第二次实验：一元及多元线性回归-SAS2011下.doc

回归诊断及自变量的选择 异方差的检验：图示法，等级相关系数法，white检验 解决办法：加权最小二乘估计，方差变换 proc import out=xt49 /*使用import过程导入数据并输出到数据集xt49*/ datafile=d:\xt49.xls dbms=excel2000 replace; getnames=yes; /*首行为变量名*/ run; proc print data=xt49; run; proc reg data=xt49; model y=x/clb p r spec DW;/*其中p是预测值，r是残差，clb是给出回归系数的区间估计,spec可以给出怀特检验的结果DW给出一阶线性自相关检验*/ output out=out r=residual;/*把回归的结果输出在文件out里，残差给变量名residual */ run; proc print data=out; run; proc plot data=out; plot residual*x;/*做残差图，检验是否存在异方差*/ run; /*下面利用残差的绝对值和X间的 spearman的相关系数检验异方差*/ data out1 ; set out; /*调用数据集out*/ z=abs(residual); /*求残差的绝对值*/ run; proc print data=out1 ; run; proc corr data=out1 outs=out2; /*corr指做相关分析 outs=out2表示将等级相关检验的结果输出到out2*/ var x z; run; /*下面用自变量的幂函数进行加权最小二乘估计*/ title”wls method”; data w1;/*建立新的数据集w1，以便计算权重*/ set out1; keep y x; run; data w2;/*建立新的数据集w，以保留权重*/ set w1; array row{10} w1-w10;/* w1-w10为不同m时的权数值*/ array p{10}(-2,-1.5,-1,-0.5,0.5,1,1.5,2，2.5,3); do i=1 to 10; row(i)=1/x**p{i}; end; run; proc print data=w2; run; proc reg data=w2; model y=x/r; weight w1; output out=test r=residual; run; proc gplot data=test; plot residual*x; run; 2．自相关性检验：图示法，dw检验 解决办法：差分法，迭代法 proc import out=xt413 /*使用import过程导入数据并输出到数据集xt413*/ datafile=d:\xt413.xls dbms=excel2000 replace; getnames=yes; /*首行为变量名*/ run; (差分法)data diff; set xt413; diffx=dif(x); diffy=dif(y); run; lagx=lag1(x); proc reg data=xt413; model diffy=diffx noint/DW/clb p r spec DW;/*其中p是预测值，r是残差，clb是给出回归系数的区间估计,spec可以给出怀特检验的结果DW给出一阶线性自相关检验*/ output out=out r=residual;/*把回归的结果输出在文件out里，残差给变量名residual */ run; proc print data=out; run; 以下程序没有调试成功 %macro WLS(indata);/*WLS宏，putdata为待分析数据*/ %do j=1 %to 10; %analyze(indata,j); %Drawplot(indata,j); %end; %mend; %macro analyze(indata,count);/*回归过程宏，indata为 分析数据，count为计数值*/ proc reg data= indata; model y=x/r; weight wcount; output out=w2 r=residcount; run; %mend; %macro drawplot(indata,count);/*绘制残差图宏，indata为 待分析数据，count为计数值*/ Title WLS Method weight=wcount; proc gplot data=indata; plot residcount*x; %mend