金融数据挖掘.doc

《金融数据挖掘.doc》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、《金融数据挖掘与应用》课程作业基于GLM（广义线性模型）的数据分析SAS里的GLM应用在实际中比较广泛，对数据的分析具有比较强的普适性。趋势面回归分析（TrendAnalysis）是以多元回归分析为理论基础的一种预测与统计技术。它用空间坐标法进行多项式回归，从中估计出最佳的回归模型，因此也被称为趋势面分析，当不知道手中的数据呈线性还是非线性相关时，可以采用趋势面数据分析方法，以便找出拟合数据的最佳统计预测模型。本文运用GLM对一定的数据进行GLM分析。一、数据与要求此处选取15名吧不同程度的烟民的每日饮酒

2、（啤酒）量与心电图指标（zb）的对应数据。然后设法建立zb与日抽烟量（X）/支和日饮酒量（y）/升之间的关系。序号组别日抽烟量（x）/支日饮酒量（y）/升心电图指标（zb）113010280212511260313513330414014400514514410622012270721811210822512280922513300102231329011340144101234515420133481642514350184501535519470二、运用GLM过程进行趋势面分析1.趋势分析的GLM程序

3、databeer;inputobsnxyzb;cards;0130102800225112608《金融数据挖掘与应用》课程作业033513330044014400054514410062012270071811210082512280092513300102313290114014410124515420134816425145018450155519470;procglm;modelzb=xy/p;procglm;modelzb=xyx*xx*yy*y/p;procglm;modelzb=xyx*x*x

4、x*x*yx*y*yy*y*y/p;procglm;modelzb=xyx*x*xx*x*yx*y*yy*y*yx*x*x*xx*x*x*yx*x*y*yx*y*y*yy*y*y*y/p;run;2.四种分析模型结果（1）一阶趋势模型DependentVariable:zb源变量自由度平方和均值F值概率值SumofSourceDFSquaresMeanSquareFValuePr>FModel290615.2099345307.60497127.19<.0001Error124274.79007356.2

5、3251CorrectedTotal1494890.00000R-SquareCoeffVarRootMSEzbMean0.9549505.43922818.87412347.000---------------------------------------------------------------------------------------------------------------------------------SourceDFTypeISSMeanSquareFValuePr>F

6、x189541.5655889541.56558251.36<.0001y11073.644351073.644353.010.1081---------------------------------------------------------------------------------------------------------------------------------SourceDFTypeIIISSMeanSquareFValuePr>F8《金融数据挖掘与应用》课程作业x1146

7、52.2435114652.2435141.13<.0001y11073.644351073.644353.010.1081---------------------------------------------------------------------------------------------------------------------------------StandardParameterEstimateErrortValuePr>

8、t

9、Intercept64.0499938033

10、.065399191.940.0766x5.383855650.839475676.41<.0001y6.941998693.998720781.740.1081ObservationObservedPredictedResidual1280.0000000294.9856503-14.98565032260.0000000275.0083707-15.00837073330.0000000342.7309246-12.730