《《次回归与rsreg》ppt课件》由会员分享，可在线阅读，更多相关《《次回归与rsreg》ppt课件（86页珍藏版）》请在金锄头文库上搜索。
1、,正交旋转二次回归设计与RsReg,第七节响应面分析,当试验中考察的指标宜于用多元二次回归方程来拟合因素与指标的函数关系，就可以分析回归方程所反应的曲面形状，如果得到的曲面是凸面(像山丘)或凹面(像山谷)这类简单曲面，那么预测的最佳指标值(极大值或极小值)可以从所估计的曲面上获得；如果曲面很复杂，或者预测的最佳点远离所考察因素的试验范围，那么可以通过岭嵴分析来确定重新进行试验的方向. 这就是应用较广，颇有实用价值的响应面分析法(Response Surface Analysis).,第六章 回归分析,第六章 回归分析,第六章 回归分析,第六章 回归分析,如果稳定点不是理想点就要进一步作岭嵴分析
2、,请看示意图和例子演示,第六章 回归分析,RSREG 的SAS过程,二次型回归,响应面回归分析的简单SAS程序如下: Data E62; Input x1-x3 y1 y2 ; Cards; 数据(略) ; Proc RsReg data=E62 ; /*响应面分析*/ Model y1 y2=x1-x3; Run;,第六章 回归分析,响应面分析SAS简单程序如下: data rubber; input y x1 x2 ; cards; 数(略) ; proc sort; by x1 x2 ; /*对自变量x1 x2 进行sort由小到大排序*/ proc rsreg; model f=t d
3、 /lackfit;/*选项lackfit要求对回归模型执行不适合度检定(lack-of-fit test), 预先应先对自变量进行sort由小到大排序*/ run;,第六章 回归分析,PROC RSREG ; （options: data=SASdataset,指明回归所用数据集 Out=SASdataset,指明回归分析所得输出的数据集）,MODEL responses= independents ; 指定模型， 响应变量=自变量/选项,（options: lackfif,要求回归模型运行不适合检定.若选用此项,则须先将数据集内的自变量由小到大排序。 Nooptimal, 停止寻求二项式反
4、应面分析所需的临界值 Covar=n, 指定前n个变量为共变量，所以它们只以一次式类型进入回归模型里。 L95，输出95%置信区间的下界。 U95，输出95%置信区间的上界。）,二次型回归,RIDGE ; 脊岭分析 （options: CENTER=uncoded-factor-values 给出脊岭分析的初始值。 MAX，输出脊岭分析的最大响应值。 MIN，输出脊岭分析的最小响应值。 RADIUS=coded-radii，脊岭分析的距离。 例如，radius= m to n by j） WEIGHT variable ; （给指定的变量加以权重。） ID variables ; 指定名称变量
5、。 BY variables ; 指定要独立分析的变量，此选项须要数据集以由小到大排序。,二次型回归,二次型回归,程序： data a; input n x1-x2 y; cards; 1 -1 -1 76.5 2 -1 1 77.6 3 1 -1 78.0 4 1 1 79.5 5 0 0 80.3 6 0 0 80.0 7 0 0 79.7 8 0 0 79.8 9 1.414 0 78.4 10 -1.414 0 75.611 0 1.414 78.5 12 0 -1.414 77.0 ; proc rsreg data=a; model y=x1 x2; ridge max; id n
6、; run;,二次型回归,结果1： The RSREG Procedure Coding Coefficients for the Independent Variables Factor Subtracted off Divided by x1 0 1.414000 x2 0 1.414000 Response Surface for Variable y 响应变量的均值 Response Mean 78.408333 Root MSE 0.372059 R-Square 0.9671 变异系数Coefficient of Variation 0.4745,二次型回归,Type I Sum
7、Regression DF of Squares R-Square F Value Pr F 线性项 Linear 2 9.557151 0.3785 34.52 0.0005 方项 Quadratic 2 14.821449 0.5870 53.53 0.0001 交叉项Crossproduct 1 0.040000 0.0016 0.29 0.6102 Total Model 5 24.418600 0.9671 35.28 0.0002 Sum of Residual DF Squares Mean Square Total Error 6 0.830566 0.138428（总均方误差
8、,参数估计与检验,二次型回归,Parameter Estimate Standard from Coded Parameter DF Estimate Error t Value Pr |t| Data Intercept 1 79.949921 0.186029 429.77 F x1 3 18.365068 6.121689 44.22 0.0002 x2 3 8.830836 2.943612 21.26 0.0013,回归参数估计与检验,二次型回归,Eigenvectors Eigenvalues x1 x2 -1.923935 0.129896 0.991528 -2.700128
9、0.991528 -0.129896 Stationary point is a maximum. The RSREG Procedure 岭嵴分析 Estimated Ridge of Maximum Response for Variable y 编码半径 Coded Estimated Standard Uncoded Factor Values Radius Response Error x1 x2 0.0 79.949921 0.186029 0 0 0.1 80.080899 0.185120 0.115041 0.082216 0.2 80.165492 0.182651 0.2
10、21499 0.175823 0.3 80.204861 0.179425 0.318826 0.279814 0.4 80.200107 0.176874 0.407040 0.392711 0.5 80.152215 0.177092 0.486648 0.512858 0.6 80.062027 0.182642 0.558466 0.638669 0.7 79.930241 0.196001 0.623443 0.768780 0.8 79.757426 0.218826 0.682527 0.902092 0.9 79.544034 0.251637 0.736588 1.03776
11、2 1.0 79.290430 0.294090 0.786390 1.175154,典型分析,二次型回归,例2 1971年John组织作一试验要求达某一种难闻的化学气味最小，设表示Odor一种难闻的化学气味，T设表示温度（Temperature）,R设表示气体比（Gas-Liquid Ratio）,H设表示容器高度（Packing Height）,数据如下：,SAS程序： title Response Surface with a Simple Optimum; data smell; input Odor T R H ; label T = “Temperature“ R = “Gas-L
12、iquid Ratio“ H = “Packing Height“; datalines;,66 40 .3 4 39 120 .3 4 43 40 .7 4 49 120 .7 4 58 40 .5 2 17 120 .5 2 -5 40 .5 6 -40 120 .5 6 65 80 .3 2 7 80 .7 2 43 80 .3 6 -22 80 .7 6 -31 80 .5 4 -35 80 .5 4 -26 80 .5 4 proc rsreg data=smell; model Odor = T R H / lackfit; run;,二次型回归,data grid; do; Od
13、or =.; H= 7.541; do T = 20 to 140 by 5; do R = .1 to .9 by .05; output; end; end; end; data grid; set smell grid; run; proc rsreg data=grid out=predict noprint; model Odor = T R H / predict; run; data plot; set predict; if H = 7.541; proc g3d data=plot; plot T*R=Odor / rotate=38 tilt=75 xticknum=3 yticknum=3 zmax=300 zmin=-60 ctop=red cbottom=blue caxis=black; run; title;,结果输出 The RSREG Procedure Coding Coefficients for the Independent Variables Factor Subtracted off Divided by T 80.000000 40.000000 R 0.500000 0.200000 H 4.000000 2.000000,Response Surfac
