多重回归(SAS).ppt

data b; set resdat.pbl4; proc reg; model bloodloss=age tumor/ collinoint r stb; plot r.*p.; run; data b; set resdat.pbl4; proc reg; model bloodloss=age tumor/selection=stepwise ; Run; 因为只剩下一个变量，因此不做共线性检验。 model bloodloss=tumor/noint r stb; Plot r.*p.; run; 1、 共线性诊断结果：由以上的条件数为1.00000，1.01040，该值小于10，说明自变量的多重共线性对参数估计的影响很小，可以进行参数估计。 2、F=4.77，p=0.0086.所以回归方程有统计学意义。但调整R2=0.0066，拟合程度很小。从偏回归T检验看Page=0.8074，没有统计学意义，Ptomor=0.00210.05，有统计学意义，所以回归方程为 Y=208.80706-0.21911X1+9.73103X2。 逐步回归法 F=9.49，p=0.0021，可认为回归方程有统计学意义。但调整R2=0.0074，拟合程度很小。从偏回归T检验看Ptomor=0.00210.05，有统计学意义，所以回归方程为 Y=196.16165+9.72306X2 多重回归(SAS) 广州医科大学 问题1、请述说多重线性回归的条件（LINE) 1.线性(Line) ：因变量和自变量组合之间的关系有线性趋势。（散点图） 2.独立(Independence)：样本中的个体之间相互独立。 （专业知识，D-W统计量） 3.正态(Normal)：给定各个X值后，相应的Y值服从正态分布。 （残差图） 4.等方差(Equal variance) ：各X值变动时，相应的Y有相同的变异度。（残差图） 问题2、验证手术中的出血量（blood loss，Y）、年龄（X1）、肿瘤最大直径（greatest diameter of tumor X2）是否满足多重线性回归的条件。 data c; set resdat.pbl4; proc gplot;(作散点图） plot bloodloss*age bloodloss*tumor ; run; proc reg ;（回归分析） model bloodloss=age tumor/ dw;（D-W统计量） plot r.*p.;（作残差图） run; 散点图 结论：图显示年龄与手术中失血量之间没有线性趋势 散点图 结论：图显示肿瘤最大直径与手术中出血量之间没有线性趋势。 可见，资料不满足线性条件，正态性分布及方差齐性条件。 标准残差图 1.建立假设： H0： β1＝ β2＝0 H1： β1，β2不全为0 α=0.05 2.计算检验统计量 3.确定P值： 自变量筛检——逐步回归法 问题3、假设满足条件，对出血量（blood loss，Y）、年龄（X1）、肿瘤最大直径（greatest diameter of tumor X2）进行多重线性回归。 先做全变量分析，再用stepwise方法 Collin：未对截距项进行调整； collinoint：对结局像调整出去以后的结果，这两个是实现共线性诊断。R是残差分析；stb是输出标准化回归系数 残差图（全变量） 残差图（ 逐步回归法） 全变量 回归方程为: Y=196.162+9.723X2,与SAS做出来的结果一致。 谢谢！