SAS和SPSS在科研中的一些应用课件

SAS和SPSS在科研中的一些应用李寿田shtli2008@常用的统计软件的介绍：SAS(StatisticalAnalysisSystem)SPSS(StatisticalPackageforSocialScience)S-PlusStataStatisticaDPS(DataProcessingSystem)-国产统计软件1、SAS真正的巨无霸，国际上标准统计软件和最权威的组合式统计软件，现版本为SAS9.1.3优缺点：完备的数据存取、管理、分析和显示功能应用于各行各业，特别是自然科学研究(SCI文章)人机对话界面相当的不友好主要以编程为主，学习有困难说明书内容相当的庞大，学习也有困难VeryExpensiveforSomebody(notforme)统计软件中的贵族，现版本为SPSS14.0优缺点：人机对话界面相当的友好(所有统计软件中最好的)与Word兼容存在一定的问题国内使用群体非常的广泛，主要用于市场调研行业Easytolearn(foreverybody)2、SPSS优缺点：极为强大的统计和绘图功能应用上以理论研究和统计建模为主需要有较好的数理统计背景对编程能力要求极高3、S-Plus主要内容第一部分、SAS和SPSS基础第二部分、描述统计分析第三部分、均值比较与T检验第四部分、非参数检验第五部分、方差分析第六部分、相关及回归分析第七部分、主成分分析第八部分、聚类分析第一部分、SAS和SPSS基础1.1、SAS8.2软件的安装：安装时，将setinit.sss放到setupdisk\sas\core\sasinst下,将系统时间调到setinit.sss中expire='23Feb2002'指定的时间前。安装完后时间破解：方法一：将SAS8.2Patcher.exe放到sashost.dll所在的目录（ProgramFiles\SASInstitute\SAS\V8）下，运行即可。最好将sashost.dll备份一个。方法二：将SYDAY目录中的SYDAY.exe、COMDLG32.OCX和sas.txt放到ProgramFiles\SASInstitute\SAS\V8目录下，再在桌面上建立一个快捷方式，目标是：“C:\ProgramFiles\SASInstitute\SAS\V8\SYDAY.exe”C:\ProgramFiles\SASInstitute\SAS\V8\sas.txt。方法三：使用破解目录下的sashost.dll。1.2、SPSS13.0软件的安装：Whensetuppromptsforserialnumber,enteranythingyoulike.Afterinstall,overwritethefile"lservrc"intheinstalledprogramdirectorywiththeonelocatedin\CRACKEnjoyit!datashtli;inputxy;cards;1115612134212004648020198;procmeans;varxy;run;DatastepProcstep2、SAS初级知识：@@表示数据可以在一行里连续读入，直到本行结束后，再转到下一行继续读入，直到分号结束。去掉@@，则每行只能读入两个数据，即一个x和一个y，然后再转到下一行继续读入。title'myfirstsasprogram';/*指定标题内容*/datashtli;/*建立临时数据集WORK.shtli*/inputxy@@;/*输入的变量x,y，并是连续输入*/cards;/*直接输入数据，数据块开始*/1214202114161315/*数据块*/;/*数据块结束*/procprint;/*显示数据集内容*/run;/*程序结束*/OBSXY

11214220213141641315

2.1.1、数据的直接输入dataa;

inputx@;

inputy@@;

cards;

12345678910

12345678910

12345678910

12345678910

12345678910

12345678910

;

run;dataa;

inputxy@@;

cards;

12345678910

12345678910

12345678910

12345678910

12345678910

12345678910

;

run;dataa;

inputxy@;

cards;

12345678910

12345678910

12345678910

12345678910

12345678910

12345678910

;

run;dataa;

inputxy;

cards;

12345678910

12345678910

12345678910

12345678910

12345678910

12345678910

;

run;dataa;

inputx;

inputy;

cards;

12345678910

12345678910

12345678910

12345678910

12345678910

12345678910

;

run;dataa;

inputx@;

inputy;

cards;

12345678910

12345678910

12345678910

12345678910

12345678910

12345678910

;

run;dataa;

inputx@;

inputy@;

cards;

