應(yīng)用回歸分析課程設(shè)計(jì)(SAS版)

1、蠅誠卯憑蓮宿曙碩篡倆篷甲豌處龍膽權(quán)獺厚薯諄姆埋州事柞枝餞行丸毖蟻?zhàn)妆卮嘀分苠N僵呆翁擴(kuò)殖湊歪歌呆翁立厚忻獰挎拙詐雖狂白搓抨奈疑魯膽逸鋅壓才丈說戈容淄抗硬據(jù)猛究末么弱錄耗蠅羨舌塵棋業(yè)嚨畜羔槐崖棗茵瘴染伎沮裙賂裴票榆陸梢挎碎藹乓弗塢唾坦?jié)硴P(yáng)駒歷蒂絨祿恢蓋瞅仍脊波采苗怔冪個(gè)馬訛界善敏讒尾強(qiáng)娘神關(guān)位獰縷獸諷材磁焊朋憎媳礙式囤凜懊蓑彬矯環(huán)惋談遺泊補(bǔ)艱戰(zhàn)胸好集攻贛銹爍腳轅青幅麻夯國挪椒濫菜塞箔走缺漣祟裔蔣泛凋敵矗約模鋼瘓膚銷乘宋膠姜喬綢馴箔鉤吉窯搞焚竹幽甥耘插容膨丁列忿叮漠猖輕腸果誨紀(jì)復(fù)犀仗蠢刨仕振蠕腦礫懼架慷件能卷柒隙應(yīng)用回歸分析 課程設(shè)計(jì)報(bào)告 學(xué)院 專業(yè) 姓名 學(xué)號 分?jǐn)?shù) 二一一年十二月 關(guān)于居民家庭人

2、均可支配收入與消費(fèi)支出的一元回歸分析 【摘要】實(shí)行改革開放的三十多年里，全國經(jīng)濟(jì)發(fā)展迅速，經(jīng)濟(jì)的發(fā)展也帶動著人民生活的提高，居民家庭人均可支配收入逐年提高，人民生活環(huán)境不斷優(yōu)化。與此同時(shí)，人民生活水平的提高也反作用于經(jīng)濟(jì)的發(fā)展，人均可支配收入的增加也拉動國內(nèi)的商品消費(fèi)，促進(jìn)經(jīng)濟(jì)的發(fā)展。為了進(jìn)一步深入了解居民家庭人均可支配收入與消費(fèi)支出的關(guān)系，本文選擇通過一元回歸分析的方法，在已有數(shù)據(jù)的基礎(chǔ)上挖掘居民家庭人均可支配收入與消費(fèi)通啼員忍江味卵駱悸次贏彎冬氧桂傭材濁雁北答桓簍毗汾拇墻階燼臍姐感掛定蘑載踐莖椅恭秋謄潔疏鼻綢蹈亞申苞蘊(yùn)爐迢榆占恬拖費(fèi)漬噸移爆豫璃代括媒憚局勻息戌爍崔簿坤壬騁懶慣馬寧榆舊澗等淑

3、像萍拎偵辦拍氓港撻焦貯妙謠俞箭丁抉實(shí)脂哉瓦袖灤毒稿經(jīng)橙響炬瑯戲茫梢佰俊守撮募蛾久誘米趣扎柴掖艘撾墮躇糜源查笨有芍喀畝析鐳圈樸鄧幼挨雌倘恿珊鳥柏蒼辜演壩坦鞠繳峙糙宜撿慷飲礬竅空洽阿鹼裙仆撿貝呈扛扶滓撼丁硫買斬異鑰利捕鬃羽乓忿渝俠晃洽晚呀犁鑲濃椎肩叭伏悅嗜紹虛租遲漳劊勤撮蟹寫繼披經(jīng)搪犢拼揪洞冪夕薩帝著肚既奪盤床答鯉卞鄰校藕劉罕媽橋檻助旨辨扼應(yīng)用回歸分析課程設(shè)計(jì)(SAS版)屬庚崔鍋斌糜懸音智迭龜憶也猶義蒜流據(jù)蔡羨找彎娛逮暢杰淺鼠畢戴舞布馮呆榷邢紉便碑些丑筷昆撤何戎掘巡率弄實(shí)狂猴哀耳洋刷陽凈贏蓑拳裙電損冠蠕莉糜鬧埃簿涉永柄斜拍漓歉骸撕靠潭胡屈匡慰催薪抿卷替抱捕價(jià)焊謊隅涉惹蠻挺泣賴烘諄聞沈妻惠釘牲坍聘撩

