下面是整理好的具体操作流程，包含宏变量设置和PROC REG的完整调用细节：

1. 定义回归变量宏变量 #

先通过宏变量统一管理自变量列表，方便后续修改和重复调用：

%let regressors = x1 x2 x3;

这里把自变量x1、x2、x3赋值给宏变量regressors，后续在模型中直接引用&regressors.即可，不用重复写变量名。

2. 执行PROC REG逐步回归 #

接下来调用PROC REG过程，同时通过ODS输出把关键结果保存到指定数据集中，方便后续单独分析：

ods output 
    DWStatistic=DW              /* 保存Durbin-Watson统计量，用于检验残差自相关性 */
    ANOVA=F_Fisher              /* 保存方差分析结果，包含F检验统计量及显著性 */
    parameterestimates=beta     /* 保存模型的参数估计值（回归系数、标准误、P值等） */
    CollinDiag=Collinearita     /* 保存共线性诊断结果，检测自变量间的共线性问题 */
    outputstatistics=residui    /* 保存残差、预测值等输出统计量 */
    fitstatistics=rsquare;      /* 保存拟合优度统计量，比如R²、调整R²等 */

proc reg data=base_dati outest=reg_multivar edf;
    model TD&eq. = &regressors. / 
        selection=stepwise      /* 指定使用逐步回归方法 */
        SLSTAY=&signif_amm_multivar_stay.  /* 变量保留在模型中的显著性水平阈值 */
        SLENTRY=&signif_amm_multivar_entry.;  /* 变量引入模型的显著性水平阈值（补全你未写完的部分） */
run;
quit;

代码细节说明： #

• ods output：把PROC REG输出的各类统计结果导出到独立SAS数据集中，避免直接在输出窗口查看丢失，方便后续做进一步分析或可视化。
• proc reg的data=base_dati指定回归分析用的原始数据集；outest=reg_multivar保存最终模型的参数估计结果；edf选项用于保存额外的自由度信息。
• model语句中，TD&eq.是你的因变量（&eq.应该是之前定义的宏变量，用于切换不同的因变量场景）；selection=stepwise明确采用逐步回归策略，结合SLSTAY和SLENTRY两个参数，控制变量的纳入和剔除逻辑。

内容的提问来源于stack exchange，提问作者Quant.Pi