12345678910

12345678910

12345678910

12345678910

12345678910

12345678910

;

run;2.2、程序步：程序步总是以一个proc语句开始，后面紧跟着程序步名。一般格式为：Proc过程名[DATA=数据集名][选项]；[Var

变量序列]；/*按用户需要指定分析的变量*/[Where条件表达式]；/*用于给定条件的数据进行分析*/[Model因变量=自变量列表/选项]

/*建模过程中指定模型的形式*/[By变量序列]；/*指定一个或几个分组变量*/……Run；/*过程步一般以run语句结束*/2、SPSS初级知识：数据编辑窗口(DataEditor)：功能：对数据进行定义、录入、修改和管理等操作组成：窗口主菜单、工具栏、数据编辑区和状态显示区SPSS运行时打开，只能有一个，且运行过程中无法关闭统计分析均针对窗口中的数据进行窗口中的数据以*.sav存盘输出窗口(Viewer)：功能：SPSS统计分析报表及图形输出窗口组成：窗口主菜单、工具栏、结果显示区和状态显示区第一次分析时打开，可有多个且可切换，可关闭状态显示区里的“!”表示当前输出窗口窗口中的内容以*.spo存盘数据分析的一般步骤：建立SPSS数据文件定义数据文件结构录入、修改和编辑待分析的数据分析数据统计分析前的数据预处理统计分析结果的说明和解释数据和分析结果的保存例1、某群鸡一年中各月的产蛋量记录如下：月份产蛋量月份产蛋量118724220825321925422102552311266231226计算该年度的月平均产蛋数、标准差、变异系数、最大值和最小值。datashtli;inputmonth$egg@@;cards;118220321422523623724825925102511261226;procmeansmeanstdcvmaxmin;run;1.1、SAS的means过程1.2、SPSS过程AnalyzeDescriptiveStatisticsDescriptivesAnalyzeDescriptiveStatisticsFrequencies这两个过程分析的结果中没有CV(变异系数)这一项，要计算变异系数：CV=标准差*100%/平均数例2、现用玉米、麦麸、豆饼、鱼粉、高梁、叶粉、骨粉和食盐8种原料为某阶段的生长猪配制基础日粮，各原料在日粮中所占的比例以及消能和粗蛋白含量如下：指标玉米麦麸豆饼鱼粉高梁叶粉骨粉食盐比例61.512.5123.0820.70.3消化能350524663253312328131300//粗蛋白7.7913.740.261.37.2417//试计算所配制的日粮的消化能和粗蛋白含量。（注：这也是一个计算加权平均数的例子，日粮中消化能和粗蛋白的含量实际就是各种原料消化能和粗蛋白含量以其各自在日粮中的比例为加权系数的加权平均数。）datashtli;inputcontent$rateenergyrawprotein@@;cards;161.535057.7912.5246613.712325340.23312361.3828137.2421300170.7000.300;procmeans;varenergyrawprotein;/*指明分类变量为energy和rawprotein*/weightrate;/*以某一原料所占的比例为加权变量*/

