期望均方估计的SAS过程

期望均方的估计是一项计算较为复杂的过程，尤其是建立在混合模型的基础上的方差组分估计方法，如REML、MIVQUE 和MINQUE 方法等，当数据量很大时，手工计算几乎难以进行，因此必须依赖于相应的计算机技术。SAS 统计系统很好地解决了这一难题。在SAS 系统中，期望均方的估计可以利用PROC VARCOMP 过程来进行。

（一）VARCOMP 过程的语句说明

1.PROC VARCOMP 语句

该语句的作用是调用VARCOMP 过程进行期望均方的估计，主要选项如下所述：

①METHOD=方法：规定期望均方估计的4 种方法中的一种具体方法，如果缺省，则系统默认采用MIVQUE0 方法进行期望均方估计。

a.METHOD=TYPE1：采用方差分析法进行期望均方估计。

b.MOTHOD=MIVQUE0：采用最小方差二次无偏估计法。

c.METHOD=ML：采用最大似然法。

d.METHOD=REML：采用约束最大似然法。

②EPSILON=n：当采用ML 或REML 方法进行期望均方估计时，规定目标函数的收敛值。如果缺省，则系统默认的收敛值为10 -8（1E-8）。

③MAXITER=n：当采用ML 或REML 方法进行期望均方估计时，规定最大迭代次数。如果缺省，则系统默认的最大迭代次数为50 次。(www.xing528.com)

2.CLASS 语句

该语句用于指定分析中使用的分类变量，CLASS 变量可以是字符型，也可以是数值型。在MODEL 语句中的所有效应变量必须由出现在CLASS 语句中的分类变量组成。

3.MODEL 语句

MODEL 语句是用于定义期望均方估计的数学模型（包括随机模型和混合模型）。其中的选项（FIXED）用于指定混合模型中的固定效应。具体格式为FIXED=n（n 为具体的数字），指明混合模型中的前n 个效应为固定效应，如果该选项缺省，则表示所使用的模型为随机模型。

（二）结果输出

PROC VARCOMP 过程的结果输出主要如下所述。

①如果采用METHOD=TYPE1 过程，则会输出方差分析及方差组分的估计值。

②如果采用MOTHOD=MIVQUE0 过程，则会输出SSQ 矩阵及方差组分估计值。

③如果采用METHOD=ML 或REML 过程，其输出内容包括迭代过程（迭代次数）、目标函数、方差组分的估计值以及方差组分的近似方差矩阵。