Das Skript beginnt mit der Erstellung eines Datensatzes namens 'teratology' über einen DATA-Schritt und Inline-Daten (`cards`). Dieser Datensatz enthält Informationen über Würfe (litter), Behandlungsgruppen (group), die Gesamtzahl der Individuen (n) und die Anzahl der betroffenen Individuen (y). Indikatorvariablen (z2, z3, z4) werden für die Gruppen 2, 3 und 4 erstellt, um als Prädiktoren verwendet zu werden. Anschließend wird PROC GENMOD verwendet, um ein generalisiertes lineares Modell mit einer Binomialverteilung und einer Logit-Link-Funktion anzupassen. Die Option `repeated` mit `subject=litter` und `type=exch corrw` wird verwendet, um die Korrelation innerhalb des Subjekts (innerhalb des Wurfs) zu modellieren, was eine gängige Praxis in Teratologiestudien ist, um die Nicht-Unabhängigkeit der Beobachtungen innerhalb desselben Wurfs zu berücksichtigen.
Datenanalyse
Type : CREATION_INTERNE
Der Datensatz 'teratology' wird direkt im SAS-Skript unter Verwendung eines DATA-Schritts und der über die Anweisung `cards;` bereitgestellten Rohdaten erstellt.
1 Codeblock
DATA STEP Data
Erklärung :
Dieser DATA-Schritt-Block erstellt den Datensatz 'teratology' aus Rohdaten, die direkt im Skript bereitgestellt werden. Die Variablen 'litter' (Wurf), 'group' (Behandlungsgruppe), 'n' (Gesamtzahl der Individuen) und 'y' (Anzahl der betroffenen Individuen) werden gelesen. Die binären Variablen 'z2', 'z3', 'z4' werden dann aus der Variablen 'group' abgeleitet, um die Behandlungsgruppen 2, 3 und 4 darzustellen. Diese Variablen dienen als Prädiktoren in der statistischen Analyse.
Dieser DATA-Schritt-Block erstellt den Datensatz 'teratology' aus Rohdaten, die direkt im Skript bereitgestellt werden. Die Variablen 'litter' (Wurf), 'group' (Behandlungsgruppe), 'n' (Gesamtzahl der Individuen) und 'y' (Anzahl der betroffenen Individuen) werden gelesen. Die binären Variablen 'z2', 'z3', 'z4' werden dann aus der Variablen 'group' abgeleitet, um die Behandlungsgruppen 2, 3 und 4 darzustellen. Diese Variablen dienen als Prädiktoren in der statistischen Analyse.
Kopiert!
| 1 | DATA teratology; |
| 2 | INPUT litter group n y ; |
| 3 | z2=0; z3=0; z4=0; |
| 4 | IF group=2 THEN z2=1; IF group=3 THEN z3=1; IF group=4 THEN z4=1; |
| 5 | CARDS; |
| 6 | 1 1 10 1 |
| 7 | 2 1 11 4 |
| 8 | 3 1 12 9 |
| 9 | 4 1 4 4 |
| 10 | 5 1 10 10 |
| 11 | 6 1 11 9 |
| 12 | 7 1 9 9 |
| 13 | 8 1 11 11 |
| 14 | 9 1 10 10 |
| 15 | 10 1 10 7 |
| 16 | 11 1 12 12 |
| 17 | 12 1 10 9 |
| 18 | 13 1 8 8 |
| 19 | 14 1 11 9 |
| 20 | 15 1 6 4 |
| 21 | 16 1 9 7 |
| 22 | 17 1 14 14 |
| 23 | 18 1 12 7 |
| 24 | 19 1 11 9 |
| 25 | 20 1 13 8 |
| 26 | 21 1 14 5 |
| 27 | 22 1 10 10 |
| 28 | 23 1 12 10 |
| 29 | 24 1 13 8 |
| 30 | 25 1 10 10 |
| 31 | 26 1 14 3 |
| 32 | 27 1 13 13 |
| 33 | 28 1 4 3 |
| 34 | 29 1 8 8 |
| 35 | 30 1 13 5 |
| 36 | 31 1 12 12 |
| 37 | 32 2 10 1 |
| 38 | 33 2 3 1 |
| 39 | 34 2 13 1 |
