SAS第五次
- 格式：doc
- 大小：138.50 KB
- 文档页数：9
实验总结：
学会了相关性分析的应用
学号
1304090128
班级
统计0902
姓名
马鑫昱
指导教师
易昆南
实验题目
线性回归分析
评分
1、设计（实习）目的：
1．学习掌握一些基本的SAS语句和结构；
2．熟悉SAS线性回归分析的的基本操作；
3．学会利用SAS解决一些简单问题。
2、实验内容：
1）一元线性回归
题目：同上，进行线性回归分析。
SAS实验报告
指导老师：易昆南
实验时间：2011年12月
学院：数学科学与计算技术学院
专业班级：统计0902
姓名：马鑫昱
学号：1304090128
学号
1304090128
班级
统计0902
姓名
马鑫昱
指导教师
易昆南
实验题目
相关分析
评分
1、设计（实习）目的：
1．学习掌握一些基本的SAS语句和结构；
2．熟悉SAS于相关分析方面的的基本操作；
1.9
1.1
0.7
1.1
0.9
1.3
谋杀犯罪率%
15.1
11.3
7.8
10.1
10.3
6.8
3.1
6.2
10.7
3、详细设计
1）Pearson相关
odsrtf;
datatemp;
inputx1 x2@@;
datalines;
2.11.51.81.91.10.71.10.91.3
15.1 11.3 7.8 10.110.3 6.8 3.1 6.2 10.7
3．学会利用SAS解决一些简单问题。
2、实验内容：
题目：在通常情况下，一个地区的犯罪率在很大程度上受到国民素质的影响，而反应国民素质的一个很重要的指标是文盲率，为了研究文盲率和犯罪率之间的关系，现收集到19个不同地区文盲率与犯罪率的数据。试对文盲率与谋杀犯罪率进行相关分析。
文盲率%
2.1
1.5
1.8
文盲率%
2.1
1.5
1.8
1.9
1.1
0.7
1.1
0.9
1.3
谋杀犯罪率%
15.1
11.3
7.8
10.1
10.3
6Байду номын сангаас8
3.1
6.2
10.7
2)多元线性回归
题目：在上述题目中加入失业率
4.9
3.8
2.1
4.1
4.2
1.5
0.6
1.3
4.4
3、详细设计
1）一元线性回归分析
odsrtf;
datatemp ;
15.1 11.3 7.8 10.110.3 6.8 3.1 6.2 10.7
;
proccorrspearmannosimple;
varx y;
run;
quit;
odsrtfclose;
4、实验结果：
（1）Pearson相关
2变量:
x1 x2
简单统计量
变量
N
均值
标准差
总和
最小值
最大值
x1
9
4.64444
inputx1 x2 y @@;
datalines;
2.11.51.81.91.10.71.10.91.3
4.93.82.14.14.21.50.61.34.4
15.1 11.3 7.8 10.110.3 6.8 3.1 6.2 10.7
;
procreg;
modely=x1 x2;
run;
quit;
R-Square
0.7605
Dependent Mean
4.12222
Adj R-Sq
0.6807
Coeff Var
48.48134
实验总结：
学会了一元线性回归和多元线性回归的应用
Source
DF
Sumof
Squares
Mean
Square
F Value
Pr>F
Model
1
33.03834
33.03834
1.20
0.3096
Error
7
192.71721
27.53103
Corrected Total
8
225.75556
Root MSE
5.24700
R-Square
0.1463
4.06205
41.80000
1.10000
11.30000
x2
9
5.77778
5.31220
52.00000
0.70000
15.10000
Pearson相关系数,N=9
当H0:Rho=0时，Prob>|r|
x1
x2
x1
1.00000
0.38255
0.3096
x2
0.38255
0.3096
1.00000
0.2493
x
1
0.50029
0.45669
1.10
0.3096
2）多元线性回归分析
SAS系统
The REG Procedure
Model: MODEL1
Dependent Variable: y
Number of Observations Read
9
Number of Observations Used
Dependent Mean
5.77778
Adj R-Sq
0.0244
Coeff Var
90.81350
Parameter Estimates
Variable
DF
Parameter
Estimate
Standard
Error
tValue
Pr>|t|
Intercept
1
3.45423
2.74917
1.26
;
procgplot;
plotx2*x1='*';
run;
proccorr;
varx1 x2;
run;
quit;
odsrtfclose;
2）Spearman秩相关
程序：
odsrtf;
datatemp ;
inputx y @@;
datalines;
2.11.51.81.91.10.71.10.91.3
9
Analysis of Variance
Source
DF
Sumof
Squares
Mean
Square
F Value
Pr>F
Model
2
76.11133
38.05567
9.53
0.0137
Error
6
23.96422
3.99404
Corrected Total
8
100.07556
Root MSE
1.99851
inputx y @@;
datalines;
2.11.51.81.91.10.71.10.91.3
15.1 11.3 7.8 10.110.3 6.8 3.1 6.2 10.7
;
procreg;
modely=x;
run;
quit;
odsrtfclose;
2）多元线性回归分析
odsrtf;
datatemp ;
2）Spearman秩相关
2变量:
x y
Spearman相关系数,N=9
当H0:Rho=0时，Prob>|r|
x
y
x
1.00000
0.51046
0.1603
y
0.51046
0.1603
1.00000
散点图分布形态呈椭圆形，两个变量具有一定的线性相关性。Spearman秩相关与Pearson相关分析的相关系数矩阵完全相同。
odsrtfclose;
4、实验结果：
（1）一元线性回归分析
SAS系统
The REG Procedure
Model: MODEL1
Dependent Variable: y
Number of Observations Read
9
Number of Observations Used
