SAS与统计分析实验报告

一、实习目的：1、了解SAS系统的基本知识及操作方法。2、学会运用SAS系统进行数据的处理与分析。二、实习工具：SAS软件三、实习内容：1、T测验①单组样本均数的T测验例：已知某小麦品种的平均株高为65cm,施肥后，随机抽取10株小麦进行测量，得到10株小麦株高分别为64cm、66cm、63cm、68cm、70cm、65cm、67cm、68cm、66cm、69cm.试验施肥后平均株高与已知的平均株高65cm间的差异显著性。●假如株高变量名为G，SAS程序如下：datawhq1;inputG@@;cards;64666368706567686669;run;procttestdata=whq1ci=noneh0=65alpha=0.05;varG;run;●程序说明：过程选项h0=65指定零假设ho:u=65,检验抽样总体的均值是否为65，alpha=0.05用来指定结果中各统计量可信区间的置信水平。语句varG指定要检验的变量。●程序运行结果：TheTTESTProcedureStatisticsLowerCLUpperCLVariableNMeanMeanMeanStdDevStdErrMinimumMaximumG1065.01166.668.1892.22110.70246370T-TestsVariableDFtValuePr|t|G92.280.0487●结果说明：结果中首先给出了输入数据集中分析变量的有关统计量，其中包括均数及其可信区间、标准差及其可信区间。然后给出均数的标准误、观测值最大值和最小值。最后，给出单组样本均数比较的T检验结果。本例中t=2.28，对应的P值为0.0487。根据分析结果可作出结论：施肥后平均株高与已知的平均株高65cm有显著差异。②配对数据均数的T测验例：A、B两个玉米品种在6个地点进行产量比较试验，产量（kg/小区）如下：地点123456A品种868756938493B品种807958917782试检验A、B两个品种产量是否存在显著差异。●SAS程序为：inputab@@;cards;868756938493807958917782;procttestdata=gyf2ci=noneH0=0;paireda*b;run;●程序说明：过程选项h0=0指定零假设ho:Ua-Ub=0,检验A、B两地玉米产量差均值是否为0。语句paireda*b指定要取差值的两个变量。●程序运行结果：TheTTESTProcedureStatisticsLowerCLUpperCLDifferenceNMeanMeanMeanStdDevStdErrMinimumMaximuma-b6-31.5-143.497616.6736.8069-371T-TestsDifferenceDFtValuePr|t|a-b5-2.060.0948●结果说明：结果中首先给出了输入数据集中分析变量的有关统计量，其中包括均数及其可信区间、标准差及其可信区间。然后给出均数的标准误、观测值最大值和最小值。最后，给出配对数据均数比较的T检验结果。本例中t=-2.06，对应的P值为0.0948。根据分析结果可作出结论：A、B两个玉米品种产量存在显著差异。2.方差分析：①.单因素完全随机设计对5个硼肥试验处理中，测得苹果叶内硼的含量（mg/kg）,得如下数据：处理叶内含硼量1876910122414446403836317151412221542833362921225404342394441试比较个处理苹果叶内平均含硼量差异的显著性，并在0.01显著性下进行多重比较。●以v和y分别表示处理和含硼量，SAS程序为：datagyf3;inputvy@@;cards;18241317428540172443164335431524631443654219240312429539110238322421544112236315422541;procanovadata=gyf3;classv;modely=v;meansv/lsdalpha=0.01;run;●程序说明：语句classv指定分组变量为v，model语句中的表达式为y=v。means语句指定对变量v进行各水平之间平均数的LSD多重比较，显著水平为0.01。●程序运行结果：TheANOVAProcedureClassLevelInformationClassLevelsValuesvariety512345Numberofobservations30TheANOVAProcedureDependentVariable:ySourceDFSumofSquaresMeanSquareFValuePrFModel45197.3333331299.33333393.16.0001Error25348.66666713.946667CorrectedTotal295546.000000R-SquareCoeffVarRootMSEyMean0.93713213.831573.73452427.00000SourceDFAnovaSSMeanSquareFValuePrFvariety45197.3333331299.33333393.16.0001TheANOVAProceduretTests(LSD)foryNOTE:ThistestcontrolstheTypeIcomparisonwiseerrorrate,nottheexperimentwiseerrorrate.Alpha0.01ErrorDegreesofFreedom25ErrorMeanSquare13.94667CriticalValueoft2.78744LeastSignificantDifference6.0101Meanswiththesameletterarenotsignificantlydifferent.tGroupingMeanNvA41.50065AA40.83362B28.16764C16.00063D8.50061●结果说明：结果中先给出模型及处理效应方差分析有关的统计量。本例方差分析表明处理间差异显著（F值为93.16，P值小于0.0001）。然后给出多重比较的参数设置以及所用的统计情况，包括误差自由度、误差均方，临界t值和效应差值。最后对variety进行多重比较。根据分析结果可作出结论：不同处理之间存在显著差异，处理1、2间不存在显著差异，2与3间存在显著差异，3与4间存在显著差异，4与5间存在显著差异。2、回归分析：例：某水稻品种5月5日至8月5日播种（每隔10天播一期），测定播种至齐穗的天数x和播种至齐穗的总积温y的数据，如下所示：123456789X706755525152516064Y1616.31610.91440.01440.71423.31471.31421.81547.11533.0试进行回归分析。●SAS程序如下：datawhq4;inputxy@@;cards;701616.3671610.9551440.0521440.7511423.3521471.3511421.8601547.1641533.0;run;procregdata=whq4corrsimple;modely=x;run;●程序说明：reg专门用于回归分析，model语句的表达式为y=x.●程序运行结果：TheREGProcedureModel:MODEL1DependentVariable:yAnalysisofVarianceSumofMeanSourceDFSquaresSquareFValuePrFModel1451674516781.05.0001Error73900.78231557.25462CorrectedTotal849068RootMSE23.60624R-Square0.9205DependentMean1500.48889AdjR-Sq0.9091CoeffVar1.57324ParameterEstimatesParameterStandardVariableDFEstimateErrortValuePr|t|Intercept1915.4988065.4522713.99.0001x110.086041.120309.00.0001●结果说明：分析结果中首先给出有关模型的一般信息和模型的方差分析结果。方差分析表明，回归模型的显著性检验概率0.0001，说明模型极显著。然后给出有关模型拟合的重要统计量，包括误差均方平方根、决定系数、应变量的均数等。决定系数为0.9205，说明模型有较高的拟合精度。根据运行结果作出结论：播种至齐穗的总积温显著地决定于播种至齐穗的天数。回归方程：y=915.49880+10.08604x四、实习总结：SAS课程已经结束，在老师的耐心教导和上机操作实习，我学习到了很多。SAS（StatisticalAnalysisSystem）是世界上最著名的统计分析系统之一，具有完备的数据访问、管理、分析和呈现功能，被誉为国际标准统计分析系统。SAS软件在我们生活中起到了很多的作用：1.可以进行数据管理。2.可以数据输入、建库、保存。。。3.进行统计分析。4.t检验。5.方差分析。6.卡方检验。7.相关、回归。8.秩和检验。在学习过程中，一开始学习比较困难和吃力，很多知识都是刚刚接触，比较陌生，学习起来比较吃力，但随着老师的讲解和基础知识的逐步掌握，开始对SAS的应用开始比较灵活。希望在以后还要继续学习和运用，将课堂中学到的知识很好的运用到实践当中去。·SAS与统计分析实验报告学院班级姓名学号