我正在尝试在SAS中进行简单的单向随机效应方差分析。我想知道总体方差是否显着不同于零。
在UCLA's idre site上,它们声明使用PROC MIXED的方式如下:
proc mixed data = in.hsb12 covtest noclprint;
class school;
model mathach = / solution;
random intercept / subject = school;
run;
考虑到我以前使用PROC MIXED的经验,这对我来说很有意义。
但是,在Murray Logan的《使用R进行生物统计设计和分析》一文中,他说,对于单向方差分析,固定和随机效应无法区分,即使他正在测试“标准”单向方差分析(在R中)差异,不是手段。我发现在SAS中,他的R程序等同于使用以下任何一种方法:
过程方差分析
PROC GLM(与ANOVA相同,但使用GLM代替ANOVA)
具有RANDOM语句的PROC GLM
以上三个模型的p值相同,但不同于UCLA使用的PROC MIXED模型。对于我的数据,这是p = 0.2508和p = 0.3138的差。尽管结论在这种情况下不会改变,但我对这种差异并不满意。
任何人都可以就哪个更合适以及为什么存在这种差异提出建议?
最佳答案
对于您的模型,PROC ANOVA和PROC MIXED之间的差异仅归因于数值噪声(PROC MIXED的REML估计器)。但是,问题中提到的p值对应于不同的测试。为了在PROC MIXED中使用COVTEST的输出获得F值,您需要考虑不相等的样本大小来重新计算MS_group(或者按照http://bio.classes.ucsc.edu/bio286/MIcksBookPDFs/QK08.PDF第231页的说明手动进行操作,或者仅使用具有相同大小的PROC MIXED固定模型规格,如PROC ANOVA)。除SAS手册外,本文(http://isites.harvard.edu/fs/docs/icb.topic1140782.files/S98.pdf)还提供了一些使用PROC MIXED的示例。
关于sas - SAS中的单向随机效应方差分析:PROC GLM还是MIXED?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/26198662/