首页 理论教育 多元统计分析|SAS实现

多元统计分析|SAS实现

时间:2023-10-30 理论教育 版权反馈
【摘要】:SAS结果:SAS结果输出如下:图2-9时间效应的方差分析结果图2-9时间和城乡地区交互效应的方差分析结果图2-10观察对象组之间的方差分析结果图2-10观察对象内部的方差分析结果图2-11t2与t1的比较结果图2-11t3与t1的比较结果图2-11t4与t1的比较结果SAS结果解释:图2-9和图2-9输出有关重复因子time效应的假设检验结果Wilk's Lambda=0.2965,F=22.94,p<0.0001,time和area因子间交互效应的假设检验结果Wilk's Lambda=0.9687,F=0.31,p>0.05;说明仅重复因子time效应显著。

多元统计分析|SAS实现

本节采用“中国居民健康与营养调查”(China Health and Nutrition Survey,CHNS)的数据,该调查是由美国北卡罗来纳大学教堂山分校人口中心与中国疾病预防控制中心营养与健康所联合开展的国际合作的连续性的队列研究,调查自1989年起,每隔2—4年进行一次追踪调查(1989—2015年)。本节我们将通过CHNS数据观察我国城乡间儿童体重指数的变化,采用重复测量资料的方差分析来进行比较分析。1991年、1993年、1997年、2011年儿童营养健康调查的追踪数据数据(部分)如表2-9所示。

表2-9 我国城乡儿童体重指数(BMI,CHNS)

续表

注:原始数据来源于“中国营养与健康调查”(CHNS)(1991年、1993年、1997年、2011年)

本节数据集命名为exe2_5,在SAS程序中导入数据集。所涉及的变量有:

因变量

BMI:体重指数,每次调查均会询问儿童的身高和体重,根据BMI=体重/身高2公式计算,该变量为连续变量

自变量

t:调查年份(t1=1991年,t2=1993年,t3=1997年,t4=2011年)

SAS程序:

data exe2_5;set work.exe2_5;

proc glm;

class area;

model t1-t4=area;

repeated time 4(1 2 3 4)

contrast(1)/printe summary;

run;

SAS过程解释:

proc glm过程步做方差分析;model t1-t4=area定义模型,分析地区area对于调查年份的影响;repeated语句指定模型中的重复测量因子time,有4个水平。(www.xing528.com)

SAS结果:

SAS结果输出如下:

图2-9(a) 时间效应的方差分析结果

图2-9(b) 时间和城乡地区交互效应的方差分析结果

图2-10(a) 观察对象组之间的方差分析结果

图2-10(b) 观察对象内部的方差分析结果

图2-11(a) t2与t1的比较结果

图2-11(b) t3与t1的比较结果

图2-11(c) t4与t1的比较结果

SAS结果解释:

图2-9(a)和图2-9(b)输出有关重复因子time效应的假设检验结果Wilk's Lambda=0.2965,F=22.94,p<0.0001,time和area因子间交互效应的假设检验结果Wilk's Lambda=0.9687,F=0.31,p>0.05;说明仅重复因子time效应显著。

图2-10(a)到图2-10(c)输出有关观察对象的组间差异的方差分析结果,F=0.0611,p>0.05,表示城乡两组之间差异无显著统计学意义。根据校正后观察对象内部的方差分析结果来看,重复因子time效应F=35.90,p<0.001,重复因子time效应有显著统计学意义。可以得出结论:不同时间点下测量儿童的BMI值的差异有显著统计学意义。

图2-11(a)到图2-11(c)输出有关因子的各水平间的比较结果:t2与t1相比,F=3.44,p>0.05;t3与t1相比,F=19.40,p<0.05;t4与t1相比,F=67.29,p<0.05。从所有观测值来看,1997年、2011年与1991年时间点下测量儿童BMI值的差异有统计学意义。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