zhangli106601 发表于 2010-5-15 14:14

本人在做虚拟变量回归时如果包含截距项那么拟合优度R平方值比较低为0.7多，截距项和其他回归系数值均显著；但是如果去掉截距项R平方值会达到0.998，截距项和其他回归系数值也均显著。现在想请教下各位大虾到底要不要截距项啊？？？You need to post how you did it. According the limited information above, it is imposible.

Here is a simulation for your problem. The coef for x and r-square are the same. The only difference is the interpretation of dummy(c=0,1,2) + intercept. They are same.

data t1;

do i = 1 to 100;

c=mod(i,3);

x=rannor(123); error=rannor(123);

y=c+1*x + error;

output;

end;

run;

proc glm data=t1;

class c;

model y=c x/solution;

run;

quit;

proc glm data=t1;

class c;

model y=c x/solution noint;

run;

quit;

***********************

The SAS System           14:05 Saturday, May 15, 2010  30

The GLM Procedure

Class Level Information

Class         Levels    Values

c                  3    0 1 2

Number of Observations Read         100

Number of Observations Used         100

The SAS System           14:05 Saturday, May 15, 2010  31

The GLM Procedure

Dependent Variable: y

Sum of

Source                      DF         Squares     Mean Square    F Value    Pr > F

Model                        3     154.4179842      51.4726614      60.01    <.0001>

Error                       96      82.3390611       0.8576986

Corrected Total             99     236.7570452

R-Square     Coeff Var      Root MSE        y Mean

0.652221      111.3991      0.926120      0.831354

Source                      DF       Type I SS     Mean Square    F Value    Pr > F

c                            2     66.93327984     33.46663992      39.02    <.0001>

x                            1     87.48470433     87.48470433     102.00    <.0001>

Source                      DF     Type III SS     Mean Square    F Value    Pr > F

c                            2     65.47431949     32.73715975      38.17    <.0001>

x                            1     87.48470433     87.48470433     102.00    <.0001>

Standard

Parameter           Estimate             Error    t Value    Pr > |t|

Intercept        1.962378170 B      0.16123655      12.17      <.0001>

c         0     -1.955754798 B      0.22800059      -8.58      <.0001>

c         1     -1.302729216 B      0.22633900      -5.76      <.0001>

c         2      0.000000000 B       .                .         .

x                1.069740088        0.10592038      10.10      <.0001>

NOTE: The X'X matrix has been found to be singular, and a generalized inverse was used to solve the

normal equations.  Terms whose estimates are followed by the letter 'B' are not uniquely

estimable.

The SAS System           14:05 Saturday, May 15, 2010  32

The GLM Procedure

Class Level Information

Class         Levels    Values

c                  3    0 1 2

Number of Observations Read         100

Number of Observations Used         100

The SAS System           14:05 Saturday, May 15, 2010  33

The GLM Procedure

Dependent Variable: y

Sum of

Source                      DF         Squares     Mean Square    F Value    Pr > F

Model                        4     223.5328621      55.8832155      65.15    <.0001>

Error                       96      82.3390611       0.8576986

Uncorrected Total          100     305.8719232

R-Square     Coeff Var      Root MSE        y Mean

0.652221      111.3991      0.926120      0.831354

Source                      DF       Type I SS     Mean Square    F Value    Pr > F

c                            3     136.0481578      45.3493859      52.87    <.0001>

x                            1      87.4847043      87.4847043     102.00    <.0001>

Source                      DF     Type III SS     Mean Square    F Value    Pr > F

c                            3     141.7730055      47.2576685      55.10    <.0001>

x                            1      87.4847043      87.4847043     102.00    <.0001>

Standard

Parameter           Estimate           Error    t Value    Pr > |t|

c         0      0.006623372      0.16126934       0.04      0.9673

c         1      0.659648954      0.15894131       4.15      <.0001>

c         2      1.962378170      0.16123655      12.17      <.0001>

x                1.069740088      0.10592038      10.10      <.0001>