实验一犯人耳朵长度的多元分析

1、实验一犯人耳朵长度的多元分析一、实验目的掌握使用SAS软件进行多元方差分析；看懂和理解SAS输出的结果，并学会作出判断和分析；掌握一旦检验拒绝原假设后如何通过进一步的检验探索其被拒绝的成因；掌握如何恰当地给出最终的综合分析结论。二、实验内容某监狱把犯人分成三部分：普通犯人、疯狂犯人和其他犯人。从这三部分各抽取 20名犯人测量他们的耳朵长度，在多元正态性假定下试检验三部分的犯人耳朵 长度是否有显着差异（=0.05）。数据见列表。注：X1=左耳,x2二右耳,g=1为普通凡人，g=2为疯狂犯人，g=3为其他犯人。X1x2gX1x2gX1x2g59591706926363360651696825657

2、3586216565262623595916260259583504815956262583596515558250573626216058263633636215864261623687216567255593636616762263633666316057265703565615355264643626416665265653666816053267673656615958255553616015854256563606416056265673605715459262653586016266255613585915961258583三、实验内容（一）、实验步骤1、将数据导入SAS中，如下所

3、示:胃 VIEITABLE: fork.PrisonerqS1595912606513586214595915504816596517626218636219687212、输入程序：63661Iprocanova data=work.prisoner;_1classa;56561m 162641modelx1-x2=g;66681manovah=g; 6566 1程序说明：（“procanova ”是- 一个（均衡数据的）方差分析过程；“data=work.prisoner” J. r Iou口件 i规定过程分析的是woek逻辑库中的prisoner数据集;class语句规定了分组变量是g；

4、model |doou i语句规定了模型的因变量是x1、x2,自变量是g； manova语句要求计算另外的多元统计量。）（二）、实验结果1、分组水平信息港系统2014年叩月叫日 星期四下午02时M分球秒FThe ANOVA ProcedureClass Level Informat ionClassLeveIs Values TOC o 1-5 h z I g312 3Number of Observat ions Read60Number of Observat ions Used60多元方差分析S=2M=-0.5N=27Stat ist icValueF ValueNum DFDen DF

5、Pr FWilks Lambda0.925387451.1141120.3569Pi 1 lai ?s Trace0.074697021.1141140.3574Hote11 i ng-Law 1ey Trace0.080537171.12466.1740.3541Roy?s Greatest Root0.079387342.262570.1134NOTE： F Statistic for Roy?s Greatest Root is an upper bound.NOTE: F Statist ic for Wi lks, Lambda is exact.这四种检验统计量的检验p值均大于0.

6、05,故可认为普通犯人、疯狂犯人和其他犯人的耳朵长度无明显差异。2.对各分量进行一元方差分析为了解普通犯人、疯狂犯人和其他犯人的左耳长度或右耳长度是否有明显差异，分别用元方差分析方法进行检验分析。上述SAS程序还产生如下结果：X1的方差分析The ANOVA ProcedureDependent Variable： :：1 xlSourceDFSum ofSquaresMean SquareF ValuePr FMode 125.6333332.8166670.140.8672Error571123.70000019.714035Corrected Total591129.333333R-Sq

7、uare Coeff Var Root MSE ：:1 Mean0.00498：7.3187624.44004960.66667SourceDFAnova SSMean SquareF ValuePr F25.633333332.816666670.140.8672X2的方差分析Dependent Yar i ab 1 e: ：:2:：2SourceDFSum ofSquaresMean Square FValuePr FModel218.1000009.0500000.410.6686Error571272.50000022.324561Corrected Total591290.600000R-SquareCoef f VarRuotMSE:：2 Mean0.0140247.7078104.72488761.30000SourceDFAnova