sas整理下之相关分析报告和回归分析报告

《sas整理下之相关分析报告和回归分析报告》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、实用标准文案相关分析1.用INSIGHT模块作相关分析先说一下建立数据集，找到题中的某句话的意思是，“为了弄清楚。。形成的原因，或者是为了分析。。的影响因素。”找到这句话就成功一半了，将这个。。元素就写到Y的列下，其他的元素就设成X1X2。。这样，有几个元素就几列，但是Y只有一列，而X就看题中给得了！！1.制作散点图首先制作变量之间的散点图，以便判断变量之间的相关性。步骤如下：1)在INSIGHT模块中，打开数据集；2)选择菜单“Analyze（分析）”→“ScatterPlot(YX)（散点图）”；3)在打开的“ScatterPlot(YX)”对话框中选定Y变量：Y；选定X变量：x1、x2

2、、x3、x4；4)单击“OK”按钮，得到变量的分析结果。从各散点的分布情况看，初步有一个跟每个元素的线性关系密切或不密切就行了。2.相关系数计算1)在INSIGHT模块中，打开数据集；2)选择菜单“Analyze（分析）”→“Multivariate(YX)（多变量）”；3)在打开的“Multivariate(YX)”对话框中选定Y变量：Y；选定X变量：x1、x2、x3、x4；4)单击“OK”按钮，得到分析结果。结果显示各变量的统计量和相关（系数）矩阵，从相关矩阵中可以看出，相关系数高的就关系密切，相关系数低的就关系不密切。5)为了检验各总体变量的相关系数是否为零，选择菜单：“Tables”

3、→“CORRp-values”，得到相关系数为零的原假设的p值，如图所示。精彩文档实用标准文案基于这些p值，拒绝原假设，即Y因素与其他几个变量之间均存在着显著的正相关关系；若p值＞0.05，则无法拒绝原假设。3.置信椭圆继续上述步骤。6)选择菜单：“Curves”→“ScatterPlotContEllipse”→“Prediction：95％”，得到Y与其他几个变量的散点图及预测值的置信椭圆变量Y和x1间散点图上的这个椭圆被拉得很长，表明变量Y和x1之间有很强的相关性。用“分析家”作相关分析1)在“分析家”中打开数据集Mylib.jyzk；2)选择主菜单“Statistics”→“Desc

4、riptive（描述性统计）”→“Correlations（相关）”，打开“Correlations”对话框都扔进这一个里面了。。3）单击plots，打开Correlations:Plots。选中Scatterplots(散点图)和Addconfidenceellipses（添加置信椭圆）.4）两次OK2.结果分析精彩文档实用标准文案＜0.0001的就是高度相关的，较大的就是低度相关的，之间的就是中度相关。3.置信椭圆在分析家窗口的项目管理器中依次双击“ScatterPlots”下的“Confidenceellipse：Y´X1”～“Confidenceellipse：Y´X6”项，得到各变

5、量与单位面积营业额的散点图置信椭圆较扁长，相关关系强；置信椭圆接近于圆，相关关系小。八、回归分析1.用INSIGHT模块作回归分析1.一元线性回归数据集的建立与相关分析的数据集建立相同，大家可以看上面的内容！！(1)分析1)在INSIGHT模块中打开数据集。选择菜单“Analyze”→“Fit(YX)”，打开“Fit(YX)”对话框；2)在“Fit(YX)”对话框中，将Y设为响应变量，将x1设为自变量；3)单击“OK”按钮，得到分析结果。（2）分析结果第一张表提供关于拟合模型的一般信息，Y=x1表示这个分析是以Y为响应变量，x1为自变量的线性模型；第二张表给出回归方程：第三张表是带有回归直线

6、的散点图，给出了回归的图形表示图的下面是参数回归拟合表。其中判定系数R-Square（R2）为模型平方和占总平方和的比例，反映了回归方程能够解释的信息占总信息的比例精彩文档实用标准文案第四张表提供拟合的汇总度量：MeanofResponse（响应变量的均值）是变量Y的平均值，RootMSE（均方残差平方根）是对各观测点在直线周围分散程度的一个度量值，为随机误差ε的标准差（也是实测值Y的标准差）s的无偏估计。第五张方差分析表（图4-16）包含对回归方程的显著检验对一元线性回归，第六张Ⅲ型检验表提供与方差分析表一样的检验第七张参数估计表给出了回归直线截距和斜率的估计值及其显著性检验等内容。在这个

7、例子里，截距的p值>a=0.05，表示模型还有改进的余地，可以考虑拟合截距为0的回归直线。斜率的t检验p值<0.0001，表明自变量贷款余额对因变量不良贷款有显著的线性关系(2)回归诊断在显示窗的底部有一个残差R_Y和预测值P_Y的散点图，这个图可以帮助验证模型的假定。从图中看出，数据点随机地散布在零线附近，表明模型中误差等方差、独立性的假设没有问题；若没有随机散步，则模型中方差独立性等假设可能有问题。为了检