第十六章析因设计和交叉设计资料分析的SAS实现

第十六章析因设计和交叉设计资料分析的SAS实现例16-3治疗白细胞降低病人16例，随机分为4组，给予相应治疗措施：基础药物（对照组）、基础药物+甲药、基础药物+乙药、基础药物+甲药+乙药，3个月后观察白细胞增加数（109/L），以评价甲药和乙药以及它们联合用药的作用，得到结果如表16-3。表16-3治疗白细胞降低四种不同疗法3个月后白细胞增加数第一组（基础治疗）第二组(基础治疗+甲药)第三组(基础治疗+乙药)第四组(基础治疗+甲药+乙药)1.000.600.880.701.481.421.111.301.421.280.900.982.322.382.122.21样本均数()0.801.331.152.26总体均数(μ)μ00μ10μ01μ11SAS分析程序datach16_3;定义数据集名doa=1to2;定义变量a，a=1表示不用甲药，a=2表示使用甲药dob=1to2;定义变量b，b=1表示不用乙药，b=2表示用乙药doi=1to4;inputx@@;output;end;end;end;cards;1.000.600.880.701.421.280.900.981.481.421.111.302.322.382.122.21;procanova;利用anova过程进行方差分析classab;指定分类变量modelx=aba*b;指定模型，考虑a,b主效应以及交互作用run;SAS软件输出结果TheANOVAProcedureDependentVariable:xSumofSourceDFSquaresMeanSquareFValuePr>FModel34.680825001.5602750047.12<.0001Error120.397350000.03311250CorrectedTotal155.07817500R-SquareCoeffVarRootMSExMean0.92175313.174180.1819681.381250SourceDFAnovaSSMeanSquareFValuePr>Fa12.706025002.7060250081.72<.0001b11.638400001.6384000049.48<.0001a*b10.336400000.3364000010.160.0078TheANOVAProcedureSourceDFSumofsquaresMeansquareFvaluePr>F变异来源自由度平方和均方和F值P值a(甲药)12.706025002.7060250081.72<.0001b(乙药)11.638400001.6384000049.48<.0001a*b(交互作用)10.336400000.3364000010.160.0078Error(误差)120.397350000.03311250SAS软件输出结果解释甲药与乙药的交互作用的统计检验P＝0.0078<0.05，因此有统计学意义，可以认为甲药与乙药对提高白细胞数有交互作用。教材中的说明甲药与乙药的交互作用的统计检验P＝0.008<0.05，因此有统计学意义，可以认为甲药与乙药对提高白细胞数有交互作用（推断），即单独使用甲药的情况下甲药发挥的效应和在使用乙药的情况下甲药发挥的效应不相等。两药合用的效应估计为，大于二者单独效应之和，故可认为甲药和乙药之间的交互作用是协同作用。另外，在不存在交互作用的情况下，主效应反映了某一因素各水平间的平均差别（其意义为试验药的疗效与是否用另一个药无关），则可以直接根据主效应结果对两个药的疗效进行统计推断；如果有交互作用，必须作简单效应统计分析，并使用Bonferroni原则校正检验水准。例16-5欲研究两种降压药对不同性别肾型高血压犬的收缩压下降效果。这里涉及两个因素，降压药种类，水平数为2；犬性别，水平数2。显然，这是一个2×2析因设计。收集数据并整理成表16-11。表16-11比较2种降压药对肾型高血压犬血压(mmHg)的影响药物A药物B雄性雌性雄性雌性12.522.025.531.518.521.527.030.516.016.521.535.016.519.527.536.515.520.523.534.515.019.024.533.516.015.522.031.514.518.023.027.5SAS分析程序datach16_5;定义数据集名doa=1to2;定义变量a，a=1表示用A药，a=2表示使用B药dob=1to2;定义变量a，b=1表示雄性，b=2表示雌性doi=1to8;inputx@@;output;end;end;end;cards;12.518.51616.515.5151614.52221.516.519.520.51915.51825.52721.527.523.524.5222331.530.53536.534.533.531.527.5;procanova;利用anova过程进行方差分析classab;指定分类变量modelx=aba*b;指定模型，考虑a,b主效应以及交互作用run;SAS软件输出结果TheANOVAProcedureDependentVariable:xSumofSourceDFSquaresMeanSquareFValuePr>FModel31311.375000437.12500081.26<.0001Error28150.6250005.379464CorrectedTotal311462.000000R-SquareCoeffVarRootMSExMean0.89697310.139312.31936722.87500SourceDFAnovaSSMeanSquareFValuePr>Fa1990.1250000990.1250000184.06<.0001b1276.1250000276.125000051.33<.0001a*b145.125000045.12500008.390.0072TheANOVAProcedureSourceDFSumofsquaresMeansquareFvaluePr>F变异来源自由度平方和均方和F值P值Model（模型）31311.375000437.12500081.26<.0001a(药物)1990.1250000990.1250000184.06<.0001b(性别)1276.1250000276.125000051.33<.0001a*b(交互作用)145.125000045.12500008.390.0072Error(误差)28150.6250005.379464SAS软件输出结果解释对于模型，P＜0.0001＜0.05，表明至