应《网络安全法》要求，自2017年10月1日起，未进行实名认证将不得使用互联网跟帖服务。为保障您的帐号能够正常使用，请尽快对帐号进行手机号验证，感谢您的理解与支持！

24小时热门版块排行榜    

小木虫论坛-学术科研互动平台» 网络生活区» 有奖问答 » 有奖问答中转子版 » SAS进行数据分析
51/1返回列表
查看: 920  |  回复: 8
只看楼主 @他人 存档 新回复提醒 (忽略) 收藏    在APP中查看
当前主题已经存档。
【悬赏金币】回答本帖问题，作者zhouwj906将赠送您 10 个金币
当前只显示满足指定条件的回帖，点击这里查看本话题的所有回帖

zhouwj906

木虫 (小有名气)

[求助] SAS进行数据分析

请教高手如下的实验数据应该怎样用SAS进行处理：
                     评价方法
测量对象       A        B        C       D       E      F
1                   *        *        *       *        *     *
2                   *        *        *       *        *     *
3                   *        *        *       *        *     *
4                   *        *        *       *        *     *
5                   *        *        *       *        *     *   
6                   *        *        *       *        *     *
我该怎样1.对评价方法结果相关性进行分析；2.对不同测量对象及6种评价方法结果方差分析：3.怎样得出多重比较分析结果。
回复此楼

» 收录本帖的淘帖专辑推荐

统计软件SAS

» 猜你喜欢
1楼 2010-03-08 16:40:01
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

小灯

金虫 (正式写手)
。。关系还是蛮交错的，难怪媳妇儿很闹心。。。
赞一下 回复此楼
科技兴国！
5楼2010-03-09 12:24:22
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖
查看全部 9 个回答

ibelieve110

银虫 (小有名气)
zhouwj906(金币+10):谢谢！ 2010-03-09 09:15
利用CORR过程计算变量间相关系数的最简单的语句即：
                proc  corr;
                run;
这时将给出所有变量两两间的相关系数，显著性概率和单变量有关的统计量。为了满足对数据的特殊要求，在PROC CORR中还有许多选项。几个与本教材有关的选项如下：
        COV  输出协方差
        SSCP  输出平方和与交叉乘积和
        NOPROB  不输出与相关性有关的概率
        NOSIMPLE  不输出每个变量的简单描述性统计量
        在PROC CORR过程中还有一些其它语句。其中常用的有VAR语句，WITH语句和PARTIAL语句等，简单介绍如下：
                VAR语句  列出计算相关系数的变量，例如
                        proc  corr;
                                var  a  b  c;
将计算a、b、c三个变量两两间的相关系数。
                WITH语句  WITH语句与VAR语句联合使用，可以计算变量间特殊组合的相关系数。例如：
                        proc  corr;
                                var  a  b;
                                with  i  j  k;
将得到a与i、j、k和b与i、j、k间的相关系数。
                PARTIAL语句  在该语句后列出固定变量的名字，则可得到在这些变量不变的情况下，两变量间的偏相关系数（关于偏相关系数的概念见课本11.2.2）。
       
例 2.19  表2－23给出了高粱在NaCl胁迫后的萎蔫程度（Y）与若干根中蛋白（R）、叶中蛋白（L）和脯氨酸（pro）之间的关系，计算变量间的相关系数。

表2-23  高粱在NaCl胁迫后的萎蔫程度与蛋白及脯氨酸之间的关系
萎蔫度(Y)        R1        R7        R8        R15        L3        L9        脯氨酸(PRO)
0.9678        101        0        247        0        147        0        0.155
0.9661        91        0        272        0        158        0        0.119
0.9547        99        0        277        0        102        0        0.105
0.9300        79        105        155        0        0        0        0.093
1.0045        121        0        0        0        233        0        0.227
0.9856        87        0        0        0        176        0        0.217
1.0032        119        119        162        373        361        0        0.271
0.9735        136        0        0        0        0        0        0.351
1.0075        106        232        0        260        288        246        0.270
1.0186        84        335        0        248        240        257        0.282
0.9725        114        372        0        246        311        237        0.234
1.0260        188        391        0        275        259        207        0.222
1.0245        181        380        0        320        437        238        0.650
1.0364        168        408        0        313        336        212        0.407
1.0201        130        472        0        353        340        295        0.557
1.0283        146        572        0        357        210        600        0.611
       
    解： 先建一个名为2-8data.dat的外部数据文件。SAS程序如下：
                        options  linesize=76;
                        data  protein;
                                infile  ‘a:\2-8data.dat’;
                                input  y  r1  r7  r8  r15  l3  l9  pro;
                        run;
                        proc  corr;
                                var  y  r1  pro;
                        run;
                        proc  corr  cov  nosimple;
                                var  y  pro;
                                partial  r1  r7  r8  r15  l3  l9;
                        run;
`                        proc  corr  sscp;
                                var  y  pro;
                                with  r15  l3;
                        run;
输出结果见表2－24。

