实验报告5-SAS编程基础

1、实验报告实验项目名称SAS编程基础所属课程名称现代统计软件实验类型验证性实验实验日期2014-10-11班级学号姓名成绩实验概述：【实验目的及要求】掌握使用SAS进行简单相关分析和多元线性回归分析及非线性回归分析的方法。【实验原理】SAS软件的操作方法及原理【实验环境】（使用的软件）SAS9.1实验内容：【实验方案设计】一、用INSIGHT模块作简单相关分析与一元线性回归分析二、用“分析家”作多元线性回归分析三、使用REG过程作回归分析四、一元非线性回归分析【实验过程】（实验步骤、记录、数据、分析）【练习5-1】某年度12个地区的财政收入和国民生产总值量如表5-5Qx5_1xls）所示。试对财

2、政收入和国民生产总值进行简单相关分析和回归分析。表5-512个地区财政收入和国民生产总值（单位：万元）地区年财政收入国民生产总值地区年财政收入国民生产总值1212.21020.17348.32665.22219.91195.58434.93465.13235.71492.29521.8465334266.51691.810624.25727.75293.71859.811650.86235.46315.02166.212720.469252（1）散点图年财政收入为自变量，国民生产总值为因变量的散点图:（2）相关系数计算问区-事元VDRI.IT1上:诃；上J亘湮旦斷lI毕3256.1250r_2

3、iO4BWi11)20-1000I6925.2DDD12403.6167162.2660:12-2000:720.4DDD上：相?讪弦10.9989结果显示国民生产总值y与年财政收入x的样本相关系数很大，为0.9989。相夫丟数的pfaVAR2YAF：3F1148630136.9i48630136.9!4683.31iFVAR2148630136.948630136.94683.31|t|!Intercept1=-1397.8972|74.1229|-18.8E；=.0001=VAR211.53580.168668.43.1500).0837).08304种检验方法的p值均大于0.05，不能拒

4、绝原假设，表明可以接受残差正态性的假定。【练习5-2】某学校20名一年级女大学生体重（公斤）、胸围（厘米）、肩宽（厘米）及肺活量（升）实测值如表5-6（lx5_2xls）所示。试对影响女大学生肺活量的有关因素作多元回归分析。表5-620名一年级女大学生肺活量及有关变量测量结果编号体重X1/公斤胸围X2/厘米肩宽X3/厘米肺活量Y/升151.373.636.42.9248.983.934.03.11342.878331.01.91455.077.131.02.63545.381.730.02.86645.374.832.01.91751.473.736.52.98853.879.437.03.2

5、8949.0A2.630.12.521053.979.537.13.271148.883.833.93.101252.688.438.03.281342.778.230.91.921452.588338.13.271555.177231.12.641645.281.630.22.851751.478336.53.161848.772.530.02.511951.378236.43.152045.274.732.11.92（1）全回归分析汁14年11月2!旧星期五上午10时3E：分昶紗1TheREGProcedureNodeI：MODEL1DependentvariabIe：yNumberafD

6、baer/ationsRead?flNumberofObsarvationUsed20SourceDFModel3Error16CorrectedTotal19RootUSEDependentMeanCceffVeirSumofileanSquaresSquareFValuePrF3.425801J4133n.23t|-4.7B69Bi.Eees?3.I0.00190.0B13B0.D20323.020.00810.037430-D1EI7?.J70.02530.046870.D28401.630.1220ParamBterEstinalesaJ分析结果包括方差分析表、拟合的汇总信息以及回归系

7、数估计值与显著性检验。方差分析表中显示模型的作用是显著的(F统计量的值为14.29,p值0.00010.05=)参数显著性检验表明，进入回归的3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x3的作用就不显著。因此有必要适当选择变量建立一个“最优”的回归方程。逐步回归分析TheF；EGProcedureModel：MODEL1D已pend已itVaniabIe:yNumberofLibservationsF：已迅匚I20NumberofUbservationsUsed20St已pwi已8已丨已匚ti口1:St已p1Variable:：FMode112.357262.357261

8、8.070.0005Error182.347600.13042CorrecTotl194.70485Yariab丨已Faraniet已厂EstimateStandardErrorT沖eIISSFValueFYFIntereept-1.112410.914080.193161.480.2393x30.115150.027092.3572618.070.0005Boundsonconditionnumber：1,1StepwiseSelection：Step2VariablexlEntered：R-Square=0.6247andC(p)=3.0888AnalysisofYarianeeSourc

9、eDFSumofSquaresMeanSquareFValuePrFModel22.939301.4696514.150.0002Error171.765550.10386CorrectdTotal194.70485ParameterStandardVariableEstimateErrorTypeIISSFValuePrFIritercept-2.436120.988940.630216.070.0247xl0.054270.022920.582055.600.0300 x30.074610.029620.658706.340.0221201样11月2汨星期五上午10时时分29秒2TheRE

10、GProcedureModel：MODEL1DependentVariable：yStepwiseSelection：Step2Boundsonconditionnumber：1-5021?6-0086StepwiseSelection：Step3Variablex2Entered：R-Square=0,7282andC(p)=4.0000AnalysisofVarianceSourceDFSumofSquaresMeanSquareFValuePrFModel33.425981.1419914.29FIntercept-4.788391.288971.1030713.800.0019xl0.

