完全随机设计资料的
方差分析
一、用编程的方法完成
proc anova data=data.d5_1;
class c;
model x=c;
means c/snk;
run;
方差分析分析结果
1,Source,变异来源
2,DF,自由度
3,ANOVA SS(Sum of Square)
离均差平方和
4,Mean Square,均方
5,F Value,检验统计量 F值
6,Pr > F,F值所对应的 P值
方差分析分析结果
Source DF Anova SS Mean Square F Value Pr > F
C 3 8.43376000 2.81125333 11.16 0.0003
多组均数两两比较结果（ SNK）
Alpha= 0.05 df= 16 MSE= 0.251823
Number of Means 2 3 4
Critical Range 0.672812 0.8189412 0.9080258
Means with the same letter are not significantly different.
SNK Grouping Mean N C
A 4.0280 5 4
B 2.9680 5 3
B
B 2.4640 5 1
B
B 2.4120 5 2
几个处理组与对照组的比较（ dunnett）
proc anova data=data.d5_2;
class c;
model x=c;
means c/dunnett;
run;
多组均数两两比较结果（ DUNNETT）
Simultaneous Simultaneous
Lower Difference Upper
C Confidence Between Confidence
Comparison Limit Means Limit
2 - 1 -3.5969 -1.9000 -0.2031 ***
3 - 1 -5.0683 -3.3714 -1.6746 ***
二、用“交互数据分析”完成
1、“交互数据分析” → 选择数据集；
2,Analyze → Fit(X Y) ；
3,选择分析变量 x,点击,Y”；
4,选择分组变量 c,点击,X”
注意：分组变量的类型必须是 nominal；
5,OK。
三、用“分析员应用”完成
1、“分析员应用” → 选择数据集 ;
2,Statistics→ANOVA→One -Way ANOVA;
3,选择分析变量 x,点击,dependant”；
4,选择分组变量 c,点击,independant”；
5,选择均数两两比较的方法，点击,Means”；
点击需多个均数比较的分组变量，然后在弹出的对话框选择多
个均数两两比较的方法；点击,OK”返回；
6、点击,OK”。
随机单位组设计资料
的方差分析
一、用编程的方法完成
proc anova data=data.d5_4;
class a b;
model x=a b;
means a/snk;
run;
分析结果
Source DF Anova SS Mean Square F Value Pr > F
A 3 2.90437500 0.96812500 77.31 0.0001
B 7 2.49800000 0.35685714 28.50 0.0001
二、用“交互数据分析”完成
1、“交互数据分析” → 选择数据集；
2,Analyze → Fit(X Y) ；
3,选择分析变量 x,点击,Y”；
4,选择分组变量 a和 b,点击,X”
5,OK。
三、用“分析员应用”完成
1、“分析员应用” → 选择数据集 ;
2,Statistics→ANOVA→factorial ANOVA;
3,选择分析变量 x,点击,dependant”；
4,选择分组变量 a和 b,点击,independant”；
5,选择均数两两比较的方法 ；（ 同前）
6、点击,OK”。
2× 2析因设计资料的
方差分析
一、用编程的方法完成
proc anova data=data.d6_1;
class a b;
model x=a b a*b;
run;
分析结果
Source DF Anova SS Mean Square F Value Pr > F
A 1 1.68750000 1.68750000 168.75 0.0001
B 1 0.90750000 0.90750000 90.75 0.0001
A*B 1 0.36750000 0.36750000 36.75 0.0003
二、用“交互数据分析”完成
1、“交互数据分析” → 选择数据集；
2,Analyze → Fit(X Y) ；
3,选择分析变量 x,点击,Y”；
4,选择分组变量 a和 b,点击,X”；
选择交互作用：选择 a和 b,点击,Cross”；
5,OK。
三、用“分析员应用”完成
1、“分析员应用” → 选择数据集 ;
2,Statistics→ANOVA→factorial ANOVA;
3,选择分析变量 x,点击,dependant”；
4,选择分组变量 a和 b,点击,independant”；
5,选择交互作用：点击,Model”,同时选择 a和 b
，
点击,Cross”,点击,OK”返回；
6、点击,OK”。
三因素析因设计资料
的方差分析
一、用编程的方法完成
proc anova data=data.d6_2;
class a b c;
model x=a b c a*b a*c b*c a*b*c;
run;
分析结果
Source DF Anova SS Mean Square F Value Pr > F
A 1 1.20574768 1.20574768 28.53 0.0001
B 1 0.54637873 0.54637873 12.93 0.0024
C 1 0.06877963 0.06877963 1.63 0.2203
A*B 1 0.03692642 0.03692642 0.87 0.3639
A*C 1 0.05631828 0.05631828 1.33 0.2653
