SAS回归分析中的应用.doc

SAS回归分析中的应用 摘要：回归分析法是重要而且常用的一种统计方法，是对现象之间进行依存关系分析的专门方法。例如市场活动中的经济现象都有其产生的原因，都要受到一定因素的制约，都是一定原因的必然结果。利用回归分析法就是要找出影响和决定预测对象变化的有关市场因素，把有关的市场因素作为原因，把预测对象作为结果，从而发现它们之间因果变化的一般规律。SAS系统是世界领先的信息系统，是一个强大规模化的集成应用软件系统，具有完备的数据存取、管理、分析和显示等功能。本文在SAS系统下对数据进行回归分析。 【关键词】　回归分析 SAS软件 一前言 回归分析方法是处理多个变量之间相互关系的一种数学方法,是数理统计常用方法之一。从分析测试的观点来看,回归分析的任务就是找出响应值ｙ(因变量)与影响它的诸因素ｘｉ(自变量,ｉ=1,2,3,…ｎ)之间的统计关系(回归模型),利用这种统计关系在一定置信度下由各因素的取值去预测响应值的范围,在众多的预报变量中,判断哪些变量对自变量的影响是显著的,哪些变量的影响是不显著的;根据预报变量的给定值来估计和预测精度。 二SAS回归分析过程与方法介绍 回归分析过程就是通过样本观测数据对模型中的因变量ｆ(ｘ)进行估计,分析随机误差项的分布特征,使用模型进行预测预报,任何一个回归分析过程包括以下内容: (1)　建立回归模型,确定自变量和因变量,判定因变量ｆ(ｘ)的形式。 (2)　用样本数据来拟合模型中的未知参数。 (3)　确定随机误差项和估计量的分布性质。 (4)　拟合优度检验,验证用Ｘ预测Ｙ的拟合程度。 (5)　利用模型进行预测和控制。预测问题是对固定的Ｘ值预测相应的Ｙ值,而控制问题可以看成是预测问题的反问题,通过控制Ｘ值以便把Ｙ的值控制在指定的范围内。 一元线形回归 回归分析中，变量Y称为因变量，处在被解释的位置，X称为自变量，用于预测因变量的变化，因变量Y是随机变量，自变量X是非随积的确定变量，回归分析不仅可以揭示变量X对变量Y的影响大小，还可以由回归方程进行预测和控制。 REG过程是SAS/STAT中提供的几个回归分析过程之一，交互式过程，自使用了run语句提交了若干个过程步语句后，可以继续写其他的过程步语句，提交运行，直到提交quit语句或开始其他过程步或数据不步才终止。 reg过程的语法格式如下： 2.2　回归分析方法介绍 SAS为用户提供了三种回归分析工具:“回归”分析工具、工作表函数。2.2.1　“回归”分析工具使用方法介绍(1)在Ｅｘｃｅｌ工作区单元格中录入样本观测数据。(2)建立回归模型,确定因变量ｆ(ｘ)的形式。取样本观测数据,录入Ｅｘｃｅｌ中的图表向导,选用“ＸＹ散点图”,把样本数据连成曲线,观察曲线形状,建立回归方程。(3)启动“回归分析”分析工具从“工具”菜单中选择“数据分析”子菜单,打开“数据分析”对话框,从中选择“回归”分析工具。如果“工具”菜单中没有“数据分析”,从“工具”中选定“加载宏”,在“加载宏”中选定“分析工具库”即可在“工具”菜单中加载“数据分析”。(4)填写“回归分析”对话框,如图1所示。“回归”对话框(5)回归结果分析　在回归“对话框中按“确定”按钮,可以得到回归结果。2.2.2　工作表函数使用说明Ｅｘｃｅｌ提供了9个函数用于建立回归模型和回归预测,其中5个函数用于一元回归分析,4个函数用于多元回归分析,这些函数列于表1。表1　用于回归分析的工作表函数函数名定　　　义语法格式ＩＮＴＥＲＣＥＰＴ一元线性回归模型α的估计值(截距)ＩＮＴＥＲＣＦＰＴ(Ｋｎｏｗｎ＿ｙ’ｓ,Ｋｎｏｗｎ＿ｘ’ｓ)ＳＬＯＰＥ一元线性回归模型β的估计值(斜率)ＳＬＯＰＥ(Ｋｎｏｗｎ＿ｙ’ｓ,Ｋｎｏｗｎ＿ｘ’ｓ)ＲＳＱ一元线性回归模型的决定系数(ｒ2)ＳＲＱ(Ｋｎｏｗｎ＿ｙ’ｓ,Ｋｎｏｗｎ＿ｘ’ｓ)ＦＯＲＥＣＡＳＴ依照一元线性回归模型的预测值ＦＯＲＥＣＡＳＴ(ｎｅｗ＿ｘ’ｓ,Ｋｎｏｗｎ＿ｙ’ｓ,Ｋｎｏｗｎ＿ｘ’ｓ)ＳＴＥＹＸ依照一元线性回归模型的标准误差ＳＴＥＹＸ(Ｋｎｏｗｎ＿ｙ’ｓ,Ｋｎｏｗｎ＿ｘ’ｓ)ＴＲＥＮＤ依照多元线性回归模型的预测值ＴＲＥＮＤ(Ｋｎｏｗｎ＿ｙ’ｓ,Ｋｎｏｗｎ＿ｘ’ｓ,ｎｅｗ＿ｘ’ｓ,ｃｏｎｓｔ)ＧＲＯＷＴＨ依照多元指数回归模型的预测值ＧＲＯＷＴＨ(Ｋｎｏｗｎ＿ｙ’ｓ,Ｋｎｏｗｎ＿ｘ’ｓ,ｎｅｗ＿ｘ’ｓ,ｃｏｎｓｔ)ＬＩＮＳＴ估计多元线性回归模型的未知函数ＬＩＮＳＴ(Ｋｎｏｗｎ＿ｙ’ｓ,Ｋｎｏｗｎ＿ｘ’ｓ,ｃｏｎｓｔ,ｓｔａｔｓ)ＬＯＧＥＳＴ估计多元指数回归模型的未知函数ＬＯＧＥＳＴ(Ｋｎｏｗｎ＿ｙ’ｓ,Ｋｎｏｗｎ＿ｘ’ｓ,ｃｏｎｓｔ,ｓｔａｔｓ)对以上九个函数说明如下:(1)所有函数必须要求自变量与因变量的数据个数相同,否则将返回错误值。 3.1　一元线性回归模型一元线性回