线性回归分析案例.docx

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
:
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)<表一>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
x1 1 <.0001
x2 1 <.0001
分析:、、=MSE= ,由此输出结果得到回归方程为:=++,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,;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,;
(2)<表二>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 <.0001
Error 12
Corrected Total 14 53902
分析:线