run;2.1、SAS的means过程TheSASSystem19:16Friday,April16,200617TheMEANSProcedureVariableNMeanStdDevMinimumMaximum-----------------------------------------------------------------------------------------------energy83198.922110.0103505.00rawprotein814.085550050.5693528061.3000000-----------------------------------------------------------------------------------------------2.2、SPSS过程AnalyzeDescriptiveStatisticsDescriptivesDataWeightCaseUnivariate过程又称为单变量分析过程，可提供单个变量的详细描述及其分布类型的检验，与Means过程相比，过程侧重于对单个变量进行分布类型的描述（当然也可以进行t检验过程）。3.1、SAS的Univariate过程例3、有人抽测了12头奶牛的305天的产奶量，具体数据如下：牛号产奶量154802637036310451805509066390756008605095380105360116420127760datashtli;inputnumber$x@@;cards;154802637036310451805509066390756008605095380105360116420127760;procunivariatenormalplot;/*检验资料是否服从正态分布并作图*/varx;run;Moments(基本统计数)N(样本数)12SumWeights(权系数之和)12Mean(平均数)5949.16667SumObservations(总和)71390StdDeviation(标准差)760.11313Variance(方差)577771.97Skewness(偏度系数)1.149234Kurtosis(峰度系数)1.66491061USS(观察值平方和)431066500CSS(离均差平方和)6355491.67CV(变异系数)12.7768StdErrorMean(标准误)219.42576Range(极差)2670Student'st(检验均数为0的T值)t27.11244Pr>|t|(H0假设下T检验概率)<.0001Sign(检验中位数为0的符号统计量)M6Pr>=|M|(H0假设下不小于|M|的概率)0.0005SignedRank(符号秩)S39Pr>=|S|(H0假设下不小于|S|的概率)0.0005TestsforNormality正态性检验Test--Statistic--------pValue------Shapiro-WilkW0.878767Pr<W0.0845Kolmogorov-SmirnovD0.184485Pr>D>0.1500Cramer-vonMisesW-Sq0.079701Pr>W-Sq0.1969Anderson-DarlingA-Sq0.550287Pr>A-Sq0.1269当样本数n≤2000时，应选用Shapiro-Wilk的W检验，W值愈大，P值愈大，表明资料愈服从正态分布。当样本数n>2000时，应用选用Kolmogorov-Smirnov检验，D值愈大，P值愈小，表明资料不服从正态分布。NormalProbabilityPlot7750+*+++++|+++++++|++++++|*+*+*++**|++++*+5250+*+*++*++**+----+----+----+----+----+----+----+----+----+----+-2-10+1+2Quantiles(Definition5)(分位数)100%Max(最大值)776099%(99%分位数)776095%(95%分位数)776090%(90%分位数)642075%Q3(75%分位数)638050%Median(中位数)582525%Q1(25%分位数)537010%(10%分位数)51805%(5%分位数)50901%(1%分位数)50900%Min(最小值)5090ExtremeObservations(极端值)----Lowest--------Highest---(最低值)(最高值)ValueObsvalueObs509056310351804637025360106390653809642011548017760123.2、SPSS过程AnalyzeDescriptiveStatisticsExploreDependent产奶量第三部分、均值比较与T检验t检验是假设检验中最常用的方法之一，主要用于两组（两个样本）数值变量资料的比较（即均数差异的显著性检验）。t检验的应用条件有：独立随机样本（样本从总体中随机抽取，且相互独立）资料的正态性（样本来自正态分布的总体）方差齐性（两样本均数比较中，两样本方差相等）可比性（研究对象性质和实验条件等相近或相等）

根据试验设计的不同，又可将两个样本均数差异的显著性检验分为三种：样本均数与总体均数比较的t检验配对试验设计资料的t检验非配对实验设计资料的t检验1、二组均数的差异显著性检验根据以往大量的调查或多次实验结果所得的平均数或某些标准值，以检验所得的样本均数与该总体均数的差异是否显著。在SAS系统中，样本均数与总体均数间的差异显著性检验是通过Means过程来完成的。例1：随机抽测某品种7头母牛体高，测得的数据(cm)为137、133、136、129、133、130、131。根据历年观察记载，该品种成年母牛体高总体均数平均数为131cm。试检验所得的样本平均数与总体平均数差异是否显著？datashtli;inputx@@;y=x-131;cards;137133136129133130131;procmeansmeanstdstderrtprt;vary;run;1.1、样本均数与总体均数比较的t检验(SAS过程)datashtli;inputx@@;y=x-131;cards;137133136129133130131;procunivariatenormalplot;vary;run;

Means过程MeanStdDevStdErrortValuePr>|t|（平均数）（标准差）（标准误）（t值）（概率）--------------------------------------------------------------------------------1.71428572.98408481.12787801.520.1793--------------------------------------------------------------------------------上述结果，T=1.52，P=0.1793>0.05，表明样本均数与已知总体平均数差异不显著，可以认为该样本是来自成年牛体高平均数131cm的总体，即该品种成年母牛体高未发生实质性的改变。

