解析SAS回归脚本功能及MATLAB复现困惑

明确SAS脚本的实际功能 #

首先需要澄清：你提供的SAS脚本执行的是多元线性回归分析，而非方差分析（ANOVA），这是结果差异的核心原因：

• 脚本通过proc reg拟合模型：hddt = β₀ + β₁*bloc + β₂*entry + ε
• 指定/r和/p参数输出残差与预测值
• 将残差（命名为residual）、预测值（命名为predicted）写入新数据集new

当前问题分析 #

你最初用MATLAB的anova1()仅对bloc做单因素ANOVA，结果与demo匹配只是巧合；但改用双因素ANOVA（包含bloc和entry）时，结果差异明显——因为ANOVA和线性回归的模型设定、参数估计逻辑完全不同：

• ANOVA默认将自变量视为分类变量，核心关注组间差异的显著性
• 而SAS的proc reg默认将bloc和entry当作连续自变量，拟合的是全局线性关系

MATLAB复现方案 #

要准确复现SAS脚本的结果，需在MATLAB中执行多元线性回归，而非ANOVA：

1. 构建回归模型矩阵：

   % 假设数据存储在变量data中，包含hddt、bloc、entry列
   X = [ones(size(data.hddt)), data.bloc, data.entry];
   y = data.hddt;
   

2. 拟合线性回归并获取参数、预测值、残差：

   [b, bint, r, rint, stats] = regress(y, X);
   predicted = X * b; % 计算预测值
   residual = r; % 残差
   

3. 将结果保存为类似SAS数据集new的结构：

   new_dataset = table(predicted, residual, 'VariableNames', {'predicted', 'residual'});
   

关键注意事项 #

• 如果SAS脚本中bloc或entry是分类变量（需查看原始数据定义），则需要在MATLAB中用dummyvar()生成哑变量后再拟合回归，否则结果会出现偏差
• 对比SAS的回归输出时，需关注系数估计值、R²、残差平方和等指标，而非ANOVA的组间/组内平方和

内容的提问来源于stack exchange，提问作者Buck Thorn