第十章相关和回归介绍.pptVIP

F=24.42,P0.05,说明回归方程在0.05水平上有意义，R2 =0.5044，表明回归模型较好。 回归方程：y=1.9683+0.0776x， 回归系数t检验，t=4.94，P0.05。 10.5 一元线性相关分析 CORR过程的实现方法 过程格式 PROC CORR 选项; VAR 变量表; WITH 变量表; PARTIAL 变量; 语句说明 除了PROC语句为必需，其他语句都是可选的，如果省略所有的可选语句，则对所有变量作相关分析。 默认情况下，CORR过程所进行的相关分析将给出分析变量的描述性统计结果、Pearson相关系数以及每个分析变量所对应的概率值。 PROC CORR语句选项 设定相关系数，例如Pearson，Spearman等，缺省为Pearson相关系数。 VAR语句 指明分析的变量。 语句说明 with语句 设定放在左边的变数 此时var语句的变数间和with语句的变数间的相关系数不给出，只输出两组变数间的相关系数。 With语句缺省时，将计算var语句的变数之间的两两相关系数。 PARTIAL语句 指明偏相关变数。 设定partial变数时进行偏相关分析。 相关分析结果输出包括简单统计数和相关系数及显著性。 例题10-1SAS程序 data PhD; input x y @@; cards; 77 8.8 64 7.9 62 8.9 72 7.7 71 8.6 83 8.1 79 9.1 94 5.6 104 8.5 96 7.6 61 4.9 90 8.1 81 12.0 122 15.7 65 11.9 130 11.1 111 6.5 160 15.3 188 17.7 81 5.9 92 10.6 80 8.3 63 6.0 105 8.5 89 10.1 73 3.5 ; proc corr; var x y; run; 输出结果 The CORR Procedure 2 Variables: x y Simple Statistics Variable N Mean Std Dev Sum Minimum Maximum x 26 92.03846 30.44271 2393 61.00000 188.00000 y 26 9.11154 3.32690 236.900 3.50000 17.70000 Pearson Correlation Coefficients, N = 26 Prob |r| under H0: Rho=0 x y x 1.00000 0.71019 .0001 y 0.71019 1.00000 .0001 因为P=0.0010.01,故拒绝相关系数r=0的原假设. 例题10-2 许多害虫的发生都和气象条件有一定的关系。1964~1973年10年间测定7月下旬的温雨系数(雨量mm/平均温度℃)和大豆第二代造桥虫发生量(每百株大豆上的虫数)的关系如下表，试求相关系数。 温雨系数 虫口密度 温雨系数 虫口密度 1.58 180 2.41 175 9.98 28 11.01 40 9.42 25 1.85 160 1.25 117 6.04 120 0.3 165 5.92 80 data new2; input x y @@; cards; 1.58 180 2.41 175 9.98 28 11.01 40 9.42 25 1.85 1