SAS统计分析(第八讲).ppt

 在进行Logistic回归模型分析时，对于哑变量的处理一般的是 m-1个哑变量进入模型，其余一个作为参比值，如上表，A、B、C地区进入模型，D地区为参比值。 方法： 1.建立m个哑变量， m-1个哑变量进入模型，其余一个作为参比值。 2.应用[Class 分类变量名/param= ref ]语句。分类变量名可以是数值型的，也可以是字符型的。此语句必须在model语句之前使用。该语句自动生成哑变量。 0 0 1 0 0 1 0 0 1 0 0 0 A B C D 设 计 阵 Ref(reference) 地区m 该语句以最大值作为参考值，如果在语句的后面选择了 Descending就以最小值作为参考值。 26 37 88 34 轻（1） 重（0） 丙药(c) 乙药(b) 18 35 95 50 轻（1） 重（0） 64 82 38 10 轻（1） 重（0） 甲药(a) 无效(R=0) 有效(R=1) 病情(X4) 药物(X1～X3) 方法1 例12-1 表12-1 三种药物对不同病程的某病的疗效 data ex12_1; input d $ X4 r f @@; x1=(d=a); /*建立哑变量，即d=‘a’为真，x1=1,否则x1=0。其它类同*/ x2=(d=b); x3=(d=c); cards; a 1 1 38 a 1 0 64 a 0 1 10 a 0 0 82 b 1 1 95 b 1 0 18 b 0 1 50 b 0 0 35 c 1 1 88 c 1 0 26 c 0 1 34 c 0 0 37 ; proc logistic des; freq f; model r= x2 x3 x4/scale=none aggregate; /*该模型是以A药为参考值，如以B药为参考值，模型中不包括x2，而包括x1。*/ run; Analysis of Maximum Likelihood Estimates Standard Parameter DF Estimate Error Chi-Square Pr ChiSq Intercept 1 -1.9594 0.2229 77.2441 .0001 x2 1 2.2850 0.2479 84.9472 .0001 x3 1 1.8342 0.2406 58.0936 .0001 X4 1 1.3806 0.2004 47.4607 .0001 Odds Ratio Estimates Point 95% Wald Effect Estimate Confidence Limits x2 9.826 6.044 15.974 x3 6.260 3.906 10.033 X4 3.977 2.685 5.891 方法2： data ex12; input d $ X4 r f @@; cards; a 1 1 38 a 1 0 64 a 0 1 10 a 0 0 82 b 1 1 95 b 1 0 18 b 0 1 50 b 0 0 35 c 1 1 88 c 1 0 26 c 0 1 34 c 0 0 37 ; proc logistic des; freq f; class d/p