实验四回归分析SAS过程1.docVIP

课　时　授　课　计　划 课次序号： 10 一、课　　题：实验四 回归分析SAS过程（1） ———统计推断与预测 二、课　　型：上机实验 三、目的要求：1. 掌握利用SAS建立多元回归方程的方法； 2. 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. 四、教学重点：会对实际数据建立有效的多元回归模型；能对回归模型进行运用,对实际问题进行预测或控制. 教学难点：多元回归模型的建立. 五、教学方法及手段：传统教学与上机实验相结合． 六、参考资料： 《应用多元统计分析》，高惠璇编，北京大学出版社，2005； 《使用统计方法与SAS系统》，高惠璇编，北京大学出版社，2001； 《多元统计分析》(二版)，何晓群编，中国人民大学出版社，2008； 《应用回归分析》(二版)，何晓群编，中国人民大学出版社，2007； 《统计建模与R软件》，薛毅编著，清华大学出版社，2007. 七、作业：2.3（单） 2.4 八、授课记录： 授课日期 班　　次 九、授课效果分析： 实验四 回归分析SAS过程（1）2学时 一、实验目的和要求 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． 二、实验内容 1. PROC REG过程 一般格式： PROC REG DATA=SAS data set; MODEL 因变量=回归变量/ 选项部分 ; 其它选择语句 ; OUTPUT OUT=SAS数据集名 关键字名=输出数据集中的变量名； RUN; （1）PROC REG语句 此语句是PROC REG过程的必需语句，指出要进行分析的数据集．省略此项，SAS系统对最新建立的数据集进行分析． （2）MODEL语句中的选项部分 该语句定义建模用的因变量、回归变量（自变量）、模型的选择及拟合结果输出的选择． 在关键词“Model”之后，应指明因变量，等号后依次列出回归变量，每个变量间用空格分开．此语句的选项部分提供了最优模型的选择方法和其他拟合结果的输出选项，其中包括： 选择合适的建立模型方法：SELECTION=name 其中“name”可以是FORWARD（或F）、BACKWARD（或B）、STEPWISE、 RSQUARE、ADJRSQ、CP等之一． SELECTION=FORWARD SLENTRY=显著性水平 向前选择最优模型法（FORWARD）：从仅含常数项的回归模型开始，逐个加入自变量，对每一个尚不在方程内的自变量按一定显著性水平，根据其一旦进入模型后对模型的贡献大小逐步引入方程，直至再没有对模型有显著贡献的自变量．“SLENTRY=显著性水平”为自变量进入模型的控制水平，写在选择方法语句之后．若省去此句，则SAS系统默认的水平为SLENTRY=0.05． SELECTION=BACKWARD SLSTAY=显著性水平 向后删除法（BACKWARD）：先建立包含全部自变量的线性回归模型，然后按一定的显著性水平从模型中逐步剔除变量．缺省SLSTAY =0.1 SELECTION=STEPWISE SLENTRY =入选水平 SLSTAY=剔除水平 逐步回归法（STEPWISE）：按向前选择法（前进法）进入变量，再对模型内所有 变量检验，看是否有因新变量引入而对模型的贡献变得不显著，若有就剔除，若无则保留， 直至方程内所有变量均显著．逐步法有两个控制水平，即选入水平（SLENTRY=入选水平）和剔除水平（SLSTAY=剔除水平），而且剔除水平应低于选入水平． 缺省SLENTRY =0.15 SLSTAY =0.15 SELECTION=RSQUARE 在所有可能的回归方程中用 准则选择最优模型的方法．在每一个给定的自变量个数的水平上，打印出使达到最大的那个回归模型的拟合结果． SELECTION=ADJRSQ：修订的准则选择最优模型法． SELECTION=CP：准则选择最优模型法． 注意：以上方法只可在选项部分写出其中一种，不可并用． 2）对模型选取细节的选项 DETAILS：对模型选取方法FORWARD、BACKWARD、STEPWISE，若打印出每一步引入和删除自变量及相关信息选用此项．如一个自变量选入模型时的偏F值、模型的值和一个自变量被剔除时模型值及有关参数估计的信息． NOINT：取消回归模型的常数项，即拟合过原点的回归方程． 3）对估计细节内容的选择： 在选项部分，还可以选择一个或多个（中间用空格分开）参数估计和拟合残差等相关内容，常用的有： CORRB：输出参数估计的相关系数矩阵，第行第列为与相关系数估计． COVB：输出估计参数的协方差矩阵，即MSE(XTX)-1．