回归分析实验课-实验

PAGEPAGE4实验报告八实验课程：回归分析实验课专业：统计学年级：姓名：学号：指导教师：完成时间：得分：教师评语：学生收获与思考：26 92 021 175 030 31 022 104 00 277 012 210 019 120 04 290 016 238 028 164 115 272 111 295 138 68 131 85 121 224 120 166 113 305 130 124 114 246 1;run;procregdata=xt103;modely=x1x2;run;研制一种新型玻璃，对其做耐冲实验。用一个小球从不同的高度h对玻璃做自由落体撞击，玻璃破碎记为y=1，玻璃未破碎记y=0.数据见表22.是对表中数据建立玻璃耐冲性对高度h的logistic回归，并解释回归方程的含义。模型信息：模型解出的是y=0的概率。由三个检验中，统计量的P值都小于0.05，可以认为模型是显著的。由Wald检验的显著性概率及其P值，可以看出，h变量对方程的影响是显著的。由极大似然估计，各个参数系数也通过检验。因此模型有效。二元logit模型为模型意义为，小球掉落高度为h，则玻璃未破碎的概率为p,而y=0表示玻璃未破碎。也就是说，该种新型的玻璃，用小球对其撞击，当小球的掉落高度为h时，玻璃未破碎的概率就是，那么，玻璃会破碎的概率就为1-p(y=0)，这也可以看成是一种比例，就是大量实验中，同个高度h，玻璃会被击破的比例。SAS程序：datawjz;inputhy;/*引入虚拟变量，将公司类型的互助设为0，股份设为1*/cards;1.50 01.52 01.54 01.56 01.58 11.60 01.62 01.64 01.66 01.68 11.70 01.72 01.74 01.76 11.78 01.80 11.82 01.84 01.86 11.88 11.90 01.92 11.94 01.96 11.98 12.00 1;run;proclogisticdata=wjz;modely=h;run;proclogisticdata=wjz;classh;modely=h/link=glogitaggregatescale=none;run;某学校对本科毕业生的去向做了一个调查，分析影响毕业去向的相关因素，结果见表23.其中毕业去向“1”=工作，“2”=读研，“3”=出国留学。性别“1”=男生，“0”=女生。用多类别的Logisitic回归分析影响毕业去向的因素。专业课x1英语x2性别x3月生活费x4毕业去向y两个统计量的P值均大于0.05，说明模型拟合的较好。检验全局零假设:BETA=0无效假设检验结果(似然比,评分）的结果P值均小于0.01，具有显著统计学意义。三个变量中，有两个是不显著的变量，x3,x2,剔除x3:两个统计量的P值均大于0.05，说明模型拟合的较好。检验全局零假设:BETA=0无效假设检验结果(似然比,评分,wald）的结果P值均小于0.01，具有显著统计学意义。三个变量都是显著的。以x4=“1”，即参加工作，为参照。由模型可以看出：从参数估计表中，与参加工作的同学相比，读研的（y=2）的同学相比，读研的同学其专业课成绩更好（x1的P值=0.003），而外语成绩（x2的p值=0.356）和经济状况（x4的P值=0.184）没有显著差异；出国留学的（y=3）学生其专业课成绩和参加工作的没有显著差异，外语成绩和经济状况则更好。Sas程序：dataa;inputx1x2x3x4y;cards;95 65.0 1 600 263 62.0 0 850 182 53.0 0 700 260 88.0 0 850 372 65.0 1 750 185 85.0 0 1000 395 95.0 0 1200 292 92.0 1 950 263 63.0 0 850 178 75.0 1 900 190 78.0 0 500 182 83.0 1 750 280 65.0 1 850 383 75.0 0 600 260 90.0 0 650 375 90.0 1 800 263 83.0 1 700 185 75.0 0 750 273 86.0 0 950 286 66.0 1 1500 393 63.0 0 1300 273 72.0 0 850 186 60.0 1 950 276 63.0 0 1100 196 86.0 0 750 271 75.0 1 1000 163 72.0 1 850 260 88.0 0 650 167 95.0 1 500 186 93.0 0 550 163 76.0 0 650 186 86.0 0 750 276 85.0 1 650 182 92.0 1 950 373 60.0 0 800 182 85.0 1 750 275 75.0 0 750 172 63.0 1 650 181 88.0 0 850 392 96.0 1 950 2;run;procprint;run;proclogistic;classx3;modely(ref='3')=x1x2x3x4/link=glogitaggregatescale=none;run;proclogistic;classx3;modely(ref='3')=x1x2x4/link=glogitaggregatescale=none;run;proclogistic;classx3;modely(ref='1')=x1x2x4/link=glogitaggregatescale=none;run;六．收获与思考七.思考题当自变量是定性变量的时候，我们需要引进虚拟变量进行数量化，当定性变量有n个水平的时候，我们该引进多少的虚拟变量，否则会怎样？不妨试试在sas中试试会出现什么问题。答：当定性变量有n个水平时应该引进n-1个虚拟变量。否则最后一个虚拟变量无法用最小二乘估计计算出来。例：X1-X3为虚拟变量。Dataa;inputx1x2x3xy@@;cards;1001.26751001.35771001.40781001.58820101.71650101.76660101.80680101.85700011.22680011.35690011.46700011.4472;procregdata=a;modely=x1-x3x;run;X3没有参数估计结果。因为x1x2x3出现完全共线性，x1x2均为0时即代表了x3为1.表21iyx1公司类型117151互助22692互助321175互助43031互助522104互助60277互助712210互助819120互助94290互助1016238互助1128164股份1215272股份1311295股份143868股份153185股份1621224股份1720166股份1813305股份1930124股份2014246股份表22序号h（m）y序号h（m）y11.500141.76121.520151.78031.540161.80141.560171.82051.581181.84061.600191.86171.620201.88181.640211.90091.660221.921101.681231.940111.700241.961121.720251.981131.740262.001表23序号专业课x1英语x2性别x3月生活费x4毕业去向y19565.01600226362.00850138253.00700246088.00850357265.01750168585.001000379595.001200289292.01950296363.008501107875.019001119078.005001128283.017502138065.018503148375.006002156090.006503167590.018002176383.017001188575.007502197386.009502208666.0115003219363.0013002227372.008501238660.019502247663.0011001259686.00