EverydayOneCat
“ฅ🐈”
![4d82a22a807f6822a936c5768314d3731e8924df](https://i-blog.csdnimg.cn/blog_migrate/2a85095e8b32c445d9d86a934f42d80f.gif)
知识点
1.笔记
2.Logistic回归分析
2.1例一
例:研究不同治疗方法对某病疗效的影响
![image-20200716193223379](https://i-blog.csdnimg.cn/blog_migrate/e44bb39489612296e85a39d2a57cf97d.png)
这种简单的数据可以直接通过计算得出
![image-20200716193244970](https://i-blog.csdnimg.cn/blog_migrate/81304dadcabf243a6610ed4f6cd723bd.png)
也可以编译SAS代码:
data a;
Input treat effect count@@;
cards;
1 1 16 1 0 48 2 1 40 2 0 20
;
proc logistic order =data;/*使用logistic回归*/
freq count;/*count为频数变量*/
model effect=treat;
run;
Logistic回归因变量信息表:
![image-20200716193445241](https://i-blog.csdnimg.cn/blog_migrate/6b0c1331bb85b421a2d884a626b41615.png)
模型拟合检验表:
![image-20200716193502025](https://i-blog.csdnimg.cn/blog_migrate/64279d758acd5bd071dac5e3513bb9a5.png)
模型拟合检验表:
![image-20200716193535761](https://i-blog.csdnimg.cn/blog_migrate/c6b7031a306c08845e8157023df7e1fb.png)
说明按照线性模型来做是没错的。
模型参数的最大似然估计表:
![image-20200716193550890](https://i-blog.csdnimg.cn/blog_migrate/f3204848e8444086ed9032a36952ec65.png)
根据此可写出回归方程:
OR的点估计与区间估计表:
![image-20200716193820391](https://i-blog.csdnimg.cn/blog_migrate/1c839a75aab0083de8ddfdae7b0c0a49.png)
2.2例二
例2:研究性别及疾病严重程度对某病疗效的影响
![image-20200716194258318](https://i-blog.csdnimg.cn/blog_migrate/b78cc912b00af2ae0017528c6834b8ed.png)
这就涉及多个变量,编写SAS代码:
data a; Input sex degree effect count@@;
cards;
0 0 1 21 0 0 0 6 0 1 1 9 0 1 0 9 1 0 1 8
1 0 0 10 1 1 1 4 1 1 0 11
;
proc logistic descending;/*和order相反,这个是倒序*/
freq count;
model effect= sex degree/scale=none aggregate;/*scale=none aggregate是要求对模型进行拟合优度检验*/
run;
拟合优度检验表: