reg--用sas作回歸分析-資料下載頁(yè)
2025-01-19 08:26本頁(yè)面
【正文】 ? Cook39。s D 78 回歸診斷 識(shí)別有影響的觀測(cè) Dffitsi 度量第 i 個(gè)觀測(cè)對(duì)預(yù)測(cè)值的影響 iY?第 i個(gè)觀測(cè)的預(yù)測(cè)值 )(?i用排除第 i個(gè)觀測(cè)的回歸對(duì)第 i個(gè)觀測(cè)的預(yù)測(cè)值 )?( iYS第 i個(gè)觀測(cè)的預(yù)測(cè)值的標(biāo)準(zhǔn)差 )?(??D f f it s )(iiiiYsYY ?npi /2?|D f f it s| ?p 為模型中參數(shù)的個(gè)數(shù)， n 為樣本容量 SAS/INSIGHT 在下拉菜單選 Var ? Dffits 79 回歸診斷 識(shí)別有影響的觀測(cè) Analyst: Statistics ? Regression? Linear . . . ? Save Data 80 回歸診斷 識(shí)別有影響的觀測(cè) Proc REG 的 Model語(yǔ)句加選項(xiàng) r 可獲得 Cook D 統(tǒng)計(jì)量 Proc REG 的 Model語(yǔ)句加選項(xiàng) influence 可獲得 Dffits 等反映觀測(cè)值影響的統(tǒng)計(jì)量 PROC REG DATA=數(shù)據(jù)集名 。 MODEL 應(yīng)變量 =自變量 /r influence。 RUN。 R022 Influence 82 選項(xiàng) influence 生成的統(tǒng)計(jì)量 83 回歸診斷 識(shí)別有影響的觀測(cè) 偏杠桿圖 是使有影響觀測(cè)可視化的方法 偏杠桿圖是兩個(gè)回歸的散點(diǎn)圖 例如對(duì)變量 xr 的偏杠桿圖： 縱軸是 Y關(guān)于除 xr以外所有 x的回歸的余差 橫軸是 xr關(guān)于所有 x的回歸的余差 有影響觀測(cè)通常分離與其它數(shù)據(jù)點(diǎn)或在某 一軸上有極端數(shù)值 偏杠桿圖還可識(shí)別要加入哪些變量的高次項(xiàng) 84 回歸診斷 識(shí)別有影響的觀測(cè) SAS/INSIGHT 在下拉菜單選 GraphsPartial Leverage Proc REG 的 Model語(yǔ)句加選項(xiàng) partial 可 獲得杠桿圖（低分辨） PROC REG DATA=數(shù)據(jù)集名 。 MODEL 應(yīng)變量 =自變量 /partial。 RUN。 85 回歸診斷 識(shí)別有影響的觀測(cè) 如何處理有影響的觀測(cè) 復(fù)驗(yàn)數(shù)據(jù)，確認(rèn)并無數(shù)據(jù)輸入錯(cuò)誤發(fā)生 若數(shù)據(jù)是有效的，模型可能不合適。擬 合此數(shù)據(jù)可能需要使用高階模型 也可能數(shù)據(jù)是反常的 一般，不剔除數(shù)據(jù)。某些有影響的觀測(cè)提 供重要的信息。要剔除數(shù)據(jù)，應(yīng)給出必 要的描述和說明 86 回歸診斷 共線性診斷 共線性 (collinearity, multicollinearity)問題是指 獨(dú)立變量間存在線性關(guān)系 變量間的線性關(guān)系會(huì)隱蔽變量的顯著性 也會(huì)增加參數(shù)估計(jì)的方差 產(chǎn)生不穩(wěn)定的模型 只有擬合多元回歸才會(huì)發(fā)生這一問題 共線性的診斷可使用方差膨脹因子、條件指數(shù)和方差比例 87 回歸診斷 共線性診斷 VIF 方差膨脹因子 (VIF)是對(duì)由于共線性而引起的參數(shù)估計(jì)量的方差增加的一個(gè)相對(duì)度 量 r2r T O L111V I F ???rR獨(dú)立時(shí)系數(shù)方差系數(shù)方差Rr2 是 Xr關(guān)于模型中其它獨(dú)立變量回歸的 R2 一般采用 VIF 10 表明存在共線性問題 INSIGHT在擬合回歸時(shí) 自動(dòng)生成 VIF Proc REG 的 Model語(yǔ)句加選項(xiàng) VIF 88 回歸診斷 共線性診斷 條件指數(shù)和方差比例 條件指數(shù) (condition index)和 方差比例 (variance proportion)聯(lián)合使用可確認(rèn)存在 線性關(guān)系的變量組 條件指數(shù) (hi=(lmax/li)1/2) 在 1030間為 弱相關(guān) 在 30100間為 中度相關(guān) 大于 100表明有 強(qiáng)相關(guān) 大的條件指數(shù) 伴隨 方差比例 可確認(rèn)有 共線性的獨(dú)立變量子集 INSIGHT在下拉菜單中選 TablesCollonearity Diagnostics Proc REG: Model語(yǔ)句 加選項(xiàng) collin 或 collinoint 89 回歸分析計(jì)算 PROC REG DATA=數(shù)據(jù)集名 graphics noprint。 MODEL 應(yīng)變量 =自變量名列 /p cli clm r vif influence partial collin collinoint。 PLOT y變量 *x變量 /選項(xiàng) . . .。 id=變量名 。 output=數(shù)據(jù)集名 關(guān)鍵統(tǒng)計(jì)量名 =輸出名 . . .。 RUN。 作圖變量： r., student., nqq., ... Reg228,Reg228_1228_4 Asbe39。s 例 90 回歸診斷 例外值 (outliers)或異常作用點(diǎn)的檢查 從已擬合回歸的數(shù)據(jù)中分析線性模型的假定是否被破壞： 應(yīng)變量的均值是否是獨(dú)立變量的線性函數(shù)，是否 需要對(duì)變量進(jìn)行變換或擬合曲線回歸 余差 (residuals)是否同方差，不相關(guān)，正態(tài)分布 獨(dú)立變量間是否存在線性關(guān)系 (僅多元有 ) 考察余差散點(diǎn)圖是進(jìn)行回歸診斷的必要步驟 91 Lack of Fit 檢驗(yàn) 若對(duì)于獨(dú)立變量 有應(yīng)變量的重復(fù)觀測(cè)值 則可將線性預(yù)測(cè)誤差平方和分解為純誤差 平方和與 Lackoffit平方和，用以檢驗(yàn) 擬合線性回歸是否合適 SSE =SSP + SSL( ? )( ) ( ? )Y YY Y n Y Yi ijnici ijnici i iicii? + ????? ????? ?2112112192 Lack of Fit 檢驗(yàn) SSE =SSP + SSL(?)( ) (?)Y YY Y n Y Yi ijnici ijnici i iicii? + ????? ????? ?21121121M S P = SSP M SL = SSL M S LM S Pn c c p F
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1