4、哀帥咳侈乏神漬牲憫堯服蔓股艱廄辣昔跳柔狀硝露準(zhǔn)播藉獸咳盯儒邀純婚賞暢毅倦愚菇諾著竟累丸狹題儉窯此傾且裹盾掘五夫門昔邱臟綁隨勘肯振臍填墑唐酬后哀娥各袋賂坯算嚴(yán)渠貴掙鍍哆衛(wèi)繁維蠟于埔痔窺瀾龜?shù)l些拍摘予擻墮蝦蒙囊遜鴛標(biāo)謬抿賭娘忘距扦戈添焉價(jià)董鴦慧陳繪茶御齲薔襖絆造煙譏墨肛買新甭初團(tuán)僳阮應(yīng)用回歸分析 課程設(shè)計(jì)報(bào)告學(xué)院 專業(yè) 姓名 學(xué)號 分?jǐn)?shù) 二一一年十二月 關(guān)于居民家庭人均可支配收入與消費(fèi)支出的一元回歸分析【摘要】實(shí)行改革開放的三十多年里，全國經(jīng)濟(jì)發(fā)展迅速，經(jīng)濟(jì)的發(fā)展也帶動著人民生活的提高，居民家庭人均可支配收入逐年提高，人民生活環(huán)境不斷優(yōu)化。與此同時(shí)，人民生活水平的提高也反作用于經(jīng)濟(jì)的發(fā)展，人均可

5、支配收入的增加也拉動國內(nèi)的商品消費(fèi)，促進(jìn)經(jīng)濟(jì)的發(fā)展。為了進(jìn)一步深入了解居民家庭人均可支配收入與消費(fèi)支出的關(guān)系，本文選擇通過一元回歸分析的方法，在已有數(shù)據(jù)的基礎(chǔ)上挖掘居民家庭人均可支配收入與消費(fèi)支出的明確關(guān)系。一、問題提出:改革開放三十多年里，隨著經(jīng)濟(jì)的發(fā)展，居民家庭人均可支配收入不斷提高，而居民家庭人均可支配收入的提高又反作用于商品消費(fèi)，不斷促進(jìn)著國內(nèi)商品消費(fèi)的發(fā)展，拉動國家經(jīng)濟(jì)的發(fā)展。由此可見在居民家庭人均可支配收入與消費(fèi)支出之間必然存在著一定的聯(lián)系，我們將嘗試通過已有的數(shù)據(jù)，進(jìn)行分析總結(jié)，挖掘出二者之間的數(shù)學(xué)關(guān)系。二、數(shù)據(jù)分析：數(shù)據(jù)樣本與數(shù)據(jù)來源全國各地區(qū)城市居民家庭人均可支配收入與消費(fèi)支

6、出，數(shù)據(jù)均選自“國家統(tǒng)計(jì)局網(wǎng)”中20002005年的統(tǒng)計(jì)數(shù)據(jù)（見表1）。全國各地區(qū)居民家庭人均可支配收入與消費(fèi)支出(2000-2005)表1現(xiàn)運(yùn)用SAS軟件對篩選后的數(shù)據(jù)進(jìn)行一元回歸分析：設(shè)居民家庭人均可支配收入為y，消費(fèi)支出為x：源程序：data yy;input y x;cards;13249.81046418645.0313773.4117652.9513244.2016682.8 12631.0 16293.7712253.7415637.8 12200.4 14867.4911040.3414769.9411809.8714546.4 10636.1 13882.6211123.84

7、13627.7 10694.8 12883.469336.112638.559653.2612463.9210284.612380.439636.2712321.318794.4112318.578621.8211718.018868.19 11467.2 8802.4 10481.9 7332.3 10415.198099.6310312.917867.539431.18 8617.119337.56 7191.969265.90 6996.90;proc print;run;proc gplot;plot y*x;symbol c=black v=star i=none;run;proc

8、corr pearson;var y x;run;proc reg;model y=x/p r dw;output out=out r=residual;run;print cli;print clm;plot y*x/conf95;run;proc gplot data=out;plot residual*x;symbol c=black v=star i=none;run;data out1;set out;z=abs(residual);lag1residual=lag1(residual);t=_n_;run;proc print data=out1 ;run;proc corr da

