三、用SAS做回归分析

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

联系客服:779662525#qq.com(#替换为@)