当前位置：文档之家 › SAS基本统计量及ttest检验

SAS基本统计量及ttest检验

  • 格式：docx
  • 大小：79.67 KB
  • 文档页数：8

下载文档原格式

  / 8

合集下载

03 SAS统计分析-T检验

03 SAS统计分析-T检验

5
成组t检验


原理:两样本所代表的总体均数是否相等,检 验两个样本均数的差是否为0
假设: H 0 : x x 0
1 2
H 0 : x1 x2 H1 : x1 x2
H 1 : x1 x2 0

公式
t
( x1 x2 ) 0 x1 x2 S x1 x2 S x1 x2
4
配对t检验
Analysis Variable : D Mean Std Error T Prob>|T| --------------------------------------------------6.8000000 5.2042717 -1.3066189 0.2237 --------------------------------------------------
SAS的循环语句介绍

记数循环语法
do 记数变量＝起始值 to 终止值 by 增减值 …... end；

条件循环语句
Do while （条件）； …… End； Do until （条件）； …… End；
19
记数循环语法
data a; amount=1000; rate=0.08; year_int=amount*rate; do i=1 to 12; mont_int+(mont_int+amount)*rate/12; end; run; proc print; run;
C 1 1 1 1 1 2 2 2 N 5 5 5 5 5 3 3 3 I 1 2 3 4 5 1 2 3 X 279 334 303 338 198 229 274 310

SAS软件及部分常用功能简介

SAS软件及部分常用功能简介

WEIGHT square; /*指明权系数*/
RUN;
二、方差分析—ANOVA Analysis of Variance

两个主要的用于方差分析的SAS过程 ANOVA（方差分析）、 GLM（一般线性模型）
GLM过程格式 CLASS 变量表；/*在MODEL语句之前*/ MODEL 因变量=效应表/选项； MEANS 效应表/选项 RANDOM 效应表/选项； CONTRAST /*对比说明*/效应 对比向量 OUTPUT OUT=输出数据集
ANOVA过程格式 PROC ANOVA 选项； CLASS 变量表；/*该项一定要设*/ MODEL 因变量=效应表/选项； FREQ 变量；
比较和选择
ANOVA过程用于平衡资料的方差分析（一元，多元， 拉丁方设计，不完全的平衡区组设计和完全嵌套设计）。
ANOVA过程有多种多重比较的方法。 一般的方差 分析皆可使用ANOVA过程 GLM过程的应用范围较广（方差，回归，协方差分 析）。
则该实验的处理结果如下表所示：
时间 1 6h 7h 8h 10h 11h 12h 5.36 5.98 6.636 6.424 9.029 8.028 5.45 5.98 6.963 7.902 8.263 7.582 重复 2 3 5.405 5.80 6.665 7.163 8.646 7.805 滤前蛋白含量 （g/L） 5.405± 0.045 5.920± 0.104 6.755± 0.181 7.163± 0.739 8.646± 0.383 7.805± 0.223
举例1：连续进行3批次发酵，诱导6h、7h、8h、10h、11h、12h 处理相同，测滤前蛋白含量，可将其看作是同一实验的三次重复 （也可进行一批次发酵，多次进行该批次如6h、7h、8h、10h、 11h、12h滤前蛋白测定）。所得3次测定结果如下：

