第10章单因素方差分析
(完整版)方差分析选择题及答案
第10章 方差分析与试验设计三、选择题1.方差分析的主要目的是判断 （ ）。
Ａ. 各总体是否存在方差Ｂ. 各样本数据之间是否有显著差异Ｃ. 分类型自变量对数值型因变量的影响是否显著 Ｄ. 分类型因变量对数值型自变量的影响是否显著 2.在方差分析中，检验统计量Ｆ是 （ ）。
Ａ. 组间平方和除以组内平方和 Ｂ. 组间均方除以组内均方 Ｃ. 组间平方除以总平方和 Ｄ. 组间均方除以总均方 3.在方差分析中，某一水平下样本数据之间的误差称为 （ ）。
Ａ. 随机误差 Ｂ. 非随机误差 Ｃ. 系统误差 Ｄ. 非系统误差 4.在方差分析中，衡量不同水平下样本数据之间的误差称为 （ ）。
Ａ. 组内误差 Ｂ. 组间误差 Ｃ. 组内平方 Ｄ. 组间平方 5.组间误差是衡量不同水平下各样本数据之间的误差，它 （ ）。
Ａ. 只包括随机误差 Ｂ. 只包括系统误差Ｃ. 既包括随机误差，也包括系统误差 Ｄ. 有时包括随机误差，有时包括系统误差6.组内误差是衡量某一水平下样本数据之间的误差，它 （ ）。
Ａ. 只包括随机误差 Ｂ. 只包括系统误差Ｃ. 既包括随机误差，也包括系统误差 Ｄ. 有时包括随机误差，有时包括系统误差7.在下面的假定中，哪一个不属于方差分析中的假定 （ ）。
Ａ. 每个总体都服从正态分布 Ｂ. 各总体的方差相等 Ｃ. 观测值是独立的 Ｄ. 各总体的方差等于08.在方差分析中，所提出的原假设是= ···=，备择假设是（ ）210:μμ=H k μＡ. ··· Ｂ. ···≠≠H 211:μμk μ≠>>H 211:μμkμ>Ｃ. ··· Ｄ. ···不全相等<<H 211:μμk μ<,,:211μμH k μ,9.单因素方差分析是指只涉及 （ ）。
第10章 单因素方差分析
号的和 体一、 系级平
j 1
法数均
1 xi n xi
an
x
xij
第i水平均值 全部观察值的和
表据数 示，、 ，在大 要本总 注章和
i1 j1
1 x an x
总平均值
意我、 熟们总 悉采平
Si2
1 n 1
a i 1
( xij
xi )2
第i水平上的子样方差
和用均
可xij以分解为
xij i ij
、(i
)
i、( xij
i
)
的估计值。
ij
故an个观察值的总变异可分解为处理间的变异和处理 内的变异两部分。
全部观察值的总变异可以用总均方来度量，处理间变 异和处理内变异分别用处理间均方和处理内均方来 度量。
总均方的拆分是通过将总均方的分子──称为总离均差平
方和，简称为总平方和(total sum of squares，SST) ，剖分成
方差分析中常用基本概念
（一）试验指标(experimental index)
为衡量试验结果的好坏或处理效应的高低，在试验中具体 测定的性状或观测的项目。
（二）试验因素 (experimental factor)
试验中所研究的影响试验指标的因素叫试验因素。 当试验中考察的因素只有一个时，称为单因素试验； 若同时研究两个或两个以上的因素对试验指标的影响时， 则称为两因素或多因素试验。 按是否可控制因素可分为：固定因素和随机因素．
方差分析(analysis of variance－ANOVA)
是由英国统计学家R.A.Fisher于1923年提出的。
方差分析是一种特殊的假设检验，是用来判断多组数据 之间平均数差异显著性的．
方差分析方法
10.2.1 单因素方差分析的问题
因而有： 因而有： (1) 粮食产量是随机变量，是数值型的变量； 粮食产量是随机变量，是数值型的变量； (2) 把同一化肥 的同一水平 得到的粮食产量看作 把同一化肥(A的同一水平 的同一水平)得到的粮食产量看作 同一总体抽得的样本， 同一总体抽得的样本，施用不同化肥得到的粮食产量 视为不同总体下抽得的样本， 视为不同总体下抽得的样本 ，表中数据应看成从三个 总体X 中分别抽了容量为6的样本的观测值 的样本的观测值. 总体 1，X2，X3中分别抽了容量为 的样本的观测值 推断甲乙丙三种化肥的肥效是否存在差异的问题， 推断甲乙丙三种化肥的肥效是否存在差异的问题， 就是要辨别粮食产量之间的差异主要是由随机误差造 成的，还是由不同化肥造成的， 成的，还是由不同化肥造成的，这一问题可归结为三 个总体是否有相同分布的讨论． 个总体是否有相同分布的讨论．
10.2.1 单因素方差分析的问题
