Die Aktion `logistic` passt logistische Regressionsmodelle für binäre, binomiale und ordinale abhängige Variablen an. Diese Modelle basieren auf der Annahme einer kumulativen Linkfunktion der Antwortwahrscheinlichkeiten. Die Aktion `logistic` unterstützt die Links Logit, Probit, Cloglog und Loglog.
| Parameter | Beschreibung |
|---|---|
| alpha | Gibt das Signifikanzniveau für die Erstellung aller Konfidenzintervalle an. |
| class | Benennt die Klassifikationsvariablen, die als erklärende Variablen in der Analyse verwendet werden sollen. |
| model | Benennt die abhängige Variable, die erklärenden Effekte und die Modelloptionen. |
| link | Gibt die Link-Funktion für das Modell an (CLOGLOG, GLOGIT, LOGIT, LOGLOG, PROBIT, NORMIT). |
| dist | Gibt die Verteilung der Antwortvariablen für das Modell an (BINOMIAL, MULTINOMIAL). |
| selection | Gibt die Methode und Optionen für die Durchführung der Modellauswahl an. |
| table | Gibt die Eingabedatentabelle an. |
Dieses Beispiel zeigt, wie man ein einfaches logistisches Regressionsmodell anpasst. Die Datentabelle `mycas.getstarted` wird aus einer Reihe von `datalines` erstellt, die Informationen über das Ansprechen von Krebspatienten auf eine Behandlung enthalten.
| 1 | DATA mycas.getstarted; |
| 2 | INPUT Censor Treatment @@; |
| 3 | DATALINES; |
| 4 | 0 1 0 1 0 0 0 0 0 1 0 1 0 1 0 0 0 1 0 0 |
| 5 | 0 1 1 1 0 0 0 1 0 1 1 1 1 1 1 0 1 0 1 1 |
| 6 | 1 0 1 0 1 1 1 0 0 1 1 1 1 0 0 1 1 0 1 1 |
| 7 | 0 0 1 0 1 0 0 0 1 1 1 1 0 0 0 1 1 0 1 1 |
| 8 | ; |
Der folgende Code passt ein einfaches logistisches Regressionsmodell an, bei dem `Censor` die Antwortvariable ist und `Treatment` der einzige Prädiktor ist. Die Variable `Censor` ist eine binäre Variable, die angibt, ob ein Patient auf die Behandlung angesprochen hat (1=ja, 0=nein).
| 1 | PROC CAS; |
| 2 | regression.logistic / |
| 3 | TABLE='getstarted', |
| 4 | class={'Treatment'}, |
| 5 | model={depvar='Censor', effects={'Treatment'}}; |
| 6 | RUN; |
Dieses Beispiel zeigt, wie man eine schrittweise Variablenauswahl durchführt, um ein logistisches Regressionsmodell zu erstellen. Es werden die `selection`-Optionen verwendet, um `method='STEPWISE'` festzulegen, und es werden Schwellenwerte für den Eintritt (`slEntry`) und das Verbleiben (`slStay`) von Variablen im Modell definiert.
| 1 | PROC CAS; |
| 2 | regression.logistic / |
| 3 | TABLE='mycas.getstarted', |
| 4 | class={'Treatment'}, |
| 5 | model={depvar='Censor', effects={'Treatment'}}, |
| 6 | selection={method='STEPWISE', slEntry=0.1, slStay=0.15}; |
| 7 | RUN; |
Dieses Beispiel zeigt, wie man ein Proportional-Odds-Modell für eine ordinale Antwortvariable anpasst. Es wird die Link-Funktion 'CLOGLOG' verwendet, die für ordinale logistische Regression geeignet ist.
| 1 | PROC CAS; |
| 2 | regression.logistic / |
| 3 | TABLE='mycas.getstarted', |
| 4 | class={'Treatment'}, |
| 5 | model={depvar='Censor', effects={'Treatment'}, link='CLOGLOG'}; |
| 6 | RUN; |