《sas作业_回归设计》由会员分享，可在线阅读，更多相关《sas作业_回归设计（12页珍藏版）》请在金锄头文库上搜索。
1、 1 作业 作业 3 待分析数据见表 1 3 表 3 数据存放形式为 x2i y4i 8 0 6 58 8 0 5 76 8 0 7 71 8 0 8 84 8 0 8 47 8 0 7 04 8 0 5 25 19 0 12 50 8 0 5 56 8 0 7 91 8 0 6 89 一 编写 SAS 程序 建立 sasuserregdata 数据集 数据集中的变量按顺序为 x1 y1 y2 y3 x2 y4 Sasuser regdata 数据结构应为 二 编写 sas 程序 对数据集 sasuser regdata 分别求 1 线性回归模型 表 1 X1i y1i 10 0 8 04 8
2、 0 6 95 13 0 7 58 9 0 8 81 11 0 8 33 14 0 9 96 6 0 7 24 4 0 4 26 12 0 10 84 7 0 4 82 5 0 5 68 表 2 y2i y3i 9 14 7 46 8 14 6 77 8 74 12 74 8 77 7 11 9 26 7 81 8 10 8 84 6 13 6 08 3 10 5 39 9 13 8 15 7 26 6 42 4 74 5 73 2 y1 a1 b1x1 y2 a2 b2x1 y3 a3 b3x1 y4 a4 b4x2 2 做出上述模型的预测值及预测值的平均值的 95 置信区间 并用图形表示预
3、测区间及回归直线 分 别将预测值及残差输出到数据集 result1 4 3 画出残差图 4 对回归模型的统计计算结果和残差图进行分析 给出上述回归分析的结论 解 1 打开 SAS 应用软件 在 editor 窗口输入如下程序 data Sasuser regdata input x1 y1 y2 y3 x2 y4 cards 10 8 04 9 14 7 46 8 6 58 8 6 95 8 14 6 77 8 5 76 13 7 58 8 74 12 74 8 7 71 9 8 81 8 77 7 11 8 8 84 11 8 33 9 26 7 81 8 8 47 14 9 96 8 10
4、 8 84 8 7 04 6 7 24 6 13 6 08 8 5 25 4 4 26 3 10 5 39 19 12 50 12 10 84 9 13 8 15 8 5 56 7 4 82 7 26 6 42 8 7 91 5 5 68 4 74 5 73 8 6 89 proc reg model y1 x1 model y2 x1 model y3 x1 model y4 x2 run 建立 y1 y2 y3 y4 的线性回归模型 检测无误后运行 得到如下结果 3 1 y1 y1 的线性回归模型为 y1 3 00009 0 50009x1 2 y2 y2 的线性回归模型为 y2 3 00
5、091 0 50000 x1 4 3 y3 y3 的线性回归模型为 y3 3 00245 0 49973x1 4 y4 y4 的线性回归模型为 y4 3 00173 0 49991x2 5 2 修改 SAS 模型 得到它们的预测值及预测值的平均值的 95 置信区间如下 data Sasuser regdata input x1 y1 y2 y3 x2 y4 cards 10 8 04 9 14 7 46 8 6 58 8 6 95 8 14 6 77 8 5 76 13 7 58 8 74 12 74 8 7 71 9 8 81 8 77 7 11 8 8 84 11 8 33 9 26 7
6、81 8 8 47 14 9 96 8 10 8 84 8 7 04 6 7 24 6 13 6 08 8 5 25 4 4 26 3 10 5 39 19 12 50 12 10 84 9 13 8 15 8 5 56 7 4 82 7 26 6 42 8 7 91 5 5 68 4 74 5 73 8 6 89 proc print proc reg model y1 x1 clm cli model y2 x1 clm cli model y3 x1 clm cli model y4 x2 clm cli run 6 7 3 修改 SAS 程序 用图形表示 4 个模型的预测区间及回归直线
7、 data Sasuser regdata input x1 y1 y2 y3 x2 y4 cards 10 8 04 9 14 7 46 8 6 58 8 6 95 8 14 6 77 8 5 76 13 7 58 8 74 12 74 8 7 71 9 8 81 8 77 7 11 8 8 84 11 8 33 9 26 7 81 8 8 47 14 9 96 8 10 8 84 8 7 04 6 7 24 6 13 6 08 8 5 25 4 4 26 3 10 5 39 19 12 50 12 10 84 9 13 8 15 8 5 56 7 4 82 7 26 6 42 8 7 91
