SAS中的单向随机效应方差分析：PROC GLM还是混合？

我试图在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著不同于零

在上，它们声明使用PROC MIXED，如下所示：

proc mixed data = in.hsb12 covtest noclprint;
   class school;
   model mathach = / solution;
   random intercept / subject = school;
run;

鉴于我以前使用PROC MIXED的经验，这对我来说是有意义的

然而，在Murray Logan使用R进行的生物统计设计和分析文本中，他说，对于单向方差分析，固定效应和随机效应没有区别，并且（在R中）进行“标准”单向方差分析，即使他在测试方差，而不是均值。我发现在SAS中，他的R程序相当于使用以下任何一种：

过程方差分析

过程GLM（与方差分析相同，但用GLM代替方差分析）

带随机语句的PROC-GLM

上述三种模型的p值相同，但与UCLA使用的PROC混合模型不同。对于我的数据，它是p=0.2508和p=0.3138的差值。虽然在这种情况下结论没有改变，但我对这种差异并不感到满意

---

有人能就哪一个更合适以及为什么会有这种差异给出建议吗？

对于您的模型，PROC ANOVA和PROC MIXED之间的差异只是由于数值噪声（PROC MIXED的REML估计器）。但是，您问题中提到的p值对应于不同的测试。为了使用PROC MIXED中COVTEST的输出获得F值，您需要重新计算MS_组，同时考虑到不相等的样本量（如第231页所述，手动计算，或仅使用与PROC ANOVA中相同的固定模型规格的PROC MIXED）。除了SAS手册外，本文（）还提供了一些使用PROC MIXED的示例。

在PROC ANOVA调用中使用哪些选项？无，仅使用PROC ANOVA，然后是类和模型语句。非常有用，谢谢。我必须花些时间阅读这些参考资料，以理解为什么PROC MIXED不能处理不平衡的数据，但PROC ANOVA和GLM可以。