sas课件第6讲SAS系统与回归分析.pptVIP

* 回归诊断识别强影响点--选项 influence 生成的统计量 Cook D统计量的定义为: 其中b(i)表示删除第i个观测后回归系数b的估计量.另一统计量DFFITS定义为: - 回归诊断识别强影响点--偏杠杆图 偏杠杆图是使有影响观测可视化的方法. 偏杠杆图是两个回归的残差的散点图. 例如对变量 xr 的偏杠杆图： 纵轴是Y关于除xr以外所有x的回归的残差, 横轴是xr关于所有x的回归的残差. 有影响观测通常分离与其它数据点或在某一轴上有极端数值. 偏杠杆图还可识别要加入哪些变量的高次项. 回归诊断识别强影响点--生成偏杠杆图 Proc REG 的 Model语句加选项partial 可获得杠杆图（低分辨） PROC REG DATA=数据集名 ; MODEL 应变量=自变量/partial; RUN; (Reg65.sas) 回归诊断识别强影响点 如何处理有影响的观测: １.复验数据，确认并无数据输入错误发生; ２.若数据是有效的，模型可能不合适.拟合此数据可能需要使用高阶模型,也可能数据是反常的; ３.一般不剔除数据.某些有影响的观测提供重要的信息.若要剔除数据，应给出必要的描述和说明. 回归诊断共线性诊断 共线性(collinearity, multicollinearity)问题是指自变量间存在线性关系. １.自变量之间的线性关系会隐蔽变量的显著性; ２.也会增加参数估计的方差; ３.产生不稳定的模型. 只有拟合多元回归才会发生这一问题. 共线性的诊断可使用方差膨胀因子、条件指数和方差比例. * 回归诊断共线性诊断-VIF和TOL(容差) 方差膨胀因子(VIF)是对由于共线性而引起的参数估计量的方差增加的一个相对度量: Rr2 是xr关于模型中其它自变量回归的R2 一般采用 VIF 10 表明存在强共线性问题. Proc REG 的Model语句加选项 VIF 回归诊断共线性诊断-条件指数和方差比例 PROC REG: Model语句加选项collin 或 collinoint 条件指数(condition index)和方差比例(variance proportion)联合使用可确认存在线性关系的变量组. 条件指数(hi=(lmax/li)1/2) 在10-30间为弱相关; 在30-100间为中度相关; 大于100表明有强相关. 大的条件指数伴随方差比例0.5 即可确认有共线性的自变量子集. (Reg66.sas) 回归诊断误差项的独立性 使用残差来分析误差项的独立性：Durbin-Watson统计量d 残差对时间的散点图 Durbin-Watson 检验 回归诊断本节的练习题 1.对不同类型汽车的价格和性能的数据CARS: (1) 建立MIDPRICE(中间价)与其它7项指标的多元回归关系式,计算预测值和残差值,并添加到数据表中.找出标准化残差的绝对值大于2的观测点(可疑点)生成一个数据集(名为outlier). (2) 计算COOKD和DFFITS统计量,并添加到数据表,然后找出强影响点.这些是否也是异常点或可疑点? (3) 检验标准化残差的正态性. * 变量选择变量的选择--回归分析计算 PROC REG DATA=数据集名; MODEL 应变量=自变量名列/p cli clm r noprint selection= backward |forward| stepwise  rsquare |adjrsq|cp slentry=0.05 slstay=0.10 best=个数 aic sbc rmse include=n id 变量名; output out=数据集名 关键统计量名=输出名. . .;RUN; (REG41.sas) 编程--REG过程及选项SELECTION= * 变量选择逐步回归--基本思想和步骤 以上介绍的选择回归子集的几种方法中，最常用的是逐步筛选法。逐步回归的基本思想和基本步骤如下： 基本思想：逐个引入自变量，每次引入对Y影响最显著的自变量，并对方程中的老变量逐个进行检验，把变为不显著的变量逐个从方程中剔除掉。最终得到的方程中即不漏掉对Y影响显著的变量，又不包含对Y影响不显著的变量。 基本步骤：首先给出引入变量的显著性水平αin 和剔除变量的显著水平αout。然后按以下框图筛选变量。 变量选择逐步回归--基本思想和步骤(框图) *