由于在实际中有充分的理由认为粮食产量服从正 态分布, 且在安排试验时, 除所关心的因素(这里是化肥 这里是化肥) 态分布 且在安排试验时 除所关心的因素 这里是化肥 外, 其它试验条件总是尽可能做到一致. 其它试验条件总是尽可能做到一致 这使我们可以认为每个总体的方差相同 即 Xi～N(µi,σ2) i = 1, 2, 3 因此，推断三个总体是否具有相同分布的问题就简 因此， 化为： 化为：检验几个具有相同方差的正态总体均值是否相 等的问题， 等的问题，即只需检验 H0： µ 1 = µ 2 = µ 3
10. 10.2.2 单因素方差分析的数学模型
进行单因素方差分析时， 需要得到如表10.2所示的 进行单因素方差分析时 ， 需要得到如表 所示的 数据结构． 数据结构．
表10.2 单因素方差分析中数据结构
统计学各章计算题公式及解题方法
统计学各章计算题公式及解题方法第四章数据的概括性度量1.组距式数值型数据众数的计算：确定众数组后代入公式计算：下限公式：；上限公式：，其中，L为众数所在组下限，U为众数所在组上限，为众数所在组次数与前一组次数之差，为众数所在组次数与后一组次数之差,d为众数所在组组距2.中位数位置的确定：未分组数据为；组距分组数据为3.未分组数据中位数计算公式：4.单变量数列的中位数:先计算各组的累积次数（或累积频率）—根据位置公式确定中位数所在的组—对照累积次数（或累积频率）确定中位数（该公式假定中位数组的频数在该组内均匀分布）5.组距式数列的中位数计算公式：下限公式:；上限公式:,其中，为中位数所在组的频数,为中位数所在组前一组的累积频数，为中位数所在组后一组的累积频数6.四分位数位置的确定：未分组数据：；组距分组数据：7.简单均值:8.加权均值：,其中，为各组组中值统计学各章计算题公式及解题方法9.几何均值(用于计算平均发展速度）：10.四分位差（用于衡量中位数的代表性):11.异众比率(用于衡量众数的代表性）：12.极差：未分组数据:；组距分组数据：13.平均差（离散程度）:未分组数据：；组距分组数据：14.总体方差:未分组数据：；分组数据：15.总体标准差：未分组数据：；分组数据:16.样本方差:未分组数据：;分组数据：17.样本标准差：未分组数据：；分组数据：18.标准分数:19.离散系数：第七章参数估计1.的估计值：置信水平α90％0。
1 0。
05 1。
654 95％0。
05 0.025 1。
9699％0.01 0。
005 2。
58统计学各章计算题公式及解题方法2.不同情况下总体均值的区间估计：总体分布样本量σ已知σ未知大样本（n≥30）正态分布小样本（n〈30）非正态分布大样本（n≥30)其中，查p448 ,查找时需查n—1的数值3.大样本总体比例的区间估计：4.总体方差在置信水平下的置信区间为：5.估计总体均值的样本量：，其中，E为估计误差6.重复抽样或无限总体抽样条件下的样本量:，其中π为总体比例第八章假设检验1.总体均值的检验（已知或未知的大样本）［总体服从正态分布，不服从正态分布的用正态分布近似]假设双侧检验左侧检验右侧检验假设形式已知统计量未知拒绝域值决策,拒绝2.总体均值检验（未知，小样本，总体正态分布)假设双侧检验左侧检验右侧检验假设形式统计学各章计算题公式及解题方法已知统计量未知拒绝域值决策，拒绝注：已知的拒绝域同大样本3.一个总体比例的检验(两类结果，总体服从二项分布，可用正态分布近似)(其中为假设的总体比例）假设双侧检验左侧检验右侧检验假设形式统计量拒绝域值决策，拒绝4.总体方差的检验（检验）假设双侧检验左侧检验右侧检验假设形式统计量拒绝域值决策,拒绝5.统计量的参考数值0。
第10章单因素方差分析
第10章单因素方差分析单因素方差分析(0ne-Way ANOV A)，又称一维方差分析，它能够对单因素多个独立样本的均数进行比较，可以用10种检验方法对变量间的均数进行两两比较(即多重比较检验)并给出方差分析表，还可以作出5种类型图形(Type of plots)和2种均数图形(Means plot options)10.1 单因素方差分析的计量资料[例10—1] 某社区随机抽取了30名糖尿病患者、IGT异常人和正常人进行载脂蛋白(mg／dL)测定，结果示于表10—1。
试问3组人群的载脂蛋白测定结果含量是否相同？(倪宗瓒．卫生统计学．第4版，北京：人民卫生出版社，2001.50)本例是一个完全随机设计的单因素方差分析。
