FAQ SASConsultez toutes les FAQ

Dans le paragraphe « Statistical computation » section « Goodness-of-Fit Tests », de la documentation de la procédure UNIVARIATE de la version 8 (p1396 / 1397), une erreur d'interprétation des tests apparaît.

Le paragraphe suivant :
'When the p-value is less than the predetermined critical value (alpha value), you reject the null hypothesis and conclude that the data came from the theorical distribution'

est à modifier comme ceci :
'When the p-value is less than the predetermined critical value (alpha value), you reject the null hypothesis and conclude that the data DO NOT come from the theorical distribution'

Ce qui signifie que, en posant les hypothèses suivantes pour un test de normalité :
H0 : les données suivent une loi normale ;
H1 : les données ne suivent pas la loi normale.
- Si la p-value est inférieure à 'a', alors on rejette l'hypothèse nulle c'est-à-dire l'hypothèse que les données ne suivent pas une loi normale.
- Si la p-value> 'a', alors on ne peut pas refuser l'hypothèse que les données suivent une loi normale.

Dans la procédure TTEST, sous l'hypothèse de variances inégales, une statistique T de Student approximative est calculée. Cette statistique est exploitable de deux façons différentes :

• l'approximation de Cochran et Cox : elle permet d'associer à T une probabilité p qui vérifie une loi de Student correspondant à des échantillons de tailles similaires, les effectifs des deux échantillons mis en cause. La probabilité p ainsi associée permet de tester l'égalité des moyennes ;
• l'approximation de Sattherwaite : il est possible d'utiliser l'approximation de Sattherwaite pour associer à T un nombre df de degrés de liberté. Sous l'hypothèse d'égalité des moyennes, T est assimilée à une loi de Student à df degrés de liberté.
  

Pour traiter des séries appariées sous SAS, il faut combiner les données, si celles-ci sont normales (tests de normalité, théorème central limite), afin d'obtenir une seule variable qui pourra être traitée avec la procédure UNIVARIATE.

Si les données ne sont pas statistiquement assimilables à des données normales, c'est-à-dire si elles présentent des asymétries extrêmes ou sont ordinales, les méthodes non paramétriques de la procédure NPAR1WAY sont plus appropriées.

Il faut utiliser l'option BINOMIAL de l'instruction TABLES de la procédure FREQ. Pour générer un intervalle de confiance sur un niveau précis, il faut le spécifier grâce à l'option LEVEL=.

Exemple :

1
2
3
4
proc freq data=sashelp.class; 
 tables sex/binomial; 
 tables sex/binomial(level='M'); 
run;

Une analyse de la covariance se réalise en deux étapes :

• la première consiste à vérifier l'hypothèse de parallélisme des deux groupes d'individus ;
• la seconde teste l'égalité des ordonnées à l'origine.
  

1
2
3
4
5
6
7
8
9
10
proc GLM ; 
      class GROUPE ; 
      model QC = GROUPE V02 GROUPE*V02 / e xpx solution ; 
      lsmeans GROUPE / sterr pdiff cov ; 
   run ;      C'est l'effet GROUPE*V02 qui teste le parallélisme. 
  
  proc REG ; 
      model QC = GROUPE1 GROUPE2 V02_1 V02_2 / noint ; 
      parallel : mtest V02_1 - V02_2 = 0 / print details ; 
   run ;