回归分析与方差分析(共6页)

1、第 PAGE 7 页 共 NUMPAGES 7 页实验报告课程名称： 实验编号及实验名称题目：回归分析与方差分析系 别姓 名学 号班 级实验地点实验日期实验时数指导教师同组其他成员无成 绩实验目的及要求对数据表上数据变量进行数据分析，找出有量化关系的变量，建立回归方程。对你建立的回归方程的自变量进行分段，然后做方差分析。实验环境及相关情况（包含使用软件、实验设备、主要仪器及材料等）SAS软件实验内容及步骤（包含简要的实验步骤流程）内容及步骤： 广发证券软件下载股票数据，进行一些不交易股票的整理剔除后，导入sas软件。进行相关分析，找出与price相关性较强的变量。对与price相关性较强的变量

2、进行reg的回归分析。判断回归方程是否显著，接着判断这些变量与price之间的显著性情况，如果有些变量与price不显著，则利用那些显著的变量再与price进行reg的回归分析，然后写出回归方程。用univariate过程输出其中一个与price显著性较强变量的分类。 对因变量price与进行单因素方差分析，判断显著性影响情况。实验结果（包括程序或图表、结论陈述、数据记录及分析等，可附页） 1、 进行相关分析，见附录2，由图1可以看出price与var1、var2、var3、var4、var8、var9、var10、var11之间的P值较小，所以price与它们之间的相关性强,初步断定可以用这

3、些变量来建立回归方程。2、 对与price相关性较强的变量进行reg的回归分析，见附录3。从图2可知，该检验回归方程的P值很小，所以拒绝原假设：，即检验值落入拒绝域，说明回归方程显著，与变量间的拟合效果较好。回归方程系数的显著性检验原假设为：，由图2可知，单个变量的显著性检验除了var1、var8和var10的P值比较大外，其他变量 var2、var3、var4、var9、var11的P值均较小，落入拒绝域，说明对因变量price的影响明显，显著性比较强。然后再对变量 var2、var3、var4、var9、var11进行reg的回归分析，见附录4，由图3可知，这次的回归分析检验中，所有被检验

4、的回归变量都显著，回归方程为：3、 由图3可知，在所有显著性变量中，var3的显著性较强，所以根据var3指标，将股票分类。下面采用univariate过程，见附录4，输出var3的分位数，根据图4输出的分位数将var3分为四个水平。4、 进行单因素方差分析，见附录6，由图5单因素方差分析的结果，p值小于0.001，原假设为：，拒绝原假设，从检验的数量结果显示因素fl对price是有显著影响的。图6单因素方差分析中因素排名。实验总结（包括心得体会、问题回答及实验改进意见，可附页）经过这次实验，我学会了凡事只需耐心去做，就可以成功，我们要养成一种不怕苦，不怕累的精神。在做回归实验中，拟合的效果和

5、变量检验不一定显著，从而需要耐心去做，同时，除了函数选取外，对于变量的选择也是很重要的，有相关性的变量在逻辑上来讲，因果关系并不一定成立，而方差分析中，对变量的分类也有一定技巧性，由于数据的特殊，优势不必按样本量来平均分类，而要根据自己想要达到的类数，结合样本划定范围，其中，区间长度不要求相等，同时方差分析的结果分析中，对于交互项也要有足够的理解。教师评语评语评语等级优良中及格不合格1.实验态度认真，实验目的明确2.实验方案、程序设计合理3.实验过程（实验步骤详细，记录完整，数据合理）4.实验结论正确，分析透彻5.实验报告独立完成，无抄袭现象，并按时提交，格式规范，文字叙述流畅，逻辑性强综合评

6、定：附录(fl)：从数据表lwh剔除那些没有交易(jioy)的股票。data lwh;set lwh;if price 0;run;进行(jnxng)相关性分析proc corr data=lwh;var price var1-var11;run;运行结果：图1 相关分析对与price相关性较强的变量进行reg的回归分析：proc reg data=lwh;model price=var1-var4 var8-var11;run;运行(ynxng)结果：图2 回归(hugu)分析再对与price相关性较强的变量(binling)var2、var3、var4、var9、var11进行reg的回归

7、分析：proc reg data=lwh;model price=var2 var3 var4 var9 var11;run;运行结果：图3 回归分析用univariate过程输出var3的分位数：proc univariate data=lwh;var var3;run;运行(ynxng)结果：图46、根据(gnj)图3输出(shch)的分位数将var3分为四个水平：data lwh;set lwh;if var36.420 and var19.610 and var115.285 then fl=4;run;7、进行单因素方差分析：proc anova data=lwh;class fl;model price=fl;means fl;means fl/t;run;运行结果：图5 单因素方差分析的结果图6 单因素(yn s)方差分析中因素排名内容总结（1）实验报告课程名称： 附录：从数据表lwh剔除那些没有交易的股票（2）实验报告课程名称： 附录：从数据表lwh剔除那些没有交易的股票（3）run（