SAS - 线性回归

SAS线性回归 - 从简单和简单的步骤学习SAS，从基本到高级概念，包括概述，环境，用户界面，程序结构，基本语法，数据集，变量，字符串，数组，数字函数，运算符，循环，决策制作，功能，输入法，宏，日期和时间，SQL，输出传递系统，模拟，直方图，图表，散点图，箱线图，算术平均值，标准偏差，频率分布，交叉制表，T检验，方差，线性回归，Bland -Altman分析，卡方，Fishers精确测试，单向Anova，重复测量分析，假设检验。

线性回归用于识别因变量与一个或多个自变量之间的关系.提出了一种关系模型，并使用参数值的估计来建立估计的回归方程.

然后使用各种测试来确定模型是否令人满意.如果是，则估计的回归方程可用于预测自变量给定值的因变量的值.在SAS中，程序 PROC REG 用于查找两个变量之间的线性回归模型.

语法

基本在SAS中应用PROC REG的语法是 :

PROC REG DATA = dataset;MODEL variable_1 = variable_2;

以下是所用参数的说明及减号;

数据集是数据集的名称.
variable_1和variable_2 是变量用于查找相关性的数据集的名称.

示例

以下示例显示了通过使用 PROC REG来找到两个变量马力和汽车重量之间的相关性的过程.在结果中我们看到可用于形成回归方程的截距值.

PROC SQL;create table CARS1 asSELECT invoice, horsepower, length, weight   FROM    SASHELP.CARS   WHERE make in ('Audi','BMW');RUN;proc reg data = cars1;model horsepower = weight ;run;

执行上述代码后，我们得到以下结果 :

regression_1

上面的代码还给出了模型的各种估计的图形视图，如下所示.作为一种高级SAS程序，它不会停止将截距值作为输出.

regression_2