已建立SAS数据集文件并保存Sasuser.onewav4。
(1)进入SAS／Win(v8)系统，单击Solutions－Analysis－Analyst，得到分析家窗口。
(2)单击File-open By SAS Name—Sasuser-0neway4—0K，调入数据文件。
(3)在“分析家”窗口单击Statistics-ANOV A-One way ANOV A，得到图10—1所示对话框。
本例因变量(Dependent)为A(载脂蛋白)，单击A—Dependent。
自变量(1ndependent)：B(3种人的组别)，单击B—Independent 。
图10.1 0ne—way ANOV A：0neway4(单因素方差分析)对话框(4)单击Tests按钮，得到图10—2所示对话框。
在此对话框的ANOV A(F—检验)选项中可进行如下设置。
Analysis of variance，方差分析。
Welch’s variance-weighted ANOV A，威尔奇方差—权重方差分析。
Tests for equal variance，相等方差检验，即方差齐性检验。
Barlett’s test，巴特尼特检验。
统计学第十章(方差分析)
第十章方差分析一、单项选择题：1.在方差分析中，（ ）反映的是样本数据与其组平均值的差异。
A.总离差平方和B.组间离差平方和C.抽样误差D.组内离差平方和2.∑∑=⎪⎪⎭⎫⎝⎛k1i 21-j ij n i i x x ——是（ ）。
A.组内平方和 B.组间平方和C.总离差平方和D.因素B 的离差平方和3.∑∑=⎪⎪⎭⎫⎝⎛k1i 21-j ij n i i x x ——是（ ）。
A.组内平方和 B.组间平方和 C.总离差平方和D.总方差4.单因素方差分析中，计算F 统计量，其分子与分母的自由度各位（ ）。
A.k ，nB.k ，n-kC.k-1，n-kD.n-k ，k-15.方差分析基本原理是（ ）首先提出的。
A.费雪B.皮尔逊C.泰勒D.凯特勒6.组间离差平方和反映的是（ ）。
A.抽样误差B.系统误差C.随机误差D.总误差7.组内离差平方和反映的是（ ）。
A.抽样误差B.系统误差C.随机误差D.总误差8.单因素方差分析的对立和假设是（ ）。
A.μμμk 21===B.差距不显著，，，μμμk 21C.不是全部相等，，，μμμk 21D.全部不相等，，，μμμk 219.单因素方差分析的零假设是（ ）。
A.μμμk 21===B.差距不显著，，，μμμk 21C.不是全部相等，，，μμμk 21D.全部不相等，，，μμμk 2110.在方差分析中，若F k -n 1,-k 05.0F ）（>，则统计推论是（ ）。
A.各组间的总体均数不全相等B.各组间的总体均数都不相等C.各组间的样本均数都不相等D.各组间的总体方差不全相等11.为研究温度对菌种生产率的影响，将温度控制在三个水平上，则应该使用（ ）。
A.单因素方差分析B.双因素方差分析C.独立样本t 检验D.三因素方差分析12.为分析学历对收入的影响，调查了50个职工，按学历高低分成四组，使用单因素方差分析，则F 检验临界值为（ ）。
医学统计学：第十章 常用实验设计方法
分组结果 甲组：4、6、8、11、15号
乙组：3、5、9、12、14号
和检验、Ridit 分析、有序变量的 logistic 回归 模型和有序变量的对数线型模型等。 (2)若比较各样本不同等级构成情况，用 2 检验。
14
4.双向有序且属性不同资料的比较 (1)若分析两变量是否存在线性相关关系时，用 等级相关分析或 Pearson 列联系数。 (2)若分析两变量是否存在直线变化趋势时，用 线性趋势检验。 5.双向有序且属性相同资料的一致性检验，用
丙组：1、2、7、10、13号
10
11
（二）统计分析
数值变量资料
1．两样本比较 (1)小样本时 ①两样本来自正态分布总体且总 体方差相等时，用成组设计的两样本均数比较的
t 检验；②两样本来自非正态总体或总体方差不
等时，通过变量变换使数据呈正态或方差齐后，
再用成组设计的两样本均数比较的 t 检验；若仍 达不到 t 检验的应用条件时，可选用 t' 检验或成
18 1 10 13 17 2 0 3 8 15 7 4 19 12 5 14 9 11 6 16