9
Analysis of Variance
学会了相关性分析的应用
学号
1304090128
班级
统计0902
姓名
马鑫昱
指导教师
易昆南
实验题目
线性回归分析
评分
1、设计（实习）目的：
1．学习掌握一些基本的SAS语句和结构；
2．熟悉SAS线性回归分析的的基本操作；
3．学会利用SAS解决一些简单问题。
2、实验内容：
1）一元线性回归
题目：同上，进行线性回归分析。
SAS实验报告
指导老师：易昆南
实验时间：2011年12月
学院：数学科学与计算技术学院
专业班级：统计0902
姓名：马鑫昱
学号：1304090128
学号
1304090128
班级
统计0902
姓名
马鑫昱
指导教师
易昆南
实验题目
相关分析
评分
1、设计（实习）目的：
1．学习掌握一些基本的SAS语句和结构；
2．熟悉SAS于相关分析方面的的基本操作；
1.9
1.1
0.7
1.1
0.9
1.3
谋杀犯罪率%
15.1
11.3
7.8
10.1
10.3
6.8
3.1
6.2
10.7
3、详细设计
1）Pearson相关
odsrtf;
datatemp;
inputx1 x2@@;
datalines;
2.11.51.81.91.10.71.10.91.3
15.1 11.3 7.8 10.110.3 6.8 3.1 6.2 10.7
3．学会利用SAS解决一些简单问题。
2、实验内容：
题目：在通常情况下，一个地区的犯罪率在很大程度上受到国民素质的影响，而反应国民素质的一个很重要的指标是文盲率，为了研究文盲率和犯罪率之间的关系，现收集到19个不同地区文盲率与犯罪率的数据。试对文盲率与谋杀犯罪率进行相关分析。
文盲率%
2.1
1.5
1.8
文盲率%
2.1
1.5
1.8
1.9
1.1
0.7
1.1
0.9
1.3
谋杀犯罪率%
15.1
11.3
7.8
10.1
10.3
6Байду номын сангаас8
3.1
6.2
10.7
2)多元线性回归
题目：在上述题目中加入失业率
4.9
3.8
2.1
4.1
4.2
1.5
0.6
1.3
4.4
3、详细设计
1）一元线性回归分析
odsrtf;
datatemp ;
15.1 11.3 7.8 10.110.3 6.8 3.1 6.2 10.7
;
proccorrspearmannosimple;
varx y;
run;
quit;
odsrtfclose;
4、实验结果：
（1）Pearson相关
2变量:
x1 x2
简单统计量
变量
N
均值
标准差
总和
最小值
最大值
x1
9
4.64444
inputx1 x2 y @@;
datalines;
2.11.51.81.91.10.71.10.91.3
4.93.82.14.14.21.50.61.34.4
15.1 11.3 7.8 10.110.3 6.8 3.1 6.2 10.7
;
procreg;
modely=x1 x2;
run;
quit;
R-Square
0.7605
Dependent Mean
4.12222
Adj R-Sq
0.6807
Coeff Var
48.48134
实验总结：
学会了一元线性回归和多元线性回归的应用
Source
DF
Sumof
Squares
Mean
Square
F Value
Pr>F
Model
1
33.03834
33.03834
1.20
0.3096
Error
7
192.71721
27.53103
Corrected Total
8
225.75556
Root MSE
5.24700
R-Square
0.1463
4.06205
41.80000
1.10000
11.30000
x2
9
5.77778
5.31220
52.00000
0.70000
15.10000
Pearson相关系数,N=9
当H0:Rho=0时，Prob>|r|
x1
x2
x1
1.00000
0.38255
0.3096
x2
0.38255
0.3096
1.00000
0.2493
x
1
0.50029
0.45669
1.10
0.3096
2）多元线性回归分析
SAS系统
The REG Procedure
Model: MODEL1
Dependent Variable: y
Number of Observations Read
9
Number of Observations Used
Dependent Mean
5.77778
Adj R-Sq
0.0244
Coeff Var
90.81350
Parameter Estimates
Variable
DF
Parameter
Estimate
Standard
Error
tValue
Pr>|t|
Intercept
1
3.45423
2.74917
1.26
;
procgplot;
plotx2*x1='*';
run;
proccorr;
varx1 x2;
run;
quit;
odsrtfclose;
2）Spearman秩相关
程序：
odsrtf;
datatemp ;
inputx y @@;
datalines;
2.11.51.81.91.10.71.10.91.3
9
Analysis of Variance
Source
DF
Sumof
Squares
Mean
Square
F Value
Pr>F
Model
2
76.11133
38.05567
9.53
0.0137
Error
6
23.96422
3.99404
Corrected Total
8
100.07556
Root MSE
1.99851
inputx y @@;
datalines;
2.11.51.81.91.10.71.10.91.3
15.1 11.3 7.8 10.110.3 6.8 3.1 6.2 10.7
;
procreg;
modely=x;
run;
quit;
odsrtfclose;
2）多元线性回归分析
odsrtf;
datatemp ;
2）Spearman秩相关
2变量:
x y
Spearman相关系数,N=9
当H0:Rho=0时，Prob>|r|
x
y
x
1.00000
0.51046
0.1603
y
0.51046
0.1603
1.00000
散点图分布形态呈椭圆形，两个变量具有一定的线性相关性。Spearman秩相关与Pearson相关分析的相关系数矩阵完全相同。
odsrtfclose;
4、实验结果：
（1）一元线性回归分析
SAS系统
The REG Procedure
Model: MODEL1
Dependent Variable: y
Number of Observations Read
9
Number of Observations Used
9
Analysis of Variance
