回归分析

包括 一元线性回归分析、多元线性回归分析、逐步回归分析、非线性回归分析和Logistic回归分析。

REG过程

功能

可用于一元及多元的线性回归分析。
格式：

proc reg data=数据集名;
model 因变量=自变量/选项;
plot 纵轴变量*横轴变量=“符号”选项;
run;

注：
1.plot语句用于绘制模型散点图。

例

一元线性回归分析

试建立sashelp.class中身高与体重的回归模型。
代码：

proc reg data=sashelp.class;
model Height=Weight;
plot Height*Weight;
run;

结果：
p值小于0.05，说明体重对身高的影响是显著的。R方值接近于1，说明模型的解释度高。

下图给出的参数的估计值。

多元线性回归分析

与一元线性回归分析类似，只是model语句中的自变量的个数变多了：model y=x1 x2 ... xn;

逐步回归分析

只需在model语句的选项后面加一个selection选项即可，可选值有：forward、backward、stepward等，默认为none。

可化为线性回归的非线性回归分析

在数据步中进行适当转化即可，如对数化。

NLIN过程

功能

对不可变换为线性回归的模型进行非线性回归分析。
格式：

proc nlin data=数据集名<选项>;
parameters 参数名=数值;
model 因变量=表达式<选项>;
bounds 表达式;
run;

注：
1.proc nlin的选项中method设置非线性回归中模型参数的迭代方法，有多种选择。
2parameters设置非线性回归模型中的参数初始值。
3.model表达式中的变量名对应parameters的参数名。
4.bounds规定需要估计的模型参数的合理范围。

例

现有一正弦波$y=a\times$