请教实现多元二次逐步回归的SAS程序

当所研究的问题涉及较多的自变量时，我们很难想象事先选定的全部自变量对因变量的影响都有显著性意义；也不敢保证全部自变量之间是相互独立的。换句话说，在建立多元线性回归方程时，需要根据各自变量对因变量的贡献大小进行变量筛选，剔除那些贡献小和与其他自变量有密切关系的自变量、发现那些对回归方程有很坏影响的观测点（这些都是回归诊断的重要内容，参见本章第4节），从而求出精练的、稳定的回归方程。

你好，很高兴为你解答：

看你具体的模型，用proc nlmixed可以实现random coefficient model

你看一下PROC SURVEYLOGISTIC。不过我没有用过，也不敢过多评价。　

一般robust都再SAS的survey class当中。

你的采纳是我前进的动力，还有不懂的地方，请继续“追问”。

如你还有别的问题，可另外向我求助；答题不易，互相理解，互相帮助。

当然改变了。

回归的目的是发现潜在的关系，是一处拟合的过程，如果自变量的分布不符合要求，是需要处理加工的。而取对数即是一种标准化的手段。

不仅sas中这么处理，其它数据挖掘过程中也会有这方面的问题。

详细需要参考数据挖掘或统计回归方面的资料。

帮你找个教程，希望对你有帮助 The SAS System 9 安装步骤 1、将电脑的系统时间调整到2004年9月30日以前，比如说是去年（2003年）的某一天。右键点击右下角时钟附近的Norton AntiVirus图标，选择"禁用自动防护"。

最好是看SAS文档上面的例子：

data Remission;

input remiss cell smear infil li blast temp;

label remiss='Complete Remission';

datalines;

1 8 83 66 19 11 996

1 9 36 32 14 74 992

0 8 88 7 8 176 982

0 1 87 87 7 1053 986

1 9 75 68 13 519 98

0 1 65 65 6 519 982

1 95 97 92 1 123 992

0 95 87 83 19 1354 102

0 1 45 45 8 322 999

0 95 36 34 5 0 1038

0 85 39 33 7 279 988

0 7 76 53 12 146 982

0 8 46 37 4 38 1006

0 2 39 08 8 114 99

0 1 9 9 11 1037 99

1 1 84 84 19 2064 102

0 65 42 27 5 114 1014

0 1 75 75 1 1322 1004

0 5 44 22 6 114 99

1 1 63 63 11 1072 986

0 1 33 33 4 176 101

0 9 93 84 6 1591 102

1 1 58 58 1 531 1002

0 95 32 3 16 886 988

1 1 6 6 17 964 99

1 1 69 69 9 398 986

0 1 73 73 7 398 986

;

title 'Stepwise Regression on Cancer Remission Data';

proc logistic data=Remission outest=betas covout;

model remiss(event='1')=cell smear infil li blast temp

/ selection=stepwise

slentry=03

slstay=035

details

lackfit;

output out=pred p=phat lower=lcl upper=ucl

predprob=(individual crossvalidate);

run;

proc print data=betas;

title2 'Parameter Estimates and Covariance Matrix';

run;

proc print data=pred;

title2 'Predicted Probabilities and 95% Confidence Limits';

run;

以上就是关于请教实现多元二次逐步回归的SAS程序全部的内容，包括:请教实现多元二次逐步回归的SAS程序、求助如何使用SAS做面板数据的logit/Probit回归、sas 中对变量取自然对数 再求回归 对原来数据不是改变了等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！