急！请教含有嵌套因素和交叉因素的设计

shiyiming

大家好，我是SAS新手。
最近用SAS做统计分析遇到麻烦了，请大家帮我分析分析，出出主意，谢谢大家！
问题如下：
分析目的：考察3种缓解剂对不同浓度重金属胁迫下水稻幼苗株高的影响
因素水平：缓解剂种类（A）：3个水平；各缓解剂的浓度（B）：3个水平；（我觉得B因素是套嵌在A因素里的，不知对否？）
          重金属浓度（C）：2个水平；水稻品种（D）：2个水平；
因变量（X）：株高；测定值有3个重复；
我觉得这是一个既有套嵌因素又有交叉因素的试验设计，
我分析的此设计的变异来源有：A； B(A)； C； D； A*C； A*D； C*D； A*C*D； B(A)*C； B(A)*D； B(A)*C*D （对不对呢？）
我想请教大家：我该如何用SAS软件做这个设计的方差分析和多重比较呢？如何编程？
我查了好多资料，试着编了好多程序都没办法做出合理的结果，希望大家能帮帮我，谢谢大家了。
我的原始数据也放这里：
A        B        C        D           X
1        1        1        1        44.940
1        1        1        1        45.600
1        1        1        1        45.270
1        1        1        2        40.040
1        1        1        2        42.350
1        1        1        2        41.717
1        1        2        1        31.775
1        1        2        1        30.540
1        1        2        1        28.740
1        1        2        2        28.100
1        1        2        2        28.280
1        1        2        2        26.760
1        2        1        1        46.420
1        2        1        1        44.720
1        2        1        1        45.570
1        2        1        2        44.180
1        2        1        2        42.700
1        2        1        2        42.017
1        2        2        1        32.180
1        2        2        1        31.780
1        2        2        1        30.300
1        2        2        2        30.360
1        2        2        2        29.667
1        2        2        2        30.800
1        3        1        1        43.660
1        3        1        1        44.450
1        3        1        1        42.400
1        3        1        2        43.260
1        3        1        2        41.650
1        3        1        2        42.983
1        3        2        1        31.780
1        3        2        1        30.283
1        3        2        1        31.367
1        3        2        2        31.360
1        3        2        2        30.700
1        3        2        2        31.450
2        1        1        1        45.633
2        1        1        1        45.067
2        1        1        1        42.950
2        1        1        2        42.775
2        1        1        2        42.925
2        1        1        2        42.520
2        1        2        1        29.220
2        1        2        1        31.700
2        1        2        1        29.383
2        1        2        2        30.375
2        1        2        2        30.380
2        1        2        2        30.860
2        2        1        1        43.414
2        2        1        1        41.500
2        2        1        1        42.029
2        2        1        2        39.560
2        2        1        2        38.350
2        2        1        2        38.033
2        2        2        1        30.180
2        2        2        1        29.700
2        2        2        1        28.967
2        2        2        2        30.140
2        2        2        2        31.320
2        2        2        2        29.983
2        3        1        1        38.060
2        3        1        1        36.067
2        3        1        1        36.433
2        3        1        2        36.440
2        3        1        2        32.767
2        3        1        2        34.267
2        3        2        1        29.080
2        3        2        1        29.433
2        3        2        1        29.183
2        3        2        2        30.000
2        3        2        2        28.483
2        3        2        2        28.450
3        1        1        1        44.480
3        1        1        1        42.333
3        1        1        1        42.483
3        1        1        2        44.380
3        1        1        2        41.850
3        1        1        2        41.817
3        1        2        1        31.200
3        1        2        1        30.380
3        1        2        1        30.933
3        1        2        2        27.200
3        1        2        2        27.380
3        1        2        2        27.020
3        2        1        1        43.560
3        2        1        1        41.733
3        2        1        1        42.383
3        2        1        2        42.000
3        2        1        2        41.417
3        2        1        2        42.800
3        2        2        1        29.533
3        2        2        1        29.425
3        2        2        1        29.200
3        2        2        2        29.200
3        2        2        2        29.040
3        2        2        2        28.440
3        3        1        1        43.880
3        3        1        1        41.250
3        3        1        1        41.850
3        3        1        2        42.020
3        3        1        2        42.380
3        3        1        2        41.543
3        3        2        1        29.380
3        3        2        1        29.480
3        3        2        1        29.080
3        3        2        2        29.600
3        3        2        2        28.140
3        3        2        2        27.940

shiyiming

[code:3ithi7gk]proc glm; class a b c d; model x=a|b(a)|c|d; quit;[/code:3ithi7gk]

我的理解是，比如说B(A)*C*D 在模型里跟a*b*c*d 有何异处？

shiyiming

这个分析中，B因素是嵌套在A因素中的，所以A与B没有相交关系，因此模型中不能存在含有A*B的变异来源，例如：A*B*C*D。
B(A)*C*D 应该是B，C，D三个因素的相交，而不是A，B，C，D四个因素的相交。我用SAS分析时，系统总是把B(A)*C*D 默认为A*B*C*D然后进行多重比较分析。

shiyiming

今天去找老师了，他也搞不定了，凄惨啊！怎么办啊？我算是没辙了。
求求各位了，帮帮忙。 <!-- s:( --><img src="{SMILIES_PATH}/icon_sad.gif" alt=":(" title="Sad" /><!-- s:( -->

shiyiming

[quote:2a2ffhhv]这个分析中，B因素是嵌套在A因素中的，所以A与B没有相交关系，因此模型中不能存在含有A*B的变异来源，例如：A*B*C*D。[/quote:2a2ffhhv]

B nested in A, B(A), 说明A和B只有相交的关系, 而且B没有自己的作用。说白了，B的作用只能通过A体现出来。在你的题目里，B是在A缓解剂的浓度的分类。轮到具体的浓度值，A=1 里的B=1的浓度和A=2里B=1的浓度未必相同。这也说明了B无法独立起作用，而只有A*B的交叉作用。

shiyiming

你的试验目的是检验不同的缓释剂对株高的影响，那么是否应该对不同的稻种分开做呢，就要看缓释剂的作用在不同的稻种之间是否一样，同样也要考虑不同的重金属应该分开做否，这样就只剩下缓释剂和缓释剂浓度两个因素了，
检验缓释剂：
model y=a;

如果想单独的看浓度的效应：

model y=b a*b;
test h=b e=a*b;
此时的F值才是浓度的差别检验值。

以上是本人一点愚见，仅供参考。

ps：你的数据好像通不过正态性检验和方差齐性检验。