reg--用sas作回归分析

《reg--用sas作回归分析》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、用SAS作回归分析SASInstitute(Shanghai)Co.,Ltd.(RegressionAnalysis)1变量的相关关系散点图是直观地观察连续变化变量间相依关系的重要工具Insight:AnalyzeScatterplot(YX)或Multivariate(Y's)编程:procgplotAnalyst:GraphsScatterplot2Insight,Air或Iris看散点图阵变量的相关关系用直线描述用曲线描述可能有周期变化无明显关系3相关系数(CorrelationCoef.)线性联系是描述变量联系中最简单和最常用的一种(Y=a1x1+a2x2+b)相关系数是描

2、述两个变量间线性联系程度的统计指标相关系数的计算公式：4InsightIris看散点图与相关相关系数(CorrelationCoef.)正相关：一个变量数值增加时另一个变量也增加负相关：一个变量数值增加时另一个变量减少5相关系数(CorrelationCoef.)若变量有高度线性相关时相关系数接近1若变量有正相关时相关系数>0若变量有负相关时相关系数<06Insight:置信椭圆相关系数(CorrelationCoef.)强相关并不表示存在因果关系弱相关并不表示变量间不存在关系个别极端数据可能影响相关系数7相关系数的计算SAS/INSIGHTAnalyzeMultivariate

3、(Y's)OutputCorr在多变量分析窗中，由下拉菜单TablesCorr在散点图上加置信椭圆认识相关大小CurvesConfidenceEllipsePrediction:...8相关系数的计算AnalystStatisticsDescriptiveCorrelations9散点图与相关计算Insight散点图:bclassY:W,X:H,sex:颜色age:符号,放大散点图阵：carsmidprice,citympg,egnsize,rpm,fueltnk,perform旋转图：cars(iris)perform,egnsize,idprice相关系数：carsm

4、idprice,citympg,hwympg,egnsize,rpm,perform+p-value+置信椭圆10Analyst:相关计算：fitnessOxygen,rstpulse,runpulse,runtime+options:p-value+plots散点图+置信椭圆编程：carsp2395变量相关p241nosimplenoprobwith散点图与相关计算Analyst与编程11相关系数的计算PROCCORRDATA=数据集名;RUN;PROCCORRDATA=数据集名;var变量名列;with变量名列;partial变量名列;by变量名列;RUN;12Cor001Clas

5、s,Cor002Fitnesswith,Cor003Cars1n不等相关与回归相关分析量化连续变化变量间线性相关的强度回归分析确定一个连续变量与另一些连续变量间的关系13回归(Regression)描述一个变量与另一些变量间统计联系的关系式,Y=f(x1,x2,...,xm),用于解释和预测。确定回归：确定变量：Y与那些x1,x2,..,xm有关选择形式：Y与x1,x2,..,xm以什麽形式相联系,即f的表示式确定系数：确定Y=a1x1+a2x1x2+a3x12+...中的ai14回归的简单线性模型Yi=b0+b1xi+eii=1,2,...,nYi:因变量的第i次观测值xi:自

6、变量的第i次观测值b0,b1:待估计的未知参数ei:余差(residual相互独立，正态分布，零均值，同方差)一般的：Yi=b0+b1x1i+b2x2i+...+bpxpi+ei15回归的简单线性模型16回归的简单线性模型17线性回归的拟合18最小二乘法估计(LSE)19SAS/INSIGHT拟合线性回归散点图、拟合:AnalyzeFit(X,Y)Noint:强制截距为零下拉菜单：Tables:方程、参数、Anova预测值计算：在数据表独立变量栏键入数据Curve：置信曲线(ind.,mean)20简单线性回归Insight----AnalystInsight:Cars:Y:midp

7、rice,X:perform解释输出结果生成预测加回归和预测置信带shipment:Y:costnointAnalyst:Fitness:Y:oxygen,X:runtime+plot散点图+置信带shipment:nointY:cost,X:delay21回归的方差分解总变异回归阐明部分回归未阐明部分22回归的方差分解....23回归的方差分解24回归的假设检验原假设：简单线性模型拟合数据不比基线模型好b1=0,r=0,

8、b1

9、小，SS(M