B*C 1 0.09886801 0.09886801 2.34 0.1457
A*B*C 1 0.04039321 0.04039321 0.96 0.3428
用“交互数据分析”和“分析员应用
”的方法与２×２析因设计的相同。
两水平无重复正交设
计资料的方差分析
一、用编程的方法完成
proc anova data=data.d6_4;
class a b c;
model x=a b a*b a*c;
run;
分析结果
Source DF Anova SS Mean Square F Value Pr > F
A 1 0.06661250 0.06661250 1.68 0.3249
B 1 0.48511250 0.48511250 12.20 0.0731
C 1 0.00211250 0.00211250 0.05 0.8391
A*B 1 0.05611250 0.05611250 1.41 0.3568
A*C 1 0.05951250 0.05951250 1.50 0.3458
用“交互数据分析”和“分析员应用
”的方法与２×２析因设计的相似，
在选择交互作用时，不是全选，而是
选择需分析交互的因素。
正交设计资料的
方差分析
（操作方法同前）
非参数统计
配对资料的符号等级检验
1、编程可用 univariate过程；
2、“交互数据分析”的过程同配对资料的 t检验
，选择,Signed Rank test”；
3,”分析员应用”只能选择,distributions”。
结果,Sgn Rank -8.5 Pr>=|S| 0.3594
两样本成组比较
一、编程可用 npar1way过程；
Proc npar1way wilcoxon;
Class c;
Var x;
Run;
两样本成组比较
分析结果：
C N Scores
1 12 140.500000
2 7 49.500000
两样本成组比较
Wilcoxon 2-Sample Test (Normal Approximation)
(with Continuity Correction of,5)
S=49.5000 Z=-1.69105 Prob>|Z|=0.0908
Kruskal-Wallis Test (Chi-Square Approximation)
CHISQ = 3.0044 DF = 1 Prob > CHISQ = 0.0830
两样本成组比较
二、用“分析员应用”完成
1、分析员应用 → 选择数据集；
2,ANOVA → One Way ANOVA ；
3,选择分析变量 x,点击,dependant”；
4,选择分组变量 c,点击,indepentant”;
5,Tests → Nonparametrics → Kruskal -Wallis → ok ；
6,OK。
结果查看 Non-parametric tests
完全随机化设计资料的非参数检验
编程和分析员应用的方法同两样本成组的比
较一样。但没有两两比较。
方差分析
一、用编程的方法完成
proc anova data=data.d5_1;
class c;
model x=c;
means c/snk;
run;
方差分析分析结果
1,Source,变异来源
2,DF,自由度
3,ANOVA SS(Sum of Square)
离均差平方和
4,Mean Square,均方
5,F Value,检验统计量 F值
6,Pr > F,F值所对应的 P值
方差分析分析结果
Source DF Anova SS Mean Square F Value Pr > F
C 3 8.43376000 2.81125333 11.16 0.0003
多组均数两两比较结果（ SNK）
Alpha= 0.05 df= 16 MSE= 0.251823
Number of Means 2 3 4
Critical Range 0.672812 0.8189412 0.9080258
Means with the same letter are not significantly different.
SNK Grouping Mean N C
A 4.0280 5 4
B 2.9680 5 3
B
B 2.4640 5 1
B
B 2.4120 5 2
几个处理组与对照组的比较（ dunnett）
proc anova data=data.d5_2;
class c;
model x=c;
means c/dunnett;
run;
多组均数两两比较结果（ DUNNETT）
Simultaneous Simultaneous
Lower Difference Upper
C Confidence Between Confidence
Comparison Limit Means Limit
2 - 1 -3.5969 -1.9000 -0.2031 ***
3 - 1 -5.0683 -3.3714 -1.6746 ***
二、用“交互数据分析”完成
1、“交互数据分析” → 选择数据集；
2,Analyze → Fit(X Y) ；
3,选择分析变量 x,点击,Y”；
4,选择分组变量 c,点击,X”
注意：分组变量的类型必须是 nominal；
5,OK。
三、用“分析员应用”完成
1、“分析员应用” → 选择数据集 ;
2,Statistics→ANOVA→One -Way ANOVA;
3,选择分析变量 x,点击,dependant”；
4,选择分组变量 c,点击,independant”；
5,选择均数两两比较的方法，点击,Means”；
点击需多个均数比较的分组变量，然后在弹出的对话框选择多
个均数两两比较的方法；点击,OK”返回；
6、点击,OK”。
随机单位组设计资料
的方差分析
一、用编程的方法完成
proc anova data=data.d5_4;
class a b;
model x=a b;
means a/snk;
run;
分析结果