动物编号 1 2 3 4 5 6 7 8 9 10 随机数字 1 2 0 3 8 7 4 5 9 6 组 别甲乙乙甲乙甲乙甲甲乙
分组结果 甲组：1、4、6、8、9号小鼠 乙组：2、3、5、7、10号小鼠
17
随机分组
1.1 2.1 3.1 4.1 5.1 6.1 7.1 8.1 9.1 10.1 小鼠编号
单因素方差分析 (2)
单因素方差分析1. 引言•单因素方差分析（One-way ANOVA）是一种常用的统计方法，用于比较两个或多个组之间的均值是否存在显著差异。
•在实际研究中，我们经常需要比较不同组之间某个变量的均值差异，例如不同教育水平对收入的影响，不同药物对疾病的治疗效果等。
•单因素方差分析提供了一种统计方法，可以判断不同组之间均值差异是否由随机因素引起，还是由于真正的因素差异引起。
2. 基本概念•因素（Factor）：需要比较不同组之间的变量，也称为自变量或分类因素。
•水平（Level）：每个因素具有的不同取值或组别，也称为处理或条件。
•观测值（Observation）：每个组内的单个实验结果或数据点。
•总平均（Grand Mean）：所有组的观测值的平均值。
•组内平均（Group Mean）：每个组的观测值的平均值。
•组间平均（Between-group Mean）：所有组的观测值的平均值。
3. 假设检验•零假设（H0）：不同组的均值之间没有显著差异。
•备择假设（H1）：不同组的均值之间存在显著差异。
4. 单因素方差分析的步骤1.收集数据：按照分类因素进行分组，获得每个组的观测值。
2.计算总平均：计算所有观测值的平均值。
3.计算组内平均：计算每个组的观测值的平均值。
4.计算组间平均：计算所有组的观测值的平均值。
5.构造统计模型：建立协方差矩阵和方差矩阵之间的关系。
6.计算平方和：计算组内平方和和组间平方和。
7.计算均方差：计算组内均方差和组间均方差。
8.计算F值：计算F统计量，用于检验组间均值差异是否显著。
9.假设检验：比较F值与临界值，确定是否拒绝零假设。
5. F分布与p值•在单因素方差分析中，我们使用F分布来进行假设检验。
•F分布是一种连续概率分布，取值范围大于等于0，且分布形状根据自由度的不同而变化。
•在单因素方差分析中，我们计算出的F值可以与F分布表中的临界值进行比较，以确定是否拒绝零假设。
•p值是统计假设检验中的一个重要指标，表示在零假设成立的情况下，观察到的样本数据或更极端结果出现的概率。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第10章 单因素方差分析单因素方差分析(0ne-Way ANOV A)，又称一维方差分析，它能够对单因素多个独立样本 的均数进行比较，可以用10种检验方法对变量间的均数进行两两比较(即多重比较检验)并给出方差分析表，还可以作出5种类型图形(Type of plots)和2种均数图形(Means plot options)10.1 单因素方差分析的计量资料[例10—1] 某社区随机抽取了30名糖尿病患者、IGT 异常人和正常人进行载脂蛋白 (mg ／dL)测定，结果示于表10—1。
试问3组人群的载脂蛋白测定结果含量是否相同？(倪宗瓒．卫生统计学．第4版，北京：人民卫生出版社，2001.50) 组别（B ）载脂蛋白测定 糖尿病(1)85.7 105.2 109.5 96.0 115.2 95.3 110.0 100.0 125.6 111.0 106.5 96.0 124.5 105.1 76.4 95.3 110.0 95.2 99.0 120.0144.0 117.0 110.0 109.0 103.0 123.0 127.0 121.0 159.0 115.0 IGT 异常(2) 正常人(3)本例是一个完全随机设计的单因素方差分析。
已建立SAS 数据集文件并保存Sasuser.onewav4。
(1)进入SAS ／Win(v8)系统，单击Solutions －Analysis －Analyst ，得到分析家窗口。
(2)单击File-open By SAS Name —Sasuser-0neway4—0K ，调入数据文件。
(3)在“分析家”窗口单击Statistics-ANOV A-One way ANOV A ，得到图10—1所示对话框。
