回归分析实验课 实验8.docx

1、回归分析实验课 实验8实验报告八实验课程: 回归分析实验课 专业: 统计学 年级: 姓名: 学号: 指导教师: 完成时间: 得分: 教师评语:学生收获与思考:实验八含定性变量得回归模型(4学时)一、实验目得 1、掌握含定性变量得回归模型得建模步骤3.运用SS计算含定性变量得各种回归模型得各参数估计及相关检验统计量二、实验理论与方法在实际问题得研究中,经常会遇到一些非数量型得变量。如品质变量;性别;战争与与平、我们把这些品质变量也称为定性变量,在建立回归模型得时候我们需要考虑到这些定性变量。定性变量得回归模型分为自变量含定性变量得回归模型与因变量就是定性变量得回归模型、自变量含有定性变量得时候,

2、我们一般引进虚拟变量,将这些定性变量数量化。例如研究粮食产量问题,y为粮食产量,为施肥量,另外考虑气候问题,分为正常年份与干旱年份两种情况,这个问题数量化方法就就是引入一个-型变量D,令i=1 表示正常年份,Di=0表示干旱年份,粮食产量得回归模型为:yi=+1+Di+i、因变量就是定性变量时,一般用lgitic回归模型(分组数据得logistic回归模型,未分组数据得logisti回归模型,多类别得logisic回归模型),prbt回归模型等。三、 实验内容1.用ATA步建立一个永久SAS数据集,数据集名为xt103,数据见表2;对数据集x103,建立y对公司规模与公司类型得回归,并对所得到

3、得模型进行解释。2、研制一种新型玻璃,对其做耐冲实验、用一个小球从不同得高度h对玻璃做自由落体撞击,玻璃破碎记为=1,玻璃未破碎记y0。数据见表22、就是对表中数据建立玻璃耐冲性对高度得gisic回归,并解释回归方程得含义、3.某学校对本科毕业生得去向做了一个调查,分析影响毕业去向得相关因素,结果见表2、其中毕业去向“1”=工作,“”=读研,“3=出国留学。性别“1”男生,“0”女生。用多类别得Logisitic回归分析影响毕业去向得因素。四.实验仪器计算机与AS软件5. 实验步骤与结果分析1。用ATA步建立一个永久SAS数据集,数据集名为103,数据见表21;对数据集x103,建立y对公司规

4、模与公司类型得回归,并对所得到得模型进行解释。R检验中R方为、91,可以认为回归拟合效果较好。回归方程通过检验,说明模型就是显著成立得。由参数估计表,可以瞧出,全部变量都就是显著得,回归方程为:其中,x2就是虚拟变量,当公司类型为“互助”时,x2为0,为“股份”时,x2为1。由方程可知,x2为,即股份制公司得保险革新措施速度y会更大、股份制公司采取保险革新措施得积极性比互助型公司高,股份制公司建立在共同承担风险上,更愿意革新。公司规模越大,采取保险革新措施得倾向越大:大规模公司保险制度得更新对公司得影响程度比小规模公司大。SS程序:daxt103;inpt y x1 x2 ;/*引入虚拟变量,

5、将公司类型得互助设为0,股份设为1*ards;1 15129221 175 030 31 02040277012 21001 120 04 290 06 28 28 64115 2711 2951 8131 121224120 166 1133132114246 ;un;proc reg data=103;modey=x1 x2;run;2研制一种新型玻璃,对其做耐冲实验。用一个小球从不同得高度对玻璃做自由落体撞击,玻璃破碎记为y=,玻璃未破碎记0.数据见表22、就是对表中数据建立玻璃耐冲性对高度得ltc回归,并解释回归方程得含义。模型信息:模型解出得就是=0得概率。由三个检验中,统计量得P值

6、都小于0、05,可以认为模型就是显著得。由Wd检验得显著性概率及其P值,可以瞧出,h变量对方程得影响就是显著得、由极大似然估计,各个参数系数也通过检验。因此模型有效、二元ogit模型为模型意义为,小球掉落高度为h,则玻璃未破碎得概率为p,而y=0表示玻璃未破碎。也就就是说,该种新型得玻璃,用小球对其撞击,当小球得掉落高度为h时,玻璃未破碎得概率就就是,那么,玻璃会破碎得概率就为1(y=0),这也可以瞧成就是一种比例,就就是大量实验中,同个高度,玻璃会被击破得比例、SA程序:dta wj;put h y ;/引入虚拟变量,将公司类型得互助设为0,股份设为/crds;1。501、。54 01、56