Source DF Anova SS Mean Square F Value Pr > F
A 3 2.90437500 0.96812500 77.31 0.0001
B 7 2.49800000 0.35685714 28.50 0.0001
二、用“交互数据分析”完成
1、“交互数据分析” → 选择数据集；
2,Analyze → Fit(X Y) ；
3,选择分析变量 x,点击,Y”；
4,选择分组变量 a和 b,点击,X”
5,OK。
三、用“分析员应用”完成
1、“分析员应用” → 选择数据集 ;
2,Statistics→ANOVA→factorial ANOVA;
3,选择分析变量 x,点击,dependant”；
4,选择分组变量 a和 b,点击,independant”；
5,选择均数两两比较的方法 ；（ 同前）
6、点击,OK”。
2× 2析因设计资料的
方差分析
一、用编程的方法完成
proc anova data=data.d6_1;
class a b;
model x=a b a*b;
run;
分析结果
Source DF Anova SS Mean Square F Value Pr > F
A 1 1.68750000 1.68750000 168.75 0.0001
B 1 0.90750000 0.90750000 90.75 0.0001
A*B 1 0.36750000 0.36750000 36.75 0.0003
二、用“交互数据分析”完成
1、“交互数据分析” → 选择数据集；
2,Analyze → Fit(X Y) ；
3,选择分析变量 x,点击,Y”；
4,选择分组变量 a和 b,点击,X”；
选择交互作用：选择 a和 b,点击,Cross”；
5,OK。
三、用“分析员应用”完成
1、“分析员应用” → 选择数据集 ;
2,Statistics→ANOVA→factorial ANOVA;
3,选择分析变量 x,点击,dependant”；
4,选择分组变量 a和 b,点击,independant”；
5,选择交互作用：点击,Model”,同时选择 a和 b
，
点击,Cross”,点击,OK”返回；
6、点击,OK”。
三因素析因设计资料
的方差分析
一、用编程的方法完成
proc anova data=data.d6_2;
class a b c;
model x=a b c a*b a*c b*c a*b*c;
run;
分析结果
Source DF Anova SS Mean Square F Value Pr > F
A 1 1.20574768 1.20574768 28.53 0.0001
B 1 0.54637873 0.54637873 12.93 0.0024
C 1 0.06877963 0.06877963 1.63 0.2203
A*B 1 0.03692642 0.03692642 0.87 0.3639
A*C 1 0.05631828 0.05631828 1.33 0.2653
B*C 1 0.09886801 0.09886801 2.34 0.1457
A*B*C 1 0.04039321 0.04039321 0.96 0.3428
用“交互数据分析”和“分析员应用
”的方法与２×２析因设计的相同。
两水平无重复正交设
计资料的方差分析
一、用编程的方法完成
proc anova data=data.d6_4;
class a b c;
model x=a b a*b a*c;
run;
分析结果
Source DF Anova SS Mean Square F Value Pr > F
A 1 0.06661250 0.06661250 1.68 0.3249
B 1 0.48511250 0.48511250 12.20 0.0731
C 1 0.00211250 0.00211250 0.05 0.8391
A*B 1 0.05611250 0.05611250 1.41 0.3568
A*C 1 0.05951250 0.05951250 1.50 0.3458
用“交互数据分析”和“分析员应用
”的方法与２×２析因设计的相似，
在选择交互作用时，不是全选，而是
选择需分析交互的因素。
正交设计资料的
方差分析
（操作方法同前）
非参数统计
配对资料的符号等级检验
1、编程可用 univariate过程；
2、“交互数据分析”的过程同配对资料的 t检验
，选择,Signed Rank test”；
3,”分析员应用”只能选择,distributions”。
结果,Sgn Rank -8.5 Pr>=|S| 0.3594
两样本成组比较
一、编程可用 npar1way过程；
Proc npar1way wilcoxon;
Class c;
Var x;
Run;
两样本成组比较
分析结果：
C N Scores
1 12 140.500000
2 7 49.500000
两样本成组比较
Wilcoxon 2-Sample Test (Normal Approximation)
(with Continuity Correction of,5)
S=49.5000 Z=-1.69105 Prob>|Z|=0.0908
Kruskal-Wallis Test (Chi-Square Approximation)
CHISQ = 3.0044 DF = 1 Prob > CHISQ = 0.0830
两样本成组比较
二、用“分析员应用”完成
1、分析员应用 → 选择数据集；
2,ANOVA → One Way ANOVA ；
3,选择分析变量 x,点击,dependant”；
4,选择分组变量 c,点击,indepentant”;
5,Tests → Nonparametrics → Kruskal -Wallis → ok ；
6,OK。
结果查看 Non-parametric tests
完全随机化设计资料的非参数检验
编程和分析员应用的方法同两样本成组的比
较一样。但没有两两比较。
