5.2 anova過程和glm過程簡介
5.2.1 anova過程
1．anova過程簡介
anova過程主要用於處理均衡設計（即：對於每個因素、每個水平的觀測數是相等的，另外還可以處理拉丁方設計、正交設計等）的一元、多元方差分析和重複測量的方差分析，也可用於多個變數的對比檢驗。
proc anova過程首先要檢查試驗設計是否均衡，如果不均衡，也不是上面提到的幾種情況之一，就建議使用glm過程。anova過程和glm過程最後需用quit語句退出。
anova過程語句格式：
proc anova 選擇項1 ;
class 變數 ;
model 因變數=效應變數 / 選擇項2 ;
manova h=效應變數 e＝效應變數 ;
by 變數 ;
means 效應變數 / 選擇項3 ;
run ;
5.2.2 glm過程
1．glm過程簡介
glm過程是乙個非常通用的方差分析方法，glm（general linear model）過程用到的統計方法有：回歸分析、方差分析、協方差分析、多元方差分析和偏相關，glm過程同時還提供了多種診斷方法：隨機效應檢驗、常用的假設檢驗對比估計和多變數的對比檢驗等。
相對於anova過程，glm過程在處理不均衡設計時更有效。
glm採用最小二乘法擬合一般線性模型，在此基礎上進行其它的分析。最後需用quit語句從過程中退出。
glm語句格式說明：
proc glm 選擇項1 ;
class 變數 ; （以上兩語句必須出現在model語句之前）
model 因變數=自變數 / 選擇項2 ;
contrast 『 label 』 effect（效應名） values（取值）《效應取值》…/選項3 ;
lsmeans 效應 / 選擇項4 ;
means 效應 / 選擇項5 ;
output out=sas資料集關鍵字=新變數名 ;
run ;
1．選擇項1
1）data=sas資料集 。
2）manova ：要求刪去具有缺失值的觀測的多元模型，同anova過程中的一樣。
2．class語句：說明分類變數，同anova過程中的一樣；它必須在model語句之前。
3．model 語句
model語句用來指明因變數和自變數效應。如果沒有指明效應變數，則glm過程只擬合截距，也只檢驗因變數是否為0。
實驗報告6 SAS方差分析
實驗報告 實驗專案名稱方差分析 所屬課程名稱現代統計軟體 實驗型別驗證性實驗 實驗日期 2014 10 11 班級學號 姓名成績 實驗報告說明 1 實驗專案名稱 要用最簡練的語言反映實驗的內容。要求與實驗指導書中相一致。2 實驗型別 一般需說明是驗證型實驗還是設計型實驗，是創新型實驗還是綜合型實驗。...
方差分析方法
方差分析是用於兩個及兩個以上樣本均數差別的顯著性檢驗。由於各種因素的影響，研究所得的資料呈現波動狀，造成波動的原因可分成兩類，一是不可控的隨機因素，另一是研究中施加的對結果形成影響的可控因素。方差分析的基本思想是 通過分析研究不同 的變異對總變異的貢獻大小，從而確定可控因素對研究結果影響力的大小。方...
第五章方差分析
1方差分析的基本步驟 建立假設和確定檢驗水準 計算檢驗統計量 查表確定p值和作出推斷結論 2兩樣本均數比較的t檢驗與完全隨機化設計多個樣本均數比較的方差分析之間的關係 1 當比較的均數為兩組時，f t2 此時方差分析與t檢驗所得結果是等價的。2 兩樣本均數比較的t檢驗只能用於兩個樣本，而完全隨機化設...