t1-α/2(n-1)α/2t0p/2精品文档---下载后可任意编辑教学要求：了解几种假设检验、线性回归、方差分析、拟合优度检验、列联表检验的原理背景掌握 SAS 语言进行均值假设检验掌握 SAS 语言进行线性回归与方差分析掌握 SAS 语言进行拟合优度检验与列联表检验引言：前面介绍 SAS 的编程来进行初步的统计分析、报表、绘图。本章我们讲述用 SAS 进行统计检验、线性回归、方差分析、拟合优度检验和列联表检验。4.1 假设检验4.1.1 正态性检验（univariate 过程）1.背景原理：正态分布是一种最常见的分布，也是一种最重要的连续型分布，它以均值为对称轴呈对称的钟型分布。检验的零假设 Ho：数据资料服从正态分布。备择假设 H1：数据资料不服从正态分布。当样本量 n≤2000 时，应选用 shapiro-wilk 检验法，检验统计量为W 值越接近于 1，P 值越大，表明资料越服从正态分布，反之 W 越偏离 1，P 值越小，表明资料越不服从正态分布。当 n>2000 时，应用 Kolmogorov-smirnov 检验法，检验统计量为D 值越大，P 值越小，表明资料越不服从正态分布，反之，D 值越小，P 值越大，表明资料越服从正态分布。在 proc univariate 语句中加上 normal 选项可以进行正态性检验。【例 1】检验数据集 sasuser.gpa 中变量 gpa 是否服从正态分布?输出结果中正态检验部分为：分析：检验的零假设为 Ho：gpa 变量服从正态分布，其中 shapiro-wilk 检验的统计量为 w=0.966294，检验的 p 值小于 0.0001，当然小于给定的显著性水平 α，故应拒绝零假设，即有 95%把握认为 gpa 非正态。说明：使用 SAS 软件中的“分析家”，打开数据集后，利用菜单“统计”→“描述性统计”→“分布”，除了可以检验变量是否服从正态分布外，还可以检验对数正态、指数和韦布尔分布。4.1.2 单样本均值的 T 检验（univariate 过程）设总体 X~N(μ,σ2)，μ、σ2未知，给定检验水平 α，对常数 μ0要检验H0: μ=μ0↔H1: μ≠μ0设 X1,X2,…Xn 为 X 的简单随机样本，在 H0 成立时有t=¯X−μ0S/√n ~t (n−1)其中 S 为变量的标准差，n 为样本量。检验的拒绝域为：W ={|t|>tα(n−1)}补充 P 值检验法：分位数 t1-α/2(n-1)满足 Pr{|t|> t1-α/2(n-1)}=α设由已经得到的样本具体计算得到的 t 值为 t0，若|t0|> t1-α/2(n-1)，则拒绝 H0，否则接受 H0。对大量重复试验而言，t 是随机变量，且服从 t 分...