本例因变量(Dependent)为A(载脂蛋白)，单击A —Dependent 。
自变量(1ndependent)： B(3种人的组别)，单击B —Independent 。
图10.1 0ne —way ANOV A ：0neway4(单因素方差分析)对话框(4)单击Tests 按钮，得到图10—2所示对话框。
在此对话框的ANOV A(F —检验)选项 中可进行如下设置。
Analysis of variance ，方差分析。
Welch ’s variance-weighted ANOV A ，威尔奇方差—权重方差分析。
Tests for equal variance ，相等方差检验，即方差齐性检验。
Barlett ’s test ，巴特尼特检验。
Brown-Forsythe test ，布朗—福塞斯检验。
Levene ’s test ，列文检验。
本例以上都选。
图10—2 ANOV A(方差分析)选项卡(5)单击图10。
2所示对话框的Power Analysis标签，得到图10—3所示的Power Analysis选项卡。
本例选择Perform Power analysis(执行功效分析)，。
(A1phas)值取默认值0.05图10—3 Power Analysis(功效分析)选项卡(6)单击0K按钮，返回图10—1所示对话框。
单击Means按钮，得到图10—4所示对话框。
此对话框的Comparisons选项卡的Comparison method选项区域，列出了10种待选多重均数比较方法。
Bonferroni t-test，修正最小显著差异t检验法(本例选择此项)。
Tukey’s HSD，’图基可靠显著性差异检验法。
Duncan’s multiple-range test，邓肯多重范围检验法。
Dunnett’s t·test，邓尼特t检验法。
Fisher’s LSD，费雪尔最小显著差异(LSD，least·significant—difference)法。
Gabriel’s multiple—comparison procedure，嘉百列多重比较过程。
Student—Newman·Keels multiple—rangete8t，SNK多重范围检验法。
Waller—Duncan k—ratios。
test，娃尔—邓肯A—比率t检验法。
Schaffer’s multiple comparison procedure，谢弗多重比较过程。
Ryan-Einot—Gabriel—Wel6ch multiple—rangete8t，R—E—G。
W多重范围检验法。
图10-4 One-way ANOV A：Means(待选多重均数比较方法)对话框(7)单击Bonferroni t-test，得到图10。
5所示对话框。
在comparisons选项卡中可进行相关设置。
本例显著性水平(Signillcancelevel)为0．贴。
也可以选择其他值。
主效应(Main effects)为B，加选(Add)效应／方法(effect／method)为B／Bonferronit。
test，单击B—Add，完成相应设置。
图10—5 One—way ANOV A：Means(已选均数比较)对话框(8)单击Breakdown标签，得到图10—6所示对话框的Breakdown选项卡。
数学变量统计量全选。
图10-6 Breakdown(均数细分)选项卡(9)单击0K按钮，返回图10—1所示对话框。
单击P10ts按钮，得到图10—7所示对话框。
图10-7 one-Way ANOV A：P1ots(作图)对话框(10)单击0K按钮，返回图10—1所示对话框。
单击0K按钮，得到如下数值结果。
图形结果如图10-8到图10-10所示。
图10—8 Box plot of A by B(箱形图)图10—9 Bar chart of A mean：(条形图)图10—10 Means Plot of A by B(均数图)主要结果分析(1)方差齐性检验(Test for Homogeneity of A Variance)：由巴特尼特检验(Bartlelt’stest)，布朗—福塞斯检验(Brown—Forsyth test)以及列文检验(Levine’s test)等3种方法的结果表明，P＞0.05，可认为本例方差齐。
(2)方差分析表明，F(F Value)＝5.85，P＜0.05。
