回歸分析實驗課 實驗8

實驗報告八實驗課程： 回歸分析實驗課專業(yè)：年級：姓名：學(xué)號：得分：

統(tǒng)計學(xué)1教師評語：學(xué)生收獲與思考：2實驗八含定性變量的回歸模型（4學(xué)時）一、實驗?zāi)康?．掌握含定性變量的回歸模型的建模步驟3．運用SAS計算含定性變量的各種回歸模型的各參數(shù)估計及相關(guān)檢驗統(tǒng)計量二、實驗理論與方法把這些品質(zhì)變量也稱為定性變量，在建立回歸模型的時候我們需要考慮到這些定性變量。定性變量的回歸模型分為自變量含定性變量的回歸模型和因變量是定性變量的回歸模型。自變量含有定性變量的時候，我們一般引進虛擬變量，將這些定性變量數(shù)量化。例如研究糧食0-1DD1=0表示干旱年份，i糧食產(chǎn)量的回歸模型為：y=β+βx+βD+εi 0 1i 2i i。因變量是定性變量時，一般用logistic回歸模型（分組數(shù)據(jù)的logistic回歸模型，未分組數(shù)據(jù)logistilogisti回歸模型，probi三.實驗內(nèi)容DATASASxt10321xt103對公司規(guī)模和公司類型的回歸，并對所得到的模型進行解釋。2h對玻璃做自由落體撞擊，y=1y=022的logistic回歸，并解釋回歸方程的含義。323.其中的Logisitic回歸分析影響畢業(yè)去向的因素。四．實驗儀器計算機和SAS軟件五.實驗步驟和結(jié)果分析SASxt10321xt103公司規(guī)模和公司類型的回歸，并對所得到的模型進行解釋。3RR0.8951，可以認(rèn)為回歸擬合效果較好?；貧w方程通過F的。由參數(shù)估計表，可以看出，全部變量都是顯著的，回歸方程為：^33.870.102x1

8.06x2其中，x2是虛擬變量，當(dāng)公司類型為“互助”時，x2為0，為“股份”時，x2為1。由方程可知，x2為1，即股份制公司的保險革新措施速度y會更大。股份制公司采取保險革新措施的積極性比互助型公司高，股份制公司建立在共同承擔(dān)風(fēng)險上，更愿意革新。規(guī)模公司大。SAS程序：dataxt103;inputyx1x2/*01*/cards;1715104269202117503031022104002770122100191200429001623802816411527211129513868131851212241201661133051301241142461;run;procregdata=xt103;modely=x1x2;run;y=1y=022的logistic回歸，并解釋回歸方程的含義。模型信息：5模型解出的是y=0的概率。由三個檢驗中，統(tǒng)計量的P值都小于0.05，可以認(rèn)為模型是顯著的。由Wald檢驗的顯著性概率及其P值，可以看出，h變量對方程的影響是顯著的。由極大似然估計，各個參數(shù)系數(shù)也通過檢驗。因此模型有效。6logit

p(y0)

exp(14.597.98h)1exp(14.597.98h)模型意義為，小球掉落高度為h，則玻璃未破碎的概率為p,而y=0表示玻璃未破碎。也就是說，該種新型的玻璃，用小球?qū)ζ渥矒?，?dāng)小球的掉落高度為h時，玻璃未破碎的概率就是7.98h)p(y0)