Univariate过程Test-Statistic--------pValue-------Student‘stt1.519921Pr>|t|0.1793SignM1Pr>=|M|0.6875SignedRankS6.5Pr>=|S|0.2500

TestsforNormalityTest--Statistic----------pValue--------Shapiro-WilkW0.939582Pr<W0.6350Kolmogorov-SmirnovD0.176147Pr>D>0.1500Cramer-vonMisesW-Sq0.038395Pr>W-Sq>0.2500Anderson-DarlingA-Sq0.245734Pr>A-Sq>0.25001.2、样本均数与总体均数比较的t检验(SPSS过程)SPSS均值比较及检验过程：Means：计算指定变量的综合描述统计量(要有分组变量)One-SampleTTest：单样本T检验检验单变量均值是否与给定常数之间存在差异(本例就属于这一类型)Independent-SampleTTest：独立样本T检验用于检验两独立样本数据的均值是否来自同一总体Paired-SampleTTest：配对样本T检验检验两相关样本是否来自具有相同均值的总体One-WayAnova：一元方差分析(下一章介绍)

检验几个独立的组是否来自均值相同的总体AnalyzeCompareMeansOne-SampleTestVariable(s)体高TestValue131同一受试对象处理前后的数据（推断处理前后对受试对象有无作用）同一受试对象两个部位的数据同一样品用两种方法（仪器）检验的结果配对的两个受试对象分别接受两种处理后的数据（后三种是推断两种处理有无显著差异）配对设计就是先按配对的要求将试验单位两两配对，然后将配对成对子的两个试验单位随机地分配到两个处理组中，主要有四种类型。在SAS系统中，配对试验设计资料的t检验是用Means过程来实现的。2.1、配对试验设计资料的t检验(SAS过程)例2、在比较国产与进口的背膘测定仪时，对14头活体肥猪的背膘进行了测定，其资料如下（单位：mm）：试比较两种测膘仪测定的结果有无显著差异。datashtli;inputxy@@;d=x-y;cards;32434044273037343230353128264326404241404142354349373443;procmeansmeanstd;varxy;procmeansmeanstdstderrtprt;vard;run;datashtli;inputxy@@;d=x-y;cards;32434044273037343230353128264326404241404142354349373443;procunivariatenormal;vard;probplot;run;VariableMeanStdDev变量平均数标准差-------------------------------------------------x36.71428576.0565104y36.50000006.7794940-------------------------------------------------AnalysisVariable:d分析变量：dMeanStdDevStdErrortValuePr>|t|平均数标准差标准误t值概率------------------------------------------------------------------------0.21428577.65786242.04664980.100.9182------------------------------------------------------------------------means分析结果TestsforLocation:Mu0=0Test-Statistic------pValue------Student'stt0.104701Pr>|t|0.9182SignM0Pr>=|M|1.0000SignedRankS-1Pr>=|S|0.9645TestsforNormalityTest--Statistic--------pValue------Shapiro-WilkW0.945103Pr<W0.4876Kolmogorov-SmirnovD0.16767Pr>D>0.1500Cramer-vonMisesW-Sq0.050675Pr>W-Sq>0.2500Anderson-DarlingA-Sq0.335103Pr>A-Sq>0.2500Univariate分析结果2.2、配对试验设计资料的t检验(SPSS过程)AnalyzeCompareMeansPaired-SamplePairedVariables国产进口非配对试验设计，又称为成组设计，是将试验单位随机地分成两组，在这种试验设计中，两组的试验单位相互独立。非配对试验设计资料的t检验可用TTest过程来完成。例3、为比较甲、乙两种饲料对猪的饲养效果，并对其日增重进行了记录，数据如下，试检验甲、乙两种饲料对育肥猪日增重的影响是否有显著差异。datashtli;inputx$y@@;cards;16001753166016301654166417101685270527002710269526502685;procttest;classx;vary;run;3.1、非配对试验设计资料的t检验(SAS过程)甲乙600705753700660710630695654650664685710685第一部分Statistics两组样本描述统计量的值（样本数、平均数、标准差等）LowerCLUpperCLLowerCLUpperCLVariablexNMeanMeanMeanStdDevStdDevStdDevStdErry18630.03669.5708.9731.21747.21496.09316.693y26667.98690.83713.6913.59221.77553.4078.8898yDiff(1-2)-66.87-21.3324.20827.75338.70363.88820.902第二部分：两组样本所在总体方差相等和不相等时的t检验结果T-TestsVariableMethodVariancesDFtValuePr>|t|yPooledEqual12-1.020.3276ySatterthwaiteUnequal10.4-1.130.2847第三部分：方差齐性（即总体方差相等或不相等）检验EqualityofVariancesVariableMethodNumDFDenDFFValuePr>FyFoldedF754.700.1074对于本例而言，两总体方差齐性检验结果为F'=4.70，P=0.1074>0.05，说明两总体的方差是相等的，因此应选择用方差相等时的t检验结果，即T=-1.02，P=0.3276>0.05，表明这两种饲料对育肥猪日增重的影响没有显著差异，即两种饲料对育肥猪增重效果的影响是一样的。3.2、非配对试验设计资料的t检验(SPSS过程)AnalyzeCompareMeansIndependentTestvariable(s)增重groupingvariablegroup12例4、为了了解某粮田土壤肥力的变化情况，1998年和1999年连续两年对9个监测点进行取土样化验有机质含量。y1代表1998年结果，其土壤有机质平均含量为1.21%，y2代表1999年化验结果，试分析两年间土壤有机质的变化情况。datashtli;inputy$x@@;cards;y11.64y11.04y11.46y10.88y11.30y10.84y11.39y10.99y11.43y21.60y20.62y21.49y20.74y21.24y20.65y21.51y20.84y21.50;procttest;classy;varx;run;y1y21.641.601.040.621.461.490.880.741.301.240.840.651.391.510.990.841.431.504.1、非配对试验设计资料的t检验(SAS过程)StatisticsLowerCLUpperCLLowerCLUpperCLVariableyNMeanMeanMeanStdDevStdDevStdDevStdErrxy190.99831.21891.43950.19380.28690.54970.0956xy290.81411.13221.45040.27960.41390.7930.138xDiff(1-2)-0.2690.08670.44260.26520.35610.5420.1679T-TestsVariableMethodVariancesDFtValuePr>|t|xPooled