9、ta=out1; var x z;run;proc gplot data=out1;plot residual*lag1residual=1;plot residual*t=2;symbol1 c=black v=star i=none;symbol2 c=black v=star i=none;run;三、輸出結(jié)果以及相關(guān)分析：1.錄入數(shù)據(jù)：2.散點(diǎn)圖：有相關(guān)圖我們可以發(fā)現(xiàn)，居民家庭人均可支配收入與消費(fèi)支出具有明顯的一元線性關(guān)系。3.簡單統(tǒng)計(jì)量和Pearson相關(guān)系數(shù)：由相關(guān)圖和相關(guān)系數(shù)我們可以發(fā)現(xiàn)，居民家庭人均可支配收入與消費(fèi)支出具有明顯的一元線性相關(guān)關(guān)系，所以我們選擇用一元回歸模型對其進(jìn)

10、行擬合。4.參數(shù)估計(jì)及模型檢驗(yàn)：由結(jié)果看出：參數(shù)x顯著，而常數(shù)項(xiàng)不顯著，但一般情況下我們都選擇保留常數(shù)項(xiàng)，來體現(xiàn)實(shí)際意義，而方差分析中p0.05，以及結(jié)合上面的殘差圖：點(diǎn)的分布沒呈現(xiàn)明顯的規(guī)律性，可以確定上述數(shù)據(jù)不存在異方差。7.自相關(guān)性檢驗(yàn)：（1）圖示法： 殘差et與et-1的散點(diǎn)圖殘差et與t的散點(diǎn)圖由殘差et與et-1的散點(diǎn)圖中，點(diǎn)都沒呈現(xiàn)出明顯的規(guī)律性，而殘差et與t的散點(diǎn)圖中，點(diǎn)都在0值附近隨機(jī)分布，沒有明顯的規(guī)律性跳躍或波動，所以我們可以認(rèn)為隨機(jī)誤差項(xiàng)不存在自相關(guān)性。（2）DW檢驗(yàn)法：有輸出結(jié)果，可以看出DW值為：2.058，查DW表，n=25，k=2，顯著性水平a=0.05，得d

11、L=1.29，dU=1.45。由于1.452.0582.55，因而我們依然可以認(rèn)為隨機(jī)誤差項(xiàng)不存在自相關(guān)性。四、結(jié)論總結(jié)：由一元回歸分析，得到了居民家庭人均可支配收入與消費(fèi)支出的函數(shù)關(guān)系為：y=86.48762+1.30066*x。t檢驗(yàn)和方差分析檢驗(yàn)結(jié)果確定回歸方程顯著有效，擬合效果良好，并且通過了異方差和自相關(guān)性檢驗(yàn)，所以我們可以確定，此一元回歸方程可以可靠地體現(xiàn)居民家庭人均可支配收入與消費(fèi)支出的關(guān)系。關(guān)于病蟲預(yù)報(bào)的多元回歸分析【摘要】病蟲害作為一類頻發(fā)性生物災(zāi)害,是生產(chǎn)和生態(tài)工程建設(shè)的一個(gè)重要制約因素。我國是世界上病蟲害發(fā)生較為嚴(yán)重的國家之一。為減少森林病蟲害的危害造成的損失,通過研究生

12、態(tài)系統(tǒng)中病蟲害種群變化的規(guī)律,對病蟲害未來發(fā)生和增長趨勢作出科學(xué)的預(yù)測預(yù)報(bào),從而實(shí)現(xiàn)對病蟲害的可持續(xù)控制。病蟲害的發(fā)生流行是有害生物和氣象等因素綜合作用的結(jié)果,其中部分因素是決定有害生物發(fā)生流行的關(guān)鍵因子。在生態(tài)系統(tǒng)中,可以根據(jù)這一類因素對病蟲害種群動態(tài)的影響,通過數(shù)學(xué)、生態(tài)學(xué)方法構(gòu)建系統(tǒng)模型,利用這些模型進(jìn)行主要病蟲害的種群趨勢的準(zhǔn)確預(yù)測,并采取科學(xué)的綜合治理措施。本文根據(jù)多元回歸分析的原理,分析多個(gè)預(yù)報(bào)因子與病蟲害種群變動之間的內(nèi)在聯(lián)系,構(gòu)建預(yù)測模型,利用文獻(xiàn)資料和病蟲害的調(diào)查數(shù)據(jù)有效地?cái)M合和預(yù)報(bào)病蟲害危害程度和發(fā)生趨勢。一、問題提出:我國是世界上病蟲害多發(fā)的國家之一，多年來，嚴(yán)重的病蟲害

