Statistics SAS回归模型RMSE-评分与否

简介： 从一个数据集中获取模型并应用到另一个数据集中以找到RMSE

比如说，我有数据集“data100”

并运行以下选择操作以确定重要变量：

PROC REG DATA =data100;
model y= x0-x999 / selection=forward SLENTRY=.01;
run;quit;

---

它返回x0 x10 x20 x30 x40 x50 x60 x70 x80 x90在上是显著的，这可能最好在统计论坛上提问。但是既然你问了

运行第二个REG语句时，您正在重新安装模型。估计的Beta值将不同于您在第一个REG语句中得到的Beta值。您正在重新运行回归，并根据定义获得这些数据的最小RMSE

第二种方法保留第一次回归的Beta值，并将其应用于第二次回归。这里计算的RMSE将向您展示100个数据对1000个数据的建模效果

---

最后，两者都提供了信息。两个RMSE之间的差异表明100对1000的预测有多好。

这是一个统计学家的问题，而不是程序员的问题。

PROC REG DATA =data1000;
model y= x0 x10 x20 x30 x40 x50 x60 x70 x80 x90;
run;quit;

proc reg=data100 outest=data100est;
model y= x0-x999;
run;quit;

proc score data=data1000 score=data100est out=data1000p residual type=parms;
var y x0-x999;
run;

proc univariate data=data1000P;
var model1;
output out=data1000stat uss=ss1;
run;

data data1000stat;
set data1000stat;
rmse=sqrt(ss1/1000);
run;

proc print data=data1000stat;
run;quit;