Ch8 相关与回归分析.ppt

1、线性相关和回归预测线性相关和注册，相关性分析和回归预测是研究变量和变量之间相互关系的重要方法。 因此，SAS系统提供了强大的相关性分析和回归预测手段。 相关性分析可以在CORR进程中处理，而回归预测可以在REG进程中执行。 当然，特殊的回归预测SAS提供了专用的过程。 这里仅讨论CORR过程和REG过程的一般用法。 proc核心； 虚拟可变性； 部分可变性； 另一方面，线性相关性分析、SAS所提供的相关性分析进程是CORR进程，位于BASE模块中，能够进行校正计算的相关系数是Pearson积差相关系数、Spearman等级相关系数、Kendalls tau-b统校正量、Hoeffdings，此

2、外还计算偏相关系数等的双曲馀弦值。 CORR过程仅需要第一个语句(下划线部分)，而其他语句是可选的。 常用句子和格式：句子说明1，proc corr选项； 这里的选项有20个以上。 下面是最简单的两个选项。 在差动奥尔特中，第一句中有两个单词带有分号(Proc corr )时，SAS系统对Pearson乘积相关系数(一般相关系数)进行修正，进行显着检查，进行简单的统一修正量。 人员： proccorrspearman； 此时，SAS系统校正Spearman类相关系数。 2、可变性； 指定修正相关系数的变量。 为了解例7-1年龄与血清总胆固醇的关系，随机抽取20高脂血症患者治疗前的血清总胆固醇水

3、平(mmol/L )和年龄，资料如下表所示。 年龄和胆固醇之间的相关关系是有木有查问题，首先是SAS数据定径套，data ex71； 输入牙周； 卡多斯； 245.436010.27287.49.519.72345.72377.12317.54。 run；由于数据过长，调用CORR过程而不是省略号，PROC CORR data=ex71； RUN； 普计程仪拉姆只有两个句子。 第一个语句调用CORR过程，表示解析数据定径套，第二个语句是plum计程仪结束语句RUN。 如果计程仪程序中没有VAR语句，则SAS系统对数据定径套中的所有数值类型变量进行相关解析。 解析结果、CORR进程的差动奥尔特输

4、出结果主要包含每个变量的简单统一描述和相关系数矩阵。 简单的统一描述：包括变量名称、斯坦共和国数、平均数、标准离差等。 在以前的修订过程中，这些个很常见。 相关系数矩阵：在相关系数矩阵上表示相关系数的类型。 例如，在本例中为“人员合作协议”。 接下来，对相关系数矩阵进行说明。 矩阵的各格子有两个数据，上面的数据是对应变量的相关系数，下面的数据是该相关系数的显着性。在本例中，由于age和chol的相关系数r=0.84993，p.0001，所以可以认为年龄和胆固醇之间有强的正相关等级相关系数，proc corr spearman数据=ex71； RUN； 要修正类相关系数，只需在调用CORR过程的

5、语句中加入选项“Spearman”。 另外，在本例中修正的age和chol的等级相关系数rs=0.84456，p.0001， SAS提供的回归预测的过程中，REG过程是最常用的过程。 使用最小二乘法拟合线性回归模型的同时提供多个“最优”回归子定径套的方法是应用广泛的回归过程。 下面介绍一元回归的情况。 二、直线回归预测、句子格式proc reg选项； 模型从属关系=注册； 打印STB； 出图y * x /选项； 的双曲馀弦值。 此步骤需要下划线部分。 语句说明1、proc reg选项； 此处的选项有两个类别的修订10项。 我们只介绍两个。 其雄辩的选项请参照SAS帮助。 corr :输出与mo

6、del语句中列出的变量关联的数组。 simple :输出reg进程中分析的每个变量的简单统一修正量。 2、模型从属=注册； 指定“因变量”和“参数”。 也就是说，指定回归公式模型，如y=x。 3、打印STB； 要求输出标准化的回归系数。 在较高版本的SAS系统中，REG进程不会自动输出标准化回归系数，因此必须使用此语句强制输出标准化回归系数。sas版本6.12可以自动输出标准化的回归系数。 4、PLOT Y*X/选项：以y变量为纵轴，以x变量为横轴创建散布图，自动绘制拟合的回归直线。 常用的选择是描绘整体回归线的信赖带和个体值的允许区间。 对应的选项分别是conf :整体回归线的信赖带。 pr

7、ed :个体值的允许区间。 事例分析使用例7-1的数据资料，以胆固醇为应变量，以年龄为自变量，试图作成直线回归方程。 数据定径套的编制完全相关性分析。 proc reg数据=ex71； 模型选择=age； RUN； 调用REG过程进行回归预测。 在Model语句中，chol在应变量中位于等号的左侧，age在参数中位于等号的右侧。 分析结果、模型的显性检验、几个整合量、参数估计和检验、结果的解释、结果主要分为回归模型的显性检验、几个整合量、回归残奥计的估计和检验三个部分。 回归模型显性检查： F=46.84，p.0001，认为回归模型成立。 一些统一修正量包含Root MSE (平方平均数)，即误差平均值的平方根，R-Square(R2 )，即系数行列式； Adj R-Sq (修正r平方) Coeff Var (应变量的离散系数定)。 由于残奥仪表的推定和检验：回归式的截尾intercept=2.59951，自变量age的回归系数为0.14210，因此回归式对chol=2.59951 0.14210age的回归系数的假定检验为t=6.84，p0.0001以上的结果都是血proc reg数据=ex71； 模型选择=age； 打印STB； 出图彩色； R