Logistic回归主要用来处理应变量为分类變量的问题比如生存和死亡,患病和未患病等当然研究者关心的问题是哪些因素导致了患病或不患病,哪些是生存和死亡
Logistic的sas语句很簡单,其基本语句见下:
logistic语句默认计算应变量值最小(阴性结果---一般赋值为0)的概率但是常常我们想要得到的是阳性结果的概率,即赋徝最大的数值的概率(二分类变量时一般赋值为1)选项“descending”解决了这一问题。
Model语句用于定义应变量和自变量;
实例:假设我们有一个数據45个观测值,四个变量包括:
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變量与发生事故的关系
如果想要在选择适当的自变量筛选方法则使用一下语句:
Selection用于选择筛选自变量的方法,有backward(向后法)、forward(向前法)、stepwise(逐步法)、score(最优子集法)、none(完全法)五个选项默认为none;
SLE=概率值,入选标准规定变量入选模型的显著性水平,前进法的默认昰0.5逐步法是0.15
SLS=概率值,剔除标准指定变量保留在模型的显著水平,后退法默认为0.10逐步法是0.15 标准化偏回归系数
还可以输出置信区间,语句如下:
(2) 给出了自变量进入模型的次序先是截距项Step 0了,不管它Step
(6) 这个东西就有些复杂,大概说些预测概率与观测道德因变量间的关联性我們看到一致性比率Percent
加载中,请稍候......