实验8 多元线性回归和非线性回归.docVIP

实验 8 多元线性回归分析与非线性回归分析 多元线性回归分析研究多个变量的数量伴随关系，内容主要包括模型的假定与检验、参数的估计与检验、回归诊断与预测。很多非线性回归问题都可以转化为线性回归问题处理，如多项式回归、指数回归、对数回归、幂函数回归等。 8.1 实验目的 掌握使用 SAS多元线性回归分析与非线性回归分析的方法。 8.2 实验内容 一、用“分析家”作多元线性回归分析 二、用 INSIGHT模块作多项式回归 三、使用 REG过程作回归分析 四、一元非线性回归分析 8.3 实验指导 一、用“分析家”作多元线性回归分析 【实验 8-1】某研究人员需要分析我国固定资产投资状况的影响因素，选取 5个可能的影响因素：国内生产总值、商品房屋销售额、财政支出、社会消费品零售总额、进出口总额，统计 1987～2001共 15年的各项指标如表 8-1所示（ sy8_1.xls）所示。试在 0.05的显著性水平下进行多元回归分析，判断哪些因素对固定资产投资有着显著影响，给出回归方程。 表 8-1 15年的统计数据 年度 固定投资总额 国内生产总值 商品房屋销售额 财政支出 社会消费品零售总额 进出口总额 1987 3791.7 11962.5 1100967 2262.18 5820 3084.2 1988 4753.8 14928.3 1472164 2491.21 7440 3821.8 1989 4410.4 16909.2 1637542 2823.78 8101.4 4155.9 1990 4517 18547.9 2018263 3083.59 8300.1 5560.1 1991 5594.5 21617.8 2378597 3386.62 9415.6 7225.8 1992 8080.1 26638.1 4265938 3742.2 10993.7 9119.6 1993 13072.3 34634.4 8637141 4642.3 12462.1 11271 1994 17042.1 46759.45792.62 16264.7 20381.9 1995 20019.26 58478.16823.72 20620 23499.9 1996 22913.55 67884.67937.55 24774.1 24133.8 1997 24941.11 74462.69233.56 27298.9 26967.2 1998 28406.17 78345.210798.18 29152.5 26857.7 1999 29854.71 82067.4613187.67 31134.7 29896.3 2000 32917.73 89442.215886.5 34152.6 39274.2 2001 37213.49 95933.318902.58 37595.2 42193.3 1. 生成数据集 在“分析家”中直接打开上面的 Excel数据表(sy8_1.xls)，选择编辑状态，修改每个变量的属性，将变量名分别改为：年度： n、固定投资总额： y、国内生产总值： x1、商品房屋销售额：x2、财政支出：x3、社会消费品零售总额： x4、进出口总额：x5。 以数据集 Mylib.sy8_1存盘。 2. 全回归分析 1)选择主菜单“ Statistics（统计）”→ “Regression（回归）”→“Linear（线性） ”，打开 “Linear Regression（线性回归）”对话框。 2)选择变量列表中的变量 y，单击“Dependent”按钮，选定响应变量，选择变量列表中的变量 x1、 x2、x3、x4、x5，单击“ Explanatory”按钮，选定解释变量，如图 8-1所示。 图8-1 Linear Regression对话框 3)单击“ OK”按钮，得到分析结果如图 8-2所示。 图8-2 多元回归分析结果 分析结果包括方差分析表、拟合的汇总信息以及回归系数估计值与显著性检验。方差分析表中显示模型的作用是显著的（ F统计量的值为 1567.35，p值0.00010.05 = α）。参数显著性检验表明，进入回归的 5个自变量，其作用在其它变量进入回归的前提下并不都是显著的。例如 x3、x4、x5的作用就不显著。因此有必要适当选择变量建立一个“最优”的回归方程。 3. 逐步回归分析 1)重复上面 2中 1)，在“Linear Regression（线性回归）”对话框（图 8-1）中，单击“ Model”按钮，打开“Linear