Ⅲ 用SAS做回归分析显示结果表明模型的作用是显著的（p值<0.0001<0.05=α）。参数估计部分表明拟合的回归方程为：
y=–1.2164+0.04004x1+0.14803x2+0.01453x3+0.02919x4
参数显著性检验表明，进入回归的４个自变量，其作用在其它变量进入回归的前提下并不都是显著的。例如x２、x３、x４的作用不显著。
数学建模培训徐雅静08年7月
Ⅲ 用SAS做回归分析(2)逐步回归
“分析家”中选择变量的方法很多，在上述步骤的“LinearRegression”对话框中，单击“Model”按钮，打开“LinearRegression：Model”对话框。
在“Method”选项卡中包含多种变量的选择方法，选择其中一种，例如选择“Backwardelimination（逐步剔除法）”，如下图所示。
数学建模培训徐雅静08年7月
Ⅲ 用SAS做回归分析两次单击“OK”,首先显示的是全回归的结果,然后逐步剔除进入回归的变量中最不显著的自变量，直到所有的系数显著不为0。结果如下图所示。
由于常数项不显著，继续按前述方法做不含常数项的逐步回归，结果表明仅含x1和x4的回归方程是显著有效的。见下图：
数学建模培训徐雅静08年7月
Ⅲ 用SAS做回归分析参数估计部分表明拟合的回归方程为：
y?0.00703x1??0.03437x4模型的R2为0.8847，说明该模型可以解释原自变量信息的88.47%.
数学建模培训徐雅静08年7月