資源描述：
《SAS 逐步回歸.ppt》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、1SAS-逐步回歸南京醫(yī)科大學(xué)流行病與衛(wèi)生統(tǒng)計學(xué)系柏建嶺2reg過程reg過程是專門用于回歸分析的SAS過程，可提供絕大多數(shù)常用的線性回歸分析功能；reg過程只是SAS中眾多關(guān)于回歸的過程之一，它適用于通常意義上的回歸分析；reg過程可提供多達(dá)九種模型選擇方法；可執(zhí)行有關(guān)線性假設(shè)和多元假設(shè)的假設(shè)檢驗；可執(zhí)行共線性診斷的功能；可計算預(yù)測值、殘差、學(xué)生化殘差、可信區(qū)間以及影響度等統(tǒng)計量；reg過程具有統(tǒng)計繪圖功能。3reg過程可包含的語句PROCREG;MODELdependents=;BYvariables;
2、FREQvariable;IDvariables;VARvariables;WEIGHTvariable;MTEST;OUTPUTkeyword=names<...keyword=names>;PLOT<=symbol><...yvar*xvar><=symbol>;PRINT;TESTequation,<,...,equation>;RU
3、N;4procreg語句procreg語句用于調(diào)用reg過程。其中的語句選項較多，功能復(fù)雜；此處的選項將會對同一reg過程步中所有的model語句發(fā)生作用。procreg語句的主要選項及其功能和用法見下表。5procreg語句的主要選項選項功能和用法alpha=為當(dāng)前過程步中所創(chuàng)建的各種可信區(qū)間指定其置信水平（除某些語句中另外設(shè)置了置信水平者外）。須設(shè)置為0~1之間的值，默認(rèn)值為0.05。corr給出有關(guān)model語句和var語句中的所有變量的相關(guān)矩陣。outest=將參數(shù)估計值以及模型擬合過程的相應(yīng)統(tǒng)計量（可選）輸出到所指定的數(shù)據(jù)集中。ridge=須設(shè)置為一個非負(fù)數(shù)所組成的列表（或
4、單個數(shù)值），以列表中的每一個數(shù)值作為嶺常數(shù)K進(jìn)行嶺回歸分析，并將每一次嶺回歸分析所得的參數(shù)估計值輸出到“outest=”選項所指定的輸出數(shù)據(jù)集中。輸出數(shù)據(jù)集中嶺常數(shù)K存儲在變量“_RIDGE_”下，相應(yīng)估計值所對應(yīng)的“_TYPE_”變量值為“RIDGE”。設(shè)置此選項時，restrict語句將被忽略。simple將reg過程中所用到的變量的合計值、均數(shù)、方差、標(biāo)準(zhǔn)差以及未校正的離均差平方和等在結(jié)果中顯示。tableout將參數(shù)估計值的標(biāo)準(zhǔn)誤、可信區(qū)間、t值（針對參數(shù)為零的檢驗假設(shè)）以及相應(yīng)的P值輸出到“outest=”選項所指定的輸出數(shù)據(jù)集中。6model語句語句形式：
5、MODELdependents=;用來對所要擬合的回歸模型進(jìn)行定義；“l(fā)abel”項代表所定義模型的標(biāo)簽，用來對當(dāng)前model語句所定義的模型進(jìn)行標(biāo)識；以等號相連的兩段內(nèi)容為模型表達(dá)式，用來定義所要擬合的回歸模型；可設(shè)置眾多的選項，其中相當(dāng)一部分和procreg語句的選項相同，功能也基本相似，只是作用的范圍有所不同。7model語句選項（1）選項功能和用法selection=指定模型選擇的方法，可以是前進(jìn)法（forward）、后退法（backward）、逐步法（stepwise）等九種方法。best=在模型選擇方法為RSQUARE、ADJR
6、SQ或CP時使用。當(dāng)模型選擇方法為ADJRSQ或CP時，此選項用來指定最佳模型的最大個數(shù)；當(dāng)模型選擇方法為RSQUARE時，此選項用來為每一種大小的模型指定其最佳模型的最大個數(shù)。這些最佳模型將在結(jié)果中顯示或輸出到“outest=”選項所指定數(shù)據(jù)集中。include=要求在變量篩選時必須將model語句中所列自變量中的前n個包括在模型中，變量篩選過程僅在剩余的自變量中進(jìn)行。當(dāng)模型選擇方法為NONE時此選項無效。maxstep=須設(shè)置為正整數(shù)。在模型選擇方法為FORWARD、BACKWARD或STEPWISE時，用來指定進(jìn)行變量篩選的最大步數(shù)。對于FORWARD或BACKWARD方法，此
7、選項的默認(rèn)值為模型中所包含的自變量個數(shù)，而對于STEPWISE方法，此默認(rèn)值為上述默認(rèn)值的三倍。noint要求模型擬合時不包含截距項。slentry=當(dāng)模型選擇方法為FORWARD或STEPWISE時，用來指定變量的入選標(biāo)準(zhǔn)（變量進(jìn)入模型所需達(dá)到的顯著性水平），對于FORWARD法默認(rèn)值為0.5，對于STEPWISE法默認(rèn)值則為0.15。slstay=當(dāng)模型選擇方法為BACKWARD或STEPWISE時，用來指定變量的剔除標(biāo)準(zhǔn)（模型中的變量剔除出模型所需達(dá)
