多元回归与多项式回归.docVIP

第七章 多元回归与多项式回归 当变量不止两个时，变量x1，x2，…，xp间的相关分析。称为多元相关(偏相关)分析。当自变量不止一个时，依变量y与自变量x1，x2，…，xp的回归分析，称为多元回归分析。当只有一个自变量x，而取x的1，2，…，p次方为x1，x2，…，xp时，y与x1，x2，…，xp的回归分析称做多项式回归分析，类似的，当自变量有多个时，y与自变量的p次式及自变量乘积项的回归，亦称多元多项式回归。 多元线性回归分析要解决的问题是：如何建立一个复回归方程来实现预测及控制。多元相关分析要解决的问题是：根据变量之间的相关性去假存真，真实揭示各变量之间在数量上的密切程度。根据以上2种分析方法，还可以深入研究自变量对依变量所产生作用的重要性，即通径分析。多项式回归分析要解决的问题是：当自变量与依变量间的曲线关系难以确定时，建立一个适宜的多项式回归方程来逼近或拟合其曲线关系，以达到最佳的拟合效果。第六章中介绍的几个SAS过程，都可以用于多元相关和回归资料的分析。 7.1 多元线性回归分析 例7—1 在工业高氟区测得黄牛毛中的含氟量和饲草、空气、饮水的含氟量资料如(单位:毫克ppm/kg)程序数据步中。试作多元线性回归分析。 1 编程法分析 （1）程序 options nodate nonumber; data xu7a; input x1 x2 x3 y; cards; 48.47 21.80 0.85 70.00 40.66 14.15 0.25 51.20 49.87 20.00 0.83 70.00 33.53 18.00 0.49 60.00 40.58 5.31 0.32 51.20 39.36 5.31 0.35 54.10 35.26 5.31 0.25 52.71 24.59 8.71 0.40 54.14 19.12 5.45 0.25 52.72 15.84 7.69 0.25 40.32 10.87 3.27 0.23 40.39 11.59 3.27 0.28 41.36 10.76 3.15 0.23 40.00 11.89 3.21 0.25 42.91 11.80 3.21 0.25 42.90 ; proc reg corr; title 1.backward elimination; model y=x1-x3/selection=backward sls=.05 stb; run; title 2.forward selection; model y=x1-x3/selection=forward sle=.05 stb; run; title 3.stepwise regression; model y=x1-x3/selection=stepwise sls=.05 sle=.05 stb; run; title 4.maximum R-square improvement; model y=x1-x3/selection=maxr; run; title 5.minimum R-sguare improvment; model y=x1-x3/selection=minr; run; title 6.Rsguare method; model y=x1-x3/selection=rsquare; run; title 7.adjusted R-sguare method; model y=x1-x3/selection=adjrsq; run; title 8.Cp method; model y=x1-x3/selection=cp; run; title 9.multivarate regression; model y=x1-x3/selection=none stb; run; （2）输出主要结果 1. backward elimination Model: MODEL1 Correlation Variable x1 x2 x3 y x1 1.0000 0.7519 0.7029 0.8741 x2 0.7519 1.0000 0.8629 0.8609 x3 0.7029 0.8629 1.0000 0.8894 y 0.8741 0.8609 0.8894 1.0000 Step 0: All Variables Entered: R-Square = 0.9158 and C(p) = 4.0000 Analysis of Variance Source DF Sum of Squares Mean Squ