计算机线性回归实验报告,线性回归分析实验报告.doc

PAGE

PAGE 28

数据分析课程实验报告

实验名称 线性回归分析

实验目的

1、通过实验掌握线性回归模型拟合及参数估计

2、获得处理统计推断与预测的能力

3、学会残差分析、掌握Box-Cox变换的方法

4、学会最优回归方程的选取

5、进一步熟悉SAS的应用

二、用文字或图表记录实验过程和结果

2.4解：

sas程序为：

data two_4;

input y x1 x2;

CARDS;

(省略了数据)

;

RUN;

PROC REG DATA=two_4;

model y=x1 x2/I;

OUTPUT OUT=a P=PREDICTED R=RESIDUAL H=H STUDENT=STUDENT;

RUN;

PROC CAPABILITY DATA=a GRAPHICS;

QQPLOT;

RUN;

PROC GPLOT DATA=a;

PLOT RESIDUAL*PREDICTED RESIDUAL*x1 RESIDUAL*x2;

SYMBOL VALUE=DOT I=NONE;

RUN;

PROC IML;

N=15;

USE two_4;

READ ALL VAR{y x1 x2} INTO M;

X=M[,2]#M[,3];

X2=M[,3];

Y=M[,1];

P=Y||X||X2;

CREATE RESOLVE VAR{Y X X2};

APPEND FROM P;

QUIT;

PROC REG DATA=RESOLVE;

MODEL Y=X X2;

RUN;

PROC PRINT;

RUN;(1)参数估计的sas输出结果为：

Parameter Estimates

Parameter Standard

Variable DF Estimate Error t Value Pr > |t|

Intercept 1 3.45261 2.43065 1.42 0.1809

x1 1 0.49600 0.00605 81.92 <.0001>

x2 1 0.00920 0 9.50 <.0001>

分析：参数的估计值为3.4526、0.49600、0.00920误差方差的估计值=MSE= 4.74030，由此输出结果得到回归方程为：=3.4526+0.49600X1+0.00920X2从参数估计的sas输出结果中的最后一列p值可知，该城市中适合使用该化妆品的人数X1以及他们的与收入X2对化妆品在该城市的月销售量Y有显著影响，当适合使用该化妆品人的收入X2固定时，该城市中适合使用该化妆品的人数X1每增加一人，此化妆品的月销售量将增加0.49600个单位；同理当该城市中适合使用该化妆品的人数X1固定时，他们的收入X2增加一单位时，月销售量增加0.00920个单位；

(2)插入方差分析表：

Analysis of Variance

Sum of Mean

Source DF Squares Square F Value Pr > F

Model 2 53845 26922 5679.47 <.0001>

Error 12 56.88357 4.74030

Corrected Total 14 53902

分析：线性回归关系显著性检验：统计量的观测值F0=5679.47检验的p值p0=PH0(F>=F0)<0.0001。并且在方差分析表中，还输出了R2，即R2 =SSR/SST=53845/53902=0.9989其中R2值接近于1.，这些结果说明了Y与X1，X2之间的线性回归关系是显著的。

(3)=0.05，由于(n-p)=t0.975 (12)=0.128，利用中参数估计值可求得的置信度为95%的置信区间为分别为：

：3.45261+-2.43065*0.128即(3.1414868，3.7637332)

：0.49600+-0.00605*0.128即(0.37405，0.4967744)

：0.00920+-00.128即(0.00907608192，0.009323