实验报告5——SAS编程基础.docVIP

实 验 报 告 实验项目名称 SAS编程基础 所属课程名称 现代统计软件 实 验 类 型 验证性实验 实 验 日 期 2014-10-11 班 级 学 号 姓 名 成 绩 实验概述： 【实验目的及要求】 掌握使用SAS进行简单相关分析和多元线性回归分析及非线性回归分析的方法。 【实验原理】 SAS软件的操作方法及原理 【实验环境】（使用的软件） SAS 9.1 实验内容： 【实验方案设计】 一、用INSIGHT模块作简单相关分析与一元线性回归分析 二、用“分析家”作多元线性回归分析 三、使用REG过程作回归分析 四、一元非线性回归分析 【实验过程】（实验步骤、记录、数据、分析） 【练习5-1】某年度12个地区的财政收入和国民生产总值量如表5-5(lx5_1.xls)所示。试对财政收入和国民生产总值进行简单相关分析和回归分析。 表5-5 12个地区财政收入和国民生产总值(单位：万元) 地区 年财政收入 国民生产总值 地区 年财政收入 国民生产总值 1 212.2 1020.1 7 348.3 2665.2 2 219.9 1195.5 8 434.9 3465.1 3 235.7 1492.2 9 521.8 4653.3 4 266.5 1691.8 10 624.2 5727.7 5 293.7 1859.8 11 650.8 6235.4 6 315.0 2166.2 12 720.4 6925.2 （1）散点图 年财政收入为自变量，国民生产总值为因变量的散点图： （2）相关系数计算 结果显示国民生产总值y与年财政收入x的样本相关系数很大，为0.9989。 由于p值很小，应拒绝原假设，可以认为国民生产总值y与年财政收入x之间均存在着显著的正相关关系。 （3）一元线性回归 其中第二张表给出回归方程： 方程表明回归直线截距的估计值为-1397.90，斜率的估计值为11.5358。回归系数11.5358表示国民生产总值y对年财政收入x平均增加11.5358。 其中判定系数R-Square（R2）= 0.9979，指出x能够解释Y的99.79%的信息。还有1 – 99.79% = 0.21%的信息不能被解释，这些信息由其他变量和随机因素所解释。 第四张拟合汇总表中响应变量的均值3258.1250是变量Y的样本平均值，均方残差平方根101.900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）( 的无偏估计。 第五张方差分析表包含对回归方程的显著检验，其中F统计量的值： F检验的p值 0.0001，表示模型显著有效。即认为Y与自变量x之间的线性回归关系显著。 第六张Ⅲ型检验表提供了与方差分析表一样的检验，如上图所示。 第七张参数估计表给出了回归直线国民生产总值和年财政收入的估计值及其显著性检验等内容。这里国民生产总值的t检验的p值0.0001( = 0.05，表明国民生产总值项是显著非零的，年财政收入的t检验p值 0.0001，表明年财政收入显著非零，即自变量x对因变量Y有显著的线性关系，如上图所示。 （4）回归诊断 从图中看出，数据点随机地散布在零线附近，表明模型中残差等方差、独立性的假设没有问题。 4种检验方法的p值均大于0.05，不能拒绝原假设，表明可以接受残差正态性的假定。 【练习5-2】某学校20名一年级女大学生体重（公斤）、胸围（厘米）、肩宽（厘米）及肺活量（升）实测值如表5-6（lx5_2.xls）所示。试对影响女大学生肺活量的有关因素作多元回归分析。 表5-6 20名一年级女大学生肺活量及有关变量测量结果 编号 体重X1/公斤 胸围X2/厘米 肩宽X3/厘米 肺活量Y/升 1 51.3 73.6 36.4 2.9 2 48.9 83.9 34.0 3.11 3 42.8 78.3 31.0 1.91 4 55.0 77.1 31.0 2.63 5 45.3 81.7 30.0 2.86 6 45.3 74.8 32.0 1.91 7 51.4 73.7 36.5 2.98 8 53.8 79.4 37.0 3.28 9 49.0 2.6 30.1 2.52 10 53.9 79.5 37.1 3.