Questo tutorial spiega come eseguire la regressione lineare multipla in SAS.<\/span><\/p>\n Supponiamo di voler adattare un modello di regressione lineare multipla che utilizzi il numero di ore trascorse a studiare e il numero di esami pratici sostenuti per prevedere il voto dell’esame finale degli studenti:<\/span><\/p>\n Punteggio esame = \u03b2 0<\/sub> + \u03b2 1<\/sub> (ore) + \u03b2 2<\/sub> (esami preparatori)<\/span><\/p>\n Innanzitutto, utilizzeremo il seguente codice per creare un set di dati contenente queste informazioni per 20 studenti:<\/span><\/p>\n Successivamente, utilizzeremo proc reg<\/strong> per adattare un modello di regressione lineare multipla ai dati:<\/span> <\/p>\n Ecco come interpretare i numeri pi\u00f9 rilevanti in ciascuna tabella:<\/span><\/p>\n Tabella di analisi degli scostamenti:<\/strong><\/span><\/p>\n Il valore F<\/a> complessivo del modello di regressione \u00e8 23,46<\/b> e il valore p corrispondente \u00e8 <0,0001<\/strong> .<\/span><\/p>\n Poich\u00e9 questo valore p \u00e8 inferiore a 0,05, concludiamo che il modello di regressione nel suo insieme \u00e8 statisticamente significativo.<\/span><\/p>\n Tabella di adattamento del modello:<\/strong><\/span><\/p>\n Il valore R-Square<\/strong> ci dice la percentuale di variazione nei punteggi degli esami che pu\u00f2 essere spiegata dal numero di ore studiate e dal numero di esami preparatori sostenuti.<\/span><\/p>\n In generale, maggiore \u00e8 il valore R quadrato<\/a> di un modello di regressione, migliore \u00e8 la capacit\u00e0 delle variabili predittive di prevedere il valore della variabile di risposta.<\/span><\/p>\n In questo caso, il 73,4%<\/strong> della variazione dei punteggi degli esami \u00e8 spiegabile dal numero di ore studiate e dal numero di esami preparatori sostenuti.<\/span><\/p>\n \u00c8 utile conoscere anche il valore Root MSE<\/strong> . Questo rappresenta la distanza media tra i valori osservati e la retta di regressione.<\/span><\/p>\n In questo modello di regressione, i valori osservati si discostano in media di 5,3657<\/strong> unit\u00e0 dalla retta di regressione.<\/span><\/p>\n Tabella delle stime dei parametri:<\/strong><\/span><\/p>\n Possiamo utilizzare i valori di stima dei parametri in questa tabella per scrivere l’equazione di regressione adattata:<\/span><\/p>\n Punteggio esame = 67.674 + 5.556*(ore) \u2013 0.602*(prep_exams)<\/span><\/p>\n Possiamo utilizzare questa equazione per trovare il punteggio stimato dell’esame di uno studente, in base al numero di ore di studio e al numero di esami pratici che ha sostenuto.<\/span><\/p>\n Ad esempio, uno studente che studia per 3 ore e sostiene 2 esami preparatori dovrebbe ricevere un punteggio dell’esame di 83,1<\/strong> :<\/span><\/p>\n Punteggio esame stimato = 67,674 + 5,556*(3) \u2013 0,602*(2) = 83,1<\/strong><\/span><\/p>\n Il valore p per le ore (<0,0001) \u00e8 inferiore a 0,05, il che significa che ha un’associazione statisticamente significativa con il risultato dell’esame.<\/span><\/p>\n Tuttavia, il valore p per gli esami preparatori (0,5193) non \u00e8 inferiore a 0,05, il che significa che non ha un’associazione statisticamente significativa con il risultato dell’esame.<\/span><\/p>\n Potremmo decidere di rimuovere gli esami preparatori dal modello, poich\u00e9 non sono statisticamente significativi, ed eseguire invece una semplice regressione lineare<\/a> utilizzando le ore studiate come unica variabile predittiva.<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre attivit\u00e0 comuni in SAS:<\/span><\/p>\n Come calcolare la correlazione in SAS<\/a> La regressione lineare multipla \u00e8 un metodo che possiamo utilizzare per comprendere la relazione tra due o pi\u00f9 variabili predittive e una variabile di risposta . Questo tutorial spiega come eseguire la regressione lineare multipla in SAS. Passaggio 1: creare i dati Supponiamo di voler adattare un modello di regressione lineare multipla che utilizzi il […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Passaggio 1: creare i dati<\/strong><\/span><\/h3>\n
\/*create dataset*\/\n<\/span>data<\/span> exam_data;\n input<\/span> hours prep_exams score;\n datalines<\/span> ;\n1 1 76\n2 3 78\n2 3 85\n4 5 88\n2 2 72\n1 2 69\n5 1 94\n4 1 94\n2 0 88\n4 3 92\n4 4 90\n3 3 75\n6 2 96\n5 4 90\n3 4 82\n4 4 85\n6 5 99\n2 1 83\n1 0 62\n2 1 76\n;\nrun<\/span> ;\n<\/strong><\/pre>\n Passaggio 2: eseguire la regressione lineare multipla<\/strong><\/span><\/h3>\n
\/*fit multiple linear regression model*\/<\/span>\nproc reg<\/span> data<\/span> =exam_data;\n model<\/span> score = hours prep_exams;\nrun<\/span> ;<\/strong> <\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/multsas1.jpg\")
<\/p>\n Risorse addizionali<\/strong><\/span><\/h3>\n
Come eseguire una regressione lineare semplice in SAS<\/a>
Come eseguire ANOVA unidirezionale in SAS<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"