SAS系统中实验设计与数据分析探索

"报表 28.1 镶嵌式实验设计的再思-190422-st_tech_trends_report_2020-2040" 这篇报告探讨了镶嵌式实验设计的深入理解，特别是通过SAS的MIXED过程中的ESTIMATE语句来分析实验结果。报告中提到了三种不同的推定空间——狭窄(Narrow Space)、中间(Intermediate Space)和宽广(Broad Space)，这些空间用于评估不同层次的变异性。 在实验设计中，镶嵌式设计允许我们考虑不同级别的因素交互作用，例如变量BLOCK和A*BLOCK。在狭窄的推定空间中，估计的平均值（A1 MEAN NARROW）具有最小的标准误差，但它的解释范围有限，仅能反映在特定BLOCK和A*BLOCK组合下的观测值。而随着推定空间的扩大，我们能得到更广泛的解释。在中间空间，我们可以推断出关于BLOCK变量以及A*BLOCK交互作用下的所有可能排列。最宽广的空间则提供了对所有可能观察到的稻米作物和A*BLOCK组合的推断，其统计显著性（如t检验的7.24）可以确认灌溉（A）对所有稻米产量有显著影响。 此外，报告还提到了一个关于重复观察分析的例子，引用了Pothoff和Roy(1964)的研究，该研究涉及11位女孩和16位男孩在不同年龄的身体发育数据。Gennrich和Schluchter在1986年对这些数据进行了分析，尝试不同的共变量结构假设。示例展示了如何分析不规则结构的数据，这通常涉及到使用SAS中的统计程序，如PROCMEANS、PROCSUMMARY、PROCUNIVARIATE等，这些程序用于进行描述性统计分析、生成统计值的输出文件、绘制统计图形、创建统计表格以及衡量变量间的关系强度。 SAS系统内的几种常用统计程序包括： 1. PROCMEANS和PROCSUMMARY：提供描述性统计信息，如均值、标准差等。 2. PROCUNIVARIATE：用于单变量的描述性统计分析和图形表示。 3. PROCCHART：专注于统计图表的制作，如直方图、箱线图等。 4. PROCTABULATE：用于创建统计表格，灵活地组织和展示数据。 5. PROCCORR：计算变量间的相关系数，衡量变量间的关系强度。 6. PROCPLOT：提供一般的绘图功能，支持在同一报表上进行多重绘图。 7. PROCSTANDARD：用于标准化变量得分，使它们具有相同的尺度。 8. PROCRANK：进行排名或序数处理。 9. PROCSCORE：计算变量的线性组合，常用于因素分析或主成分分析。 通过这些程序，研究人员和分析师能够系统地探索和理解数据，进行复杂的统计分析，从而得出科学结论。在实验设计和数据分析中，正确选择和应用这些工具至关重要，以确保研究结果的可靠性和有效性。