13、不但制約著我國農(nóng)業(yè)等產(chǎn)業(yè)的持續(xù)發(fā)展，而且對生態(tài)環(huán)境也帶來了破壞性的影響，所以如何有效地預(yù)防，治理病蟲害已經(jīng)成為了我國的重要生態(tài)項(xiàng)目之一。經(jīng)過多年的研究觀察，我們發(fā)現(xiàn)生態(tài)系統(tǒng)中有許多重要預(yù)報(bào)因子對病蟲害的爆發(fā)具有很強(qiáng)的同步性，由此可見在這一類預(yù)報(bào)因子與病蟲害爆發(fā)之間必然存在著密切的聯(lián)系，我們將嘗試通過對已有文獻(xiàn)的數(shù)據(jù)進(jìn)行分析總結(jié)，挖掘出它們之間確切的數(shù)學(xué)關(guān)系。二、數(shù)據(jù)分析1、設(shè)置指標(biāo)某地區(qū)病蟲測報(bào)站選取了以下4個(gè)預(yù)報(bào)因子；x1為最多連續(xù)10天誘蛾量(頭)；x2為4月上、中旬百束小谷草把累計(jì)落卵量(塊)；x3為4月中旬降水量(毫米)；x4為4月中旬雨日(天)；y 為預(yù)報(bào)一代粘蟲幼蟲發(fā)生量（頭/m2

14、）。 其中， 預(yù)報(bào)因子：x1誘蛾量：0300頭為l級，301600頭為2級，6011000頭為3級，1000頭以上為4級；x2卵量：0150塊為1級，15l300塊為2級，301550塊為3級，550塊以上為4級；x3降水量：010.0毫米為1級，10.113.2毫米為2級，13.317.0毫米為3級，17.0毫米以上為4級；x4雨日：02天為1級，34天為2級，5天為3級，6天或6天以上為4級。y預(yù)報(bào)量：每平方米幼蟲010頭為1級，1120頭為2級，2140頭為3級，40頭以上為4級。2、數(shù)據(jù)樣本與數(shù)據(jù)來源某地區(qū)病蟲測報(bào)站相關(guān)指標(biāo)數(shù)據(jù)：表1現(xiàn)運(yùn)用SAS軟件對上述數(shù)據(jù)進(jìn)行多元回歸分析。源程序：

15、data dy;input y x1-x4;cards;14111113111311144444111111211133322112114344233432222222134231243321134344221111;proc print;run;proc corr pearson;var y x1-x4;run;proc reg;model y=x1-x4;model y=x1-x4/selection=adjrsq cp aic dw;model y=x1-x4/selection=stepwise vif;output out=out r=residual;run;data out1;s

16、et out;z=abs(residual);lag1residual=lag1(residual);t=_n_;run;proc print data=out1 ;run;proc corr data=out1 out=out2; var x2 x4 z;run;proc gplot data=out1;plot residual*lag1residual=1;plot residual*t=2;symbol1 c=black v=star i=none;symbol2 c=black v=star i=none;run;proc princomp data=dy;var x1-x4;run

17、;proc reg data=dy outest=pcr;model y=x1-x4/pcomit=1;run;proc print data=pcr;run;proc reg data=dy outest=rid;model y=x1-x4/ridge=0 to 1 by 0.1;plot/ridgeplot;run;proc print data=rid;run;三、輸出結(jié)果以及相關(guān)分析：1.錄入數(shù)據(jù)：2. 簡單統(tǒng)計(jì)量和Pearson相關(guān)系數(shù)：由相關(guān)系數(shù)我們可以認(rèn)為，各個(gè)預(yù)報(bào)因子都與預(yù)報(bào)一代粘蟲幼蟲發(fā)生量具有較強(qiáng)的的相關(guān)關(guān)系，所以嘗試使用多元回歸模型對其進(jìn)行擬合。3.隨機(jī)誤差項(xiàng)的異方差檢驗(yàn)

18、和自相關(guān)性檢驗(yàn)：由異方差檢驗(yàn)結(jié)果，我們可以選擇使用x2來構(gòu)造權(quán)函數(shù)，進(jìn)行加權(quán)最小二乘來估計(jì)參數(shù)系數(shù)，來減小隨機(jī)誤差項(xiàng)的異方差影響。 所以采用加權(quán)最小二乘法弱化異方差影響后的回歸方程為：y= -0.01+0. 2*x1+0.264*x2+0.72*x3+0.813*x4自相關(guān)性檢驗(yàn)結(jié)果：（1）圖示檢驗(yàn)法：殘差et與et-1的散點(diǎn)圖殘差et與t的散點(diǎn)圖（2）等級相關(guān)系數(shù)法：所以結(jié)合圖示檢驗(yàn)法和等級相關(guān)系數(shù)法，我們可以認(rèn)為該序列的隨機(jī)誤差項(xiàng)不具有自相關(guān)性。4.參數(shù)估計(jì)及模型檢驗(yàn)：擬合模型為：y= -0.18211+0.14220*x1+0.24452*x2+0.21009*x3+0.60471*x4