8、 5 5 68 4 74 5 73 8 6 89 symbol1 value star ci black i r1clm95 width 1 改变其中的一些值会怎么变 symbol2 ci black i r1cli95 width 2 symbol1 value star ci black i r2clm95 width 1 symbol2 ci black i r2cli95 width 2 symbol1 value star ci black i r3clm95 width 1 symbol2 ci black i r3cli95 width 2 8 symbol1 value sta
9、r ci black i r4clm95 width 1 symbol2 ci black i r4cli95 width 2 proc gplot data Sasuser regdata plot y1 x1 y1 x1 overlay 同时输出预测值和预测值的平均值的图形 title x1 y1 plot proc gplot data Sasuser regdata plot y2 x1 y2 x1 overlay title x1 y2 plot proc gplot data Sasuser regdata plot y3 x1 y3 x1 overlay title x1 y3
10、plot proc gplot data Sasuser regdata plot y4 x2 y4 x2 overlay title x2 y4 plot run 9 4 修改 SAS 程序 将 4 个模型的预测值及残差输出到数据集 result1 4 并画出残差图 如下 data Sasuser regdata input x1 y1 y2 y3 x2 y4 cards 10 8 04 9 14 7 46 8 6 58 8 6 95 8 14 6 77 8 5 76 13 7 58 8 74 12 74 8 7 71 9 8 81 8 77 7 11 8 8 84 11 8 33 9 26
11、 7 81 8 8 47 14 9 96 8 10 8 84 8 7 04 6 7 24 6 13 6 08 8 5 25 4 4 26 3 10 5 39 19 12 50 12 10 84 9 13 8 15 8 5 56 10 7 4 82 7 26 6 42 8 7 91 5 5 68 4 74 5 73 8 6 89 proc reg model y1 x1 clm cli 估计各个预测值和预测值的平均值95 的置信区间 output out result1 p yp r y1resid1 输出统计分析结果 p r是什么意思 proc gplot data result1 plot
12、y1resid1 x1 title x1 y1 resid plot proc reg model y2 x1 clm cli output out result2 p yp r y2resid2 proc gplot data result2 plot y2resid2 x1 title x1 y2 resid plot proc reg model y3 x1 clm cli output out result3 p yp r y3resid3 proc gplot data result3 plot y3resid3 x1 title x1 y3 resid plot proc reg
13、model y4 x2 clm cli output out result4 p yp r y4resid4 proc gplot data result4 plot y4resid4 x2 title x2 y4 resid plot run 如何把4个合在一起编程 使其输出残差分布图 11 12 5 4 个模型的回归方程分别为 y1 3 00009 0 50009x1 y2 3 00091 0 50000 x1 y3 3 00245 0 49973x1 y4 3 00173 0 49991x2 从它们的残差图分布可以得出以下结论 x1 y1 模型残差的分布比较随机 但是显得比较凌乱 可以用回 归直线进行拟合 不过误差可能会比较大 x1 y2 模型的残差显示出非线性分布 在建模过程中可能忽略了重 要的因素 应该重新建模 x1 y3 模型的残差总体显示出线性分布 但是有一个点误差很大 应该予以剔除再 进行回归分析 x2 y4 模型的残差近似为垂直分布 可能是模型的选择不正确造成的 应该重新选择模型