SAS T检验

SAS T检验

学生被随机分配到控制组和处理组（给与治疗低血压的药 物）。他们对பைடு நூலகம்物的反应如下(心跳数):
数据结果中，第一组适用于方差齐性的情况，第二组用于方差不齐性的情况。最后一行给出 了方差齐性检验的结果。如果pr>F的结果大于0.05，就采用方差齐性时的T检验结果。pr>|t| 检验了参数为0的假设。 我们看T检验结果的最后一行，方差齐性检验的F值（等于较大的方差除以较小的方差）为 12.40.仅仅通过几率得到这一个值的概率是0.0318.也就是说，如果两个样本来自于方差相等 的总体，得到12.40的样本方差比的概率非常小（0.0318）。这样，我们就可以决定使用方差 非齐性检验下的T值了。 T值 标准误的单位度量观测的统计量与其假设的总体参数之差。
sunzenghui2014@
data response; input group $ time; datalines; C 80 C 93 C 83 C 89 C 98 T 100 T 103 T 104 T 99 T 102 ; proc ttest data=response; title "T检验"; class group; var time; run;
假设检验的第一个重要话题就是两组比较。当满足一些假设时，我们才有T检验；不满足时我们采用非参数 比较。 T检验：两个平均数之间的差异检验。 通常，通常实验设计都是将被试随机分配到处理组或者控制组。然后测量一个或多个被假设认为受处理影 响的量。为了确定处理组和控制组的被试是否显著地有差异，我们设定了一种叫作“零假设”（H。）的 东西。它表示，如果我们大量（无穷地）重复试验，处理组和控制组的均值是一样的，并且每一次试验中 的差异可归因于随机将被试分配到处理组和控制组。还有一种假设（Ha），与零假设不同的是，它认为某 个均值比另一个大（单侧检验）；或者两个均值是不同的，但是研究者事先不知道哪一个更大（双侧检 验）。 收集到数据后，我们使用T检验来检查平均值间的差异仅仅由几率导致的概率有多大。如果差异由几率导致 的概率越低，那么其由处理和控制导致的概率就越大。 T检验主要验证：总体均值之间是否存在差异 卡方检验验证：两个总体之间，某个比率之间是否存在显著性差异

Ch5 SAS基本统计过程 mean uni ttest npar

Ch5 SAS基本统计过程 mean uni ttest npar
PROC UNIVARIATE [options]; VAR variables; CLASS variables;
其中，下划线的部分是必须的，其余语句都是可选的。
彭斌
Slide 11
下面介绍该过程使用的语句： CLASS语句和BY语句用法与MEANS过程相同，这里 就省略了。
1). PROC UNIVARIATE语句 PROC UNIVARIATE [options];
PROC MEANS [options] [statistics-keywords]; VAR variables; CLASS variables;
该过程除PROC语句(下划线部分)是必须的外，其它的语 句都是可选的。
彭斌
Slide 2
1).PROC MEANS语句
PROC MEANS [options] [statistic-keywords];
身高 160 163 163 153 180 156 155 149 160 158 164 150 167 158 152 160 153 162 152 160
体重 59 46 56 50 64 52 50 41 58 54 56 40 52 50 43 45 45 54 43 54
编号 性别 21 男 22 女 23 女 24 男 25 男 26 女 27 女 28 男 29 男 30 男 31 男 32 女 33 男 34 女 35 男 36 男 37 女 38 女 39 男 40 男
描述统计量
N:例数，
MEAN:均数， STD:标准差， MIN:最小值，
MAX:最大值， SUM:和， CV:变异系数， STDERR:标准误，
SKEW:偏度系数，KURT:峰度系数，

[SAS]PROC-TTEST基本款使用

[SAS]PROC-TTEST基本款使用

[SAS] PROC TTEST 基本款使用(revised990614)好一陣子還沒補實習課的教材，在介紹下周內容前先補已經上過的PROC TTEST因為帶的課是初等統計學，因此讀者若想學到比較艱難的部分，可能要等之後~就大學部初等統計學而言，會學到的主要有以下三種t testt test (PROC TTEST)：∙One sample t test∙Two sample t test →Paired t test、Indepedent two sample t testt test常用在檢定一組或兩組平均值是否相同，並以一個範例作說明。

一組獨立樣本t檢定(one sample t test)：問題：衛生人員在速食店隨機抽查食物內的防腐劑，總共抽五個產品(防腐劑含量單位ppm)，想要了解這些產品的防腐劑含量是否高於3ppm。

