sas讲义第四章回归与回归诊断

《sas讲义第四章回归与回归诊断》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第四章回归与回归诊断教学目标：回归分析是基于观测数据建立变量间的依赖关系，并可用于预报、控制等问题。不仅要熟练掌握线性回归模型的建模理论与方法，而且要能够利用回归分析的SAS过程解决有关实际应用问题。为学生将来从事科研和应用打下坚实的基础。重难点：各种回归模型的建模理论与方法，参数估计、模型与参数的检验；利用回归分析的SAS过程解决有关实际应用问题。第一节多元线性回归一．多元线性回归模型假设是一个可观测的随机变量,非随机因素和随机误差对有影响,并且它们之间具有线性关系(1)其中是均值为零、方差为的误差项,它表示除了之外其它因素对的影响以及试验或测量误差，是未知参数.本章假定。该模

2、型称为线性回归模型，且称为因变量，为自变量。假定我们有了因变量和自变量的组独立的观测值，它们满足（1）式，即(2)其中误差项相互独立，且服从分布。二．参数估计方法——最小二乘准则获得参数向量的估计的一个最重要方法是最小二乘法，该法是找的估计，使得偏差向量的长度之平方和达到最小，即其中。分别对的每一分量求偏导数，并令其为零，可以得到方程组它称为正规方程．这个线性方程组有唯一解的充要条件是的秩为．等价地，40的秩为．以后在线性回归模型的讨论中，我们总假定这个条件满足．于是我们得到的最小二乘估计为根据微积分的极值理论，只是函数的一个驻点．可以证明确实使达到最小．记并将其代入(1)，去掉

3、误差项，得到回归方程在线性回归模型(1)中还有一个重要参数,它是模型误差项的方差,因而有时简称为误差方差.反映了模型误差以及观察误差的大小,在回归分析中起着重要作用.现在我们讨论的估计问题.误差向量是一个不可观测的随机向量,用最小二乘估计代替其中的,得到称为残差向量，其中为对称幂等矩阵。称数为残差平方和,它的大小反映了实际数据与理论模型(1)的偏离程度或者说拟合程度.可以证明为的无偏估计。三．假设检验问题1.回归方程的显著性检验和之间是否存在显著的线性关系，还需要对回归方程进行检验。（1）方差分析表方差来源自由度平方和均方比回归误差总和40（2）线性回归关系的显著性检验检验假设：

4、构造统计量。可以证明当为真时，。当不真时，又偏大的趋势。如观测值，则接受；否则拒绝。（3）检验的值在SAS及其他一些数据分析软件中，对显著性检验问题，其输出结果通常是检验的值。在上述线性回归关系的显著性检验问题，其检验的值为，对于给定的显著水平，任何检验准则均为。2.回归系数的显著性检验回归关系显著并不意味着每个自变量对因变量的影响都显著，可能其中的某个或某些对的影响不显著。希望从回归方程中剔除那些对的影响不显著得自变量，从而建立一个简单有效的回归方程，以便于实际应用。检验的影响是否显著等价于检验假设：由于的一个估计为。可以证明其中为的主对角线上的第个元素的平方根。由此得到检验准

5、则为对上述统计量，其值为，于是若，则接受，反之就拒绝。四．使用REG过程进行多元线性回归计算PROCREG过程PROCREG过程是SAS系统中回归分析的一种，它可拟合线性回归模型，可提供多种选取最优模型的方法及模型诊断检查方法，其基本语句形式为：PROCREGoptions（数据集）;Modeldependent（因变量）=regressors（自变量）/options;OutputOut=SASdatasetkeyword=name…;例4.1.1建立用电量KWH与空调每天使用的小时数AC和烘干器每天使用的次数DRYER的经验公式。40解datakilowatt;inputkw

6、hacdryer;cards;351.51634.52665.02172.00948.53796.039313.51668.019412.51827.52786.53658.01777.52758.02627.518512.01436.00572.53335.00657.51336.00;procplotdata=kilowatt;plotkwh*ac='*';run;procregdata=kilowatt;modelkwh=acdryer;run;printcli;%计算的预测值和95%置信限run;Plotofkwh*ac.Symbolusedis'*'.kwh‚‚95ˆ*

7、*93ˆ*91ˆ89ˆ87ˆ85ˆ*4083ˆ*81ˆ79ˆ**77ˆ*75ˆ*73ˆ71ˆ69ˆ67ˆ**65ˆ**63ˆ**61ˆ59ˆ57ˆ*55ˆ53ˆ51ˆ49ˆ47ˆ45ˆ43ˆ*41ˆ39ˆ37ˆ35ˆ*33ˆ**31ˆ29ˆ27ˆ25ˆ23ˆ21ˆ19ˆ17ˆ*‚1.52.53.54.55.56.57.58.59.510.511.512.513.5acDependentVariable:kwhAnalysisofVariance（方差分析）SourceDFSumo