像8.1.1那样直接解方程或用公式算出参数估计值太麻烦了，SAS有多个过程可以作线性回归，估计这些参数的值，进行分析和预测。这些过程各有其特点，感兴趣的读者们可以通过菜单“帮助”→“SAS帮助与文档”→“SAS Products”→“SAS／STAT”→“AS／STAT User's Guide”→“Introduction to regression”查到这些过程及其简介，本书仅使用reg过程。reg（regression的前3个字母）过程的介绍可以通过菜单“帮助”→“SAS帮助与文档”→“SAS Products”→“SAS／STAT”→“SAS／STAT User's Guide”→“The Reg Procedure”找到。reg过程的必要语句有两条：proc reg语句和model语句。
proc reg语句的一般形式是：
其功能是调用reg过程。
model语句的一般形式是：
其功能是告诉SAS：“=”前的变量是因变量，“=”后的变量是自变量。
例8.2 对于例8.1用SAS估计参数。
解 采用如下程序：
提交程序后得到如下两张数表：
和
(www.xing528.com)
第一张是方差分析表（表头为Analysis of Variance），第二张表是参数估计表（表头为Parameter Estimates）。在参数估计表中，第1列是变量名（Variable），该列的每行元素为变量，所在行信息属于该变量估计值的系数。本例所得表中该列第1行是Intercept即截距，表明该行的信息是截距的信息；第2和第3行分别是x1和x2（目标人口和人均可支配收入），表明该行的信息是x1的系数b1和x2的系数b2的估计值。第4列是参数估计值（Parameter Estimate）列，说明本列的值是参数估计值。本例中该列可见
0=4.30412，
1=0.50407，
2=0.00811。与前面采用解线性方程组法所得的结果一致。
这种方法适用于一般的回归模型，由此可见只要找到参数估计表的这两列就能得到经验回归方程了。但是还有许多问题需要考虑：因为任意给出调查数据，都能用reg过程作回归，但所得经验回归方程是否合适？为了讨论这一问题统计学家做了许多研究，甚至有整本书都在讨论这些问题，SAS 9.3和9.4也给出许多图形、数表用来分析此问题。这里只介绍其中最最基础的方法。对模型是否适合数据的较详细分析，可以参考本书相关章节或吴诚鸥等人所编著的《近代实用多元统计分析》一书的4.7节。
方差分析表的第一行最后一个值（Pr＞F）称为P值，它可以用来判定自变量的最优线性组合与因变量是否线性相关（最优线性组合意指自变量的线性组合，它与因变量相关性最好），线性相关程度越大经验方程越好，如果该概率小于0.05（称为显著），说明自变量最优线性组合与因变量线性相关，经验方程是好的，否则经验方程不好。本例中Pr＞F的值小于0.0001，因而本例的经验方程是很好的（当P值小于0.01就称为高度显著）。
参数估计表的最后一列（Pr＞|t|）称为对应于该参数的P值，它可以用于判断该行自变量的系数的估计值是否可以忽略：如果Pr＞|t|的值小于0.05，则该参数不能被认为是0（参数或自变量的作用显著）；如果Pr＞|t|的值大于0.05，则该参数可能被认为是0（参数或自变量的作用不显著）。社会科学和生物医学问题中P值常常不与0.05比，而是与0.1比：如果Pr＞|t|的值小于0.1，则该参数不能被认为是0（参数或自变量的作用显著）；如果Pr＞|t|的值大于0.1，则该参数可能被认为是0（参数或自变量的作用不显著）。本例中x1所在行Pr＞|t|的值小于0.0001，x1的作用是显著的；x2所在行Pr＞|t|的值小于0.0001，x2的作用是显著的；截距所在行Pr＞|t|的值为0.1252，大于0.05，可见截距的作用是不显著的，但是为了拟合的精确性，不显著的截距并不舍弃掉。所以经验方程仍是
练习题1 研究某一地区土壤中可给态磷的情况：设y是摄氏35度时土壤中可给态磷的浓度，x1是土壤中所含无机盐浓度，x2是土壤中溶于K2CO3溶液并受溴化物水解的有机磷浓度，x3是土壤中溶于K2CO3溶液但不受溴化物水解的有机磷浓度。经18次测量得到表8-2。试建立由x1，x2，x3预报y的线性回归方程。
表8-2 土壤中可给态磷数据
续表8-2
练习题2 今有8名学生的考试成绩数据如表8-3所示。建立复习时间与智商预报考试得分的经验回归方程。某学生智商为115，如果他复习15小时，预测他将得多少分，并说明参数估计值的含义。
表8-3 8名学生考试成绩数据
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