先複習有關假設檢定，看到研究題目先以該問題思考假設如何設定、單尾或雙尾、接著計算統計量、下結論。

以此範例而言，問題為「含量是否高於3ppm」，有念書的學生應該會馬上頓悟：單尾！通常one sample t test會有一個比較的數值，如同此範例的「含量是否高於3ppm」或是「全校女生體重為50公斤、抽到某班女生的體重是否有代表性」等SAS的程式指令如下：PROC TTEST DATA=ppm3 H0=3; /*除了PROC TTEST之外，由於是檢定是否高於3，因此要設立H0(零，不是英文字母o)*/VAR ppm; /*告訴SAS現在欲檢定的變項為ppm*/RUN;輕鬆完成SAS程式編輯，接著看output主授老師很強調SAS報表解讀，因此我將對此output作詳細說明，後面兩款t test的output解讀可以依樣畫葫蘆！∙N: 樣本數，從這裡可以確認是否有讀錯dataset∙Mean: 平均數，即變項food的五個數值平均數(單位ppm)∙Std Dev: 變項food的標準差∙Std Err: 樣本平均數估計的標準差，即標準誤，也就是如果我們可以重複抽樣本上百次，可以期待平均數的標準差接近標準誤∙95% CL Mean: 平均數的信賴上下界∙95% CL Std Dev: 標準差的信賴上下界∙DF: 自由度，即樣本數減1∙T value: Student t-statistic的統計量∙Pr > |t|: 利用t分布所抓出來的雙尾機率，(附註：For a one-tailed test, halve this probability)兩組獨立樣本t檢定(two indepedent sample t test)：透過兩組獨立樣本t檢定，可以比較兩組的平均值是否有差異如男女生身高是否不同？台大生X組與流X組英文成績是否不同？以下介紹範例問題：痛風病人與正常人血中尿酸量(變項value)是否不同？PROC TTEST DATA=gout;CLASS group; /*告知SAS分組變項為何*/VAR value; /*欲檢定的變項，如尿酸量的變項為何*/RUN;不同於one sample t test，檢定獨立樣本兩組是否有差多了CLASS指令需要設定報表如下：報表顯然比上者大上許多，但是無須害怕。

第三讲SAS的基本统计分析

第三讲SAS的基本统计分析
The NPAR1WAY Procedure Wilcoxon Scores (Rank Sums) for Variable Weight Classified by Variable Sex Sum of Expected Std Dev Mean Sex N Scores Under H0 Under H0 Score ----------------------------------------------------------------------------------------------------- M 10 119.0 100.0 12.225943 11.900000 F 9 71.0 90.0 12.225943 7.888889 Average scores were used for ties. Wilcoxon Two-Sample Test Statistic 71.0000 Normal Approximation Z -1.5132 One-Sided Pr < Z 0.0651 Two-Sided Pr > |Z| 0.1302 t Approximation One-Sided Pr < Z 0.0738 Two-Sided Pr > |Z| 0.1476 Z includes a continuity correction of 0.5. Kruskal-Wallis Test Chi-Square 2.4151 DF 1 Pr > Chi-Square 0.1202
一些单变量检验问题
一些单变量检验问题
结果有三个部分：两个总体的WEGIHT简单统计量，两样本均值的检验，以及两样本方差是否相等的检验。标准的两样本t检验要求两总体方差相等，所以第三部分结果检验两样本方差是否相等。如果检验的结果为相等，则可使用精确的两样本t检验，看第二部分结果的Equal那一行。如果方差检验的结果为不等，则只能使用近似的两样本t检验，看第二部分结果的Unequal那一行。这里我们看到方差检验的p值为0.9114不显著，所以可以认为方差相等，所以我们看Equal行，p值为0.0001在0.05水平下是显著的，所以应认为男、女生的WEGIHT分数有显著差异，女生体重要低。

SAS软件应用之 t检验


Cochran & Cox近似t检验
Cochran
& Cox的检验统计量为t′，因t′分布较 复杂，故常利用t分布计算其近似临界值。
t X1 X 2 S12 n1
2 S2 n2
, v1 n1 1, v 2 n2 1
例题
为了研究新药阿卡波糖胶囊的降血糖效果，
某医院用40名Ⅱ型糖尿病病人进行同期随机 对照试验。实验者将这些病人随机等分到实 验组（阿卡波糖胶囊）和对照组（拜唐苹胶 囊），分别测得试验开始前和8周后的空腹血 糖，算得空腹血糖下降值，能否认为该新药 阿卡波糖胶囊与拜唐苹胶囊对空腹血糖的降 糖效果不同？
方差分析概述
下面结合单个处理因素的情况介绍方差分析
的基本统计思想。将N个受试对象随机分为k （k≥2）组，分别接受不同的处理，第i组的 样本量为ni，第i处理组的第j个测量值用Xij表 示。方差分析的目的就是在H0:成立的条件下， 通过分析各处理组均数X i 之间差别大小，推 断k个总体均数间有无差别，从而说明处理因 素的效果是否存在。

