sas基礎(chǔ)ppt課件-資料下載頁
2025-05-05 18:23本頁面
【正文】 知名度 8 2 5 4 7 9 1 6 10 3 第二節(jié) 簡單線性回歸 一、用 Insight擬合回歸方程 方程的建立 打開數(shù)據(jù)集 選 Analyze=Fit(Y X)=將 MIDPRICE選為 Y， PERFORM選為 X=OK 產(chǎn)生預(yù)測值 繼續(xù)上述過程 ， 回到數(shù)據(jù)表中 ， 當(dāng) PERFORM輸入新值 ， 按 “ Enter”后 ， 就會在 P－ MIDPRI列中看到預(yù)測值 。 回歸與預(yù)測值的置信區(qū)間 繼續(xù)上述過程 選 Curves=Cofidence Curves=Mean:95%和 Curves=Cofidence Curves=Prediction:95% 擬合不含常數(shù)項的回歸 打開數(shù)據(jù)集 選 Analyze=Fit(Y X)=將 COST選為 Y， DELAY選為 X， 點擊 Intercept前的方框 ， 使之不打勾 =OK 二 、 用分析員應(yīng)用擬合簡單線性回歸 打開數(shù)據(jù)集 選 Statistics=Regression=Simple… =將 RUNTIME選為 Independent,將 OXYGEN選為 Dependent=OK 三、編程（回歸并作圖） proc reg data= graphics。 model oxygen=runtime。 plot oxygen*runtime。 run。 其中： plot 縱軸變量 *橫軸變量 第三節(jié) 多元線性回歸 一、用 Insight擬合多元線性回歸 擬合多元線性回歸 打開數(shù)據(jù)集 選 Analyze=Fit(Y X)=將 MIDPRICE選為 Y， CITYMPG、 HWYMPG、 ENGSIZE、 RPM 、 REVLTNS、 FUELTNK、 PERFORM選為 X=OK 刪除自變量 選中某一自變量 =Edit=Delete 二 、 用分析員應(yīng)用擬合多元線性回歸 打開數(shù)據(jù)集 Statistics=Regression=Linear… = 把 OXYGEN選為 Dependent, 把 AGE,MAXPULSE,RSTPULSE,RUNPULSE,RUNTIME, WEIGHT選為 Explanatory=OK 三、對 fitness數(shù)據(jù)進(jìn)行逐步回歸分析。 調(diào)用 reg過程， model語句中的參數(shù)選項使用selection=stepwise。程序如下： proc reg data= 。 model oxygen = age weight rstpulse maxpulse runpulse runtime /selection=stepwise 。 run 。 ? 例如： 廣告花費 X與銷售額 Y的回歸模型。大多數(shù)公司最終會詢問關(guān)于花費在廣告上的費用對公司產(chǎn)品銷售額的影響程度。由于廣告需要一定的時間才能達(dá)到它的效應(yīng)，同時它的效應(yīng)也不是永久持續(xù)的，它的影響也許僅僅延續(xù)開頭的一段時期。假設(shè)公司相信銷售額與當(dāng)月以及前兩個月內(nèi)所花的廣告費有較密切的關(guān)系，即意味著： Yt與 Xt， Xt1， Xt2有密切的關(guān)系。假設(shè)它們之間存在線性關(guān)系，建立模型為： Yt=β0+β1Xt+β2 Xt1+β3 Xt2+εt 我們現(xiàn)在有某公司 15月內(nèi)有關(guān)廣告花費 X與銷售額 Y的數(shù)據(jù)，見下表所示： DATA 。 INPUT SALES ADV@@。 ADVLAG1=LAG1(ADV)。 ADVLAG2=LAG2(ADV)。 OUTPUT。 CARDS。 2945 280 4295 400 5645 450 6995 590 8345 650 9695 750 11045 890 12395 1000 13745 1050 15095 1200 16445 1250 17795 1350 19145 1460 20495 1500 21845 1650 。 PROC REG DATA= 。 MODEL SALES=ADV ADVLAG1 ADVLAG2。 RUN。 運行后，得到的最小二乘回歸形式為： Yt=+++ 進(jìn)一步統(tǒng)計分析，按顯著性水平 =剔除 ADV變量，并要求繪制殘差圖，要再一次提交下列程序： DELETE ADV。 Print 。 PLOT R. * P. / SYMBOL=’*’。 RUN。 將 Xt從模型中剔除而重新建立模型，得到的估計方程為： Yt=++ 注意到新的估計方程式并不是從原來的方程式中單純剔除 Xt項而獲得，新的估計方程式也必須重新進(jìn)行完全的 F檢驗與部分的T檢驗，結(jié)果顯示余下的變量應(yīng)當(dāng)保留在模型中。
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1