Come eseguire la regressione polinomiale in sas


Il tipo più comune di analisi di regressione è la regressione lineare semplice , utilizzata quando una variabile predittore e una variabile di risposta hanno una relazione lineare.

Tuttavia, a volte la relazione tra una variabile predittore e una variabile di risposta non è lineare.

In questi casi, ha senso utilizzare la regressione polinomiale , che può tenere conto della relazione non lineare tra le variabili.

L’esempio seguente mostra come eseguire la regressione polinomiale in SAS.

Esempio: regressione polinomiale in SAS

Supponiamo di avere il seguente set di dati in SAS:

 /*create dataset*/
data my_data;
    input xy;
    datalines ;
2 18
4 14
4 16
5 17
6 18
7 23
7 25
8 28
9 32
12 29
;
run ;

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

Supponiamo ora di creare un grafico a dispersione per visualizzare la relazione tra le variabili x e y nel set di dati:

 /*create scatter plot of x vs. y*/
proc sgplot data =my_data;
    scatter x =x y =y;
run ; 

Dal grafico possiamo vedere che la relazione tra xey sembra essere cubica.

Quindi, possiamo definire due nuove variabili predittive nel nostro set di dati (x 2 e x 3 ), quindi utilizzare proc reg per adattare un modello di regressione polinomiale utilizzando queste variabili predittive:

 /*create dataset with new predictor variables*/
data my_data;
    input xy;
    x2 = x** 2 ;
    x3 = x** 3 ;
    datalines ;
2 18
4 14
4 16
5 17
6 18
7 23
7 25
8 28
9 32
12 29
;
run ;

/*fit polynomial regression model*/
proc reg data =my_data;
    model y = x x2 x3;
run ;

Dalla tabella Stime dei parametri , possiamo trovare le stime dei coefficienti e scrivere la nostra equazione di regressione polinomiale adattata come:

y = 37,213 – 14,238x + 2,648x 2 – 0,126x 3

Questa equazione può essere utilizzata per trovare il valore atteso della variabile di risposta dato un dato valore della variabile predittore.

Ad esempio, se xa ha un valore 4, allora y dovrebbe avere un valore 14.565:

y = 37,213 – 14,238(4) + 2,648(4) 2 – 0,126(4) 3 = 14,565

Possiamo anche vedere che il modello di regressione polinomiale ha un valore R quadrato corretto di 0,9636 , che è estremamente vicino a uno e ci dice che il modello sta facendo un ottimo lavoro nell’adattare il set di dati.

Correlato: Come interpretare la R-quadrata rettificata (con esempi)

Risorse addizionali

I seguenti tutorial spiegano come eseguire altre attività comuni in SAS:

Come eseguire una regressione lineare semplice in SAS
Come eseguire la regressione lineare multipla in SAS
Come eseguire la regressione quantile in SAS

Aggiungi un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *