4 SAS中多元线性回归课件.ppt

用SAS进行回归分析 reg过程 一般格式为： proc reg 选项； model 因变量=自变量/选项； weight 变量； print 选项； plot? 纵轴变量*横轴变量=“符号”； reg过程的选项 ??? proc reg语句的选项有data=输入数据集，simple给出简单统计数，corr给出简单相关系数等。 ??? Model语句设定线性数学模型。 ??? Weight语句给出权系数变量。 ??? Print语句打印分析结果。 ??? Plot语句作散点图。 逐步回归分析 在进行逐步回归分析时，应用MODEL语句中的SELECTION=name选择项，来选择用于进行逐步回归分析时模型； 其中name可以是FORWARD（或F）； BACKWARD（或B）； STEPWISE ；MAXR； MINR； RSQUARE； ADJRSQ； CP； NONE（使用全回归模型）。缺省时使用NONE。 * SAS中用于回归分析的过程 SAS中用于回归分析的过程 proc reg data=forest; model y1-y5=x1-x7; run; REG过程的语法格式如下： 　PLOT 纵坐标变量*横坐标变量[=绘图符号]... / [选项]; ] 　OUTPUT OUT=新数据集名 关键字=新变量名 ...; 　BY 变量名列; 　WEIGHT 变量名; 　FREQ 变量名; 　[VAR 变量名列; 　MODEL 因变量名=自变量名列/ [选项] ; PROC REG [DATA=数据集名 [选项] ] ; 这也不是完全的reg过程的语法，详细语法，可以参考SAS的帮助。 proc reg data=forest OUTEST=result1 SIMPLE CORR; model y1-y5=x1-x7/selection=stepwise; Plot y1*x1 run; 程序中全部语句中只有第一行和MODEL语句是必需的，其他都可以省略。 MODEL语句，必需语句，定义回归分析模型 VAR语句为可选的，指定用于计算交叉积的变量 PLOT语句为可选的，用于绘制变量间的散点图，还可添加回归线。 【过程选项（reg语句的选项）】 OUTEST=数据集名 指定统计量和参数估计输出的新数据集名。 NOPRINT 禁止统计结果在OUTPUT视窗中输出。 SIMPLE 输出REG过程中所用的每个变量的基本统计量。 CORR 输出MODEL语句或VAR语句中所列变量的相关矩阵。 ALL 等价于MODEL语句加上全部选项，即输出该语句所有选项分析结果。 【MODEL语句】 MODEL语句定义模型中的因变量、自变量、模型选项及结果输出选项。语句中的变量只能是数据集中的变量，任何形式的变换都必须先产生一个新变量，然后用于分析。如X1的二次项，不能在模型中直接指定X1*X1，而要产生另一个新变量代表X1*X1，方可引入模型。 MODEL语句中常用的选项有： NOINT 在模型中不拟合常数项。 STB 输出标准化回归系数。 CLI 输出个体预测值 ?的95%可信区间上下限。 CLM 输出因变量期望值(均值)的95%可信区间上下限。 R 输出个体预测值、残差及其标准误。 P 输出实际值Yi、预测值 ? 和残差等。如已选择了CLI、CLM和R，则无需选择P。 SELECTION=name来选择逐步回归的方法。 【OUTPUT关键字】 REG过程中OUTPUT语句的用法和means过程中的用法相同，只是会用到另一些关键字。关键字用来定义需要输出到新数据集中的统计量，常用的关键字及其含义有： 学生化残差(即残差与标准误之比) STUDENT 预测值的标准误 STDI 残差的标准误 STDR 期望值的标准误 STDP 个体预测值95%可信区间上下限 L95、U95 均数95%可信区间上下限 L95M、U95M 残差(简写为R) RESIDUAL 因变量预测值(简写为P) PREDICTED 【PLOT语句】 PLOT语句用于输出变量间的散点图，其用法和GPLOT过程中的PLOT语句非常相似。PLOT语句定义的两变量可为MODEL语句或VAR语句中定义的任何变量。SYMBOL选项可定义散点图中点的标记，如SYMBOL=’*’，则每个点以“*”表示。 proc reg data=forest SIMPLE CORR; model y1-y5=x1-x7/selection=stepwise; Plot y1*x1=‘*’ run; 参考书p123~p124，逐步回归的统计量 使用SELECTION=FORWARD（或F）变量增加法、BACKWARD（或B）变量减少法、STEPWISE变量增减法，会用