田间统计实验：平均数差异显著性检验的SAS分析

第二节平均数差异显著性检验的SAS分析1.对样本所属总体提出假设，包括无效假设H0

和备择假设HA。2.确定显著水平α。3.在H0为正确假定下,依统计数的抽样分布，计算实际差数的概率。4.统计推断，将α与算得的概率相比较，根据小概率事件实际不可能性原理作出是否否定

H0的推断。1.从总体方差已知的正态总体的抽样→样本平均数为正态分布→

u测验2.从未知总体抽样，只要n≥30→

样本平均数服从正态分布→

u测验3.从正态总体的抽样，总体方差未知,n<30→t分布→

t测验单个样本平均数的假设测验两个样本平均数相比较的假设测验由两个样本平均数的相差，以测验这两个样本所属的总体平均数有无显著差异。测验方法成组数据的平均数比较成对数据的比较成组数据的平均数比较又依两个样本所属的总体方差(和)是否已知、是否相等而采用不同的测验方法。1.总体方差已知,或大样本抽样实验------u测验2.总体方差未知的小样本抽样实验,但可假定

-------t测验3.总体方差未知的小样本抽样实验,且样本所属总体方差不等-------近似t测验成对数据，由于同一配对内两个供试单位的试验条件很是接近，而不同配对间的条件差异又可通过同一配对的差数予以消除，因而可以控制试验误差，具有较高的精确度。

在分析试验结果时，只要假设两样本的总体差数的平均数，而不必假定两样本的总体方差σ12

和σ12相同。类似单组设计（单个平均数）进行分析成对数据的比较一、MEANS过程二、TTEST过程三、UNIVARIATE过程平均数差异显著性检验的SAS过程1．MEANS过程MEANS过程用于测验某个平均数与0之间的差异显著性。以教材P82例5.1为例。

[例5.1]某春小麦良种的千粒重34g，现自外地引入一高产品种，在8个小区种植，得其千粒重(g)为：35.6、37.6、33.4、35.1、32.7、36.8、35.9、34.6，问新引入品种的千粒重与当地良种有无显著差异？DATAex51;INPUTy@@;y=y-34.0;CARDS;35.637.633.435.132.736.835.934.6;PROCMEANSNMEANSTDERRTPRT;RUN;其中STDERR为平均数的标准误选项；T选项表示列出ti值；PRT选项表示列出P(|t|>ti)的概率，即实际结果是由误差造成的概率。

[例5.6]选生长期、发育进度、植株大小和其他方面皆比较一致的两株番茄构成一组，共得7组，每组中一株接种A处理病毒，另一株接种B处理病毒，以研究不同处理方法的饨化病毒效果，表5.4结果为病毒在番茄上产生的病痕数目，试测验两种处理方法的差异显著性。组别y1(A法)y2(B法)1102521312381443155512620277618DATAex56;INPUTy1y2@@;y=y1-y2;CARDS;102513128143155122027618;PROCMEANSNMEANSTDERRTPRT;VARy;RUN;“VARy;”一句用于指定对变数y进行分析，若缺省则对y1、y2和y三个变数分析。如在“CARDS;”语句前加上“DROPy1y2;”一句，建立数据集时将去除变数y1和y2，这样生成的数据集中只有变量y，此时VAR语句可省去。2．TTEST过程一般用于成组数据资料的测验[即测验H0:μ1=μ2]，结果输出包括两样本的基本统计数，总体方差相等和不相等的t值、概率值（实得差异由误差造成的概率），以及对两个总体的方差测验结果（F测验）。当F测验不显著时，应选择Equal下的结果，否则取Unequal下的结果。

TTEST过程

以P84例5.3为例。

[例5.3]

调查某农场每亩30万苗和35万苗的稻田各5块，得亩产量(单位：kg)于表5.2，试测验两种密度亩产量的差异显著性。y1(30万苗)y2(35万苗)400450420440435445460445425420DATAex5;DOtrt=1TO2;DOr=1TO5;INPUTy@@;OUTPUT;END;END;CARDS;

400420435460425

450440445445420

;

PROCTTEST;

CLASStrt;

VARy;

RUN;

CLASS语句指明分组变量，这里是trt，注意在TTEST过程中，它只允许有两个水平。

[例5.4]研究矮壮素使玉米矮化的效果，在抽穗期测定喷矮壮素小区8株、对照区玉米9株，其株高结果如表5.3。试作假设测验。表5.3喷矮壮素与否的玉米株高(cm)

y1(喷矮壮素)y2(对照)160160200160200170150210

170270180250270290270230170以P84例5.4为例。DATAex54;INPUTtrty@@;CARDS;11602170116022701200218011602250120022701170229011502270121022302170;PROCTTEST;CLASStrt;VARy;RUN;三、UNIVARIATE过程

dataex54;inputx1x2@@;X==x1-x2;Cards;67.460.672.866.668.464.966.061.870.861.769.667.267.262.468.961.362.656.7;procunivariatemu0=5.0alpha=0.05;

varx;

run;通过以往大规模调查，已知某地婴儿出生体重均数为3.30kg，今测得35名难产儿出生体重如下表。（1）试做次数分布图和描述统计分析。（2）该地难产儿出生体重与一般婴儿出生体重是否不同？3.833.284.053.623.492.863.914.243.204.303.393.544.162.793.253.143.443.113.143.163.803.873.293.233.183.633.483.483.873.503.532.953.723.523.36三、UNIVARIATE过程libnamea'e:\data\';

dataa.data3_1;

Infile'e:\data\data3_1.txt';

inputx@@;procunivariatemu0=3.30alpha=0.05;

varx;

histogramx/normalcbarline=greencfill=redbarwidth=8

midpoints=2.75to4.35by0.2;run;datatemp;inputx1-x35;m1=mean(ofx1-x35);s1=std(ofx1-x35);u=abs(m1-3.3)/(s1/sqrt(35));p=2*(1-probnorm(u));

datalines;3.833.284.053.623.492.863.914.243.204.303.393.544.162.793.253.143.443.113.143.163.803.873.293.233.183.633.483.483.873.503.532.953.723.523.36;procprint;

varm1s1up;run;参数的区间估计DATAex518;INPUTy1y2@@;y=y1-y2;CARDS;102513128143155122027618;PROCMEANSclmalpha=0.01;VARy;RUN;pp95以P84例5.4为例。DATAex54;INPUTtrty@@;CARDS;11602170116022701200218011602250120022701170229011502270121022302170;PROCmeans;

clmalpha=0.05;VARy;RUN;TTEST过程DATAex518;INPUTy1y2@@;y=y1-y2;CARDS;102513128143155122027618;PROCttestalpha=0.01;VARy;RUN;UNIVARIATE过程DATAex518;INPUTy1y2@@;y=y1-y2;CARDS;102513128143155122027618;PROCUNIVARIATE

cibasic(alpha=0.01);VARy;RUN;Pp87例5.7

dataex54;inputx1x2@@;X=x1-x2;Cards;67.460.672.866.668.464.966.061.870.861.7