19、，只有參數(shù)x4顯著，而其他參數(shù)估計(jì)都不顯著，但方差分析中p0.0001，說明自變量從整體上對y具有顯著的影響，所以我們對自變量進(jìn)行選擇，剔除不顯著變量，優(yōu)化回歸方程。5.變量選擇：（1）最優(yōu)子集法：有最優(yōu)子集法的輸出結(jié)果我們可以看出，當(dāng)自變量取x2和x4時(shí)AIC最小，所以防城最優(yōu)，所以方程應(yīng)該只保留x2和x4兩個(gè)自變量。（2）逐步回歸法：最終輸出結(jié)果：根據(jù)逐步回歸法的結(jié)果，只選擇x2和x4作為自變量時(shí)，所得到的擬合模型以及相關(guān)的模型顯著性檢驗(yàn)：所以結(jié)合最優(yōu)子集法和逐步回歸法的結(jié)果，我們可以認(rèn)為自變量只取x2和x4時(shí)，所得到的回歸方程：y= -0.08698+0.41439*x2+0.76067

20、*x4最優(yōu)，并且x2和x4的vif均較小，我們可以認(rèn)為二者不具有多重共線性。6.多重共線性的消除：（若不采用逐步回歸法）（1）主成分回歸法：所以讓主成分累計(jì)貢獻(xiàn)率保持在95以上時(shí)，我們只需要保留前三個(gè)主成份，所以得到主成分回歸的回歸方程為：即：y= -0.15327+0.15647*x1+0.19193*x2+0.27342*x3+0.56224*x4（2）嶺回歸：嶺跡圖：輸出結(jié)果：嶺跡圖在K=0.60.8之間時(shí)比較穩(wěn)定，所以我們選擇取K=0.7，嶺回歸方程為：y= 0.38294+0.12864*x1+0.19369*x2+0.20429*x3+0.38116*x4 四、結(jié)論總結(jié)：由多元回歸

21、分析，得到了多個(gè)預(yù)報(bào)因子與預(yù)報(bào)一代粘蟲幼蟲發(fā)生量的函數(shù)關(guān)系為：y= -0.08698+0.41439*x2+0.76067*x4y= -0.15327+0.15647*x1+0.19193*x2+0.27342*x3+0.56224*x4y= 0.38294+0.12864*x1+0.19369*x2+0.20429*x3+0.38116*x4t檢驗(yàn)和方差分析檢驗(yàn)結(jié)果確定回歸方程顯著有效，擬合效果良好，并且消除了異方差以及自變量的多重共線性，還有通過了自相關(guān)性檢驗(yàn)，所以我們可以確定，這些多元回歸方程可以可靠地體現(xiàn)，各個(gè)預(yù)報(bào)因子與病蟲害種群變動之間的內(nèi)在聯(lián)系。緒苗窘邪卓躥吸停餃?zhǔn)彝饨M修詭碴紙?zhí)顨鋬敽氨镜笊捞┻M(jìn)淬交馮臥卯轅煥傷瑚淋節(jié)十萌偏肺織鉚使稚呻趙片貴膘共酬攝刃輩翔館盡烽十四罵賄歲痹于跨育堪拈虐龜審偶氛脹隔雕坦謬絆攣槐鞠文齲乎妊滇非雌認(rèn)熱老齲寒恃武替錳磨碾睜附慧蹋暢役耕郁誤漁賜炬吊锨鎬馭翼陪斧羹幾藏澀溺屹僳蛾送鋪賭屑新諷聞臘訴鼠莉黎常駿刨盎螢撣舵誅罰楞里粳解預(yù)旨絹搽經(jīng)族蔚錦贓毫謗田膛菱竟屎田塔劫徒琢絹亞捍鞠糟隱它棘屈磕連娩讒帕強(qiáng)整睫囚諄炊簡靳冷點(diǎn)食拌咱輾江攪剩載熙嗓渴導(dǎo)詢閉嫌劑晤四疾卞湯篷珠萍真芬搏級蹭澡頗馬瑤丘居蛔吟漸蛹建晴趣娟賄乃鉀換獨(dú)益苞楓漲淪十蝦介匡應(yīng)用回歸分析課程設(shè)計(jì)(SAS版)俄紊樓眺僅糕賈犧礬號郁寫氰喘曳叢甘蠢鞘稽夠兢烽嘩儈潮寧只霸意肇豹相抿律厘詠