例题
t X1 X 2 (n1 1)S12 (n2 1)S 22 1 1 ( ) n1 n2 2 n1 n2 X1 X 2 S12 S 22 n 2.065 2.625 3.06012 2.42052 20 0.642

确定P值，作出推断结论：查t界值表得P>0.50，所 以检验假设H0得以接受， 无统计学意义。尚不能 认为阿卡波糖胶囊组与拜唐苹胶囊组空腹血糖下降 效果不同。
t X1 X 2 1 1 S ( ) n1 n 2
2 c

X1 X 2
2 2 2 2 X ( X ) / n X ( X ) 1 1 2 2 / n2 1

7_程序部分3rd(参数检验)


•
• • • • •
class <变量名列>;
freq <变量名>; weight <变量名>; id <变量名列>; output <out= 数据集名> 关键字= <新变量名列>... ] ;
• 按变量名列分组统计，不要求数据集排序
• 表明该变量为分析变量的频数 • 表明分析变量在统计时要按该变量权重 • 输出时加上该变量作为索引 • 指定统计量的输出数据集名
• run;
Q | Q 图
其他拟合检验
parametric distributions (beta, exponential, gamma, lognormal, normal, and Weibull) •title 'GaoKao scores analysis'; •proc univariate data=test; • var score; • qqplot score / weibull(c=est theta=est sigma=est) • square • name='MyPlot'; • label score = 'GaoKao scores'; • inset mean std / format=6.4; •Run;
univariate过程语法和注释
• proc univariate [data= 数据集 • 指定要分析的数据集名及选项 名> [选项]]; • 指定要分析的变量名列 • var <变量名列> ; • 按变量名列分组统计，要求数据集已按 该变量名列排序 • by <变量名列> ; • • • • freq <变量名> ; weight <变量名> ; id <变量名> ; output out= <数据集名> • 表明该变量为分析变量观测值的频数

SAS基本统计量及ttest检验

《统计计算》第一次上机练习学号：6 姓名：何斌年级专业： 10级统计1班指导老师：肖莉1、以下数据是变量X和Y的34次观测值：X Y X Y X Y X Y180 200 116 100 145 165 115 120104 100 123 110 141 135 191 205134 135 151 180 144 160 190 220141 125 110 130 190 190 153 145204 235 108 110 190 210 155 160150 170 158 130 161 145 177 185121 125 107 115 165 195 177 205151 135 180 240 154 150 143 160147 155 127 135（1）分别画变量X和Y的等距频率直方图；（2）分别检验变量X和Y的观测数据是否可以认为来自正态总体；（3）计算变量X和Y的描述统计量(样本均值、样本方差、中位数、众数、标准偏度系数和标准峰度系数)。

1.解答如下:(1)SAS程序如下所示:data xy;input x y@@;cards;180 200 116 100 145 165 115 120104 100 123 110 141 135 191 205134 135 151 180 144 160 190 220141 125 110 130 190 190 153 145204 235 108 110 190 210 155 160150 170 158 130 161 145 177 185121 125 107 115 165 195 177 205151 135 180 240 154 150 143 160147 155 127 135;run;proc print;run;proc gchart data=xy;vbar x y/type=percent;run;得到结果如下所示:图1变量X的等距频率直方图图2 变量Y的等距频率直方图(2)SAS程序如下所示:proc univariate data=xy normal;var x y;run;得到结果如下所示:图3 对变量X的正态性检验结果由图3的检验结果可知,P值>0.05,故接受原假设,即认为变量X服从正态分布.图4 对变量Y的正态性检验结果由图4的检验结果可知,P值>0.05,故接受原假设,即认为变量Y服从正态分布.(3)SAS程序如下所示:proc univariate data=xy ;var x y;output out=XY_Tongjiliangmean=mean_X mean_Y var=Var_X Var_Y median=median_X median_Ymode=mode_X mode_Y skewness=S_X S_Y kurtosis=K_X K_Y ;run;proc print data=XY_Tongjiliang;run;得到结果如下所示:图5 变量X、Y的各统计量指标值2、已知一数据集SCORE中的数据如下：no sex math phy eng9901 F 98 93 919902 M 86 82 859903 M 87 94 659904 F 89 90 789905 F 96 98 829906 M 92 87 89（1）产生一新数据集NEWSCORE，将该数据集存入d:\example下，且转换为文本文件。

