实验报告5回归分析.doc

实验五 回归分析SAS过程（2） 实验目的： 1.会对实际问题建立有效的多元回归模型，能对回归模型进行残差分析； 2.掌握SAS输出结果用于判别回归方程优良性的不同统计量，能对回归模型进行运用，对实际问题进行预测或控制. 实验要求:编写程序，结果分析． 实验内容： 1.误差的正态性检验有几种方法，何时认为误差项服从正态分布？ 2.回归方程的选取的穷举法中，评价回归方程优良性的准则有哪些？根据准则何 时方程最优？ 3.简述逐步回归方法的思想和步骤． 4.做2.6 2.8（选作） 2.9 注意：可以选课外综合题目。 解答过程： 2.6 （1） 由SAS运算结果可以得出： 以下做残差分析： 学生化残差的正态QQ图 拟合值的残差图 结果分析:1) 由学生化残差的正态QQ图可知，其点基本在一条直线上; 2) 求得有序学生化残差与相应正态分布的分位数的相关系数与1比较接近．因此，若拟合线性回归模型，则误差分布与正态分布比较吻合; 3) Y拟合值的残差图也表明与满足线性关系,由此知,直接假定体积与直径和树干高度之间的线性回归关系是合理的。 （2） 对作Box-Cox变换 计算的值．给出了随的变化曲线如下： 求得 由图可知，在时达到最小，因此，在Box-Cox变换式中取．记变换后的因变量为，即 ， 其观测值如下： 第二步：对关拟合线性回归模型，利用残差分析考察模型的合理性并做出拟合结果 建立回归模型，作残差分析如下： 对关于拟合线性回归模型，求出残差及学生化残差．做出学生化残差的正态QQ图以及的拟合值的残差图如图所示． 学生化残差的正态QQ图（q, r） 的拟合值的残差图 由图知，线性回归关系高度显著且复相关系数的平方和为，即线性部分描述了的绝大部分变化量．由此得拟合的回归方程为 回归模型残差的相关系数检验 此时可见相关系数为：= 0.98983，因此变换效果比以前更好了。 2．9 （1） 拟合结果： 再做残差分析： 正态QQ图： 的拟合值的残差图 结果分析:i) 由学生化残差的正态QQ图可知，其点基本在一条直线上; ii) 求得有序学生化残差与相应正态分布的分位数的相关系数与1比较接近．因此，若拟合线性回归模型，则误差分布与正态分布比较吻合; iii) Y拟合值的残差图也表明与满足线性关系,由此知,模型的正态性假设是合理的。 （2） (i)修正的准则选择模型结果: 由准则选择最优模型y=(0+(1x1+(2x2+ (ii) 利用准则选择模型结果: 由准则选择最优模型y=(0+(1x1+(3x3+ (iii) PRESSp输出结果: 由上述预测平方和结果看出，的预测平方和PRESSp=2693.43最小，此模型为最终选择的模型 再由上述三种模型的选择结果可以看出各准则下的选择结果不一致。 （3）逐步回归过程： 第一步 1进：样本容量，统计量集,，添加自变量，拟合模型 ，计算，及，结果如下 Y关于的逐步回归的SAS输出结果 依次添加后,的4个模型的输出结果: 第一步中，给出了偏统计量的自由度“DF=1，n-2=23-2=21”，的值和相应的值．由此知，变量所对应值最大，且其值为，故首先进入模型． 接下来拟合以为自变量的回归模型，给出了常数项和的系数估计值和标准差估计，偏统计量的值31.31和检验值，故不能被剔除，当前模型为． 模型y=(0+(1X1的方差分析表 添加X1到模型Z=(0+(1X1后的参数估计表 第二步 第一步选择模型为 2进：将其余3-1=2个自变量逐个添加到此模型中，拟合模型假设, 并计算各自的偏统计量值和相应值，．其中对应值最大， 值，故进入到含回归模型中，得到含为自变量的回归模型，，并给出参数估计值和标准差估计．结果如下： 2出：进一步考查上述模型有无自变量被剔除．拟合模型并计算的偏统计量和的值和值，．由于偏统计量较小， ，故均显著，不能被剔除，当前模型为含的回归模型．程序结果如下： 第三步，第二步选择模型, 3进：对不在模型中的自变量，添加到此模型中，拟合相应模型假设,计算偏统计量 相应的． 由结果, 太小,且，故不能进入到模型中． 程序结果如下 最后由于所有变量都被筛选过，根据筛选和剔除结果最后的最优模型为： 由此可见用逐步回归方法得到的结果与（2）中得到的不一致。 （4）正态QQ图和y的拟合值的残差图如下： 由以上两个图像可以看出线性回归