方差分析

主要是对数据的变异性进行分析，确定影响结果的是哪些因素。

ANOVA过程

功能

可实现单因素和多因素方差分析，适用于平衡数据的处理。
格式：

proc anova data=数据集名;
class 因素变量列表;
by 变量;
model 指标变量名=因素变量;
means 因素变量[选项];
run;

注：
1.means语句用于对因素的各水平的数据做简单的描述性统计分析，有很多的可选项。
2.class语句中的因素变量应与model语句中的相同，而且必须在model语句之前。
3.by语句用于分组，在组内进行研究。

例

单因素方差分析

下表为不同氮肥处理下的水稻产量，试分析氮肥对水稻产量的影响是否显著？

代码：

proc anova;
class N; *N表示氮肥处理水平；
model out=N; *out表示产量；
means N/t;
run;

结果：
p值小于0.05，在此显著性水平下应拒绝原假设，即认为氮肥的处理水平对水稻的产量影响是显著的。
R方值比较接近于1，表示此模型的解释能力较强。


means语句出来的结果如上，表明对于氮肥的处理可以分为三组，N=4为一组，N=3和2为一组，N=1为一组，组内的均值相差不多。

双因素方差分析

考虑有两个变量来影响结果的情形，思路与单因素方差分析相同，只有class和model语句稍微修改一下：
class a b; a、b为影响的两个因素
model x=a b a*b; 考虑a、b因素单独以及a、b的交互作用对结果的影响

GLM过程

功能

可以进行方差分析、回归分析等常用数据分析，可以处理非平衡数据。
格式：

proc glm data;
class 因素变量列表;
model 指标变量=因素变量;
by 变量;
means 因素变量;
run;

注： 用法同anova过程。