1700501994
Proc ANOVA data=three;
1700501995
1700501996
Class group;
1700501997
1700501998
Model score=group;
1700501999
1700502000
Means group/snk;
1700502001
1700502002
Means group/scheffe tukey;
1700502003
1700502004
Run;
1700502005
1700502006
上述程序运行后得到了单因素方差分析的结果，如图12-5～图12-8所示。
1700502007
1700502008
从图12-5可以看出：F检验的概率（pr＞F）值为0.0062，远远小于α理论值0.05，所以可以拒绝H0，同时表明运营方案（或内容）不同，则客户的活跃度提升分数也不相同。
1700502009
1700502010
1700502011
1700502012
1700502013
图12-5 单因素ANOVA输出的结果
1700502014
1700502015
从图12-6可以看出，经过SNK方法检验，C组客户的活跃度分数与其他各组的客户活跃度分数有明显的区别。
1700502016
1700502017
1700502018
1700502019
1700502020
图12-6 单因素ANOVA的SNK（Student-Newman-Keuls）检验结果
1700502021
1700502022
从图12-7可以看出，经过Tukey方法检验，c组分数与a、b、d、e各组的分数差异明显。
1700502023
1700502024
1700502025
1700502026
1700502027
图12-7 单因素ANOVA的Tukey检验结果
1700502028
1700502029
从图12-8可以看出，经过Scheffe方法检验，c组与e、d组的分数差异非常明显。
1700502030
1700502031
1700502032
1700502033
1700502034
图12-8 单因素ANOVA的Scheffe检验结果
1700502035
1700502036
1700502037
1700502038
1700502039
数据挖掘与数据化运营实战：思路、方法、技巧与应用 [:1700497672]
1700502040
数据挖掘与数据化运营实战：思路、方法、技巧与应用 12.2.10 多个样本组的非参数检验
1700502041
1700502042
如果多个样本组的数据不是来自正态分布的总体，或者各样本组的方差不相等，在这些场景中，就不能使用方差分析的方法了，而只能采用非参数检验的方法。
1700502043