Equal160.520.6127xSatterthwaiteUnequal14.20.520.6136EqualityofVariancesVariableMethodNumDFDenDFFValuePr>FxFoldedF882.080.32034.2、非配对试验设计资料的t检验(SPSS过程)AnalyzeCompareMeansIndependentTestvariable(s)有机质含量groupingvariablegroup12第四部分、非参数检验非参数检验的适合条件数据不呈正态分布两组数据方差不等样本数较小（少于30个）数据值代表有序类别（如1=poor，2=normal，3=good，4=excellent)例1、中国农业大学昌平试验站用a和b两种饲料对香猪进行饲养试验。每组6头香猪，两组共12个观察值，数据是每6周时每头香猪的增重结果。试分析两种饲料对香猪的增重有无差异。ab6.655.346.357.007.057.897.907.058.046.744.457.28datashtli;inputfeed$weight@@;cards;a6.65a6.35a7.05a7.90a8.04a4.45b5.34b7.00b7.89b7.05b6.74b7.28;procnpar1way;classfeed;varweight;run;1.1、非参数检验(SAS过程)WilcoxonTwo-SampleTestStatistic38.5000NormalApproximation秩得分近似正态性检验Z0.0000One-SidedPr<Z0.5000Two-SidedPr>|Z|1.0000tApproximation秩和相等的近似t检验One-SidedPr<Z0.5000Two-SidedPr>|Z|1.0000双尾检验Pr>|Z|=1>0.05，数据服从正态分布双尾检验Pr>|Z|=1>0.05，接受两样本秩和相等假设Kruskal-WallisTest用K-W法对样本进行秩得分的卡方分布检验Chi-Square0.0064DF1Pr>Chi-Square0.9361检验Pr=0.9361>0.05，两组样本符合卡方分布在K-W检验中，Chi-Square=0.0064，Prob>Chi-Square=0.9361>0.05，即卡方检验不显著，表明两种饲料对增重效果没有差异。MedianScores(NumberofPointsAboveMedian)forVariableweightClassifiedbyVariablefeedSumofExpectedStdDevMeanfeedNScoresUnderH0UnderH0Score------------------------------------------------------------------------------a63.03.00.9045340.50b63.03.00.9045340.50

