《sas多元统计分析例题程序输出结果分析过程.docx》由会员分享，可在线阅读，更多相关《sas多元统计分析例题程序输出结果分析过程.docx（11页珍藏版）》请在三一文库上搜索。
1、应用数理统计报告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1.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。观察值|N123456?391011121314151617181920XI5461527063?9686579花71827592969291S510590X229392648426445305144355039606261504772
2、52Y505152545360506567TO707374788230S78489921.程序DATAct;INPUTx1 x2 y ;XSQ=x1*x2;CARRS54 29 5061 39 5152 26 5270 48 5463 42 5379 64 6068 45 5965 30 6579 51 6776 44 7071 36 7082 50 7375 39 7492 60 7896 62 8292 61 8091 50 8785 47 84106 72 8890 52 92;PROCREGMODEIy=x1 x2/ P CLI;MODEIy=x1 x2 xsq/ P CLI;Run;
3、3.输出结果一元一次及二次回归The REG ProcedureModel： M0DEL1Dependent Variable： yAnalysis of Variance15:47 Monday, December 302002 9SourceUFSum ofSquaresMeanSquareF VaJuePr F版del2招85.5鸵2g1692.76814240.99 HIErrort ValueIntercept1-4.940483,45784-h430.1711xl1L539520,0881617,46,0001x21-0.943850.10391-9.08 FModel3碗1306
4、04。1190.35347150：部 It!Intercept1-14.6513311,45354-1,27OJ220x111.S68570.171288.74.000tx21-0.733910.2GOQQ0,0128XSQ1-0.QQ2710.00303-0.830.3914JL一波及二次回归15:47 Mtrtky, December 90, 2002Paranieter Est imates4The REG ProcedureModel: M0CEL2Jeperderit Variable： yOutput StatisticsDependentVariablePredicted Std
5、 ErrorValue M&an Predict50.000050,03781.455343.59485E.4即9-0.03785LCOOO52.1S050.9S6046,143358.2176-U18QG62,000049.48C81.759142.705256.25542.519254.00DD57,9381t J43251,8553S4.0109-3.338153400005,5336L03S346.524058.B636Q.406260.000058 ,毅 40t J6534g. 8415B140669.978053.。叩57,61430.946151.6133B3.B1521.335
6、785.000066.61771.181460.432172.8033-1.617767.00QQ68,94150,781863.041874,84127.941570.DOQ070,92610JG6065,031076.8223D.926170.000070.55620J776M.5$76,6038-0,5962祝0。叩74,48600.7B6868.803280.3728-t.488074.000074.0B020.39S28L0214so.oaea-C.O61278.000073.99060.079674,035485.8458-1.390682.000084,0270L047577.9
7、G089O.fO32-2.027000.000079.007$0.911673.031084.984?0,992187.00DD88,2861L200992.082784.4875-1.ZS51844000081,9783L044075.904388.Q6182.021799.00008BJ824M2J66081,5397S6J0S7-0.824792.000064-79740.96947B.765290.82377.2028质* CL PredictPesiduaISum of Res i duas0Sum of Squared Residuals113.88*$QPredicted Res
8、idual S3 (PRESS)190.78001(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0.0001。复相关系数是0.9659(2)回归系数的估计值是多少？显著性如何？答：Intercept -4.94048 0.1711X11.53952 0.0001X2-0.94385 0.0001X1 与X2的系数对于表达式极显著，intercept 对应的系数对表达式在0.01下不 显著(3)写出回归方程的表达式。y=1.53952x1-0.94385x2 - 4.94048(4)利用残差(实测值与预测值之差)、95明信取间的上下限讨论预测预报效果及预报
9、的稳定性。答：根据上面结果可知残差和95胡信区间的上下限的差异很大，最大的达到7.4640.最小的达到0.2868.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。Intercept -14.55333 0.2210X11.66857 FModel3ErrorSCorrected Total91,923391.573973,497360,641130.262332.440.162。Root MSEDependent MeanCoeff Var0.512185.298009,68570R-SquareAdj R SqG.
10、55OG0.3249Pa rmeter Est tiftatesVariableDFPa raeieterStandardEstimateErrort ValuePr 10:32 Wectiesday, December 22, 19!I lie REG ProcedureM(jdel： MODELSDererident Yariatle： YStepwise Selection： Step 1Variable X3 Entered： R-Square = 0.5142 and C(p) = 0.4767Anilj/sis of VarlartceSum ofMeanSourceDFSquar
11、esSquare F 1心duePr FModel11.73834L79834S.47 (Ml 耻Errore1.B99020.21236Corrected Totalg3.43736ParameterStandardVariableEst i sateErrorType II S3 F ValuePr FIntercept6.Bisai0.234S9180.76715 Bit即 FThe REG ProcedureModel： MODEL?Dependent Variable： YOutput Stat 1st Ics0b|t|的值小于0.0001 ,远小于0.05,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，只有秋粒对它的影响较大。