那就没有办法了，只好用笨一点的办法，create一个group variable
然后就用data step 把group两两的分开，大概有10个组合左右。
然后再一个一个做ttest！！！这是唯一大概我能想到的！！
SAS实在不是我强项！每次写SAS codes 都要看manual！
希望对于才上了4节小课的同学有帮助！

兄弟,这不是SAS的问题,这是统计基础的问题.
t检验和方差分析建议好好学学.

对于T检验来说，一般是对计量样本资料的均值与已知总体均值或者两样本资料的总体均值的差异进行统计推断，得出有无差异，但是T检验的前提是，样本资料是要符合方差齐和正态分布才行，所以需要对样本资料进行正态分布检验以及方差齐性检验。如果说比较的变量超过两个，如果依然用T检验，可以计算出来，但是范I型错误的概率将大大增大，所以对于超过两个的，用方差分析，SAS里面的PROC ANOVA,如果要比较两两之间的差异的统计推断，可能要考虑一些近似T检验方法，那就很多，如LSD-T，SNK-Q等，但是都有应用条件，需要根据你的统计分析目的来使用
以上愚见，如果不同意见，期待交流，谢谢

的确，无论是T还是F，有些模型他的assumption就是正态分布还有independency，constant variance之类的。还有用T两两检验其实效果并不显著，单个检验有95%的显著性，但是迭加的话，那只能说最多有(95%)^10的显著性。这程度来讲proc anova里边的multiple comparsion产生的效果是一个family的显著性，比单个做来的好。但是multiple comparsion另外一个缺点就是比较保守。

其实一开始并不想提这些assumption的，既然crackman提出来的，只好得罪的告诉楼主好了！首先做统计这些assumption一定要弄清楚还有就是什么数据用什么方法。当然这是要靠经验累积。就capital return来讲，首先分布并非正态分布，多数情况下服从log-normal的分布。所以这点下，要使用T检验就要先用对数来transform你的data。然后transform后的data应该就有constant variance了。最后independency对于多数stock return来讲并不成立（当然这涉及到金融里边的市场有效假设，如果市场是有效的，independency理所当然就成立，一般来讲欧美市场相对接近于有效市场。如果你数据是来源于欧美的市场，那么当然也可以assume independency；如果来与其他的市场那就很难保证。），所以你只能假设。不过一般情况下，我们都会假设independency成立，因为中心极限定律的原因，即使dependency的存在，sampleing distribution of X-bar也是趋向于正态分布。

当然了，也可以用non-parametirc来检验，只不过也是要independency来支持。或者bootstrapping，permutation之类的simulation来检验！！

谢谢楼主的回复
小弟又学习到了 对于金融数据分析 我是外行 呵呵
呵呵

看得出, Isscaliu同志还是有不少金融行业的经验的,

如果我想看这些公司weekday 的收益是不是 差不多的

It's  family wise simultaneously multiple means comparison.
H0: u1=u2=u3=…=uk
H1: at least one pair is not same
I suggest you using confidence interval better.