SAS常用程序(6)

2012-04-17 生物谷 不详

2.6  相关与回归分析的SAS程序   在阅读以下内容之前,请先阅读第一章“SAS软件基本操作”。   2.6.1  一元线性回归分析   例 2.16  以课本上表10-1中的数据为例,求出一元回归方程、检验回归显著性并求出回归及预测值的0.95置信区间。 解: 使用PROC REG过程进行分析,SAS

2.6  相关与回归分析的SAS程序

 

在阅读以下内容之前,请先阅读第一章“SAS软件基本操作”。

 

2.6.1  一元线性回归分析

 

2.16  以课本上表10-1中的数据为例,求出一元回归方程、检验回归显著性并求出回归及预测值的0.95置信区间。

解: 使用PROC REG过程进行分析,SAS程序如下:

                     options  linesize = 76;

                     data  soil;

                            input  salt  dw  @@;

                            cards;

0         80  0.8  90  1.6  95  2.4  115  3.2  130  4.0  115  4.8  135

proc  reg;

       model  dw = salt;

run;

输出结果见表220

 

 

 

 

 

 

220  2.16所输出的结果

                                                                              

                              

The SAS System

Model: MODEL1

Dependent Variable: DW

                            Analysis of Variance

 

 

 

Sum of

Mean

 

 

Source

DF

Squares

Square

F Value

Prob>F

 

 

 

 

 

 

Model

1

2232.14286

2232.14286

31.566

0.0025

Error

5

353.57143

70.71429

 

 

C Total

6

2585.71429

 

 

 

 

Root MSE

8.40918

R-square

0.8633

Dep Mean

108.57143

Adj R-sq

0.8359

C.V.

7.74530

 

 

 

                            Parameter Estimates

 

 

 

Parameter

Standard

T for H0:

 

Variable

DF

Estimate

Error

Parameter=0

Prob>|T|

 

 

 

 

 

 

INTERCEP

1

81.785714

5.72988941

14.274

0.0001

SALT

1

11.160714

1.98648174

5.618

0.0025

                                                                              

 

220的第一部分是对回归所做的方差分析,第二部分给出了截距(表中的INTERCEP),即回归方程中的常数项a,和回归系数b(表中的SALT)。可以得出回归方程:

                          = 81.785714 + 11.160714X

并给出在H0: a(b) = 0下,对ab所做的t检验。

为了得到残差和置信区间,可以将过程步做以下补充:

                     proc  sort  out = sorted;

                            by  salt;

                     run;

                     proc  reg  data = sorted;

                            model  dw = salt / r  clm;

                            id  salt;

本文系梅斯医学(MedSci)原创编译整理,转载需授权!-->

版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (1)
#插入话题
  1. [GetPortalCommentsPageByObjectIdResponse(id=2007740, encodeId=65b1200e740f0, content=<a href='/topic/show?id=cf4d1590956' target=_blank style='color:#2F92EE;'>#SAS#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=34, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=15909, encryptionId=cf4d1590956, topicName=SAS)], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=8e4c53, createdName=jiyangfei, createdTime=Mon Sep 17 11:14:00 CST 2012, time=2012-09-17, status=1, ipAttribution=)]
    2012-09-17 jiyangfei

相关资讯

SAS常用程序(1)

2.1  利用SAS软件描述样本数据   用SAS可以对样本数据进行全面描述,得出样本的各种特征数以及频数分布图。在阅读以下内容之前请先阅读第一章“SAS软件基本操作”。   2.1.1  用MEANS语句描述数据   例 2.1  计算课本上习题1.2的平均数和标准差。 解 

SAS常用程序(3)

2.4  单因素方差分析的SAS程序   在阅读以下内容之前,请先阅读第一章"SAS软件基本操作"。   单因素实验设计又称为完全随机化实验设计。该实验设计要求实验条件或实验环境的同质性很高。例如,比较a个作物品种的产量,每一品种设置n个重复,全部实验共有an次。根据完全随机化实验设计的要求,试验田中的an个试验小区的土质、肥力、含水量、小气候、田间管理等条件

SAS常用程序(4)

2.5  常用实验设计方差分析的SAS程序   在这本教材中我们只介绍了完全随机化实验设计和交叉分组实验设计的方差分析。除这两种实验设计外,还有很多实验设计需要用方差分析的方法处理数据。如随机化完全区组设计、拉丁方设计、裂区设计、套设计、正交设计等。这些实验设计方法在很多教材中都可以找到,限于篇幅在这里就不做更多的介绍了,只给出线性统计模型、均方期望和检验统计量。完全随机化

SAS常用程序(5)

2.5.4  两因素随机化区组实验的方差分析   一个两因素交叉分组实验,若每一处理重复n次,全部实验共abn次(见课本9.1.1)。这abn次实验的实验条件或实验材料必须具有同质性。否则,由于实验材料或实验条件的差异所引起的误差会混杂于实验误差中,影响试验结果的可靠性。为避免这种情况的发生,与随机化完全区组的做法一样,将每一套水平组合,安排在一个区组中,n次重复构成了n个

第十章 非参数检验

第十章 非参数检验     非参数统计是统计分析的重要组成部分。可是与之很不相称的是它的理论发展远远不及参数检验完善,因而比较完善的可供使用的方法也不多。在SAS中,非参数统计主要由UNIVARIATE过程、MEANS过程和NPAR1WAY过程来实现,前两者在前面的章节中已经介绍,它们可以进行配对设计差值的符号秩和检验(WILCOXON配对法);后者是一个单因素的非参数方差分析过程,可进

SAS常用程序(2)

 2.2  统计假设检验的SAS程序   在阅读以下内容之前,请先阅读第一章“SAS软件基本操作”。   2.2.1  单个样本的t检验   对于课本5.1.4所介绍的单个样本t检验,可以使用PROC MEANS过程计算。PROC MEANS过程在2.1.1