条件数字的边界: 38.744, 385.77

向后消除: 第 2 步

变量 x6 已删除: R 方 = 0.9956 和 C(p) = 3.4270

方差分析

源 模型 误差 校正合计

变量

参数 估计值

标准 II 型 SS F 值 Pr > F 误差

3917760 18.19 375734 1.74 1526965 7.09 17090279 79.36 1186244 5.51

0.0008 0.2077 0.0186 <.0001 0.0342

自由度

平方 和

均方

F 值 Pr > F

<.0001

4 674780920 168695230 783.36 14

3014872

215348

18 677795792

Intercept 1343.77319 315.04852 x1 x2 x3 x5

0.09549 -0.01710 0.78928 0.00385

0.07229 0.00642 0.08860 0.00164

条件数字的边界: 38.5, 302.25

向后消除: 第 3 步

变量 x1 已删除: R 方 = 0.9950 和 C(p) = 2.9758

方差分析

源 模型 误差 校正合计

变量

参数 估计值

标准 II 型 SS 误差

16559100 2666475

F 值 Pr > F 73.26 11.80

<.0001 0.0037 <.0001 0.0414

自由度

平方 和

均方

F 值 Pr > F

<.0001

3 674405186 224801729 994.52 15

3390606

226040

18 677795792

Intercept 1674.73790 195.66876 x2 x3 x5

-0.00938 0.90397 0.00374

0.00273

0.01805 566809481 2507.56 0.00168

1124159

4.97

条件数字的边界: 1.2135, 10.382

留在模型中的所有变量的显著性水平都为 0.1000。

“向后消除”的汇总

步 删除的 引入

变量 变量数 1 x4

偏 R 方

模型 R 方

C(p) F 值 Pr > F

0.8220

5 0.0000 0.9957 5.0529 0.05

“向后消除”的汇总

步 删除的 引入

变量 变量数 2 x6 3 x1

偏 R 方

模型 R 方

C(p) F 值 Pr > F

0.5363 0.2077

4 0.0001 0.9956 3.4270 0.40 3 0.0006 0.9950 2.9758 1.74

表8

参数都具有显著性意义，最优回归子集模型的回归模型为： Y=2.1435.4E-16-0.06508x2+0.98957x3+0.4486x5

4.6.2.逐步回归

程序9：

proc reg data=out1;

model y=x1-x6/selection=stepwise vif; run;

结果：