MATLAB中anova1做ANOVA后计算预测值及复现SAS结果的方法

你当前的MATLAB代码用anova1做单因素方差分析（仅考虑BLOC），但SAS代码实际是用proc reg拟合了包含BLOC和ENTRY两个自变量的线性回归模型，这是两者结果差异的核心原因。以下是对应解决方案：

1. 复现SAS的方差分析结果 #

SAS的proc reg输出的方差分析表是针对双自变量线性回归模型的，而非单因素ANOVA。在MATLAB中需用fitlm函数拟合相同模型，才能得到与SAS一致的结果：

data = readtable('data.txt', "VariableNamesLine", 1);
% 拟合包含BLOC和ENTRY的线性回归模型，与SAS proc reg的model hddt=bloc entry一致
lm_model = fitlm(data, 'HDDT ~ BLOC + ENTRY');
% 查看方差分析表，对应SAS proc reg输出的ANOVA部分
disp(lm_model.ANOVA);

如果需要更贴近SAS的输出格式，可调用anova(lm_model)生成详细的方差分析结果。

2. 计算预测值与残差 #

拟合线性模型后，直接用predict函数计算预测值，残差可通过模型对象的Residuals属性获取，或用响应变量减去预测值：

% 计算预测值，对应SAS的output p=predicted
predicted = predict(lm_model, data);
% 计算残差，对应SAS的output r=residual
residual = data.HDDT - predicted;
% 或者直接从模型对象提取残差
residual = lm_model.Residuals.Raw;

绘制残差-预测值散点图 #

对应SAS的proc plot，MATLAB可使用scatter函数生成：

scatter(predicted, residual);
xlabel('Predicted Value');
ylabel('Residual');
title('Residual vs Predicted');
grid on;

补充说明 #

• 若SAS中BLOC或ENTRY是分类变量，需确保MATLAB读取数据时正确识别为分类类型，可使用categorical函数转换：

  data.BLOC = categorical(data.BLOC);
  data.ENTRY = categorical(data.ENTRY);
  

• 若需将结果输出到类似RTF的文件，MATLAB可使用publish功能或fprintf写入文件。

内容的提问来源于stack exchange，提问作者Buck Thorn