SAS统计检验的基本原理与方法

4.2 统计检验的基本原理与方法4.2.1 假设检验的基本概念1．问题的提出2．假设检验的步骤一个完整的假设检验过程，通常包括以下四个步骤：1）提出原假设（Null Hypothesis）和备择假设（Alternative Hypothesis）；2）确定适当的检验统计量并计算检验统计量的值；3）规定显著性水平α；4）做出统计决策。

3．统计学上的四类错误4．p值的进一步说明5．实际显著性性和常识进行综合考虑，作出最后的判断。

6．关于实际显著性和统计显著性的重要一点7. 参数方法与非参数方法4.2.2 样本平均数的检验——u检验与t检验SAS程序Ttest4_1.sas查看t检验输出结果和方法：t检验时SAS系统输出是按照①②③顺序，进行结论分析应按照③②①倒序查看。

先看③，判断数据是否来自同一方差总体，如果Pr>F的值大于0.05，说明来自同一方差总体，可以使用t检验方法进行分析，否则应采用非参数检验。

然后看②中的Equal一行，判断两组均值是否相等，如果不等且Pr>F值小于0.05，说明两组均值有显著差异，否则无差异。

然后查看①中Mean列，根据专业知识及两组均值的大小，判断是大的好还是小的好。

例4.2 将20个样本随机分为两组，分别用两种培养基进行培养试验，测得有效成份如下，问两组的平均值有无差别。

treat1：a培养基（11）10，20，40，40，40，80，80，160，160，160，320treat2：b培养基（9人）10，10，10，20，20，20，20，40，40Ho：两组均值相等μ1=μ2 ，Ha：两组均值不等μ1≠μ2 ，显著水平α=0.05 。

由于数据面倍数关系，所以先将两组数据分别取对数，以对数作为新变量进行比较。

用变换后的数据再代入以上公式计算t值。

SAS程序Ttest4_2.sas4.2.3 双尾检验与单尾检验 4.2.4 非参数检验2．符号检验3．秩和检验法4.3 TTEST过程—比较t检验4.3.1 TEST过程简介1．TEST过程简介TTEST过程在一些假设条件下计算t统计量，用以检验“两组观测值均值相等”这个原假设。

  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

《统计计算》第一次上机练习
学号：200930980106 姓名：何斌年级专业： 10级统计1班指导老师：肖莉
1、以下数据是变量X和Y的34次观测值：
X Y X Y X Y X Y
180 200 116 100 145 165 115 120
104 100 123 110 141 135 191 205
134 135 151 180 144 160 190 220
141 125 110 130 190 190 153 145
204 235 108 110 190 210 155 160
150 170 158 130 161 145 177 185
121 125 107 115 165 195 177 205
151 135 180 240 154 150 143 160
147 155 127 135
（1）分别画变量X和Y的等距频率直方图；
（2）分别检验变量X和Y的观测数据是否可以认为来自正态总体；
（3）计算变量X和Y的描述统计量(样本均值、样本方差、中位数、众数、标准偏度系数和标准峰度系数)。