7、01。511。6001、620、64 0、66 01。6 11.7 01。201、740、7611.78 0、80 11、01。401、8 11。88 11、90 01.9 1。94 01、96 1.982.00;run;prc listic da=wjz;oe y=h;rn;proc logistic ata=wz;class h;odel y=/linklogitggrat scale=one;un;3某学校对本科毕业生得去向做了一个调查,分析影响毕业去向得相关因素,结果见表23.其中毕业去向“1”=工作,“”=读研,“3”出国留学。性别“1”=男生,“0=女生。用多类别得Logisiic

8、回归分析影响毕业去向得因素。专业课x1英语x2性别x3月生活费x4毕业去向y两个统计量得P值均大于。05,说明模型拟合得较好、检验全局零假设: BA=0 无效假设检验结果(似然比,评分)得结果P值均小于0。01,具有显著统计学意义。三个变量中,有两个就是不显著得变量,x3,2,剔除x3:两个统计量得P值均大于。,说明模型拟合得较好。检验全局零假设:BA无效假设检验结果(似然比,评分,wld)得结果P值均小于0、0,具有显著统计学意义、三个变量都就是显著得。以=“1”,即参加工作,为参照、由模型可以瞧出:从参数估计表中,与参加工作得同学相比,读研得(y2)得同学相比,读研得同学其专业课成绩更好(

9、x1得P值0、003),而外语成绩(x2得p值=0、356)与经济状况(x4得P值0.14)没有显著差异;出国留学得(y=)学生其专业课成绩与参加工作得没有显著差异,外语成绩与经济状况则更好。as程序:ata a;ipt x1 xx x y;ca;9 5、 162362。0 0 85 8253。700 60。0 0 857 65、1750 85 5。0 0 10003 95、019292.1 95 26.0050178 75。01 00190 78。 0500 183。0150 2 65。0 18575、0062600。 65 375 0.01 80 6383、0 7001855、0 7523

10、 6。0950 66。1 1503363.00 100 27 72、00850 660。190 766. 0 1 196 86。0 0 702175.0 11000 163 72、0 150 2608。650 9。0 1 00 18693。 5501 76.00 6516 86、00 026 85.0 650 18292、0 1 0336、0 0800 82 5.0 175027575、0 75 17 3。0 1 501818。00850 32 96、01952;ru;prcrint;run;pro logtc;class 3;mode y(e=)=x1 x2 x x/link=glogigr

11、te scae=ne ;run;poc loistic;class x3;dey(ref3)1 x2 x4/in=glgit aggregate sae=nne ;run;pro lgistic;cas 3;modely(ref=)12 x/ingot aggrat sca=one ;run;六、收获与思考七. 思考题 当自变量就是定性变量得时候,我们需要引进虚拟变量进行数量化,当定性变量有n个水平得时候,我们该引进多少得虚拟变量,否则会怎样？不妨试试在sas中试试会出现什么问题。答:当定性变量有n个水平时应该引进1个虚拟变量。否则最后一个虚拟变量无法用最小二乘估计计算出来。例:1X3为虚拟变

12、量。Data a;inpt x12 x3 x y;cards; 0 .26 75 1 00 1.35 71 0 0。4 7 10 01。58 82 1 0 1、71 650 0 1。 66 0 1.8 68 0 1 0 1。85 00 1 1、 68 0 1 1、35 69 0 1 1。4670 0 1 1。4472;procredaa=a;model y=xx3 ;run;X3没有参数估计结果。因为x1x2x3出现完全共线性,x 均为时即代表了为1。表21y公司类型1171互助2692互助3211互助43031互助5104互助60277互助7221互助81912互助9490互助1238互助112864股份215272股份13195股份1436股份153185股份6224股份172016股份181335股份104股份014246股份表22序号h(m)y序