sas学习系列23.多元线性回归.pdf

-- 23. 多元线性回归 一、多元线性回归 1. 模型为 Y= + X + … + X + ε 0 1 1 N N 其中 X , …, X 是自变量， Y 是因变量， , … , 是待求的 1 N 0 1 N 未知参数，ε 是随机误差项（残差） ，若记 多元线性回归模型可写为矩阵形式： Y=X β + ε 通常要求：矩阵 X 的秩为 k+1 （保证不出现共线性） , 且 kN; ε 为正态分布， E( ε)=0 和 E( εε’)= 2 I 错误！未定义书签。 ，其中 I 为 N ×N 单位矩阵。 用最小二乘法原理，令残差平方和 最小，得到 为 β的最佳线性无偏估计量（高斯－马尔可夫定理） 。 2. 2 的估计和 T 检验 选取 2 的估计量： 则 假如 t 值的绝对值相当大，就可以在适当选定的置信水平上否定 -- -- 原假设，参数的 1- α置信区间可由下式得出： 其中 t 为与α%显著水平有关的 t 分布临界值。 α /2 2 3. R 和 F检验 2 若因变量不具有 0平均值，则必须对 R 做如下改进： 2 随着模型中增添新的变量， R 的值必定会增大， 为了去掉这种增 2 大的干扰， 还需要对 R 进行修正 （校正拟合优度对自由度的依赖 关系）： 2 ESS/ ( N k 1) N 1 2 R 1 1 (1 R ) TSS / ( N 1) N k 1 做假设检验： H : = …= =0; H : … , 至少有一个≠ 0 ； 0 1 N 1 1 N 使用 F统计量做检验， 若 F 值较大，则否定原假设。 二、 PROC REG 过程步 基本语法： PROC REG data = 数据集 ; MODEL 因变量 = 自变量列表 / 可选项 ; -- -- restrict 自变量的等式约束 ; 说明： MODEL 语句用来指定因变量和自变量； restrict 语句示例： restrict a1+a2=1; 常用的输出可选项： STB——输出标准化偏回归系数矩阵 CORRB ——输出参数估计矩阵 COLLINOINT ——对自变量进行共线性分析 P——输出个体观测值、预测值及残差 （R/CLM/CLI 包含 P） R——输出每个个体观测值、残差及标准