学步园

1.来历

Francis.Galton，研究父母身高/儿女身高时,发现子辈身高趋向于全体人口的平均身高.该现象由其朋友Karl.Pearson证实.

2.涵义

研究因变量对自变量的依赖关系,试图通过自变量的确定来估计或预测因变量的均值.

3.回归与因果

因变量与自变量的依赖关系,并不一定意味着因果关系,从逻辑上讲,统计关系式本身不可能意味这任何因果关系.

4.回归与相关

相关是衡量变量间的线性关联度,回归关注的是估计或预测因变量.且回归中,通常假设因变量是随机的,自变量是固定或非随机的;而相关分析总变量间是对称的,不加区别的,都看作随机的.

5.线性的涵义

a.对变量为线性,普通线性关系,总体回归曲线为线性的.

b.对参数为线性,这样就延伸了线性的涵义,”线性”回归是指对参数beta为线性的一种回归.

6.经典线性回归模型最小二乘法的基本假定

a.线性回归模型,对参数而言.

b.在重复抽样中自变量X值是固定的.

c.干扰项的条件均值为0,方差相等,无自相关

e.干扰项与自变量的协方差为0.

f.观测次数n必须大于待估计的参数个数.

g.自变量X值要有变异性,不能完全相同.

h.正确地设定回归模型,没有设定偏误

i.没有完全的多重共线性,即自变量之间没有完全的线性关系

SAS 软件实践;

data class;
   set sashelp.class;
run;

*回归模型;
proc reg data=class; 			
model weight = height;				
title 'weight-height regression';
run;

*最小二乘法估计的协方差矩阵;
proc reg data=class;
model weight = height/covb;			* 协方差选项;
title 'regression with covariance options';
run;

/* 输出残差 */
proc reg data=class;
model weight = height / r; 			* 残差选项;			
output out=weightout r=ehat; 			* 数据命名;
title 'regression with residual option';
run;

/* 检验残差正态性*/
proc univariate data=weightout;	
var ehat;							
histogram/normal;					
run;

/* 模型预测 */
proc reg data=class;
model weight=height / p;			*预测选项;
title 'regression with predict option';
output out=weightpred p=yhat; 			*输出预测数据;
run;

/* proc reg统计图 */
proc reg data=class;
model weight = height;
plot residual.*height; 
plot yhat*height;
plot weight*height;
title 'regression with plot options';
run;

quit;