11、061380.020320.729729.130.0081x20.037430.015170.486686.090.0253x30.046370.023400.213112.670.1220Boundsonconditionnumber：1-7934,13-617StepwiseSelection：Step4Variable:cSRemoved：R-Square=0.B929andC(p)二AnalysisofVo.rimi匚七SourceCFSliiftofSquaresHeanSquareFValuePrFModelE3.212671.006441ti.3DFIntercept-4-970

12、411.S45S01.1974819.64D-D018:dO.OflOGB0.01?331.901922LG70-D(Ji：i20.047410.014550.3322GnxezC-D046BDundscnconditionnumber:1.014.D622在显示结果中，第1步记录了只有x3进入回归方程的回归分析结果，其中回归方程和系数的检验均为显著，此时R2=0.5010,C(p)=13.3708；接着第2步是自变量x1和x3进入回归方程后的回归分析结果，回归方程及x1和x2的系数检验均为显著，但常数项检验不显著。接着第3步是自变量x1、x2和x3进入回归方程后的回归分析结果。最后第4步是自

13、变量x3移除回归方程后的回归分析结果。其中回归方程及所有系数检验均为显著，常数项检验也显著。且R2=0.6829增加了，C(p)=4.6663减少了。AlIvariab丨已w：丨已ftinth已mud已丨迅已significant辻tth已i0500丨已卡已丨.No匚止hervariablemetth已l0500significanc已丨已veIfor已ityintothrnode丨SuriirnaryofStepwiseS已丨已匚:ti口1VariableVariableNumberPartialModelStepEnteredF：已mtj”已dVarsInR-SquareR-SquareC

14、(p)FValuePrF1x310.50100.501013.370318.070.00052xl20.12370.62478.08835.600.0300330.10340.72824.00006.090.02534x320.04530.68294.66632.670.1220在上图右下中指出在0.05的检验水平下，不能再有其它变量进入模型。比较R2和C(p)的值,应取包含变量、x2的第四个模型作为较优的模型，对应的回归方程是：y=4.97041+0.08066x+0.04741x12回归诊断标准化后的残差图：y-0704十00007z-十（X4池-.iz1,：-O.iz-0.：-O.t-.

15、C-?j.Oj.2残差的QQ图：y=一497阳+0.0807%1+0.0474x2Enp-seH432101000-0口口-0.4-0.5-3-2-10123NormalQuantile从标准化后的残差图看出，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。残差的QQ图近似一条直线，可以初步判定残差来自正态分布总体，所建回归模型是有效的。残差数据：2026.102520.283019.963514.994014.304514.705013.90run;title数据集zy3;procprint;run;数据集芋3201Obsxy1234567890594.401054.

16、901530.802026.102520.283019.963514.994014.304514.705013.90(2)对x和y作相关分析/*画x和y的散点图*/goptionsftext=宋体；procgplotdata=zy3;ploty*x;titlex和y的散点图；symbolv=doti=nonecv=orange;run;/*求x和y的相关系数*/proccorrdata=zy3;varxy;run;heREGProcedureEl2茁21119.57415Model：MODEL1DependentVariabIb：yCbsDependentVftriablePredictedV

17、aluetdErrorMeanF1redict减CLPredictResidual13400095.6767Z.297357.7912103.5622-1.2T67i54.900049.54221.018443.246055.8384SQ.SQflO34.1B4AO.BWA2S.D315in.?FR-3.3E40*26.100026.47600.811820.341682.608820.280021.6B15O.B49!i15.70)30,01.5615E19.960018.78590.S884I2.59E124.97561.1T41i14.990016.56300.922110.373122

18、.809-1.5990F14.300014.9413fl-950321.1797-0.G41914.70(1013.8599Q.B73G7.402319.91731.04021C13.900012.69460.3933C.JO71G.9K51.2654OutputStatistIcsSumiifResidualsSumofSqi_aredRe：E：iiduaIsPredictedResidjil83(PRESS)倒幕函数回归结果：方差分析表中显示模型的作用是显著的（F统计量的值为918.14,p值0.00010.05=）参数显著性检验表明，自变量的作用是显著的。回归方程为：v=3.40769+

19、461.34517u即：1y=78.56560+156.53887-x残差对预测值的散点图表明，残差基本符合模型的假定，上面回归方程有效。残差图10Rsq0.9914AdiRsq0.9903FJiTSE2.5329-4ITO405060708090100Predict已dValu已(4)幕函数y=axb回归datanew2;setzy3;u=log(x);v=log(y);run;/*画u和v的散点图*/titleu和v的散点图；procgplotdata=new2;plotv*u;残差对预测值的散点图表明，残差基本符合模型的假定，上面回归方程有效。=5.9-0.8675uN10F：Sq0.9

20、790AdjRsq0.9764RMSE0.08880.150.100.050.00-0.05-0.10-0.15-2.502.753.003.253.503.754.004.254.504.75FredictedValue(5)指数函数yaebx回归datanew3;setzy3;u=x;v=log(y);run;/*画u和v的散点图*/titleu和v的散点图；procgplotdata=new3;plotv*u;symbolv=doti=nonecv=red;run;title残差图;procregdata=new3;varvu;modelv=u;plotresidual.*predict

21、ed.;run;TheREGProcedurehfodpl:ODELIDeperidcnlYciriDibIe；?ItodelErrorCorrectedTotal1035292.闿门5卜h.hFRootMSEDependentMe/nCaeffVery.OOBSi1H-SqjareILtsdOti30.43001MiR-Sq0.871129.69410得回归方程：v=133.6475833.08288u即：y=133.6475833.082881nx从残差对预测值的散点图可以看出，残差有微弱趋势，不符合模型的假定，上面回归方程不佳。=133.65-33.083u15-10-5-N10Raq0.8908AdjF：$q0.8771RMSE9.0064-15-102030405060708090PredictedValue（7）结论比较上述4个回归方程，倒幕函数回归的RootMSE（均方残差平方根）倒数第二小（2.53289）、R-Square（判定系数R2）最大（0.9914）,效果最好。模型y=3.40769+461.34517/x的拟合图形成绩:rii书召曲TUITORE.GSM