研究生课件---SAS第六讲 秩和检验 相关分析与回归分析.ppt

* * [output out=数据集名 统计量=变量名 …统计量=变量名 ]； 可选项。Output语句创建一个包括对每个观察值计算统计量的新输出的数据集。 说明：统计量=变量名：规定包含在这个输出数据集里的统计量，并对存储这些统计量的新变量给出变量名。统计量=变量名至少一个是必需的。 常用的统计量为： Predicted或P=变量名 应变量y的预测值 。 Residual 或R=变量名 y- 的残差值。 Student=变量名 学生化残差，它是用残差除以它的标准差得到的。 * * model 语句常用的[选项]： stb 输出标准化回归系数 cli 输出相应 x 对应个体 y 值的95%容许区间上下限 clm 输出相应 x 对应预测值 均值 的95%可信区间上下限。 P 输出实际值yi ，预测值 、残差及其标准误。 Proc plot常用的[选项]： data=数据集名； formchar(1,2,7)=‘|-+’; 规定用来构造散点图的轮廓线和分隔线的字符（只有三个字符）。1为垂线，2为水平线，7为水平与垂直的交叉线。 * * 例8.3 data reg1; input x y @@; cards; 820 165 780 158 720 130 867 180 690 134 787 167 934 186 679 145 639 120 820 158 ; proc reg; model y=x /stb cli clm p; Proc plot formchar(1,2,7)=‘|-+’; plot y*x=*; run; * * Model: MODEL1 Dependent Variable: Y Analysis of Variance Sum of Mean Source DF Squares Square F Value ProbF 变异来源 自由度 离均差平方和 均方 F值 P值 Model回归变异 1 3737.41063 3737.41063 60.197 0.0001 Error 误差 8 496.68937 62.08617 C Total总变异 9 4234.10000 Root MSE Sy.x 7.87948 R-square 决定系数R2 0.8827 Dep Mean y的均数 154.30000 Adj R-sq 校正R2 0.8680 C.V. Y的变异系数 5.10660 Parameter Estimates Parameter Standard T for H0: Standardized Variable DF Estimate Error Parameter=0 Prob |T| Estimate 变量名 参数估计值 标准误 t值 P值 标准化回归系数 INTERCEP 1 -17.357456 22-0.780 0.4581 0X 1 0.221894 0 7.759 0.0001 0* * Dep Var Predict Std Err Lower95% Upper95% Lower95% Upper95% Obs Y Value Predict Mean Mean Predict Predict Residual 应变量 残差 1 165.0 164.6 2.823 158.1 171.1 145.3 183.9 0.4041 2 158.0 155.7 2.498 150.0 161.5 136.7 174.8 2