sas多元統(tǒng)計分析例題程序輸出結(jié)果分析過程

1、所 在 院 系 計算機與信息工程學院學 科 專 業(yè) 農(nóng)業(yè)信息化研究生姓名宋 玲 指 導 老 師： 薛河儒2013年12月21日用線性回歸分析方法分析林木生物量的影響因素1. 題目在林木生物量生產(chǎn)率研究中，為了了解林地施肥量（x1，kg）、灌水量（x2，10）與生物量（Y，kg）的關系，在同一林區(qū)共進行了20次試驗，觀察值見下表，試建立Y關于x1,x2的線性回歸方程。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 5965 30 6579 51 67

2、76 44 7071 36 7082 50 7375 39 7492 60 7896 62 8292 61 8091 50 8785 47 84106 72 8890 52 92;PROCREG;MODEL y=x1 x2/PCLI;MODEL y=x1 x2 xsq/PCLI;Run;3.輸出結(jié)果（1）回歸模型是否顯著，顯著水平是多少？復相關系數(shù)是多少？答：回歸方程顯著，顯著水平是。復相關系數(shù)是。（2）回歸系數(shù)的估計值是多少？顯著性如何？答： X1 1.（3）寫出回歸方程的表達式。（4）利用殘差（實測值與預測值之差）、95%置信取間的上下限討論預測預報效果及預報的穩(wěn)定性。答：根據(jù)上面結(jié)果可知

3、殘差和95%置信區(qū)間的上下限的差異很大，最大的達到7.4640.最小的達到8.幅度比較大。所以穩(wěn)定性也很差。（5）對本問題再求出Y關于X1、X2的二次多項式回歸方程，并與線性回歸方程比較，說明優(yōu)缺點。由輸出結(jié)果知：二次模型在水平下是顯著的，預測模型為： y=-14.553333+1.66857x1-0.73311x2-0.00271x1*x2 線性模型在水平下也是顯著的，預測模型為： y對比來說：MODEL2復相關系數(shù)更接近1，預測值與實測值更接近，回歸效果更好，因此y與x 的關系應選用二次模型。用線性回歸方法分析影響水稻粒重的因素1. 題目s，觀測11個水稻品種(03DH1、03DH2、03

4、DH3、03DH 4、03DH5、03DH6、03DH7、03DH 8、03DH9、03DH10、03DH11)的各種性狀：穗數(shù)xl、枝梗數(shù)x2、秕粒x3、200粒重y。每個水稻品種取5株以5株為一個單位。研究水稻200粒重y與穗數(shù)xl、枝梗數(shù)x2、秕粒x3之間的關系，分析哪些因素對200粒重y的影響較大。nonumx1x2x3y03DH1514165903DH2527132703DH3531119403DH4520156403DH55241416703DH65191334003DH7530134003DH84211212203DH9529139003DH10530148503DH115411

5、31202. 程序TITLE'多元線性回歸分析'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 ;PROCREG;MODEL y=x1 x2 x3;MODEL Y=X1 X2 X3/SELECTION=STEPWISE CLI;RUN;3. 輸出結(jié)果4. 分析結(jié)果REG過程中，MODEL語句可以交互使用，本例我們建立了兩個模型，第一個MODEL沒有做變量篩選，第二個MODEL指定逐步回歸方法篩選變量。并且用CLI輸出預測值與預測區(qū)間。REG過程擬合帶截距項的直線回歸方程，用最小二乘法估計模型的參數(shù)，并給出模型及參數(shù)的方差分析及T檢驗。本例的兩個模型1檢驗P值大于，無統(tǒng)計學意義。模型2為逐步回歸法，只納入了X3，由參數(shù)估計表可知，對常數(shù)檢驗t值為，Pr>|t|的值小于，遠小于，說明截距項（即常數(shù)項Intercept）通過檢驗，估計值為5.82331.對自變量x1分析