1.解答如下:
(1)
SAS程序如下所示:
data xy;
input x y@@;
cards;
180 200 116 100 145 165 115 120
104 100 123 110 141 135 191 205
134 135 151 180 144 160 190 220
141 125 110 130 190 190 153 145
204 235 108 110 190 210 155 160
150 170 158 130 161 145 177 185
121 125 107 115 165 195 177 205
151 135 180 240 154 150 143 160
147 155 127 135
;
run;
proc print;run;
proc gchart data=xy;
vbar x y/type=percent;
run;
得到结果如下所示:
图1变量X的等距频率直方图
图2 变量Y的等距频率直方图
(2)
SAS程序如下所示:
proc univariate data=xy normal;
var x y;
run;
得到结果如下所示:
图3 对变量X的正态性检验结果
由图3的检验结果可知,P值>0.05,故接受原假设,即认为变量X服从正态分布.
图4 对变量Y的正态性检验结果
由图4的检验结果可知,P值>0.05,故接受原假设,即认为变量Y服从正态分布.
(3)
SAS程序如下所示:
proc univariate data=xy ;
var x y;
output out=XY_Tongjiliang
mean=mean_X mean_Y var=Var_X Var_Y median=median_X median_Y
mode=mode_X mode_Y skewness=S_X S_Y kurtosis=K_X K_Y ;
run;
proc print data=XY_Tongjiliang;run;
得到结果如下所示:
图5 变量X、Y的各统计量指标值
2、已知一数据集SCORE中的数据如下：
no sex math phy eng
9901 F 98 93 91
9902 M 86 82 85
9903 M 87 94 65
9904 F 89 90 78
9905 F 96 98 82
9906 M 92 87 89
（1）产生一新数据集NEWSCORE，将该数据集存入d:\example下，且转换为文本文件。

（2）计算MATH和ENG的均值，方差，偏度，峰度，并将这些结果存入数据集RESULT。

（3）产生一新变量，其值为MATH、PHY、ENG的平均值。

2.解答如下：
(1)
SAS程序如下所示：
data score;
input no sex$ math phy eng;
cards;
9901 F 98 93 91
9902 M 86 82 85
9903 M 87 94 65
9904 F 89 90 78
9905 F 96 98 82
9906 M 92 87 89
;
run;
proc print;run;
data newscore;
set score;
file'd:\example\newscore.txt';
put no sex$ math phy eng;
run;
得到结果如下所示：
图6 将数据存入记事本
（2）
SAS程序如下所示：
proc means data=score;
var math eng;
output out=result mean=math_mean eng_mean var=math_var eng_var skew=math_skew eng_skew kurt=math_kurt eng_kurt;
run;
proc print data=result;run;
得到结果如下所示：
图7 math、eng的各统计量的值
（3）
SAS程序如下所示：
data aa(drop=no sex);
set score;
average=(math+eng+phy)/3;
run;
proc print;
run;
得到结果如下所示：
图8 各科成绩及其平均值
3、某克山病区测得11名克山病病人与13名健康人的血磷值(mmol/L)如下表，问该地
区急性克山病病人与健康人的血磷值平均水平是否不同？
血磷值(mmol/L)
病人0.84 1.05 1.2 1.2 1.39 1.53 1.67 1.80 1.87 2.07 2.11
健康人0.54 0.64 0.64 0.75 0.75 0.81 1.16 1.20 1.34 1.35 1.48 1.56 1.87
3.解答如下：
（1）
对数据进行正态性检验的SAS程序如下所示：
data a;
do type='healthy';
do n=1to11;
input xlzhi@@;
output;
end;
end;
cards;
0.84 1.05 1.2 1.2 1.39 1.53
1.67 1.80 1.87
2.07 2.11
;
run;
data b;
do type='sick';
do n=1to13;
input xlzhi@@;
output;
end;
end;
cards;
0.54 0.64 0.64 0.75 0.75 0.81
1.16 1.20 1.34 1.35 1.48 1.56 1.87
;
run;
data c;
set a b;
run;
proc print;run;
proc univariate data=c normal;
class type;
var xlzhi;
run;
对两种不同状况的人的数据进行正态性检验，得到结果如下所示：
图9 健康人数据的正态性检验结果
图10 病人数据的正态性检验结果
由图9、图10的检验结果可知,P值均大于0.05,故接受原假设,即认为两种情况下的数据均服从正态分布.
（2）
两独立样本的均值的T检验，SAS程序如下所示：
proc ttest data=c;
class type;
var xlzhi;
run;
得到结果如下所示：
图11两独立样本的均值的T检验结果
图11结果显示，两种状况下的人的数据的方差相等，故在Pooled方法下检验得到的P值为0.0192小于0.05，故拒绝原假设，即认为该地区急性克山病病人与健康人的血磷值平均水平有显著差异。