【正文】 多重回歸程序模式 ? DATA A。 ? input X1X4 Y @@。 ? cards。 ? 10 23 113 9 20 106 10 22 111 ? 13 21 109 10 22 110 10 23 103 ? 8 23 100 10 24 114 10 20 104 ? 10 21 110 10 23 104 8 21 109 ? 6 23 114 8 21 113 9 22 105 ? 。 ? PROC REG CORR。 ? MODEL Y=X1X4。 ? RUN。 多重回歸 The SAS System 14:40 Friday, April 30, 2022 1 The REG Procedure Correlation Variable X1 X2 X3 X4 Y X1 X2 X3 X4 Y The SAS System 14:40 Friday, April 30, 2022 2 The REG Procedure Model: MODEL1 Dependent Variable: Y Analysis of Variance Sum of Mean Source DF Squares Square F Value Pr F Model 4 .0001 Error 10 Corrected Total 14 Root MSE RSquare Dependent Mean Adj RSq Coeff Var 多重回歸 Parameter Estimates Parameter Standard Variable DF Estimate Error t Value Pr |t| Intercept 1 X1 1 .0001 X2 1 X3 1 X4 1 逐步回歸的思想是變數(shù)被逐個(gè)引入到模型中，而且對(duì)引入的變數(shù) ,其 F統(tǒng)計(jì)量必須是在選擇的水平上顯著的。引入一個(gè)變數(shù)之后，逐步法還要測驗(yàn)所有已經(jīng)包含在模型中的變數(shù)，并刪除在選擇的水平上不顯著的一切變數(shù)。僅當(dāng)經(jīng)過測驗(yàn)并把所有不顯著的變數(shù)刪除后，再考慮是否引入新變數(shù)。當(dāng)在模型外的所有變數(shù)在選擇的水平上都不顯著，而且在模型內(nèi)的任一個(gè)變數(shù)的 F統(tǒng)計(jì)量在選擇的水平上都是顯著時(shí)，逐步回歸過程才停止。此外，若剛被刪除的變數(shù)又被引入時(shí)，逐步過程也停止。 SLENTRY＝值（簡記為 SLE＝值）是逐步回歸方法規(guī)定選入這個(gè)模型里的顯著性水平。當(dāng)缺省時(shí)，其值為 。 第一節(jié) 逐步回歸 逐步回歸 SAS過程 ? 語法格式 Proc reg(或 GLM)[ DATA=數(shù)據(jù)集名 [選項(xiàng) ]。 MODEL 響應(yīng)變量名 =自變量名列 /[SELECTION=F或 B或 S]。 VAR 變量名列 。 FREQ 變量名列 。 WEGHT 變量名列 。 BY 變量名列 。 OUTPUT OUT=新數(shù)據(jù)集名 關(guān)鍵字 =新變量名 …。 PLOT 縱坐標(biāo) *橫坐標(biāo) [=繪圖符號(hào) ]…/[ 選項(xiàng) ]。 變量篩選 語法選項(xiàng) (MODEL語句選項(xiàng) ) 1. SELECTION=method， 規(guī)定變量篩選的方法，method可以是以下幾種選項(xiàng) ? FORWARD(或 F)，前進(jìn)法，按照 SLE規(guī)定的 P值從無到有依次選一個(gè)變量進(jìn)入模型 ? BACKWARD（或 B）， 后退法，按照 SLS規(guī)定的 P值從含有全部變量的模型開始，依次剔除一個(gè)變量 ? STEPWISE（或 S）， 逐步法，按照 SLE的標(biāo)準(zhǔn)依次選入變量，同時(shí)對(duì)模型中現(xiàn)有的變量按 SLS的標(biāo)準(zhǔn)剔除不顯著的變量 ?NONE，即不選擇任何選項(xiàng)，不作任何變量篩選，此時(shí)使用的是含有全部自變量的全回歸模型 變量篩選 MODEL語句選項(xiàng) 2. SLE=概率值，入選標(biāo)準(zhǔn)，規(guī)定 變量入選 模型的顯著性水平，前進(jìn)法的默認(rèn)是 ，逐步法是 3. SLS=概率值，剔除標(biāo)準(zhǔn)，指定 變量保留 在模型的顯著水平，后退法默認(rèn)為 ，逐步法是 4. 標(biāo)準(zhǔn)化偏回歸系數(shù) STB 可用來比較各個(gè)自變量作用的大小 5. COLLIN 要求詳細(xì)分析自變量之間的共線性，給出信息矩陣的 特征根和條件指數(shù) ，來判斷自變量之間有無多重共線性。 變量篩選 MODEL語句選項(xiàng) 2. SLE=概率值，入選標(biāo)準(zhǔn)，規(guī)定 變量入選 模型的顯著性水平，前進(jìn)法的默認(rèn)是 ，逐步法是 3. SLS=概率值，剔除標(biāo)準(zhǔn)，指定 變量保留 在模型的顯著水平，后退法默認(rèn)為 ，逐步法是 4. 標(biāo)準(zhǔn)化偏回歸系數(shù) STB 可用來比較各個(gè)自變量作用的大小 5. COLLIN 要求詳細(xì)分析自變量之間的共線性，給出信息矩陣的 特征根和條件指數(shù) ，來判斷自變量之間有無多重共線性。 逐步 (前進(jìn) ,后退 )法回歸程序模式 data b。 input id y x1 x2 x3 x4@@。 cards。 … 。 proc reg data=b。 model y=x1 x2 x3 x4 /stb。 model y=x1 x2 x3 x4 / selection= FORWARD stb。 model y=x1 x2 x3 X4 / selection= BACKWARD stb。 model y=x1 x2 x3 x4 / selection=stepwise stb。 run。 前進(jìn) ,后退法回歸程序模式 ? DATA A。 ? input X1X4 Y @@。 ? cards。 ? 10 23 113 9 20 106 10 22 111 ? 13 21 109 10 22 110 10 23 103 ? 8 23 100 10 24 114 10 20 104 ? 10 21 110 10 23 104 8 21 109 ? 6 23 114 8 21 113 9 22 105 ? 。 ? PROC REG CORR。 ? MODEL Y=X1X4/SELECTION=FORWARD SLE= STB。 ? RUN。 Analysis of Variance Sum of Mean Source DF Squares Square F Value Pr F Model 1 .0001 Error 13 Corrected Total 14 Parameter Standard Variable Estimate Error Type II SS F Value Pr F Intercept X1 .0001 Bounds on condition number: 1, 1 Forward Selection: Step 2 Variable X3 Entered: RSquare = and C(p) = Analysis of Variance Sum of Mean Source DF Squares Square F Value Pr F Model 2 .0001 Error 12 Corrected Total 14 Parameter Standard Variable Estimate Error Type II SS F Value Pr F Intercept X1 .0001 X3 The REG Procedure Model: MODEL1 Dependent Variable: Y