《SAS 相关与回归模型》由会员分享，可在线阅读，更多相关《SAS 相关与回归模型（6页珍藏版）》请在金锄头文库上搜索。
1、本文格式为Word版，下载可任意编辑SAS 相关与回归模型 相关与回归模型SAS程序 主要内容 1、散点图 2、相关分析 3、一元回归模型建立及检验 4、一元回归模型的拟合图与残差图 5、多元回归模型与数据标准化系数 6、共线性检验（VIF， 7、变量的逐步选择 8、模型的自相关DW检验 相关与回归分析指导 一、散点图 例：一家大型商业银行在多个地区设有分行，其业务主要是举行根基设施创办、国家重点工程创办、固定资产投资等工程的贷款。近年来，该银行的贷款额平稳增长，但不良贷款额也有较大比例的增长，这给银行业务的进展带来较大压力。为弄清不良贷款形成的理由，管理者梦想利用银行业务的有关数据举行定量分
2、析，以便找出操纵不良贷款的手段。下面是该银行所属的25家分行2022年的有关业务数据 分行编号 1 2 3 4 5 6 7 不良贷款 (y) 0.9 1.1 4.8 3.2 7.8 2.7 1.6 各项贷款余额 (x) 67.3 111.3 173.0 80.8 199.7 16.2 107.4 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 12.5 1.0 2.6 0.3 4.0 0.8 3.5 10.2 3.0 0.2 0.4 1.0 6.8 11.6 1.6 1.2 7.2 3.2 185.4 96.1 72.8 64.2 132
3、.2 58.6 174.6 263.5 79.3 14.8 73.5 24.7 139.4 368.2 95.7 109.6 196.2 102.2 Data e41; Input x y ; Label y= 不良贷款 x= 各项贷款余额; Cards ; 0.9 67.3 1.1 111.3 4.8 173.0 3.2 80.8 7.8 199.7 2.7 16.2 1.6 107.4 12.5 185.4 1.0 96.1 2.6 72.8 0.3 64.2 4.0 132.2 0.8 58.6 3.5 174.6 10.2 263.5 3.0 79.3 0.2 14.8 0.4 73.
4、5 1.0 24.7 6.8 139.4 11.6 368.2 1.6 95.7 1.2 109.6 7.2 196.2 3.2 102.2 ; proc gplot data=e41; plot y*x; run; 二、相关系数分析 Proc corr data=e41 ; Var x y; Run; 2、计算协方差与相关矩阵 Proc corr data=e41 cov; Var x y; Run; 例：10个企业的销售收入和销售利润资料 企业编号 销售收入x 销售利润y 1 2 3 4 5 6 7 8 9 10 5 10 12 15 15 20 25 28 30 30 08 1 12 2
5、 22 25 25 28 3 3 Data e42; input x y ; Cards; 5 0.8 10 1 12 1.2 15 2 15 20 2.5 25 2.5 28 2.8 30 3 30 ; Proc corr data=e42; Var x y; Run; 2.2 3 例，分析变量年龄，体重，跑步时间和需氧量的关系 data fitness; input Age Weight Runtime Oxygen ; datalines; 57 73.37 12.63 39.407 54 79.38 11.17 46.080 52 76.32 9.63 45.441 50 70.87
6、8.92 . 51 67.25 11.08 45.118 54 91.63 12.88 39.203 51 73.71 10.47 45.790 57 59.08 9.93 50.545 49 76.32 . 48.673 48 61.24 11.5 47.920 52 82.78 10.5 47.467 44 73.03 10.13 50.541 45 87.66 14.03 37.388 45 66.45 11.12 44.754 47 79.15 10.6 47.273 54 83.12 10.33 51.855 49 81.42 8.95 40.836 51 77.91 10.00 4
7、6.672 48 91.63 10.25 46.774 49 73.37 10.08 50.388 44 89.47 11.37 44.609 40 75.07 10.07 45.313 44 85.84 8.65 54.297 42 68.15 8.17 59.571 38 89.02 9.22 49.874 47 77.45 11.63 44.811 40 75.98 11.95 45.681 43 81.19 10.85 49.091 44 81.42 13.08 39.442 38 81.87 8.63 60.055 ; proc corr data=fitness pearson s
8、pearman hoeffding; var weight oxygen runtime; run; 三、一元回归分析模型建立及检验 y?0?1x? 回归分析中，变量 y 称为因变量，处在被解释的地位，x 称为自变量，用于预料因变量的变化，因变量 y 是随机变量，自变量 x 是非随机确实定变量，回归分析不仅可以透露变量 x 对变量 y 的影响大小，还可以由回归方程举行预料和操纵 u残差（residual） ?1?xt?t?1N?x?yt?y? ?xt?t?1N?x?2?x ?0?y?1 Proc reg data=e42; Model y= x ; Run; 模型的检验，模型系数T检验与模型拟
9、合优度R2 简朴模型 Proc reg data=e41 ; Model y=x; Run; 加描述统计量的简朴模型 ,加all Proc reg data=e41 all; Model y=x; Run; Proc GLM data=e41; Model y= x ; Run; 四、一元回归模型的拟合图和残差图和异方差 画出残差图 Proc reg data=e41 all; Model y=x; plot r.*p./ vref=0; Run; PROC REG DATA=e41; MODEL Y = X; Plot ; Plot y*x; RUN; Proc REG data=e41;
10、Model y=x; Plot y*x p.*x/overlay ; Run; symbol; proc reg data=e41; model y=x; plot y*x/pred nostat mse aic bic ; plot y*x / conf pred; plot r.*n./ noline mse ; plot rstudent.*obs.; output out=regout p=rhat; run; 计算预料值与残差 Proc reg data=e41; Model y=x/r cli clm; Run; 残差Q-Q图,P-P图 symbol i=spline v=star h=2 color=pink width=2; proc reg data=e41 outest=kk; 6
