直线回归题库.doc

实 验 报 告 实验名称 直线回归分析 专业班级 数学与应用数学 姓 名 xxx 学 号 xxxxxxxxx 实验目的 1.掌握直线相关的定义，熟悉简单相关系数的计算。 2.掌握直线相关分析的SAS程序。 3.掌握直线回归的模型假设以及计算方法。 4.了解直线回归应用的注意事项。 实验程序，运行结果，结果分析 实验一： 某研究组测定了20名儿童体内血红蛋白与血铁的位置互换含量，试采用常规的SAS编程进行直线回归分析，得到由血红蛋白含量预测血铁含量的回归方程。 实验程序 data nr2_1; /*命名将要建立的数据集为nr2_1*/ input x y@ @ ; /*要输入变量为x、y,并且连续输入*/ cards; /*直接输入数据，数据块开始*/ 13.50 518.70 13.00 467.30 11.00 469.80 14.30 456.60 12.50 448.70 12.50 424.10 11.80 405.60 11.50 446.00 11.00 416.70 10.70 430.80 10.20 409.80 10.00 384.10 9.50 356.30 9.40 388.60 8.80 325.90 6.30 292.80 7.30 332.80 7.80 283.00 7.30 312.50 7.00 294.70 ; /*数据块结束*/ run; ods html; /*对每个过程的输出对象选择的传送格式为html*/ proc gplot; /*绘制散点图*/ plot y*x; /*散点图中点表示在以y为纵轴,x为横坐标的直角坐标系中*/ run; proc reg; /*标志reg过程的开始,进行含有截距项的直线回归分析*/ model y=x/r p; /*model语句用以指定所要拟合的回归模型，等号左边为反应变量，等号右边为自变量列表，自变量间以空格相分隔，所有的自变量都是数值型的，且必须存在于数据集nr2_1中。斜杠后r为进行残差分析，run; ods html close; 运行结果 由图可以看出，散点基本上都在一条既不平行于X轴，也不平行于y轴的不太宽的条带中随机分布着，故可以采用直线回归分析。 这是模型的基本信息，有20个观测点。 这是对模型整体有无统计学意义进行假设检验的结果。，对应的，说明拟合直线回归方程在整体上是有统计学意义的。 这是评价模型拟合效果的一些统计量。“Root MSE”表示误差均方根，其值越小，反映模型拟合效果就越好。“R-Square”表示决定系数，其值越大，反映模型拟合效果就越好，一般其值大于0.5，模型具有实际的使用价值。“Adj R-Sq”表示校正的，其值越大，反映模型拟合效果就越好。 这是参数估计的结果。从前之后依次为变量名，自由度，参数估计值，标准误，t值及P值。可以看出，截距项和原因变量x的回归系数对于P值分别为0.0007和0.0001，即二者具有统计学意义。故可构造回归方程如下： 这是模型对观测值及残差分析的结果。从左到右，各列的含义依次为：观测号，结果变量的实际值，结果变量的预测值，结果变量预测值的标准误，实际值与误差值之间的残差，残差的标准误，学生化残差，学生化残差图和Cook’D统计量。其中，学生化残差2或Cook’D统计量0.5时，对应的观测可能是异常点。本资料中，3号观测值可能是异常点，如无专业依据认为该观测点需要保留，可删除该观测点，重新进行直线回归分析。 这是回归方程预测效果的统计量。“Sum of Residuals”表示残差之和，“Sum of Squared Residuals”表示残差平方和，“Predicted Residuals SS (PRESS)”表示预测残差平方和。 实验二： 用高级SAS编程进行直线回归分析——由血红蛋白含量预测血铁含量 实验程序 data nr2_2; /*命名将要建立的数据集为nr2_2*/ input x y@ @ ; /*要输入变量为x、y,并且连续输入*/ cards; /*直接输入数据，数据块开始*/ 13.50 518.70 13.00 467.30 11.00 469.80 14.30 456.60 12.50 448.70 12.50 424.10 11.