| 40 | 35 2 12 0 |
| 41 | 36 2 14 4 |
| 42 | 37 2 9 2 |
| 43 | 38 2 13 2 |
| 44 | 39 2 16 1 |
| 45 | 40 2 11 0 |
| 46 | 41 2 4 0 |
| 47 | 42 2 1 0 |
| 48 | 43 2 12 0 |
| 49 | 44 3 8 0 |
| 50 | 45 3 11 1 |
| 51 | 46 3 14 0 |
| 52 | 47 3 14 1 |
| 53 | 48 3 11 0 |
| 54 | 49 4 3 0 |
| 55 | 50 4 13 0 |
| 56 | 51 4 9 2 |
| 57 | 52 4 17 2 |
| 58 | 53 4 15 0 |
| 59 | 54 4 2 0 |
| 60 | 55 4 14 1 |
| 61 | 56 4 8 0 |
| 62 | 57 4 6 0 |
| 63 | 58 4 17 0 |
| 64 | ; |
2 Codeblock
PROC GENMOD
Erklärung :
Dieser Block verwendet die PROC GENMOD, um ein generalisiertes lineares Modell an die Teratologiedaten anzupassen. Die Option `DATA=teratology` gibt den Eingabedatensatz an. `class litter;` deklariert 'litter' als Klassifikationsvariable, die für die Analyse von Wiederholungsdaten unerlässlich ist. Die Anweisung `model y/n= z2 z3 z4/dist=b link=logit;` spezifiziert, dass die Antwort 'y' unter 'n' Versuchen einer Binomialverteilung (`dist=b`) mit einer Logit-Link-Funktion (`link=logit`) folgt und dass die Prädiktoren 'z2', 'z3' und 'z4' sind. Die Option `repeated subject=litter/type=exch corrw;` ist entscheidend, um die Korrelation innerhalb des Subjekts oder innerhalb des Wurfs zu modellieren, wobei eine austauschbare Korrelationsstruktur (`type=exch`) angenommen und eine Arbeitskorrelationsmatrix (`corrw`) verwendet wird, was ein Standardansatz für diese Art von Studie ist.
Dieser Block verwendet die PROC GENMOD, um ein generalisiertes lineares Modell an die Teratologiedaten anzupassen. Die Option `DATA=teratology` gibt den Eingabedatensatz an. `class litter;` deklariert 'litter' als Klassifikationsvariable, die für die Analyse von Wiederholungsdaten unerlässlich ist. Die Anweisung `model y/n= z2 z3 z4/dist=b link=logit;` spezifiziert, dass die Antwort 'y' unter 'n' Versuchen einer Binomialverteilung (`dist=b`) mit einer Logit-Link-Funktion (`link=logit`) folgt und dass die Prädiktoren 'z2', 'z3' und 'z4' sind. Die Option `repeated subject=litter/type=exch corrw;` ist entscheidend, um die Korrelation innerhalb des Subjekts oder innerhalb des Wurfs zu modellieren, wobei eine austauschbare Korrelationsstruktur (`type=exch`) angenommen und eine Arbeitskorrelationsmatrix (`corrw`) verwendet wird, was ein Standardansatz für diese Art von Studie ist.
Kopiert!
| 1 | PROC GENMOD DATA= teratology; |
| 2 | class litter; |
| 3 | model y/n= z2 z3 z4/dist=b link=logit; |
| 4 | repeated subject=litter/type=exch corrw; |
| 5 | RUN; |
Dieses Material wird von We Are Cas "wie besehen" zur Verfügung gestellt. Es gibt keine ausdrücklichen oder stillschweigenden Garantien hinsichtlich der Marktgängigkeit oder Eignung für einen bestimmten Zweck in Bezug auf die hierin enthaltenen Materialien oder Codes. We Are Cas ist nicht verantwortlich für Fehler in diesem Material, wie es jetzt existiert oder existieren wird, noch bietet We Are Cas technischen Support dafür an.
