Ⅲ 用SAS做回归分析图的下面是参数回归拟合表。其中判定系数R-Square（R2）为模型平方和占总平方和的比例，反映了回归方程能够解释的信息占总信息的比例；
第四张表提供拟合的汇总度量）：MeanofResponse（响应变量的均值）是变量Y的平均值，RootMSE（均方残差平方根）是对各观测点在直线周围分散程度的一个度量值，为随机误差ε的标准差（也是实测值Y的标准差）?的无偏估计。
数学建模培训徐雅静08年7月
Ⅲ 用SAS做回归分析第五张方差分析表包含对回归方程的显著检验：
对一元线性回归，第六张Ⅲ型检验表提供与方差分析表一样的检验，如图；
数学建模培训徐雅静08年7月
Ⅲ 用SAS做回归分析第七张参数估计表给出了回归直线截距和斜率的估计值及其显著性检验等内容。在这个例子里，截距的p值>?=0.05，表示模型还有改进的余地，可以考虑拟合截距为0的回归直线。斜率的t检验p值<0.0001，表明自变量贷款余额对因变量不良贷款有显著的线性关系，如图所示。
数学建模培训徐雅静08年7月
Ⅲ 用SAS做回归分析(2)回归诊断
在显示窗的底部有一个残差R_Y和预测值P_Y的散点图,这个图可以帮助验证模型的假定。从图中看出，数据点随机地散布在零线附近，表明模型中误差等方差、独立性的假设没有问题。
残差与标准化残差
数学建模培训徐雅静08年7月