SAS系统中PROCSCORE程序进行线性组合分析

"报表 12.2 回归分析后执行线性组合 - SAS" 回归分析是一种统计方法，用于研究一个或多个自变量（独立变量）与因变量（依赖变量）之间的关系。在这个例子中，我们有一个名为"OXYHAT"的模型，它探讨了五个变量（INTERCEPT、AGE、WEIGHT、RUNTIME、RUNPULSE和RSTPULSE）对OXY（因变量）的影响。 分析结果显示，模型具有显著性，因为F值为23.987，对应的概率Prob>F小于0.0001，这意味着模型整体上解释了因变量OXY的82.75%的变异（R-square）。调整后的R平方（Adj R-sq）为0.7930，这考虑了模型中的变量数量，仍显示出强相关性。 参数估计部分提供了每个变量的系数，它们代表了变量对因变量的影响程度。INTERCEPT的估计值是117.988513，表明即使其他变量取值为0，因变量的预期平均值。AGE的系数为-0.298255，表示年龄每增加一个单位，OXY预计会减少0.298255个单位。类似地，RUNTIME的系数为-2.694494，表明运行时间每增加一个单位，OXY预计会减少2.694494个单位。而RUNPULSE和RSTPULSE的系数虽然负值，但不显著，因为它们的p值大于0.05。 在SAS中，PROC SCORE是用于计算预测值或得分的程序，即基于回归模型计算新的观测值的预测因变量值。在这个报告中，可能后续会使用PROC SCORE来为新的数据集计算OXY的预测值，基于已建立的模型参数。 此外，文件标签"SAS"表明这些分析是在SAS统计软件中进行的，SAS提供了一套全面的统计和数据分析工具，包括PROC MEANS、PROC SUMMARY、PROC UNIVARIATE、PROC CHART、PROC TABULATE、PROCCORR、PROCPLOT、PROC STANDARD、PROCRANK和PROC SCORE等，用于各种描述性统计、图表制作、相关性分析和计分等功能。这些程序分别用于生成统计摘要、绘制图表、计算单变量分布特征、创建定制表格、计算相关系数、创建各种图形、标准化分数、排序以及执行线性组合等任务。