残差自相关的修正
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
应用回归分析·上机作业二
学号:200930980106 姓名:何斌年级专业: 10级统计1班指导老师:丁仕虹
思考与练习 4.9
1.用普通最小二乘法建立回归方程,并画出残差散点图。
1.1首先录入数据,sas程序如下:
proc import out=aa /*使用import过程导入数据,并输出到数据集aa*/
datafile="d:\xt4.09.xls"
dbms=excel2000 replace;
getnames=yes; /*首行为变量名*/
run;
proc print data=aa noobs;
run;
1.2建立回归方程,画残差散点图,sas程序如下:
proc reg data=aa;
model y=x;
output out=out r=residual;/*把回归的结果输出在文件out里,残差给变量名residual */ run;
proc gplot data=out;
plot residual*x;/*做残差图,检验是否存在异方差*/
symbol v=star i=none;
run;
1.3得到结果如下:
图1.3.1方差分析以及参数估计
1.4结果分析: 1.4.1由方差分析可知:p 值小于0.05,所以该回归方程显著有效。 1.4.2 R-Square=0.7046,Adj R-Sq=0.6988,可见回归方程的拟合度较高。 1.4.3由参数估计可得,常数项的检验P 值为0.0655大于0.05,故常数项不显著。 1.5除去常数项,重新拟合方程。 1.5.1 sas 程序如下: proc reg data=aa; model y=x/noint; run; 1.5.2得到结果如下: 图1.5.1方差分析以及参数估计 1.5.3结果分析: (1)由方差分析可知:P 值小于0.05,所以该回归方程显著有效,且F 值较有常数项时明显变大,故拟合方程较有常数项时更好。 (2) R-Square=0.8704,Adj R-Sq=0.8679,可见回归方程的拟合度有较大幅度提高。 (3)由参数估计可得,所有参数的检验P 值均小于0.05,参数显著有效。 (4)拟合的回归方程为:x y 0.00314
=∧ (1.5.3.4) 1.6得到残差散点图如下:
图1.6.1残差散点图
2.判断是否存在异方差。
2.1残差图分析:
由图1.6.1残差散点图可以直观地看到,残差散点图上的点的分布是有一定规律的,即误差随着x的增加而波动幅度增加,呈大喇叭的形状,因此可以认为误差项存在异方差。
2.2利用等级相关系数法判断,sas程序如下:
proc reg data=aa;
model y=x/r noint;/*r是残差,noint无常数项*/
output out=out r=residual;/*把回归的结果输出在文件out里,残差给变量名residual */ run;
/*下面利用残差的绝对值和X间的 spearman的相关系数检验异方差*/
data out1 ;
set out; /*调用数据集out*/
z=abs(residual); /*求残差的绝对值*/
run;
proc corr data=out1 outs=out2;
/*corr指做相关分析 outs=out2表示将等级相关检验的结果输出到out2*/
var x z;
run;
2.2.1得到结果如下:
图2.2.1等级相关系数
2.2.2结果分析:
由2.2.1的输出结果可知,残差绝对值||
i
e
与i
x
的等级相关系数0.21271
s
r,对应的P值
=0.1262,故认为残差绝对值||
i
e
与自变量i
x
显著相关,存在异方差。
3.用幂指数型的权函数建立加权最小二乘回归方程。
3.1 sas程序如下:
title"wls method";
data w1;/*建立新的数据集w1,以便计算权重*/
set out1;
keep y x;
run;
data w2;/*建立新的数据集w,以保留权重*/
set w1;
array row{10} w1-w10;/* w1-w10为不同m时的权数值*/ array p{10}(-2,-1.5,-1,-0.5,0,0.5,1,1.5,2,2.5);
do i=1 to 10;
row(i)=1/x**p{i};
end;
run;
proc print data=w2;
run;
proc reg data=w2;
model y=x/r;
weight w1;
output out=test r=residual;
run;
proc gplot data=test;
plot residual*x;
symbol v=dot i=none color=red;
run;
3.2结果如下图所示:
图3.2.1方差分析
图3.2.1拟合优度以及参数估计 3.3结果分析:
(1)由方差分析可知:P 值小于0.05,所以该回归方程显著有效。
(2) R-Square=0.8175,Adj R-Sq=0.8139,可见回归方程的拟合度较高。
(3)由参数估计可得,所有参数的检验P 值均小于0.05,参数显著有效。
(4)加权最小二乘的回归方程为:x y 0.0046-2.40038+=∧ (3.3.4) 3.4.1残差散点图:
3.4.2残差散点图分析:
由3.4.1残差散点图可以直观地看到,残差图上的点仍是有规律的,即误差随着x 的增加而波动幅度增加,呈大喇叭的形状,因此可以认为误差项仍存在异方差。 4. 作变换:y=sqrt(y) 。
4.1得到结果如下: