PROCLOGIST

Site hosted by Angelfire.com: Build your free website today!

PROC LOGISTIC

El procedimiento logístico cabe dentro de los modelos logísticos lineares de la regresión para (e.g., ningunos, suave, severo) las variables binarias (por ejemplo, éxito o incidente) u ordinales de la respuesta. El PROC LOGISTIC proporciona:

El diagnóstico y los métodos de la selección de modelo (de regresión)como lo son: forward, backward, and stepwise selection. Para la selección de variables explicativas, como en otros métodos (stepwise), usted puede especificar los niveles de la significancia para a una variable que entra o es sacado del modelo. (se acuerdan de la ELIMINACIÓN RETRÓGRADA DEL PROC REG?)

Diagnóstico de la regresión: Las medidas de niveles, de influencia, y de residuales para cada observación, con índice opcional plot (o trazos). (los diagramas contra número del caso).

Opción de la función de la conexión: Logit, normit (análisis del probit), y función complementaria de registro a registro que conecta la proporción de observaciones en cada clase de la respuesta al modelo linear en las variables explicativas (Son funciones log´siticas y algorítmicas).

Pruebas Paralelo-lineales: Para una variable ordinal de la respuesta, el procedimiento construye un modelo con partes iguales para las variables explicativas. Esto puede ser una alternativa a usar el registro de PROC con las variables simuladas.

Especificaciones

Estas declaraciones se utilizan con PROC LOGIST:

PROC LOGISTIC DATA=(COMO SE LLAMA TU BASE DE DATOS < options > ;

MODEL response (LATENTES = independents (INDEPENDIENTES) < / options >;

BY variables; OUTPUT <OUT=SAS-data-set> <keyword=name ... keyword=name> / <ALPHA=value>;

WEIGHT variable;

Ejemplo

El ejemplo siguiente ilustra el uso de PROC LOGIST. Los datos consisten en el número, R, de lingotes no listos para el balanceo, fuera de N probada, en lo referente a combinaciones de dos variables independientes, tiempo de calefacción, CALOR, y el tiempo que remoja, REMOJA. Observe que la respuesta en la declaración modelo se puede especificar como " R/n ", que significa acontecimientos de R fuera de ensayos de N.

data ingots;
   input heat soak r n @@;
cards;
 7 1.0 0 10   7 1.7 0 17   7 2.2 0  7   7 2.8 0 12   7 4.0 0  9
14 1.0 0 31  14 1.7 0 43  14 2.2 2 33  14 2.8 0 31  14 4.0 0 19
27 1.0 1 56  27 1.7 4 44  27 2.2 0 21  27 2.8 1 22  27 4.0 1 16
51 1.0 3 13  51 1.7 0  1  51 2.2 0  1  51 2.8 0  1
;
proc logistic data=ingots;
   model r/n = heat soak;
   output out=results p=predict;
proc plot hpercent=50;
   plot predict * heat
        predict * soak ;

La salida del procedimiento logístico se muestra en el cuadro 1. La estadística de la cuenta y - 2 %es de L del registro de %es en la sección " criterios para evaluar el modelo cupieron " la prueba la significación común de las variables independientes (también llamadas los covariates en la regresión logística). El efecto de CALOR combinado y REMOJA es altamente significativo. Sin embargo, bajo " análisis de la verosimilitud máxima estima ", nosotros ven que el CALOR es significativo, mientras que REMOJE no es.

EN INGLÉS……….

                         The LOGISTIC Procedure

Data Set: WORK.INGOTS
Response Variable (Events): R
Response Variable (Trials): N
Number of Observations: 19
Link Function: Logit

                            Response Profile

                      Ordered  Binary
                        Value  Outcome      Count

                            1  EVENT           12
                            2  NO EVENT       375

                    Criteria for Assessing Model Fit

                           Intercept
              Intercept       and
 Criterion      Only      Covariates   Chi-Square for Covariates

 AIC            108.988      101.302        .
 SC             112.947      113.177        .
 -2 LOG L       106.988       95.302      11.686 with 2 DF (p=0.0029)
 Score             .            .         15.123 with 2 DF (p=0.0005)

                Analysis of Maximum Likelihood Estimates

           Parameter   Standard     Wald          Pr >     Standardized
 Variable   Estimate     Error   Chi-Square    Chi-Square    Estimate

 INTERCPT    -5.6600     1.1740     23.2426        0.0001             .
 HEAT         0.0832     0.0243     11.7351        0.0006      0.455521
 SOAK         0.0939     0.3450      0.0740        0.7856      0.048549

     Association of Predicted Probabilities and Observed Responses


               Concordant = 69.8%          Somers' D = 0.504
               Discordant = 19.3%          Gamma     = 0.566
               Tied       = 10.9%          Tau-a     = 0.030
               (4500 pairs)                c         = 0.752

Figure 1: Output from LOGISTIC procedure (edited)


EN ESPAÑOL


                         El Procedimiento Logístico

Modem:  Variable De la Respuesta De Work.ingots (Acontecimientos):  Variable De la Respuesta De R (Ensayos):  Número de N de observaciones:  Función De 19 Conexiones:  Logit

Perfil De la Respuesta

Cuenta Binaria Pedida Del Resultado Del Valor

1 ACONTECIMIENTO 12 2 NINGÚn ACONTECIMIENTO 375

Criterios para evaluar ajuste del modelo

Interceptación de la interceptación y criterio solamente Covariates Chi-Square para Covariates

AIC 108,988 101,302.  Sc 112,947 113,177.  -2 REGISTRO L 106,988 95,302 11,686 con la cuenta de 2 DF (p=0.0029).    15,123 con el análisis de 2 DF (p=0.0005) de las estimaciones de la toda probabilidad

El Parámetro Wald Estándar Banda > Estandardizó La Estimación Variable Del Error Chi-Square Chi-Square De la Estimación

INTERCPT -5,6600 1,1740 23,2426 0,0001.  EL CALOR 0,0832 0,0243 11,7351 0,0006 0,455521 REMOJA 0,0939 0,3450 0,0740 0,7856 0,048549

Asociación de probabilidades predichas y de respuestas observadas


= 69,8% Somers concordante D = 0,504 = gammas discordes 19,3% = 0,566 ataron = 10,9% Tau-a = 0.030 (4500 pares) c = 0,752

Cuadro 1: Salida del procedimiento logístico (corregido)

Nota: Para la regresión logística con una respuesta binaria, las estimaciones logísticas del parámetro de las producciones de PROC que son la negativa de ésos, se produjeron por el procedimiento anterior de LOGIST. En LOGIST, la variable del ACONTECIMIENTO o de la respuesta se debe cifrar 0/1, y los parámetros producidos están para estimar Pr(EVENT=1). En PROC LOGIST;, la variable de la respuesta puede ser carácter o estimaciones numéricas, y, por valor por defecto, logísticas la probabilidad de la respuesta más pequeña, Pr(EVENT=0) si se utiliza 0/1 codificación.

Sitio Web creado por: Alfonso Guillén Velasco

Cortesía de: Michael Friendly

Derechos Reservados 1999.