0
我有一个包含三个独立变量的线性模型。我有下面的最后一个模型。我想使用increase_po和decrease_po变量重新估计回归模型中的y值。如何拟合SAS中使用不同参数的线性回归模型
Dependent Variable Estimate increase_po decrease_po
Rate Rate_lag1 0.54 0.60 0.49
Rate UN 0.07 0.08 0.06
Rate SQ 0.03 0.03 0.02
我想要做的就是写一个DO循环生产的六个可能的组合:
comb1 comb2 comb3 comb4 comb5 comb6
0.60 0.49 0.08 0.06 0.03 0.02
0.07 0.07 0.54 0.54 0.54 0.54
0.03 0.03 0.03 0.03 0.07 0.07
我想用这些参数来重新拟合模型,并得到估计ÿ值。
fitted y1= b0 + 0.60*Rate_lag1 + 0.07*UN + 0.03*SQ (only Rate_lag1 change parameter)
fitted y2= b0 + 0.49*Rate_lag1 + 0.07*UN + 0.03*SQ (only Rate_lag1 change parameter)
fitted y3= b0 + 0.54*Rate_lag1 + 0.08*UN + 0.03*SQ (only UN change parameter)
....................
因此,如果不使用宏循环是很难甚至是不可能的。
你的问题是重复的,仍然不完全清楚。看看proc分数。 – Reeza 2014-10-09 04:18:58
第一个数据集来自哪里?什么是增加 - 减少和减少?我不能说这是否简单地尝试用不同的x值或改装模型来估计y以获得不同的参数估计值。 – Reeza 2014-10-09 05:50:35
我简化了这里的问题:从SAS中的不同变量生成不同的组合,我的意思是你可以在Stackoverflow中搜索。当问题解决后,我会关闭这个问题。你可以看看这个问题吗? – 2014-10-09 05:52:34