1exp(14.597.98h)，那么，玻璃會破碎的概率就為1-p(y=0)，這也可以看成是一種比例，就是大量實驗中，同個高度h，玻璃會被擊破的比例。SAS程序：datadatawjz;inputhy/*01*/cards;1.5001.5201.5401.5601.5811.6001.6201.6401.6601.6811.7001.7201.7401.7611.7801.8011.8201.8401.8611.8811.9001.9211.9401.9611.9812.001;run;7proclogisticdata=wjz;modely=h;run;proclogisticdata=wjz;classh;modely=h/link=glogitaggregatescale=none;run;23.其中畢業(yè)Logisitic回歸分析影響畢業(yè)去向的因素。2 3 專業(yè)課x1 英語x 性別x 月生活費x 畢業(yè)去向2 3 兩個統(tǒng)計量的P值均大于0.05，說明模型擬合的較好。8BETA=0）P學(xué)意義。三個變量中，有兩個是不顯著的變量，x3,x2,剔除x3:兩個統(tǒng)計量的P值均大于0.05，說明模型擬合的較好。9:BETA=0(評分,wald）的結(jié)果P0.01統(tǒng)計學(xué)意義。三個變量都是顯著的。以x4“由模型可以看出：p(y2)

-19.1160.17x1

0.038x2

0.004x)41-19.1160.17x1

0.038x2

0.004x4

)-18.010.012x1

0.122x2

0.0101x)4p(y

-18.010.012x1

0.122x2

0.0101x)41-19.1160.17x1

0.038x2

0.004x4

)-18.010.012x1

0.122x2

0.0101x)410從參數(shù)估計表中，與參加工作的同學(xué)相比，讀研的的同學(xué)相比，讀研的同學(xué)其專業(yè)課成績更好x1的P=0.00，而外語成績x2的p=0.35）和經(jīng)濟狀況x4的P=0.18）沒有顯著差異Sas程序：datadataa;inputinputx1x2x3x4y;cardscards;9565.0160026362.0085018253.0070026088.0085037265.0175018585.00100039595.00120029292.0195026363.0085017875.0190019078.0050018283.0175028065.0185038375.0060026090.0065037590.0180026383.0170018575.0075027386.0095028666.01150039363.00130027372.0085018660.0195027663.00110019686.0075027175.01100016372.0185026088.0065016795.0150018693.0055016376.0065018686.0075027685.016501118292.08292.0195037360.07360.0080018285.08285.0175027575.07575.0075017263.07263.0165018188.08188.0085039296.09296.019502run;run;procprintprocprint;runrun;proclogisticproclogistic;classclassx3;modelmodely(ref='3')=x1x2x3x4/link=glogit aggregatescale=none;runrun;proclogisticproclogistic;classclassx3;modelmodely(ref='3')=x1x2x4/link=glogit aggregatescale=none;runrun;proclogisticproclogistic;classclassx3;modelmodely(ref='1')=x1x2x4/link=glogit aggregatescale=none;runrun;六．收獲與思考七.思考題當(dāng)自變量是定性變量的時候，我們需要引進虛擬變量進行數(shù)量化，當(dāng)定性變量有n個水平的時候，我們該引進多少的虛擬變量，否則會怎樣？不妨試試在sas中試試會出現(xiàn)什么問題。答：當(dāng)定性變量有n個水平時應(yīng)該引進n-1個虛擬變量。否則最后一個虛擬變量無法用最小二乘估計計算出來。例：X1-X3為虛擬變量。DataDataa;inputinputx1x2x3xy@@;cardscards;1001.26751001.35771001.40781001.58821001.26751001.35771001.40781001.58820101.71650101.76660101.80680101.85700101.71650101.76660101.80680101.8570120011.22680011.35690011.46700011.4472;procregdata=a;modely=x1-x3x;run;X3沒有參數(shù)估計結(jié)果。因為x1x2x3出現(xiàn)完全共線性，x1x2均為0時即代表了x3為1.表21iyx1公司類型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2213序號h（m）y序號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序號1序號1234567891011121314151617181920212223專業(yè)課x1英語x2性別x3月生活費x4956382607285959263789082808360756385738693738665.062.053.088.065.085.095.092.063.075.078.083.065.075.090.090.083.075.086.066.063.072.060.010001001010110011001001y600 2850 1700 2850 3750 11000 31200 2950 2850 1900 1500 1750 2850 3600 2650 3800 2700 1750 2950 21500 31300 2850 1