MedianTwo-SampleTestMedian法对两样进行本中位数秩和检验Statistic3.0000Z0.0000One-SidedPr<Z0.5000Two-SidedPr>|Z|1.0000MedianOne-WayAnalysis用median法对两样本进行中位数秩和单尾检验Chi-Square0.0000DF1Pr>Chi-Square1.0000检验Pr=1>0.05，接受中位数得分相等，无显著差异检验Pr=1>0.05，两组样本服从中位数相等，无显著差异后面的分析略1.2、非参数检验(SPSS过程)由Analyze菜单下的NonparametricTest来进行：Chi-SquareTest：卡方检验BinomialTest：二项式分布检验RunsTest：游程检验1-SimpleK-STest：一个样本柯-斯检验2IndependentSamplesTest：两个独立样本检验KIndependentSamplesTest：多个独立样本检验2RelatedSamplesTest：两个相关样本检验KRelatedSamplesTest：多个相关样本检验AnalyzeNonparametricTest2IndependentTestvariable增重groupingvariablegroup第五部分、方差分析

方差分析是利用试验数据，分析各个因素对某事物某指标的影响是否显著的一种分析方法。它主要分为：单因素方差分析：将一个因素A分为k个水平，分析这k个水平对所考察的指标y的影响（只有A变化，其它因素控制不变）双因素方差分析：分析两个因素对所考察的指标y的影响（只有两个因素是可变的，其它因素控制不变）多因素方差分析：考察的因素多于2个时所谓均衡数据(balanceddata)，就是在数据结构中对于每个分类因子各水平下或水平的组合下的观测数都相等，即数据均衡，且没有发生缺失。在SAS系统中，均衡数据的方差分析是采用ANOVA过程来完成的。在利用ANOVA过程进行方差分析时，系统会先检查数据结构是否均衡。如果数据结构并不均衡，ANOVA过程会给出相应的警告信息，告诉设计不均衡，ANOVA分析无效，此时应考虑采用GLM过程进行分析。1、均衡数据的方差分析过程：例1、为比较A、B、C三种配合饲料对母鸡的饲养效果（以体重为衡量指标），进行了饲养对比试验。每种饲料各饲喂10只鸡，饲养时间为60天，具体数据如下：饲料体重(g)A1073105810711037106610261053104910651051B1016105810381042102010451044106110341049C1084106911061078107510901079109411111092试检验各饲料组母鸡体重的差异显著性。1.1.1、单因素方差分析(SAS过程)datashtli;inputx$y@@;cards;a1073a1058a1071a1037a1066a1026a1053a1049a1065a1051b1016b1058b1038b1042b1020b1045b1044b1061b1034b1049c1084c1069c1106c1078c1075c1090c1079c1094c1111c1092;procanova;classx;modely=x;/*指明模型为单因素主效应模型*/meansx/SNKalpha=0.01;/*用SNK在0.05水平上进行多重比较*/run;TheANOVAProcedure方差分析过程DependentVariable:y(因变量：y)SourceDFSumofSquaresMeanSquareFValuePr>F(变异来源)(自由度)(平方和)(均方)(F值)(概率)Model211674.866675837.4333328.30<.0001(模型)Error275568.60000206.24444(误差)CorrectedTotal2917243.46667(矫正总和)R-SquareCoeffVarRootMSEyMean(决定系数)(变异系数)(MSE平方根)(y均数)0.6770601.35338414.361211061.133SourceDFAnovaSSMeanSquareFValuePr>F(变异来源)(自由度)(平方和)(均方)(F值)(概率)x211674.866675837.4333328.30<.0001说明：该部分输出变异来源、自由度、平方和、均方、计算的实际F值大于临界F值的概率。只需根据概率值就可对方差分析的结果作出判断。本例中，F=28.30，P=0.0001<0.01，表明不同饲料对肉鸡的体重存在着显著的影响。