sas的glm和anova基礎

1、多組資料均數比較我們一般采用方差分析的方法，SAS中方差分析的功能非常全面，能實現方差分析功能的過程有anova過程和glm過程。一、anova過程和glm過程簡介1anova過程anova過程存在于stat模塊，主要的功能就是進行方差分析。anova過程用以對平衡實驗設計資料（各分組因素各水平的所有組合具有相同的樣本量或觀察值）進行分析，不能用于對非平衡實驗設計資料的方差分析。它比glm過程的運行速度要快，要求的存貯空間也要小一些。a

2、nova過程的一般格式如下：PROCANOVA＜選項列表＞；CLASS變量名列表；MODEL應變量＝自變量表達式＜選項列表＞；ABSB變量列表；BY變量名；FREQ變量名；MANOVA＜檢驗選項＞＜詳細選項＞；MEANS自變量表達式＜選項＞；REPEATED變量名水平數＜（各水平值）＞＜選項＞；TEST＜H＝變量表達式＞E＝變量表達式；procanova語句啟動anova過程的運行，其后的選項列表可含有以下項目：DATA＝數據集名MAN

3、OVAmeans語句：指定anova過程計算指定變量各水平下反應變量的均值、標準差，并進行組間的多重比較。repeated語句：如果反應變量為重復測量數據，此語句用以指定anova過程進入重復測量數據方差分析模式。其中的變量名代表重復測量因素（如測量時間等），其后水平數代表重復測量的次數，如果需指定重復測量各次的具體標識，可在其后按順序列出，并用圓括號括起來。test語句：用以進行其他類型的f檢驗，這種檢驗不同于通常方差分析中以誤差均方

4、為分母的f檢驗，其中的選項“h＝”用以指定作為分子的變量表達式（必須在model語句中出現過），“e＝”用以指定一個作為分母的變量。2glm過程glm過程也存在于stat模塊中，它執(zhí)行以最小二乘法進行模型擬合的功能。以此過程可以實現的統計學方法有回歸分析、方差分析、協方差分析、多元方差分析以及偏相關分析。glm過程對數據的分析處理均在一般線性模型的框架下進行，反應變量可以為一個或多個連續(xù)型變量，自變量可為連續(xù)型也可為離散型。glm過程的