回归与方差介绍.doc

实验报告 课程名称： 实验编号 及实验名称 题目：回归分析与方差分析 系 别 姓 名 学 号 班 级 实验地点 实验日期 实验时数 指导教师 同组其他成员 无 成 绩 实验目的及要求 对数据表上数据变量进行数据分析，找出有量化关系的变量，建立回归方程。 对你建立的回归方程的自变量进行分段，然后做方差分析。 实验环境及相关情况（包含使用软件、实验设备、主要仪器及材料等） SAS软件 实验内容及步骤（包含简要的实验步骤流程） 内容及步骤： 广发证券软件下载股票数据，进行一些不交易股票的整理剔除后，导入sas软件。 进行相关分析，找出与price相关性较强的变量。 对与price相关性较强的变量进行reg的回归分析。判断回归方程是否显著，接着判断这些变量与price之间的显著性情况，如果有些变量与price不显著，则利用那些显著的变量再与price进行reg的回归分析，然后写出回归方程。 用univariate过程输出其中一个与price显著性较强变量的分类。 对因变量price与进行单因素方差分析，判断显著性影响情况。 实验结果（包括程序或图表、结论陈述、数据记录及分析等，可附页） 1、 进行相关分析，见附录附录，即检验值落入拒绝域，说明回归方程显著，与变量间的拟合效果较好。回归方程系数的显著性检验原假设为：，由图2可知，单个变量的显著性检验除了var1、var8和var10的P值比较大外，其他变量 var2、var3、var4、var9、var11的P值均较小，落入拒绝域，说明对因变量price的影响明显，显著性比较强。然后再对变量 var2、var3、var4、var9、var11进行reg的回归分析，见附录4，由图3可知，这次的回归分析检验中，所有被检验的回归变量都显著，回归方程为： 3、 由图3可知，在所有显著性变量中，var3的显著性较强，所以根据var3指标，将股票分类。下面采用univariate过程，见附录附录，拒绝原假设，从检验的数量结果显示因素fl对price是有显著影响的。图6单因素方差分析中因素排名。 实验总结（包括心得体会、问题回答及实验改进意见，可附页） 经过这次实验，我学会了凡事只需耐心去做，就可以成功，我们要养成一种不怕苦，不怕累的精神。在做回归实验中，拟合的效果和变量检验不一定显著，从而需要耐心去做，同时，除了函数选取外，对于变量的选择也是很重要的，有相关性的变量在逻辑上来讲，因果关系并不一定成立，而方差分析中，对变量的分类也有一定技巧性，由于数据的特殊，优势不必按样本量来平均分类，而要根据自己想要达到的类数，结合样本划定范围，其中，区间长度不要求相等，同时方差分析的结果分析中，对于交互项也要有足够的理解。 教师评语 评语 评语等级 优 良 中 及格 不合格 1.实验态度认真，实验目的明确 2.实验方案、程序设计合理 3.实验过程（实验步骤详细，记录完整，数据合理） 4.实验结论正确，分析透彻 5.实验报告独立完成，无抄袭现象，并按时提交，格式规范，文字叙述流畅，逻辑性强 综合评定： 附录： 从数据表lwh剔除那些没有交易的股票。 data lwh; set lwh; if price 0; run; 进行相关性分析 proc corr data=lwh; var price var1-var11; run; 运行结果： 图1 相关分析 对与price相关性较强的变量进行reg的回归分析： proc reg data=lwh; model price=var1-var4 var8-var11; run; 运行结果： 图2 回归分析 再对与price相关性较强的变量var2、var3、var4、var9、var11进行reg的回归分析： proc reg data=lwh; model price=var2 var3 var4 var9 var11; run; 运行结果： 图3 回归分析 用univariate过程输出var3的分位数： proc univariate data=lwh; var var3; run; 运行结果： 图4 6、根据图3输出的分位数将var3分为四个水平： data lwh; set lwh; if var36.420 then fl=1; if var36.420 and var19.610 then fl=2; if var39.610 and var115.285 then fl=3; if var315.285 then fl=4; run; 7、进行单因素方差分析： proc anova data=lwh; class fl; model price=fl; means fl; means