SAS学习89(方差分析anova过程相关分析和回归分析corr过程reg过程多元线性回归stepwise)
Posted Zephyr丶J
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了SAS学习89(方差分析anova过程相关分析和回归分析corr过程reg过程多元线性回归stepwise)相关的知识,希望对你有一定的参考价值。
方差分析(anova过程)
做方差分析前提是假设每一个随机变量是符合正态分布的,且方差是一样的
可以两两构造t检验进行分析
anova过程是交互式过程,需要quit退出
可以看到下面分成了两组
单因素方差分析
R书415页
双因素方差分析
董书264,数学概念在R书435页
不考虑两个变量的交互作用,即相互影响
相关分析与回归分析
找出变量之间的相互关系
相关分析是发现关联关系,回归分析是写出关系式
corr过程
nomiss 忽略有缺失值的观测行
nosimple 会影响输出结果
如果nosimple的话,不会输出上面的两行
0.0022 是假设检验算出来的结果,说明拒绝原假设,即两个变量相关
一元线性回归分析
reg过程
先做相关分析
model y=x,左边是因变量,右边是自变量
-17.35是截距,0.22是斜率
其他东西都是对这个回归做检验,检验其是否合理;比如样本值本身不是正态分布;回归是否是线性的;变量之间是否有关系
可以在中间三行看到,F检验,pr值很小,那么说明模型相当好,具有明显的统计学意义
R-Square,相关系数平方,除以n-1
Adj R-Sq 调整过的相关系数平方,除以的是n-2,两个都比较大,说明相关性高
在对系数进行检验时,看到对斜率进行t检验,pr值很小,拒绝斜率为0的假设
但是看到截距的t检验,pr值很大,要接受截距=0的假设;说明这里截距计算有问题,需要调整
调整就是鼠标那行,加了个noint,也就是no intercept,没有截距
其中的一些概念
多元线性回归
有两个变量的检验情况不太好,分别是weight和rstpulse
说明可能关系不大,需要剔除
向前引入法是局部最优解
相关系数平法的大小阈值和统计变量的多少有关
第一步,只有一个变量
第二步,加了个年龄,相关系数平方增大,cp减小,模型变好了
第三步加了rumpulse,更好了
第四步加了maxpulse,更好了
以上是关于SAS学习89(方差分析anova过程相关分析和回归分析corr过程reg过程多元线性回归stepwise)的主要内容,如果未能解决你的问题,请参考以下文章
R语言回归anova方差分析相关性分析 《精品购物指南》调研数据可视化|附代码数据
什么是方差分析(ANOVA)?方差分析(ANOVA)有哪些类型?
方差分析ANOVA单因素方差分析协变量方差分析ANCOVA重复测量方差分析双因素方差分析( two-way ANOVA)多元方差分析MANOVA多元协方差分析MANCOVA
R语言使用回归模型解决单因素方差分析问题(ANOVA as regression)方差分析和回归都是同广义线性模型的特例因子转化为数值的过程中(分类变量编码为连续变量自定义设置contrast)