sas多元统计分析例题程序输出结果分析过程.docx

所在院系计算机与信息工程学院
学科专业农业信息化
研究生姓名宋玲
指导老师：薛河儒
2013年12月21日
用线性回归分析方法分析林木生物量的影响因素
题目
在林木生物量生产率研究中，为了了解林地施肥量（x1，kg）、灌水量（x2，10）与生物量（Y，kg）的关系，在同一林区共进行了20次试验，观察值见下表，试建立Y关于x1,x2的线性回归方程。
程序
DATAct;
INPUTx1x2y@@;
XSQ=x1*x2;
CARDS;
542950
613951
522652
704854
634253
796460
684559
653065
795167
764470
713670
825073
753974
926078
966282
926180
915087
854784
1067288
905292
;
PROCREG;
MODELy=x1x2/PCLI;
MODELy=x1x2xsq/PCLI;
Run;
3.输出结果

（1）回归模型是否显著，显著水平是多少？复相关系数是多少？
答：回归方程显著，显著水平是。复相关系数是。
（2）回归系数的估计值是多少？显著性如何？
答：
X11.

（3）写出回归方程的表达式。

（4）利用残差（实测值与预测值之差）、95%置信取间的上下限讨论预测预报效果及预报的稳定性。
答：根据上面结果可知残差和95%置信区间的上下限的差异很大，最大的达到7.4640.最小的达到8.幅度比较大。所以稳定性也很差。
（5）对本问题再求出Y关于X1、X2的二次多项式回归方程，并与线性回归方程比较，说明优缺点。

由输出结果知：
二次模型在水平下是显著的，预测模型为：
y=-14.553333+1.66857x1-0.73311x2-0.00271x1*x2
线性模型在水平下也是显著的，预测模型为：
y
对比来说：MODEL2复相关系数更接近1，预测值与实测值更接近，回归效果更好，因此y与x的关系应选用二次模型。
用线性回归方法分析影响水稻粒重的因素
题目
s，观测11个水稻品种(03DH1、03DH2、03DH3、03DH4、03DH5、03DH6、03DH7、03DH8、03DH9、03DH10、03DH11)的各种性状：穗数xl、枝梗数x2、秕粒x3、200粒重y。每个水稻品种取5株．以5株为一个单位。研究水稻200粒重y与穗数xl、枝梗数x2、秕粒x3之间的关系，分析哪些因素对200粒重y的影响较大。
nonumx1x2x3y03DH1514165903DH2527132703DH3531119403DH4520156403DH55241416703DH65191334003DH7530134003DH84211212203DH9529139003DH10530148503DH1154113120程序
TITLE'多元线性回归分析';
DATAAMO;
INPUTYX1-X3;
CARDS;
5.87141659
5.58271327
5.83311194
4.71201564
5.592414167
3.851913340
5.52301340
5.65291390
4.97301485
5.314113120
;
PROCREG;
MODELy=x1x2x3;
MODELY=X1X2X3/SELECTION=STEPWISECLI;
RUN;
输出结果

分析结果
REG过程中，MODEL语句可以交互使用，本例我们建立了两个模型，第一个MODEL没有做变量筛选，第二个MODEL指定逐步回归方法筛选变量。并且用CLI输出预测值与预测区间。
REG过程拟合带截距项的直线回归方程，用最小二乘法估计模型的参数，并给出模型及参数的方差分析及T检验。本例的两个模型1检验P值大于，无统计学意义。
模型2为逐步回归法，只纳入了X3，由参数估计表可知，对常数检验t值为，Pr>|t|的值小于，远小于，说明截距项（即常数项Intercept）通过检验，估计值为5.82331.对自变量x1分析同样可以得知，x1系数通过检验，估计值为-0.00493.所以回归方程为：
y=0.00493*x1+5.82331.
综上所述：在研究影响水稻粒重的因素中，只有秕粒对它的影响较大。