在a＝0．05水准上，拒绝量H0，接受H1，可认为3种人群的载脂蛋白不同或不完全相同，它们之间有差别。
(3)均数间的多重比较(Bonferroni t-test，修正最小显著差异t检验法)，得到表10—2所示结果。
(4)3种人群的均数从小到大，依次为：102.39 105.45 122.801GT异常人(2) －糖尿病患者(1) －正常人(3) 由图10—8至图10—10可见，正常人(3)的载脂蛋白均高于IGT异常人(2)和糖尿病患者(1)。
(5)本例尚有均数及其描述性统计量等结果。
其他分析方法本例也可以选择如下途径：So1utions—ASSIST—WorkPlace(工作空间)一Continue －Data Analysis4AN0vA—Analysis of variance，在相应对话框中选择SASUSER．0NEW AY3及相应的因变量(Dependent，A)，自变量(1ndependent，B)和相关选项，同样可获得上述主要结果。
10．2 单因素方差分析的变量转换在用方差分析时，理论上要求具备3个条件：①各组数据应从相同的正态分布总体中获得。
②样本的各总体方差相等，即方差齐性，否则就是方差不齐；③每一组数据均由若干部分相加而成效应的可加性。
但是实际工作中的数据有时并不完全满足上述条件，这时，可以采用变量转换的方法使之改变原数据的分布形式，以满足上述条件。
5AS／Win(v8)系统提供了30多种变量转换(Transformation)方法，包括平方根转换，对数转换正弦转换等，用户可以根据数据的特征在SAS／Win(v8)系统中选择某一转换方法，使其数据基本上满足上述假定。
[例10—2] 以骨质增生丸液注入小白鼠腹腔，按含原生药20、50、100(mg／100m1)的剂量分为3个试验组，另设对照组，注入同量生理盐水。
一小时以后注入醋酸，记录各小白鼠的“扭体次数”为表示痛感程度的指标(X)，数据表略。
试分析3种剂量的镇痛效果。
(郭祖超.医用数理统计方法。
第3版，北京：人民卫生出版社，1988.305)表10。
3 小白鼠痛感程度指标由于本资料系“次数”，有若干个0值，方差又不齐，需要进行变量转换。
（1）进入SAS／Win(v8)系统，单击Solutions—Analysis—Analyst进人分析家窗口，建立并保存图10-11所示的数据集文件Sasuser.onel。
其中，4为小白鼠痛感程度的指标，而月为分组变量量。
l为20g组，2为50g组，3为100g组，4为对照组。
可以单击File-Save-(Libraries)-Sasuser-(Member)one way3-0K。
保存数据集文件Sasuser.one way3。
如果直接用上述资料进行分析，方差不齐。
因此，可以进行对数转换。
L_X=log (X十1.5)：2)单击Solutions’Analysis Interactive Data Analysis(Libraries) Sasuser-(Data Set)One way3-open，得到图10—12所示数据文件。
在此界面单击图10-12左上角的箭头。
选择Define Variables，单击A，将(Name)A改为X，再单击Apply。
单击图10—12左上角的箭头,选择Deflne Variable6，单击B，将(Name)B改为G，再单击Apply，得到图10-13所示数据文件。
图10—11 数据文件(部分) 图10-12数据文件(部分) 图10-13 数据文件(部分)(3)单击Edit-Variables-Other，得到图10—14所示对话框。
变量转换(Transformation)选择log(Y十a)，其中，a为1.5。
(4)单击Apply按钮，得到图10—15所示数据文件。
图10—14 Edit Variable(编辑变量)对话框图10—15 转换后的数据文件(部分)(5)再将对数转换后的资料保存为SASUSER..ONE3。
单击File-Save-Data，得到图10-16所示对话框。
保存的SAS数据库(Library)为SASUSER，SAS数据集文件(Data Set)为ONE3。
图10.16 save Data(保存转换后的数据)对话框(6)单击OK—So1utions-Aanlysis-Analyst，进入分析家窗口。