表2－24  例2.19的相关分析
                                                                             
The SAS System
Correlation Analysis
3 'VAR' Variables:  Y        R1       PRO

Simple Statistics

Variable        N        Mean        Std Dev        Sum        Minimum        Maximum
                                               
Y        16        0.9950        0.0312        15.9193        0.9300        1.0364
R1        16        121.8750        34.2226        1950        79.0000        188.0000
PRO        16        0.2982        0.1749        4.7710        0.0930        0.6500

  Pearson Correlation Coefficients / Prob > |R| under Ho: Rho=0 / N = 16

        Y        R1        PRO
Y        1.00000        0.68332        0.72095
        0.0        0.0035        0.0016
R1        0.68332        1.00000        0.64005
        0.0035        0.0        0.0076
PRO        0.72095        0.64005        1.00000
        0.0016        0.0076        0.0

The SAS System Correlation Analysis

6 'PARTIAL' Variables:        R1        R7        R8        R15        L3        L9
2 'VAR' Variables:        Y        PRO                               

               Partial Covariance Matrix     DF = 9

        Y        PRO
Y        0.0002787855        -.0000728802
PRO        -.0000728802        0.0151535322

              Pearson Partial Correlation Coefficients
              / Prob > |R| under Ho: Partial Rho=0 / N = 16

        Y        PRO
Y        1.00000        -0.03546
        0.0        0.9225
PRO        -0.03546        1.00000
        0.9225        0.0



The SAS System
Correlation Analysis
2 'WITH' Variables:        R15        L3
2 'VAR' Variables:        Y        PRO

                      Sum-of-Squares and Crossproducts

        Y        PRO
R15        2789.573000        1109.972000
L3        3623.478500        1255.415000

Simple Statistics

Variable        N        Mean        Std Dev        Sum        Minimum        Maximum
                                               
R15        16        171.5625        160.3874        2745        0        373.0000
L3        16        224.8750        124.1971        3598        0        437.0000
Y        16        0.9950        0.0312        15.9193        0.9300        1.0364
PRO        16        0.2982        0.1749        4.7710        0.0930        0.6500

  Pearson Correlation Coefficients / Prob > |R| under Ho: Rho=0 / N = 16

        Y        PRO
R15        0.77736        0.69279
        0.0004        0.0029
L3        0.74969        0.56034
        0.0008        0.0240
赞一下 回复此楼
2楼2010-03-08 21:02:08
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

zhouwj906

木虫 (小有名气)
您求的是（Y）与（R）、（L）和（pro）之间的关系，R包括R1、R7、R8、R15；L包括L3、L9；PRO。Y是一个随R、L、pro的变化而变化的量。
那如果我是想分析这样一种数据呢：
           C仪器测z    B仪器测z    A仪器测x      B仪器测x      A仪器测y      B仪器测y
样品1     *                *              *                  *               *                 *
样品2     *                *              *                  *               *                 *
样品3     *                *              *                  *               *                 *
样品4     *                *              *                  *               *                 *
样品5     *                *              *                  *               *                 *
样品6     *                *              *                  *               *                 *
其中x、y、z类似于对ABTS+、DPPH.TEMPO的清除率，通过x、y、z来说明样品的抗氧化水平的。
这样的话我希望是可以进行一下分析：
1.C与B仪器测z的相关性；A与B仪器测量x的相关性；A与B仪器测量y的相关性；
2.总抗氧化水平与x、y、z之间的相关性；
3.仪器A检测x、y之间的相关性；仪器B检测x、y之间的相关性；
4.比较用C仪器测z、B仪器测z 、A仪器测x、 B仪器测x 、A仪器测y、B仪器测y来衡量抗氧化水平更有利；
5.样品1、2、3、4、5、6的抗氧化水平是有差别的。
还请高手能多多指教，我该如何进行以上分析呢？
在此不胜感激！
赞一下 回复此楼
4楼2010-03-09 09:38:49
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

ibelieve110

银虫 (小有名气)
1.C与B仪器测z的相关性，这个可以看作是一个单因素的实验，C与B可以看作是两个因素，而样品1-6看作是1个样品的6个重复。这样是不是就会好理解一些呢！从例子中可以看作y同任何一个因子的关系。
2.不知道总抗氧化水平是那个值？如果说总抗氧化水平是1-6个样品的的各个测定值的权重总和，是否可以看成这个总和（Y）和其它XYZ（R，L，Pro）之间的关系。
3.同一
4.衡量仪器的稳定性，不知道是否应该从变异系数表示呢？衡量抗氧化水平又是什么，我不知道。
5.样品之间的差别，可以做个多重比较方差分析！方差分析的例子如下！
赞一下 回复此楼
6楼2010-03-10 21:55:48
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖
查看全部 9 个回答
不应助 确定回帖应助 (注意：应助才可能被奖励，但不允许灌水，必须填写15个字符以上)
普通表情 龙 兔 虎 猫
信息提示
关闭
请填处理意见
关闭