Student-Newman-KeulsTestfory(多重比较的变量y)Alpha(检验水平)0.05ErrorDegreesofFreedom(自由度)27ErrorMeanSquare(样本内均方)206.2444NumberofMeans23CriticalRange13.17798415.924134Meanswiththesameletterarenotsignificantlydifferent.SNKGroupingMeanNxA1087.80010cB1054.90010aC1040.70010b说明：该部分对不同处理均数间的差异显著性在规定的显著水平上进行比较。本例中，采用SNK法进行多重比较的结果表明，三个饲料组的体重彼此都存在着显著差异(P<0.05)，即C饲料组的体重显著地高于A和B，A饲料的体重显著地高于B。换句话说，如果用饲喂后的体重这一指标来衡量这三种饲料优劣的话，那么C饲料最好，其次是A饲料，B饲料最差。1.1.2、单因素方差分析(SPSS过程)AnalyzeCompareMeansOne-WayAnovaDependentList体重Factor饲料例2、上面的例子只是研究了饲料对增重的影响，在实际数据分析过程中，经常要分析一个因素对不同指标的影响。如饲料对母鸡产蛋量也有影响的数据如下：饲料产蛋量(个)A48584937464653494551B46584842504544615449C54595658556059545162试检验各饲料组母鸡体重和产蛋量的差异显著性。1.2.1、单因素方差分析(SAS过程)datashtli;inputfeed$weightegg@@;cards;a107348a105858a107149a103737a106646a102646a105353a104949a106545a105151b101646b105858b103848b104242b102050b104545b104444b106161b103454b104949c108454c106959c110656c107858c107555c109060c107959c109454c111151c109262;procanova;classfeed;modelweightegg=feed;/*指明模型为单因素主效应模型*/meansfeed/SNK;/*用SNK在0.05水平上进行多重比较*/run;结果见SAS分析结果1.2.2、单因素方差分析(SPSS过程)AnalyzeCompareMeansOne-WayAnovaDependentList体重产蛋量Factor饲料例3、有30亩稻田随机分成5组，种上不同的品种A、B、C、D和E，收获时得亩产水稻数据如下：品种亩产量（kg)A435420460445450440B500395408418436419C510491473462438467D403425418407435398E408414420385392512试检验这5个品种的亩产量有无显著差异(同时进行多种方法的两两比较)。1.3.1、单因素方差分析(SAS过程)datashtli;inputbreed$product@@;cards;A435 A420 A460 A445 A450 A440B500 B395 B408 B418 B436 B419C510 C491 C473 C462 C438 C467D403 D425 D418 D407 D435 D398E408 E414 E420 E385 E392 E512;procanova;classbreed;modelproduct=breed;meansbreed/snk;meansbreed/lsd;meansbreed/duncan;run;procanova;classbreed;modelproduct=breed;meansbreed/snklsdduncan;run;结果见SAS分析结果1.3.2、单因素方差分析(SPSS过程)AnalyzeCompareMeansOne-WayAnovaDependentList亩产量Factor品种上面的一些例子在进行比较时均进行的是两两比较，而当我们只需要作多个处理组与对照组进行比较时，则可采用Dunnett(双尾检验)或dunnettU(单尾检验)即可。以例一为例(处理a为对照组)。datashtli;inputx$y@@;cards;a1073a1058a1071a1037a1066a1026a1053a1049a1065a1051b1016b1058b1038b1042b1020b1045b1044b1061b1034b1049c1084c1069c1106c1078c1075c1090c1079c1094c1111c1092;procanova;classx;modely=x;/*指明模型为单因素主效应模型*/meansx/