第十七章 多因素回归分析的 SAS 实现例 17-4 某讨论者为了讨论某种避孕药对人体血糖的影响，分别在正在使用这种避孕药的人群、6 个月前曾经使用过这种避孕药的人群、从未使用过避孕药的人群中各随机抽取 6 人。考虑到血糖可能与年龄有关，所以该讨论者不仅测定了这 18 位对象的血糖，而且也记录了这 18 位对象的年龄，具体资料见表 17－4。请根据讨论问题作统计分析。表 17-4 三种避孕药使用情况下的年龄（，岁）与血糖水平(，mg％)现服药者曾服药者从未服药者201202412628135211222613032137231242713234138231262913135137241252913435139241273013637144SAS 分析程序data ch17_4; 定义数据集名input x g1 g2 y; 定义数据集的变量名cards;200112021011222301124230112624011252401127241012626101302710132291013129101343010136280013532001373400138350013735001393700144;proc reg; 利用reg作线性回归分析model y=x g1 g2 /r; 指定模型并输出个体预测值、残差及其标准误run;SAS 软件输出结果The REG Procedure Model: MODEL1 Dependent Variable: y Analysis of Variance Sum of Mean Source DF Squares Square F Value Pr > F Model 3 717.68456 239.22819 83.88 <.0001 Error 14 39.92655 2.85190 Corrected Total 17 757.61111 Root MSE 1.68876 R-Square 0.9473 Dependent Mean 131.27778 Adj R-Sq 0.9360 Coeff Var 1.28640 Parameter Estimates Parameter Standard Variable DF Estimate Error t Value Pr > |t| Intercept 1 102.56215 6.05307 16.94 <.0001 x 1 1.06780 0.17951 5.95 <.0001 g1 1 -0.42655 1.45283 -0.29 0.7734 g2 1 -2.58757 2.20253 -1.17 0.2596Output Statistics Dep Var Predicted Std Error Std Error Student Cook's Obs y Value Mean Predict Residual Residual Residual -2-1 0 1 2 D 1 120.0000 121.3305 0.8226 -1.3305 1.475 -0.902 | *| | 0.063 2 122.0000 122.3983 0.7401 -0.3983 1.518 -0.262 | | | 0.004 3 124.0000 124.5339 0.6952 -0.5339 1.539 -0.347 | | | 0.006 4 126.0000 124.5339 0.6952 1.4661 1.539 0.953 | |* | 0.046 5 125.0000 125.6017 0.7401 -0.6017 1.518 -0.396 | |...
