Der Code beginnt mit der Erstellung eines internen Datensatzes namens 'a' über eine DATALINES-Anweisung, die die Variablen 'drug', 'disease' und 'y' enthält. Es gibt fehlende Werte, was die Analyse unausgewogen macht. Drei aufeinanderfolgende Ausführungen von PROC GLM werden durchgeführt. Die erste analysiert das Modell mit den Faktoren 'drug', 'disease' und deren Interaktion und fordert die Quadratsummen vom Typ I, II, III und IV an. Die zweite Ausführung ist ähnlich, fügt aber die Anforderung der geschätzten Mittelwerte für den Faktor 'drug' mit allen paarweisen Vergleichen hinzu, die nach der Tukey-Methode angepasst werden. Die dritte Ausführung aktiviert ODS Graphics, um ein Diagramm der Mittelwerte mit Konfidenzintervallen ('meanplot(cl)') zu erstellen, und wiederholt die Analyse der geschätzten Mittelwerte.
Datenanalyse
Type : CREATION_INTERNE
Die Rohdaten werden über eine DATALINES-Anweisung innerhalb eines DATA-Schritts direkt in das SAS-Skript eingefügt, wodurch der Datensatz 'a' erstellt wird. Es gibt keine Abhängigkeiten von externen Datenquellen oder bereits vorhandenen SAS-Bibliotheken wie SASHELP für den Hauptdatensatz.
1 Codeblock
DATA STEP Data
Erklärung : Dieser Block erstellt den SAS-Datensatz namens 'a'. Er liest die Variablen 'drug' (Medikament) und 'disease' (Krankheit) und verwendet dann eine Schleife 'do i=1 to 6', um sechs Beobachtungen der Variable 'y' (Antwort) pro Eingabezeile zu lesen, wodurch sechs Zeilen für jede 'drug-disease'-Kombination erstellt werden, wenn die Daten vollständig sind. Die 'datalines'-Anweisung markiert den Beginn der Rohdaten, die direkt in das Skript integriert sind. Das Vorhandensein von Punkten ('.') weist auf fehlende Werte hin, was das Design unausgewogen macht.
Erklärung : Dieser Block führt die GLM-Prozedur für eine Varianzanalyse aus. Die 'class'-Anweisung deklariert 'drug' und 'disease' als kategoriale Variablen. Die 'model'-Anweisung spezifiziert, dass 'y' die abhängige Variable ist und 'drug', 'disease' sowie deren Interaktion 'drug*disease' die Prädiktoren sind. Die Optionen 'ss1', 'ss2', 'ss3', 'ss4' fordern die Berechnung der Quadratsummen vom Typ I, II, III und IV an, die für unausgewogene Modelle relevant sind und verschiedene Aspekte der Modell-Effekte testen.
Kopiert!
proc glm;
class drug disease;
model y=drug disease drug*disease / ss1 ss2 ss3 ss4;
run;
1
PROC GLM;
2
class drug disease;
3
model y=drug disease drug*disease / ss1 ss2 ss3 ss4;
4
RUN;
3 Codeblock
PROC GLM
Erklärung : Dieser zweite PROC GLM-Block ähnelt dem vorherigen und bekräftigt das unausgewogene ANOVA-Modell. Er enthält zusätzlich die Anweisung 'lsmeans drug', die die geschätzten Mittelwerte für die Variable 'drug' berechnet. Die Option 'pdiff=all' fordert alle paarweisen Vergleiche zwischen den Stufen von 'drug' an, und 'adjust=tukey' wendet die Tukey-Anpassung an, um die familienbezogene Fehlerrate bei Mehrfachvergleichen zu kontrollieren, wodurch robustere Schlussfolgerungen gewährleistet werden.
Kopiert!
proc glm;
class drug disease;
model y=drug disease drug*disease / ss1 ss2 ss3 ss4;
lsmeans drug / pdiff=all adjust=tukey;
run;
1
PROC GLM;
2
class drug disease;
3
model y=drug disease drug*disease / ss1 ss2 ss3 ss4;
4
lsmeans drug / pdiff=all adjust=tukey;
5
RUN;
4 Codeblock
PROC GLM
Erklärung : Dieser dritte PROC GLM-Block aktiviert 'ods graphics on', um Grafiken zu generieren. Die Option 'plot=meanplot(cl)' in der 'proc glm'-Anweisung fordert ein Diagramm der Mittelwerte mit Konfidenzintervallen ('cl' für confidence limits) für die Modell-Effekte an. Das Modell und die geschätzten Mittelwerte ('lsmeans') sind wie zuvor angegeben. Die Anweisung 'ods graphics off' deaktiviert die ODS-Grafiken nach Ausführung der Prozedur. Dieser Block zielt darauf ab, zusätzlich zu den tabellarischen Ergebnissen eine Visualisierung der Modell-Effekte zu liefern.
Kopiert!
ods graphics on;
proc glm plot=meanplot(cl);
class drug disease;
model y=drug disease drug*disease;
lsmeans drug / pdiff=all adjust=tukey;
run;
ods graphics off;
1
ods graphics on;
2
PROC GLM plot=meanplot(cl);
3
class drug disease;
4
model y=drug disease drug*disease;
5
lsmeans drug / pdiff=all adjust=tukey;
6
RUN;
7
ods graphics off;
Dieses Material wird von We Are Cas "wie besehen" zur Verfügung gestellt. Es gibt keine ausdrücklichen oder stillschweigenden Garantien hinsichtlich der Marktgängigkeit oder Eignung für einen bestimmten Zweck in Bezug auf die hierin enthaltenen Materialien oder Codes. We Are Cas ist nicht verantwortlich für Fehler in diesem Material, wie es jetzt existiert oder existieren wird, noch bietet We Are Cas technischen Support dafür an.
Urheberrechtsinformationen : S A S S A M P L E L I B R A R Y
SAS und alle anderen Produkt- oder Dienstleistungsnamen von SAS Institute Inc. sind eingetragene Marken oder Marken von SAS Institute Inc. in den USA und anderen Ländern. ® zeigt die Registrierung in den USA an. WeAreCAS ist eine unabhängige Community-Site und nicht mit SAS Institute Inc. verbunden.
Diese Website verwendet technische und analytische Cookies, um Ihre Erfahrung zu verbessern.
Mehr erfahren.