sas多元统计分析例题 程序 输出结果 分析过程.docVIP

应 用 数 理 统 计 报 告 所 在 院 系 计算机与信息工程学院 学 科 专 业 农业信息化 研究生姓名 宋 玲 指 导 老 师： 薛河儒 2013年12月21日 用线性回归分析方法分析林木生物量的影响因素 题目 在林木生物量生产率研究中，为了了解林地施肥量（x1，kg）、灌水量（x2，10）与生物量（Y，kg）的关系，在同一林区共进行了20次试验，观察值见下表，试建立Y关于x1,x2的线性回归方程。 程序 DATA ct; INPUT x1 x2 y @@; XSQ=x1*x2; CARDS; 54 29 50 61 39 51 52 26 52 70 48 54 63 42 53 79 64 60 68 45 59 65 30 65 79 51 67 76 44 70 71 36 70 82 50 73 75 39 74 92 60 78 96 62 82 92 61 80 91 50 87 85 47 84 106 72 88 90 52 92 ; PROC REG; MODEL y=x1 x2/P CLI; MODEL y=x1 x2 xsq/P CLI; Run; 3.输出结果  4.分析结果 （1）回归模型是否显著，显著水平是多少？复相关系数是多少？ 答：回归方程显著，显著水平是0.0001。复相关系数是0.9659。 （2）回归系数的估计值是多少？显著性如何？ 答：Intercept -4.94048 0.1711 X1 1.53952 0.0001 X2 -0.94385 0.0001 X1与X2的系数对于表达式极显著，intercept对应的系数对表达式在0.01下不显著 （3）写出回归方程的表达式。 y=1.53952x1-0.94385x2 - 4.94048 （4）利用残差（实测值与预测值之差）、95%置信取间的上下限讨论预测预报效果 及预报的稳定性。 答：根据上面结果可知残差和95%置信区间的上下限的差异很大，最大的达到7.4640.最小的达到0.2868.幅度比较大。所以稳定性也很差。 （5）对本问题再求出Y关于X1、X2的二次多项式回归方程，并与线性 回 归方程比较，说明优缺点。 Intercept -14.55333 0.2210 X1 1.66857 0.0001 X2 -0.73331 0.0126 XSQ -0.00271 0.3914 由输出结果知： 二次模型在0.0001水平下是显著的，预测模型为： y=-14.553333+1.66857x1-0.73311x2-0.00271x1*x2 线性模型在0.001水平下也是显著的，预测模型为： y=1.53952X1-0.94385X2-4.94048 对比来说：MODEL2复相关系数更接近1，预测值与实测值更接近，回归效果更好，因此y与x 的关系应选用二次模型。 用线性回归方法分析影响水稻粒重的因素 题目 本数据来源于2003年所做的试验，数据参考文件reg-4.xls，观测11个水稻品种(03DH1、03DH2、03DH3、03DH 4、03DH5、03DH6、03DH7、03DH 8、03DH9、03DH10、03DH11)的各种性状：穗数xl、枝梗数x2、秕粒x3、200粒重y。每个水稻品种取5株．以5株为一个单位。研究水稻200粒重y与穗数xl、枝梗数x2、秕粒x3之间的关系，分析哪些因素对200粒重y的影响较大。 no num x1 x2 x3 y 03DH1 5 14 16 59 5.87 03DH2 5 27 13 27 5.58 03DH3 5 31 11 94 5.83 03DH4 5 20 15 64 4.71 03DH5 5 24 14 167 5.59 03DH6 5 19 13 340 3.85 03DH7 5 30 13 40 5.52 03DH8 4 21 12 122 5.3 03DH9 5 29 13 90 5.65 03DH10 5 30 14 85 4.97 03DH11 5 41 13 120 5.31 程序 TITLE 多元线性回归分析; DATA AMO; INPUT Y X1-X3; CARDS; 5.87 14 16 59 5.58 27 13 27 5.83 31 11 94 4.71 20 15 64 5.59 24