SAS常用程序(2)
2012-04-17 生物谷 不详
2.2 统计假设检验的SAS程序 在阅读以下内容之前,请先阅读第一章“SAS软件基本操作”。 2.2.1 单个样本的t检验 对于课本5.1.4所介绍的单个样本t检验,可以使用PROC MEANS过程计算。PROC MEANS过程在2.1.1
2.2 统计假设检验的SAS程序
在阅读以下内容之前,请先阅读第一章“SAS软件基本操作”。
2.2.1 单个样本的t检验
对于课本5.1.4所介绍的单个样本t检验,可以使用PROC MEANS过程计算。PROC MEANS过程在2.1.1中已经做过介绍。这里只以课本中例5.5的数据为例,说明如何使用PROC MEANS过程进行检验。在这里数据采用在作业流中输入,因此不必建立外部数据文件。
options linesize=76;
data maize;
input weight @@;
diff=weight-300;
cards;
308 305 311 298 315 300 321 294 320
proc means n t prt;
var diff;
run;
在PROC MEANS语句中的t是在H0:μ=0 假设下所得到的统计量,在这里H0:μ=300,因此在INPUT语句后,用赋值语句建立一个新变量diff,diff是每一观测值与300之差,检验这个差值的期望是否为0,输出结果如下:
表 2-8 单个样本t检验的输出结果
The SAS System
Analysis Variable : DIFF
N |
T |
Prob>|T| |
9 |
2.4954012 |
0.0372 |
2.2.2 配对数据t检验
配对数据t检验的SAS程序与2.2.1节中的程序基本相同,不同点只是在INPUT语句中包含三个变量,在赋值语句中的新变量是两个变量的差而不是变量与一个常量的差。以课本中表5-3的数据为例,SAS程序如下:
options linesize=76;
data matdat;
input id prepro postpro @@;
diff=prepro-postpro;
cards;
proc means n mean stderr t prt;
var diff;
run;
输出结果见表2-9
表2-9 配对数据t检验的输出结果
1 |
8.478 |
7.994 |
2 |
7.512 |
7.141 |
3 |
7.222 |
8.267 |
4 |
8.053 |
8.280 |
5 |
7.689 |
6.740 |
6 |
8.528 |
7.632 |
7 |
6.972 |
5.913 |
8 |
7.371 |
8.169 |
9 |
5.760 |
7.570 |
10 |
7.930 |
7.569 |
11 |
7.255 |
6.322 |
12 |
6.795 |
6.417 |
The SAS System
Analysis Variable : DIFF
N |
Mean |
Std Error |
T |
Prob>|T| |
12 |
0.1292500 |
0.2639513 |
0.4896736 |
0.6340 |
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
#SAS#
46