多元线性回归 黄冈职业技术学院 数学建模协会 胡敏 作业： 在农作物害虫发生趋势的预报研究中,所涉及的5个自变量及因变量的10组观测数据如下,试建立y对x1-x5的回归模型，指出那些变量对y有显著的线性贡献，贡献大小顺序。 x1 x2 x3 x4 x5 y 9.200 2.732 1.471 0.332 1.138 1.155 9.100 3.732 1.820 0.112 0.828 1.146 8.600 4.882 1.872 0.383 2.131 1.841 10.233 3.968 1.587 0.181 1.349 1.356 5.600 3.732 1.841 0.297 1.815 0.863 5.367 4.236 1.873 0.063 1.352 0.903 6.133 3.146 1.987 0.280 1.647 0.114 8.200 4.646 1.615 0.379 4.565 0.898 8.800 4.378 1.543 0.744 2.073 1.930 7.600 3.864 1.599 0.342 2.423 1.104 编写程序如下： data ex; input x1-x5 y@@; cards; 9.200 2.732 1.471 0.332 1.138 1.155 9.100 3.732 1.820 0.112 0.828 1.146 8.600 4.882 1.872 0.383 2.131 1.841 10.233 3.968 1.587 0.181 1.349 1.356 5.600 3.732 1.841 0.297 1.815 0.863 5.367 4.236 1.873 0.063 1.352 0.903 6.133 3.146 1.987 0.280 1.647 0.114 8.200 4.646 1.615 0.379 4.565 0.898 8.800 4.378 1.543 0.744 2.073 1.930 7.600 3.864 1.599 0.342 2.423 1.104 ; proc reg; model y=x1 x2 x3 x4 x5/cli; run; 运行结果如下： （1）回归方程显著性检验. Analysis of Variance Sum of Mean Source DF Squares Square F Value Model 5 2.25207 0.45041 11.63 Error 4 0.15497 0.03874 Corrected Total 9 2.40704 Pr > F 0.0170 Root MSE 0.19683 R-Square 0.9356 Dependent Mean 1.13100 Adj R-Sq 0.8551 Coeff Var 17.40333 由Analysis of Variance表可知，其F Value=11.63，Pr > F的值0.0170小于0.05，故拒绝原假设，接受备择假设，认为y与x1 x2 x3 x4 x5之间具有显著性相关系；由R-Square的值为0.9356可知该方程的拟合度高，样本观察值有93.6%的信息可以用回归方程进行解释，故拟合效果较好，认为y与x1 x2 x3 x4 x5之间具有显著性的相关关系。 （2）参数显著性检验. Parameter Estimates Parameter Standard Variable DF Estimate Error t Value Pr > |t| Intercept 1 0.38113 1.31757 0.29 0.7868 x1 1 0.06054 0.05697 1.06 0.3479 x2 1 0.66119 0.13328 4.96 0.0077 x3 1 -1.14856 0.59877 -1.92 0.1275 x4 1 0.96868 0.42115 2.30 0.0829 x5 1 -0.33745 0.08628 -3.91 0.0174 由Parameter Estimates表可知，对自变量x1,t检验值为t=1.06, Pr > |t|的值等于0.3479，大于0.05，因此，接受原假设H：02=0,认为x1的系数为0，说明x1的系数没有通过检验。为此，需要在程序model y=x1 x2 x3 x4 x5中去掉x1。 再次运行得到如下结果： Parameter Estimates Parameter Standard Variable DF Estimate Error t Value Pr > |t| Intercept 1 1.48612 0.81939 1.81 0.1295 x2 1 0.71294 0.12565 5.67 0.0024 x3 1 -1.58815 0.43840 -3.62 0.0152 x4 1 0.94190 0.42579 2.21 0.0779 x5 1 -0.37185 0.08100 -4.59 0.0059 由Parameter Estimates表可知，对x4检验t=2.21，Pr > |t|的值0.0779，大于0.05，因此，接受原假设H：02=0,认为x1的系数为0，说明x4的系数没有通过检验。为此，需要在程序model y= x2 x3 x4 x5中去掉x4。 再次运行得到如下结果： Parameter Estimates Parameter Standard Variable DF Estimate Error t Value Pr > |t| Intercept 1 2.24871 0.95453 2.36 0.0566 x2 1 0.75463 0.15952 4.73 0.0032 x3 1 -1.99964 0.50976 -3.92 0.0078 x5 1 -0.33313 0.10156 -3.28 0.0168 本文来源：https://www.wddqw.com/doc/4221d3d226fff705cc170a03.html