วิธีใช้คำสั่ง lsmeans ใน sas (พร้อมตัวอย่าง)

การวิเคราะห์ความแปรปรวนแบบทางเดียว ใช้เพื่อพิจารณาว่ามีความแตกต่างที่มีนัยสำคัญทางสถิติระหว่างค่าเฉลี่ยของกลุ่มอิสระสามกลุ่มขึ้นไปหรือไม่

หาก ค่า p-value โดยรวมของตาราง ANOVA ต่ำกว่าระดับนัยสำคัญที่กำหนด เราก็มีหลักฐานเพียงพอที่จะบอกว่าค่าเฉลี่ยของกลุ่มอย่างน้อยหนึ่งรายการแตกต่างจากค่าเฉลี่ยอื่นๆ

หากต้องการทราบว่าค่าเฉลี่ยของกลุ่มใดที่แตกต่างกัน เราจำเป็นต้องทำการ ทดสอบหลังการทดสอบ

คุณสามารถใช้คำสั่ง LSMEANS ใน SAS เพื่อทำการทดสอบหลังการทดสอบต่างๆ

ตัวอย่างต่อไปนี้แสดงวิธีใช้คำสั่ง LSMEANS ในทางปฏิบัติ

ตัวอย่าง: วิธีใช้คำสั่ง LSMEANS ใน SAS

สมมติว่านักวิจัยรับสมัครนักศึกษาจำนวน 30 คนเพื่อเข้าร่วมการศึกษาวิจัย นักเรียนจะ ถูกสุ่ม ให้ใช้วิธีการศึกษาแบบใดแบบหนึ่งจากสามวิธีเพื่อเตรียมตัวสอบ

ผลการสอบของนักเรียนแต่ละคนแสดงไว้ด้านล่าง:

เราสามารถใช้โค้ดต่อไปนี้เพื่อสร้างชุดข้อมูลนี้ใน SAS:

 /*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 ;

ต่อไป เราจะใช้ proc ANOVA เพื่อทำการวิเคราะห์ความแปรปรวนแบบทางเดียว:

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

ซึ่งจะสร้างตาราง ANOVA ต่อไปนี้:

จากตารางนี้เราจะเห็น:

• ค่า F โดยรวม: 5.26
• ค่า p ที่สอดคล้องกัน: 0.0140

โปรดจำไว้ว่าการวิเคราะห์ความแปรปรวนทางเดียวใช้สมมติฐานว่างและทางเลือกต่อไปนี้:

• H ₀ : ค่าเฉลี่ยกลุ่มทั้งหมดเท่ากัน
• _HA : ค่าเฉลี่ยกลุ่มอย่างน้อย 1 กลุ่มแตกต่างกัน   พักผ่อน.

เนื่องจากค่า p ของตาราง ANOVA ( 0.0140 ) น้อยกว่า α = 0.05 เราจึงปฏิเสธสมมติฐานว่าง

สิ่งนี้บอกเราว่าคะแนนสอบเฉลี่ยของวิธีการศึกษาทั้งสามวิธีไม่เท่ากัน

เพื่อกำหนดว่าค่าเฉลี่ยของกลุ่มใดที่แตกต่างกัน เราสามารถใช้คำสั่ง PROC GLIMMIX ร่วมกับคำสั่ง LSMEANS และตัวเลือก ADJUST=TUKEY เพื่อทำการทดสอบหลังการทดสอบของ Tukey:

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

ตารางผลลัพธ์สุดท้ายแสดงผลลัพธ์ของการเปรียบเทียบหลังการขายของ Tukey:

เราสามารถดูที่คอลัมน์ Adj P เพื่อดูค่า p ที่ปรับตามความแตกต่างในค่าเฉลี่ยกลุ่ม

ในคอลัมน์นี้ เราจะเห็นว่ามีเพียงแถวเดียวที่มีค่า p-value ที่ปรับน้อยกว่า 0.05 คือแถวที่เปรียบเทียบความแตกต่างเฉลี่ยระหว่างกลุ่ม A และกลุ่ม C

สิ่งนี้บอกเราว่าคะแนนสอบเฉลี่ยระหว่างกลุ่ม A และกลุ่ม C มีความแตกต่างอย่างมีนัยสำคัญทางสถิติ

เราเห็นได้อย่างเป็นรูปธรรมว่า:

• ความแตกต่างระหว่างคะแนนสอบเฉลี่ยของนักเรียนกลุ่ม A และนักเรียนกลุ่ม B คือ – 6.375 (คือนักเรียนกลุ่ม A มีคะแนนสอบเฉลี่ยต่ำกว่านักเรียนกลุ่ม C 6.375 คะแนน)
• ค่า p ที่ปรับปรุงแล้วสำหรับผลต่างในค่าเฉลี่ยคือ 0.0137
• ช่วงความเชื่อมั่น 95% ที่ปรับแล้วสำหรับความแตกต่างที่แท้จริงของคะแนนสอบเฉลี่ยระหว่างสองกลุ่มนี้คือ [-11.5219, -1.2281]

ไม่มีความแตกต่างที่มีนัยสำคัญทางสถิติระหว่างค่าเฉลี่ยของกลุ่มอื่นๆ

หมายเหตุ : ในตัวอย่างนี้ เราใช้ ADJUST=TUKEY เพื่อทำการเปรียบเทียบหลังการแก้ไขของ Tukey แต่คุณยังสามารถระบุ BON , BUNNET , NELSON , SCHEFFE , SIDAK และ SMM เพื่อทำการเปรียบเทียบหลังการแก้ไขประเภทอื่นๆ ได้ด้วย

ที่เกี่ยวข้อง: ทูกี้ vs. บอนเฟอโรนี่ vs. Scheffe: คุณควรใช้การทดสอบใด?

แหล่งข้อมูลเพิ่มเติม

บทช่วยสอนต่อไปนี้ให้ข้อมูลเพิ่มเติมเกี่ยวกับแบบจำลอง ANOVA:

คู่มือการใช้การทดสอบหลังการทดลองด้วย ANOVA
วิธีดำเนินการวิเคราะห์ความแปรปรวนแบบทางเดียวใน SAS
วิธีดำเนินการ ANOVA แบบสองทางใน SAS