1. 郑来轶首页
  2. 文章

用SAS进行数据分析:线性回归分析

回归分析是统计分析的一项重要内容,可以帮助我们了解变量之间的数量关系。

线性回归分析

1、线性回归的假设理论

(1)正态性假设:即所研究的变量均服从正态分布;

(2)等方差假设:即各变量总体的方差是相等的;

(3)独立性假设, 即各变量之间是相互独立的;

(4)残差项无自相关性,即误差项之间互不相关,Cov(ei,ej=0

2、线性回归模型的检验项目

(1)回归系数的检验(t检验)

(2)回归方程的检验(F检验)

(3)拟合程度判定(可决系数R2)

(4)D.W检验(残差项是否自相关)

(5)共线性检验(多元线性回归)

(6)残差图示分析(判断异方差性和残差序列自相关)

SAS过程

SAS提供的回归过程比较多,包含REG(回归)过程、rsreg(二次响应面回归)过程、orthoreg(病态数据回归)过程、nlin(非线性回归)过程、transreg(变换回归)过程、calis(线性机构方程和路径分析)过程、glm(一般线性回归)过程、genmod(广义线性回归)过程等

reg的一般格式:
PROC REG DATA=数据集 选项; 

  VAR 变量列表;

  MODEL 因变量=自变量列表/selection=回归模型;

  PRINT 输出结果;

  PLOT 诊断图形;

RUN;

使用不同的线性回归模型
selection=forward为顺向选择法,将全模型中的自变项逐一加入至最佳模型

selction=backward为反向排除法,将全模型中的自变项逐一去除至最佳模型

selection=stepwise为逐步排除法,为前二者之合并

例如:

PROC REG DATA=SASUSER.SCORE;

 VAR MATH ENGLISH CHINESE;

 MODEL MATH=ENGLISH CHINESE;

RUN;

SAS中的线性回归分析

解释:回归结果为第三部分,可以看到P都大于0.05,则English、Chinese的作用不显著。

作者:郑来轶,如若转载,转转请注明出处:https://www.zhenglaiyi.com/988.html

发表评论

电子邮件地址不会被公开。 必填项已用*标注

联系我们

邮件:zhenglaiyi@163.com