SAS中用单因素ANOVA研究不同疗法对焦虑症的有效性

本教程将介绍如何使用SAS进行单因素方差分析。

由Kaizong Ye，Qing Li撰写

我们想研究不同疗法对焦虑症的有效性。我们收集了以下类别的75个样本：

可下载资源

我们想研究不同疗法对焦虑症的有效性。我们收集了以下类别的75个样本：

因变量是焦虑水平。零假设是所有三个均值均相等。

如果甚至两种方法均存在显着差异，我们将拒绝原假设。

什么是单因素方差分析

　　单因素方差分析是指对单因素试验结果进行分析，检验因素对试验结果有无显著性影响的方法。

　　单因素方差分析是两个样本平均数比较的引伸，它是用来检验多个平均数之间的差异，从而确定因素对试验结果有无显著性影响的一种统计方法。

我们可以使用条形图将数据可视化，以检查组之间方差的正态性和均等性。当我们运行ANOVA时，SAS会自动打印。

我们可以进行方差分析并查看以下结果：

proc anova data=anova;  
class treatment;  
model anxiety = treatment; 
means treatment / tukey;
run;

该class声明告诉SAS处理是一个类别变量。该means语句将提供所有成对比较，并使用Tukey方法调整p值。

这将为我们提供下图：

课程

从数据获取和清理开始，有目的的进行探索性分析与可视化。让数据从生涩的资料，摇身成为有温度的故事。

常态看起来不错。方差齐次性假设似乎令人怀疑（可以测试）。我们还将获得以下输出：

最受欢迎的见解

前两个表给出了类别级别变量（处理）及其可能的级别（1、2或3），以及所使用的观察次数（n=75n=75）。

FFFFdf1 df2 df p<.001 p<.001μi

可下载资源

关于作者

Kaizong Ye是拓端研究室（TRL）的研究员。在此对他对本文所作的贡献表示诚挚感谢，他在上海财经大学完成了统计学专业的硕士学位，专注人工智能领域。擅长Python.Matlab仿真、视觉处理、神经网络、数据分析。

本文借鉴了作者最近为《R语言数据分析挖掘必知必会 》课堂做的准备。

非常感谢您阅读本文，如需帮助请联系我们！