• 预测回归模型预测模型有哪些
  • 发布时间:2019-11-05 14:16 | 作者:小白 | 来源:未知 | 浏览:
  •   该任务基于观测数据选择最具影响性的效应,因此为预测型。该任务支持您按逻辑将数据划分为模型训练、验证和测试的不相交的子集。“预测回归模型”任务主要关注标准独立且具有相同分布的一元响应广义线性模型,并赋予模型选择算法极大的灵活性,让您能够深入了解此算法。此任务也可以创建评分数据集。该任务结果使得其他任务可以方便且更为详尽地探索选定模型,例如线性回归任务。

      如果您有足够的数据,则可以将数据分为三个部分:训练数据、验证数据和测试数据。在选择过程期间,模型在训练数据的基础上进行拟合,而模型的预测误差则是使用验证数据进行确定。此预测误差既可用于确定选择过程的终止时间,也可用于确定在选择过程期间包括哪些效应。最后,在模型选定后,测试数据可用于评估选定模型如何概括对模型选择不起任何作用的数据。

      如果输入数据集中包含的变量的值可指明观测是验证观测还是测试观测,则可以指定在对数据进行分区时使用的变量。在指定变量时,还需要选择验证观测或测试观测的相应值。系统使用下列值将输入数据集分入各个分区。

      指定在分析中用于分组(分类)数据的变量。分类变量是指通过水平(而不是值)进入统计分析或统计模型的变量。将变量值与水平相关联的过程称为水平化。

      若模型中任何变量包含缺失值,观测将从分析中排除。另外,如果此表中之前指定的任何分类变量包含缺失值,无论其是否在模型中使用,系统都会排除观测。

      为回归模型指定独立协变量(回归变量)。如果没有指定连续变量,则此任务拟合仅包含截距的模型。

      嵌套效应通过在一个主效应或交叉效应后跟随一个包含在括号中的分类变量或分类变量列表来指定。主效应或交叉效应嵌套在括号中列出的效应内。以下是嵌套效应的示例:B(A)、预测回归模型预测模型有哪些C(B*A)、D*E(C*B*A)。在此示例中,B(A) 读作“A 嵌套在 B 中”。

      ,系统将创建下列模型效应:Age、Height、Weight、Age*Height、Age*Weight、Height*、Weight 和 Age*Height*Weight。

      例如,如果选择 Height、Weight 和 Age 变量,然后指定 N 值为 2,则点击

      时,系统将创建下列模型效应:Age、赛前预测Height、Weight、Age*Height、Age*Weight 和 Height*Weight。若为 N 设置的值大于该模型中变量的数量,则 N 有效地设置为变量的数量。

      时,系统会创建以下模型效应:Age、Age*Age、Age*Age*Age、Height、Height*Height 和 Height*Height*Height。

      指定 LASSO 方法,此方法根据普通最小二乘版本添加和删除参数,在最小二乘版本中,绝对回归系数的总和已被约束。若模型包含分类变量,则这些分类变量是拆分变量。

      要求将自适应权重应用于 LASSO 方法中的每个系数。模型中参数的普通最小二乘估计用于形成自适应权重。

      指定弹性网络方法,该方法属于 LASSO 的延伸。弹性网络方法基于普通最小二乘版本估计参数,在最小二乘版本中,绝对回归系数和以及回归系数平方和已被约束。若模型包含分类变量,则这些分类变量是拆分变量。

      指定最小角度回归。该方法以模型中无任何效应开始并添加效应。当与相对应的最小二乘估计比较时,任何步骤的参数估计都会“收缩”。若模型包含分类变量,则这些分类变量是拆分变量。

      显示以下准则的图:调整 R 方、Akaike 的信息准则、小样本偏差的校正的 Akaike 信息准则和用于选择最佳拟合模型的准则。您可以选择是在面板中显示这些图还是单独显示。

      指定要包括在结果中的关于选择过程的信息量。可以显示汇总、选择过程每个步骤的详细信息或关于选择过程的全部信息。

      指定哪些分类变量作为一个或多个实际变量纳入模型中。变量数与分类变量的水平数相关。例如,如果一个分类变量有三个水平(young、middle-aged、old),则有 3 个变量代表分类变量。每个变量是一个单自由度效应。

      指定模型层次要求应用的方式以及每次仅单一效应或多效应可以进入或离开模型。例如,假设您在模型中指定主效应 A 和 B 与交互效应 A*B。在选择过程的第一步中,A 或 B 其中一个进入模型。在第二步中,另一个主效应进入模型。仅当两个主效应均已进入模型后,交互效应才可以进入模型。而且,从模型删除 A 或 B 之前,必须先删除 A*B 交互。

      模型层次指以下要求:对于任何将进入模型的项,所包含的所有效应必须呈现在模型中。例如,若交互 A*B 要进入模型,则主效应 A 和 B必须在模型中。同样,交互 A*B 在模型中时,效应 A 和 B 都无法离开模型。

      您可以选择是在结果中包含默认统计量还是包含其他统计量(如标准化回归系数)。标准化回归系数通过将参数估计除以因变量样本标准差与回归变量样本标准差的比率计算得出。

      获取回归变量之间的详细的共线性分析。包括特征值、条件指数和有关每个特征值的估计的方差分解。

      生成模型中依据回归变量观测号的 DFBETAS 面板。您可将这些图作为面板查看,也可作为单个图查看。如果选择

      将计算拟合模型预测值的 SAS DATA 步代码写入文件或目录词条。然后该代码可以包括在 DATA 步中用于给新数据评分。

      小里弗斯(休斯顿火箭):25分1篮板2助攻1抢断,0次失误,14中10,三分7中4,罚球1中1。除了组织能力上有所欠缺之外,小里弗斯在其他方面很好的弥补了保罗缺阵带来的损失。

  • 标签