sas多元统计分析例题 程序 输出结果 分析过程

1、应 用 数 理 统 计 报 告所 在 院 系 计算机与信息工程学院学 科 专 业 农业信息化研究生姓名 宋 玲 指 导 老 师： 薛河儒2013年12月21日用线性回归分析方法分析林木生物量的影响因素1. 题目在林木生物量生产率研究中，为了了解林地施肥量（x1，kg）、灌水量（x2，10）与生物量（Y，kg）的关系，在同一林区共进行了20次试验，观察值见下表，试建立Y关于x1,x2的线性回归方程。1. 程序DATA ct;INPUT x1 x2 y ;XSQ=x1*x2;CARDS;54 29 5061 39 5152 26 5270 48 5463 42 5379 64 6068 45 59

2、65 30 6579 51 6776 44 7071 36 7082 50 7375 39 7492 60 7896 62 8292 61 8091 50 8785 47 84106 72 8890 52 92;PROC REG;MODEL y=x1 x2/P CLI;MODEL y=x1 x2 xsq/P CLI;Run;3.输出结果4.分析结果（1）回归模型是否显著，显著水平是多少？复相关系数是多少？ 答：回归方程显著，显著水平是<0.0001。复相关系数是0.9659。（2）回归系数的估计值是多少？显著性如何？ 答：Intercept -4.94048 0.1711 X1 1.53

3、952 <0.0001 X2 -0.94385 <0.0001 X1与X2的系数对于表达式极显著，intercept对应的系数对表达式在0.01下不显著（3）写出回归方程的表达式。 y=1.53952x1-0.94385x2 - 4.94048（4）利用残差（实测值与预测值之差）、95%置信取间的上下限讨论预测预报效果 及预报的稳定性。答：根据上面结果可知残差和95%置信区间的上下限的差异很大，最大的达到7.4640.最小的达到0.2868.幅度比较大。所以稳定性也很差。（5）对本问题再求出Y关于X1、X2的二次多项式回归方程，并与线性 回 归方程比较，说明优缺点。 Interce

4、pt -14.55333 0.2210 X1 1.66857 <0.0001 X2 -0.73331 0.0126 XSQ -0.00271 0.3914由输出结果知：二次模型在0.0001水平下是显著的，预测模型为： y=-14.553333+1.66857x1-0.73311x2-0.00271x1*x2 线性模型在0.001水平下也是显著的，预测模型为： y=1.53952X1-0.94385X2-4.94048 对比来说：MODEL2复相关系数更接近1，预测值与实测值更接近，回归效果更好，因此y与x 的关系应选用二次模型。用线性回归方法分析影响水稻粒重的因素1. 题目本数据来源于

5、2003年所做的试验，数据参考文件reg-4.xls，观测11个水稻品种(03DH1、03DH2、03DH3、03DH 4、03DH5、03DH6、03DH7、03DH 8、03DH9、03DH10、03DH11)的各种性状：穗数xl、枝梗数x2、秕粒x3、200粒重y。每个水稻品种取5株以5株为一个单位。研究水稻200粒重y与穗数xl、枝梗数x2、秕粒x3之间的关系，分析哪些因素对200粒重y的影响较大。nonumx1x2x3y03DH151416595.8703DH252713275.5803DH353111945.8303DH452015644.7103DH5524141675.5903

6、DH6519133403.8503DH753013405.5203DH8421121225.303DH952913905.6503DH1053014854.9703DH11541131205.312. 程序TITLE '多元线性回归分析'DATA AMO;INPUT Y X1-X3;CARDS; 5.87 14 16 59 5.58 27 13 27 5.83 31 11 94 4.71 20 15 64 5.59 24 14 167 3.85 19 13 340 5.52 30 13 40 5.65 29 13 90 4.97 30 14 85 5.31 41 13 120

7、;PROC REG;MODEL y=x1 x2 x3;MODEL Y=X1 X2 X3/SELECTION=STEPWISE CLI;RUN;3. 输出结果4. 分析结果REG过程中，MODEL语句可以交互使用，本例我们建立了两个模型，第一个MODEL没有做变量筛选，第二个MODEL指定逐步回归方法筛选变量。并且用CLI输出预测值与预测区间。REG过程拟合带截距项的直线回归方程，用最小二乘法估计模型的参数，并给出模型及参数的方差分析及T检验。本例的两个模型1检验P值大于0.05，无统计学意义。模型2为逐步回归法，只纳入了X3，由参数估计表可知，对常数检验t值为t=615.68，Pr>|t|的值小于0.0001，远小于0.05，说明截距项（即常数项Intercept）通过检验