实验二：SAS或SPASS在统计假设检验中的应用
1、研究两个小麦品种A和B 的千粒重差异，每个品种各调查了10各样本，调查结果如下：
两个小麦品种A和B的千粒重调查结果如下：
检验两个小麦品种的千粒重差异是否显著。
独立变量：小麦千粒重（x）
分类变量：处理（treatment）
运行程序：
DA TA ttest1;
INPUT treatment $ x@@;
CARDS;
A 50
B 36 A 47 B 38 A 42 B 37 A 43 B 38 A 39 B 36
A 43
B 39 A 38 B 37 A 44 B 35 A 37 B 33 A 51 B 37
;
PROC ttest;
CLASS treatment;
V AR x;
run;
运行结果截图：
3、某地重金属污染治理试验，设置c与不治理2个处理进行水稻栽培试验，完全随机化设计，重复5次。
试验结果如下。
重金属污染治理试验水稻产量试验结果( kg/667m2)
试检验处理与不处理的差异显著性。
运行程序：
data new;
input a b@@;
y=a-b;
cards;
375 275
405 306
365 251
390 240
395 325
;
proc means n max min range std CV
stderr t prt;
var y;
run;
运行结果截图：
实验三：SAS或SPASS在方差分析和多重比较中的应用
随机区组设计
1、尿素不同施用方法，对水稻田土表水层中硝态氮含量的影响试验，以了解氮肥的流
失及对水体的污染情况。
设置A 不施氮；B 尿素施于水层中；C 尿素施于水层并耘田；D 尿素浅施(0－10cm)与土混匀；E 尿素全层施(0－20cm)与土混匀，重复3次，采用随机区组设计。
于施后七天测定表层水中硝态氮的含量，结果见下表。
试进行统计分析。
资料处理与区组两向表 (mg ／L)
DATA anvoa;
INPUT treat $ block $ x@@; CARDS ; A Ⅰ
6.85 B Ⅰ 52.8 C Ⅰ 44.7 D Ⅰ 8.35
E Ⅰ 7.65
A Ⅱ 6.89
B Ⅱ 66.5
C Ⅱ 50.3
D Ⅱ 8.4
E Ⅱ 7.62 A Ⅲ 6.81 B Ⅲ 48 C
Ⅲ 43.5
D Ⅲ 8.3 E
Ⅲ 7.68
;
PROC GLM ;
CLASS treat block; MODEL x=treat block; MEANS treat/Duncan ; Run ;
运行结果截图：
拉丁方设计
某地玉米品种（A）、密度(B)、氮肥用量(C)三因素两水平的试验试验结果如下表，试作方差分析和多重比较。
玉米小区产量表（kg/小区）
（1）程序设计
DATA ANVOA4;
INPUT A B C BLOCK $ X@@;
CARDS;
1 1 1 Ⅰ18.4
1 1
2 Ⅰ29.1
1 2 1 Ⅰ23.7
1 2 2 Ⅰ38.9
2 1 1 Ⅰ24.7
2 1 2 Ⅰ38.9
2 2 1 Ⅰ31.3
2 2 2 Ⅰ50.4
1 1 1 Ⅱ20.3
1 1
2 Ⅱ31.6
1 2 1 Ⅱ27.1
1 2 2 Ⅱ42.3
2 1 1 Ⅱ26.2
2 1 2 Ⅱ37.6
2 2 1 Ⅱ34.5
2 2 2 Ⅱ52.3
1 1 1 Ⅲ19.7
1 1
2 Ⅲ30.7
1 2 1 Ⅲ25.4
1 2 2 Ⅲ40.6
2 1 1 Ⅲ25.3
2 1 2 Ⅲ39.1
2 2 1 Ⅲ33.8
2 2 2 Ⅲ48.7
;
PROC GLM;
CLASS A B C BLOCK;
MODEL X=A B C A*B A*C B*C A*B*C BLOCK;
MEANS A B C/LSD; RUN;
（2）运行结果
实验四：SAS或SPASS在回归分析中的应用
在四川白鹅的生产性能研究中，得到如下一组关于雏鹅重（g）与70日龄重(g)的数据，试
建立70日龄重(y)与雏鹅重(x)的直线回归方程。
表8-1 四川白鹅重与70日龄重测定结果（单位：g）
编号 1 2 3 4 5 6 7 8 9 10 11 12 雏鹅重(x) 80 86 98 90 120 102 95 83 113 105 110 100 2350 2400 2720 2500 3150 2680 2630 2400 3080 2920 2960 2860 70日
龄重(y)
（1）程序设计
DATA reg1;
INPUT x y@@;
CARDS;
80 2350
86 2400
98 2720
90 2500
120 3150
102 2680
95 2630
83 2400
113 3080
105 2920
110 2960
100 2860
£»
PROC plot;
plot y*x=¡¯*¡¯; PROC reg; MODEL y=x; PROC corr;
run;
（2）运行结果。