求高手指点，SAS统计分析中的问题

ziyenano 发表于 2012-12-4 09:50
F Value （ 230.87 ）   Pr > F（

Scale以下的变量都准备作为控制变量的，（C0-C9）是行业虚拟变量，F是年度虚拟变量。那还需要用逐步回归吗？

向小花 发表于 2012-12-4 09:59
Scale以下的变量都准备作为控制变量的，（C0-C9）是行业虚拟变量，F是年度虚拟变量。那还需要用逐步回归吗 ...

将有共线性的变量放在模型中做回归有什么意义呢？

向小花 发表于 2012-12-4 09:59
Scale以下的变量都准备作为控制变量的，（C0-C9）是行业虚拟变量，F是年度虚拟变量。那还需要用逐步回归吗 ...

虚拟变量的问题没法逐步回归吧
要不你把其他变量都标准化一下
控制下系数的量级就好了

不好意思，没看见虚拟变量~
检测一下，非虚拟变量的共线性吧~
虚拟变量是不是引入n-1个哑变量？理论上是不存在共线性的~
如果虚拟变量的系数不显著，只是说明这个水平影响不大了

向小花 发表于 2012-12-4 09:35
Variable       Label        DF       Estimate          Error    t Value    Pr > |t|
             ...

数据量是多大呢？如果C-系列是虚拟变量， 那么其频数列表如何呢？y 是百分数，从0 -100 还是0 -1？有时候百分数做为应变量，会有些麻烦。因为它是【0，1】截断，显然不符合较严格意义上的正太分布。从这个表格来看我没有明显感到共线性，因为相对于系数，其误差并没有严重偏离。从计算的角度看，保持比较统一规格的系数（对应到x值）显然对计算有所裨益，因为过大或过小的值可能造成计算溢出，尤其是在处理方差矩阵的时候。
你是做这个行业搞这一类数据的，你显然不是第一个做如此分析的。为什么不对比一下其他类似数据的分析结果呢？比如说对于risk而言如果大部分分析的系数是10左右，那么你的4000这个值差不多肯定有问题。从文章发表的角度，如果你的结果与众不同，那么你发表的概率也应该是与众不同，的小。
对于同一个数据，模型的调整总是次要的。如果变化巨大，很可能说明你的调整本身就有问题。另外，在回归模型里，系数是个稳定的量度。差不多的都是某个水平的平均数。即使假设的数据分布不符合不合理，系数本身并没有很大的偏离。关键的变化是在对系数所进行的统计检测之上的。
京剧