网站改版提交给百度百度竞价广告投放

SAS逐步回归法（Stepwise Regression）是一种变量选择技术，通过迭代添加或剔除预测变量，构建最优线性回归模型。其目标是在保持模型简洁性的同时最大化解释力，适用于高维数据或变量相关性较强的情景。

 

目录

【示例】

SAS代码

逐步选择过程

逐步选择汇总

y的拟合诊断

y的回归变量值-残差值

---

【示例】

Y与有相关关系，考虑回归模型，用逐步回归法求“最优”回归方程，观测数据如下：

使用SAS中的REG过程来完成逐步回归计算，假设引入变量的显著性水平为0.10，剔除变量的显著性水平为0.10

 

SAS代码

data d1;input x1-x4 y ;cards;
7  26  6 60  78.5
1  29 15 52  74.3
11 56  8 20 104.3
11 31  8 47  87.6
7  52  6 33  95.9
11 55  9 22 109.2
3  71 17  6 102.7
1  31 22 44  72.5
2  54 18 22  93.1
21 47  4 26 115.9
1  40 23 34  83.8
11 66  9 12 113.3
10 68  8 12 109.4
;proc reg data=d1;model y=x1-x4/selection=stepwisesle=0.10 sls=0.10; 
run;
quit;

逐步选择过程

计算各情况R方值

引入一个最优变量 

继续引入最优变量 

 继续引入最优变量

 

可以发现引入新变量后原变量x4变得不再重要，故第四步剔除x4

得到最优回归模型：

Y与x1，x2的二元回归模型的决定系数

逐步选择汇总

y的拟合诊断

y的回归变量值-残差值