이전 통계 측정 데이터, 우리는 이분법 적 통일을 살펴이 시간을 말했다. .
HTTPS : //www.cnblogs.com/SSSR/p/11007023.html 소스를 표시하시기 바랍니다
데이터 물류;
입력 사고 연령 비전 드라이브;
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 1 1 40
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 1 0 61
19 1 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 0 1
1 61 1 0
;
운영;
PROC 물류 데이터 = 하강 물류;
모델 사고 = 비전; 운영 ;
떠나다;
ODS 추적에;
ODS의 출력 chisq crosstabfreqs;
PROC 주파수 데이터 = 물류;
테이블 사고 * 비전 / chisq의 CMH; / * CMH会计算出优比* /
실행;
ODS는 오프 추적;
ODS 출력 닫기;
PROC GENMOD의 데이터 = 하강 물류;
모델 사고 = 비전 / DIST = 빈 링크 = 로짓;
ESTIMATE '시력'비전 1 -1 / EXP;
운영;
/ * 가중치를 이용하여 데이터의 요약 통계를 그룹화 좇아 * /
데이터 a 및
입력 사고 비전 F;
카드;
0 0 14
0 1 6
1 0 8
1 1 17
;
운영;
PROC 물류 데이터를 내림차순 =;
모델 사고 = 비전;
중량 F;
운영 ;
떠나다;
글로벌 테스트 귀무 가설 : BETA = 0 | |||
---|---|---|---|
테스트 | 카이 제곱 | DOF | 홍보> 카이 제곱 |
가능성 비율 | 6.5830 | 1 | 0.0103 |
점수 | 6.4209 | 1 | 0.0113 |
숲 | 6.0756 | 1 | 0.0137 |
최대 우도 매개 변수 추정의 분석 | |||||||
---|---|---|---|---|---|---|---|
매개 변수 | DOF | 평가 | 표준 오류 |
월드 95 % 신뢰 한계 | 왈드 카이 제곱 | 홍보> 카이 제곱 | |
인터셉트 | 1 | -0.5596 | 0.4432 | -1.4283 | 0.3090 | 1.59 | 0.2067 |
시력 | 1 | 1.6011 | 0.6496 | 0.3280 | 2.8742 | 6.08 | 0.0137 |
규모 | 0 | 1.0000 | 0.0000 | 1.0000 | 1.0000 |
PROC 주파수 데이터 A =;
테이블 사고 * 비전 / chisq CMH;
중량 F;
운영;
표 "시력 사고"통계 |
통계 | DOF | 값 | 개연성 |
---|---|---|---|
카이 제곱 | 1 | 6.4209 | 0.0113 |
우도 비 카이 제곱 검정 | 1 | 6.5830 | 0.0103 |
카이 제곱 연속 조정 | 1 | 4.9902 | 0.0255 |
벽난로 - Haenszel의 카이 제곱 | 1 | 6.2783 | 0.0122 |
피 계수 | 0.3777 | ||
나열된 숫자에 문의 | 0.3534 | ||
크레이머 | 0.3777 |
피셔의 정확한 테스트 | |
---|---|
세포 (1,1) 수 (F) 주파수 | (14) |
왼쪽 홍보 <= F | 0.9980 |
마우스 오른쪽 단추로 잠> = F | 0.0122 |
표 확률 (P) | 0.0102 |
양자 잠 <= P | 0.0169 |
표본 크기 = 45 |
“vision-accident”的汇总统计量 |
Cochran-Mantel-Haenszel 统计量(基于表评分) | ||||
---|---|---|---|---|
统计量 | 备择假设 | 自由度 | 值 | 概率 |
1 | 非零相关 | 1 | 6.2783 | 0.0122 |
2 | 行评分均值差异 | 1 | 6.2783 | 0.0122 |
3 | 一般关联 | 1 | 6.2783 | 0.0122 |
普通优比和相对风险 | ||||
---|---|---|---|---|
统计量 | 方法 | 值 | 95% 置信限 | |
优比 | Mantel-Haenszel | 4.9583 | 1.3881 | 17.7107 |
Logit | 4.9583 | 1.3881 | 17.7107 | |
相对风险(第 1 列) | Mantel-Haenszel | 2.1875 | 1.1541 | 4.1461 |
Logit | 2.1875 | 1.1541 | 4.1461 | |
相对风险(第 2 列) | Mantel-Haenszel | 0.4412 | 0.2144 | 0.9077 |
Logit | 0.4412 | 0.2144 | 0.9077 |
标红部分的值是相等。freq步还给出了or值
proc genmod data=a descending;
model accident=vision /dist=bin link=logit;
weight f;
ESTIMATE 'vision' vision 1 -1/exp; /*给出or值*/
run;
与逻辑回归的结果是完全一致的。。。OR值都是一致的。后面会介绍怎么用genmod计算RR值。。。
最大似然参数估计的分析 | |||||||
---|---|---|---|---|---|---|---|
参数 | 自由度 | 估计 | 标准 误差 |
Wald 95% 置信限 | Wald 卡方 | Pr > 卡方 | |
Intercept | 1 | -0.5596 | 0.4432 | -1.4283 | 0.3090 | 1.59 | 0.2067 |
vision | 1 | 1.6011 | 0.6496 | 0.3280 | 2.8742 | 6.08 | 0.0137 |
尺度 | 0 | 1.0000 | 0.0000 | 1.0000 | 1.0000 |
对比估计结果 | ||||||||||
---|---|---|---|---|---|---|---|---|---|---|
标签 | 均值估计 | 均值 | L'Beta 估计 | 标准 误差 |
Alpha | L'Beta | 卡方 | Pr > 卡方 | ||
置信限 | 置信限 | |||||||||
vision | 0.8322 | 0.5813 | 0.9466 | 1.6011 | 0.6496 | 0.05 | 0.3280 | 2.8742 | 6.08 | 0.0137 |
Exp(vision) | 4.9583 | 3.2207 | 0.05 | 1.3881 | 17.7107 |