższe tutoriale dostarczają dodatkowych informacji o modelach ANOVA:

Przewodnik po korzystaniu z testów post-hoc z ANOVA
Jak wykonać jednokierunkową ANOVA w SAS
Jak wykonać dwukierunkową ANOVA w SAS