sas學習系列21相關分析(完整版)
【正文】 關系，其結果具有統(tǒng)計學意義。var abilities。例3某康復俱樂部對20名中年人測量了三項生理指標：體重(weight)、腰圍(waist)、脈搏(pulse)，以及三項訓練指標：引體向上(chins)、起坐次數(shù)(situps)、跳躍次數(shù)(jumps)。PhysiologicalMeasurements39。生理指標和訓練指標之間的相關系數(shù)是中等的。在給出的典型結構（原始變量與典型變量之間的相關系數(shù)）表中，waist和weight與第一典型變量PHYS1的相關系數(shù)皆為正值。顯然，體重（wight）或腰圍（waist）大的人比小的人要肥胖，因此與起坐次數(shù)（situps）為負相關。第一典型變量PHYS1和EXER1皆不能很好全面地用于對應的那組變量的預測。第二對和第三對典型變量實際上沒有對標準差有什么貢獻。如果固定體重（wight）的值，腰圍（waist）大的人，身高就矮，因此人傾向于較肥胖，所以預測起坐次數(shù)（situps）應該較小，這樣，腰圍（waist）在多元回歸中的回歸系數(shù)一定是負值才能使起坐次數(shù)（situps）減小。所謂的抑制變量是指，它的增加或減少會引起目標變量間的相關系數(shù)的絕對值的減少或增加，即相關性減弱或變強。典型相關系數(shù)的平方（CanRsq）。Exercises39。Obsweight waist pulse chins situps jumps 1191365051626021893752211060319338581210110141623562121053751893546131555861823656410142721138568101388167346061254091763174152004010154335617251250111693450171203812166335213210115131543464142151051424746501505015193364667031162023762122101201717637544602518157325211230801915633541522573201383368211043代碼：data fit 。title 39。代碼：data persons。with Score。注：默認只輸出5個變量，若更多變量使用PLOTS = MATRIX(nvar=all)例1（Pearson直線相關） 某班學生考試成績的數(shù)據(jù)（C:\MyRawData\），變量包括考試成績、考前一周看電視的時間和做練習的時間：讀入數(shù)據(jù)，用PROC CORR過程步做相關性分析。 說明：（1）默認計算Pearson相關系數(shù)，并進行顯著性檢驗，以及計算簡單統(tǒng)計量；若要計算Spearman等級相關系數(shù)，需要加上可選參數(shù)“SPEARMAN”：PROC CORR data = dataset
法律信息相關推薦
鄂ICP備17016276號-1