实验四回归分析的SAS过程.docVIP

实验四 回归分析的SAS过程（1） 实验目的：掌握利用SAS建立多元回归方程的方法，掌握PROC REG过程，并能检验所建立回归方程的显著性与方程系数的显著性，能根据实际问题作预测与控制． 实验要求:编写程序，结果分析． 实验内容： 1.写出多元线性回归模型，给出经验回归方程，回归系数向量、误差方差的估计 公式； (1).线性回归模型 组数据 矩阵形式 ，观测向量 , ， (2)．经验回归方程 其中 ． (3)．回归系数向量： (4). 误差方差的估计： 2.写出平方和分解公式，线性回归方程、回归参数的显著性检验步骤（假设、统计量及分布、检验p值），说明何时线性关系显著？ 给出因变量预测值及置信区间？ 平方和分解公式： 离差平方和分解 样本数据线性拟合值, 总离差平方和 残差平方和 回归平方和 2.复相关系数 为与的相关系数的绝对值，因此，越大，与的线性关系越显著． 二．线性回归方程的显著性检验 假设 如假设为真，则，从而的线性组合不能描述任何变化，变化来自误差项；如为真，至少和某些变量线性相关，从而误差项引起的的变化会相对减少． 构造统计量 给出显著性水平，则拒绝域． 检验值，，时，落入拒绝域，因此拒绝，认为线性回归显著；否则与线性关系不显著． 预测及其统计推断 设为的一组新观测值，取值为，预测即对值作估计，令，利用回归方程，的预测值 而的置信度为置信区间为 书上作业 2.3（单） 答：(1)约简模型： 检验统计量及其零分布： (2)约简模型： 检验统计量及其零分布： 2.4解：（1）建立回归模型进行统计推断 设与回归模型， 观测值满足，i=1,2,…,15. 其中（i=1,2,…,15）相互独立，且． 即 1）SAS系统回归分析的proc reg 过程进行统计推断 程序： （2）由方差分析表进行统计推断 从方差分析表得出； 线性回归关系显著性检验： 统计量，其观测值 ，拒绝，认为与的线性回归关系是高度显著的． 另外，由方差分析表给出， 也表明线性回归关系高度显著． （3）置信区间： 进一步，取置信水平，由于，利用表中的参数估计值和相应的标准差估计式，求得的置信度95%的置信区间分别为 （4）假设检验方法： 由程序结果给出参数估计值，检验假设， 对给出显著性水平，由参数估计表最后一列检验值看出，，拒绝，认为（）对均有显著影响． （5）关于销售量的预测值及置信区间： 由上表1-4行，2-5列构成的矩阵为 ,，代入得 --------经验回归方程 对于给定的值，由经验回归方程可得预测值 令，由直接计算可得 的置信度为95%的置信区间 此置信区间的长度较小，因而对实际有较好的参考价值． 对各个值的拟合诊断 （6）求y的拟合值，残差及学生化残差： a. 程序:建立回归模型,输出因变量拟合值、残差、学生化残差 参数估计表： 由上图所示表明Y与X1-X2线性关系显著 输出因变量拟合值、残差、学生化残差 由上表显示y的预测值都是正值，Y与X1-X2线性关系恰当。 b. 考查模型假设及误差项正态分布合理性 程序： 如下： C. 求 相关系数,并进行检验 程序： 结果分析: 1) 由学生化残差正态QQ图知,其点明显在一条直线上; 2) Y拟合值残差图也表明Y与X1-X2满足线性关系,且拟合值都为正数.直接说明模型误差项的正态性假定合理; 3)有序学生化残差与相应正态分布分位数的相关系数 与1相差不大.若拟合线性回归模型,则误差分布与正态分布没有较大偏离. 学号: 班级： 姓名：