如何在 sas 中计算 r 平方

R 平方（通常写为^r2 ）是线性回归模型对一组数据的拟合程度的度量。

该值表示响应变量中可由预测变量解释的方差比例。

r ²的值可以在 0 到 1 的范围内：

• 值 0 表示响应变量根本无法由预测变量解释。
• 值为 1 表示响应变量可以由预测变量完美解释，没有错误。

相关：什么是好的 R 平方值？

以下分步示例展示了如何计算 SAS 中简单线性回归模型的 R 平方值。

第 1 步：创建数据

在此示例中，我们将创建一个数据集，其中包含 15 名学生的学习总时数和期末考试成绩。

我们将使用小时作为预测变量并使用分数作为响应变量来拟合一个简单的线性回归模型。

以下代码显示了如何在 SAS 中创建此数据集：

 /*create dataset*/
data exam_data;
    input hours score;
    datalines ;
1 64
2 66
4 76
5 73
5 74
6 81
6 83
7 82
8 80
10 88
11 84
11 82
12 91
12 93
14 89
;
run ;

/*view dataset*/
proc print data =exam_data;

步骤 2：拟合简单线性回归模型

接下来，我们将使用proc reg来拟合简单线性回归模型：

 /*fit simple linear regression model*/
proc reg data =exam_data;
    model score = hours;
run ; 

请注意，输出中的 R 平方值为 0.8310。

这意味着83.1%的考试成绩差异可以通过学习时数来解释。

步骤 3：从回归模型中提取 R 平方值

如果只想显示该模型的 R 平方值而不显示其他输出结果，可以使用以下代码：

 /*fit simple linear regression model*/
proc reg data =exam_data outest =outest noprint ;
    model score = hours / rsquare ;
run ;
quit ;

/*print R-squared value of model*/
proc print data =outest;
    var _RSQ_;
run ; 

请注意，输出中仅显示 R 平方值0.83098 。

注意： proc reg中的noprint参数告诉 SAS 不要像上一步那样打印整个回归结果输出。

其他资源

以下教程解释了如何在 SAS 中执行其他常见任务：

如何在 SAS 中执行简单线性回归
如何在 SAS 中执行多元线性回归
如何在 SAS 中执行多项式回归
如何在 SAS 中执行逻辑回归