Logistic 回归和SAS.docVIP

Logistic 回归和SAS Logistic 回归和SAS 1.例子 Logistic 回归处理因变量是分类型变量如“0、1”的情形。我们用p 表示正例 （如输出变量为“1”）的概率，那么p/(1-p)就被称作 odds ratio，对p 做 logit 变换记做 logit(p),它等于 log(p/(1-p),我们回归方程的形式就如 logit(p)=log(p/(1-p)=a+bx,你可以把它理解成向量形式。 假设我们有一个数据，45 个观测值，四个变量，包括： 1. age （年龄，数值型）； 2. vision （视力状况，分类型，1表示好，0 表示有问题）； 3. drive （驾车教育，分类型，1表示参加过驾车教育，0 表示没有） 和 4. 一个分类型输出变量accident （去年是否出过事故，1表示出过事故，0 表示没有）。我们的目的就是要考察前三个变量与发生事故的关系。 data logistic ; input accident age vision drive; datalines ; 1 17 1 1 1 44 0 0 1 48 1 0 1 55 0 0 1 75 1 1 0 35 0 1 0 42 1 1 0 57 0 0 0 28 0 1 0 20 0 1 0 38 1 0 0 45 0 1 0 47 1 1 0 52 0 0 0 55 0 1 1 68 1 0 1 18 1 0 1 68 0 0 1 48 1 1 1 17 0 0 1 70 1 1 1 72 1 0 1 35 0 1 1 19 1 0 1 62 1 0 0 39 1 1 0 40 1 1 0 55 0 0 0 68 0 1 0 25 1 0 0 17 0 0 0 45 0 1 0 44 0 1 0 67 0 0 0 55 0 1 1 61 1 0 1 19 1 0 1 69 0 0 1 23 1 1 1 19 0 0 1 72 1 1 1 74 1 0 1 31 0 1 1 16 1 0 1 61 1 0 ; /* SAS 的Logistic 回归方程log(odds)默认的形式是处理那个变量值比较小的， 这里是 accident=0，但我们要考察的是发生事故accident=1 的情况，加上 desending 降序排列，它就处理accident=1 的log(odds)了。再model 引导 的就是回归方程的形式，写成“因变量=自变量1 自变量2 自变量3”的样 子。最后以 run 结束语句，与 proc 对应。 */ proc logistic data=logistic desending; model accident=age vision drive; run; proc logistic data=logistic desending; model accident=age vision drive / selection=forward;run; (1) The SAS System 10:47 Tuesday, May 4, 2007 1 The LOGISTIC Procedure Model Information Data Set WORK.LOGISTIC Response Variable accident Number of Response Levels 2 Number of Observations 45 Model binary logit Optimization Technique