条件数字的边界: 38.744, 385.77
向后消除: 第 2 步
变量 x6 已删除: R 方 = 0.9956 和 C(p) = 3.4270
方差分析
源 模型 误差 校正合计
变量
参数 估计值
标准 II 型 SS F 值 Pr > F 误差
3917760 18.19 375734 1.74 1526965 7.09 17090279 79.36 1186244 5.51
0.0008 0.2077 0.0186 <.0001 0.0342
自由度
平方 和
均方
F 值 Pr > F
<.0001
4 674780920 168695230 783.36 14
3014872
215348
18 677795792
Intercept 1343.77319 315.04852 x1 x2 x3 x5
0.09549 -0.01710 0.78928 0.00385
0.07229 0.00642 0.08860 0.00164
条件数字的边界: 38.5, 302.25
向后消除: 第 3 步
变量 x1 已删除: R 方 = 0.9950 和 C(p) = 2.9758
方差分析
源 模型 误差 校正合计
变量
参数 估计值
标准 II 型 SS 误差
16559100 2666475
F 值 Pr > F 73.26 11.80
<.0001 0.0037 <.0001 0.0414
自由度
平方 和
均方
F 值 Pr > F
<.0001
3 674405186 224801729 994.52 15
3390606
226040
18 677795792
Intercept 1674.73790 195.66876 x2 x3 x5
-0.00938 0.90397 0.00374
0.00273
0.01805 566809481 2507.56 0.00168
1124159
4.97
条件数字的边界: 1.2135, 10.382
留在模型中的所有变量的显著性水平都为 0.1000。
“向后消除”的汇总
步 删除的 引入
变量 变量数 1 x4
偏 R 方
模型 R 方
C(p) F 值 Pr > F
0.8220
5 0.0000 0.9957 5.0529 0.05
“向后消除”的汇总
步 删除的 引入
变量 变量数 2 x6 3 x1
偏 R 方
模型 R 方
C(p) F 值 Pr > F
0.5363 0.2077
4 0.0001 0.9956 3.4270 0.40 3 0.0006 0.9950 2.9758 1.74
表8
参数都具有显著性意义，最优回归子集模型的回归模型为： Y=2.1435.4E-16-0.06508x2+0.98957x3+0.4486x5
4.6.2.逐步回归
程序9：
proc reg data=out1;
model y=x1-x6/selection=stepwise vif; run;
结果：