Beispiel 5 für PROC CATMOD: Log-lineares Modell

Dieses Skript analysiert die gemeinsame Verteilung von Interaktionen (aktive Rolle, passive Rolle) innerhalb einer Population von 6 Totenkopfaffen. Die Daten stammen von Fienberg (1980). Die Diagonale der Kontingenztabelle besteht aus strukturellen Nullen, da ein Affe nicht mit sich selbst interagieren kann (gleichzeitig die aktive und passive Rolle haben). Das Skript verwendet PROC CATMOD, um ein Quasi-Unabhängigkeitsmodell anzupassen, das die Unabhängigkeit der Variablen bedingt durch die Abwesenheit strukturell leerer Zellen testet. Spezifische Kontrasttests werden ebenfalls durchgeführt, um die Verhaltensweisen bestimmter Affen zu vergleichen.

Datenanalyse

Type : CREATION_INTERNE

Die Daten werden direkt im Skript über einen DATA-Schritt mit einer DATALINES-Anweisung erstellt. Die Interaktionen werden gelesen, und die strukturellen Nullen werden definiert, indem die Gewichtungsvariable (wt) auf einen fehlenden Wert gesetzt wird, wenn der 'aktive' und 'passive' Affe gleich sind.

1 Codeblock

DATA STEP Data

Erklärung :
Dieser DATA STEP-Block liest die Interaktionsdaten. Die Anweisung `input` mit dem doppelten At-Zeichen (` @@`) ermöglicht das Lesen mehrerer Beobachtungen auf derselben Datenzeile. Die Bedingung `if Active eq Passive then wt=.;` ist entscheidend, da sie die diagonalen Zellen der Tabelle identifiziert und der Gewichtungsvariablen `wt` einen fehlenden Wert zuweist, wodurch sie für die spätere Analyse als strukturelle Nullen markiert werden.

Kopiert!

1	DATA Display;
2	INPUT Active $ Passive $ wt @code_sas_json/8_SAS_Intro_ReadFile_MultiCol_@@.json;
3	IF Active ne 't';
4	IF Active eq Passive THEN wt=.;
5	DATALINES;
6	r r 0 r s 1 r t 5 r u 8 r v 9 r w 0
7	s r 29 s s 0 s t 14 s u 46 s v 4 s w 0
8	t r 0 t s 0 t t 0 t u 0 t v 0 t w 0
9	u r 2 u s 3 u t 1 u u 0 u v 38 u w 2
10	v r 0 v s 0 v t 0 v u 0 v v 0 v w 1
11	w r 9 w s 25 w t 4 w u 6 w v 13 w w 0
12	;

2 Codeblock

PROC CATMOD

Erklärung :
Die PROC CATMOD wird für die Analyse kategorialer Daten verwendet. `weight wt;` gibt die Frequenzvariable an. Die `model`-Anweisung definiert das vollständige Interaktionsmodell. Die Option `missing=structural` weist die Prozedur an, dass fehlende Werte für `wt` strukturellen Nullen entsprechen und von der Analyse ausgeschlossen werden sollen, während `zero=sampling` andere Nullen als Sampling-Nullen behandelt. `loglin Active Passive;` passt ein log-lineares Modell mit nur Haupteffekten an, was einem Quasi-Unabhängigkeitstest entspricht. Schließlich ermöglichen die `contrast`-Anweisungen die Durchführung spezifischer Hypothesentests zu den Modellparametern, hier zum Vergleich der Affen 'u' und 'v'.

Kopiert!

1	PROC CATMOD DATA=Display;
2	weight wt;
3	model Active*Passive=_response_ /
4	missing=structural zero=sampling
5	freq pred=freq noparm oneway;
6	loglin Active Passive;
7	contrast 'Passive, U vs. V' Passive 0 0 0 1 -1;
8	contrast 'Active, U vs. V' Active 0 0 1 -1;
9	title2 'Test Quasi-Independence for the Incomplete Table';
10	QUIT;

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.

Urheberrechtsinformationen : S A S S A M P L E L I B R A R Y

Retour à la liste