Die Rohdaten werden direkt über eine `datalines`-Anweisung in das Skript integriert und bilden den Datensatz 'heights'. Dieser wird anschließend für die MCMC-Analyse in 'input' umgewandelt.
1 Codeblock
DATA STEP Data
Erklärung : Dieser DATA STEP-Block initialisiert und füllt den Datensatz 'heights' direkt aus den im Skript bereitgestellten Daten über die `datalines`-Anweisung. Er definiert drei Variablen: 'Family' (numerisch), 'G' (Geschlecht, Zeichen) und 'Height' (numerisch).
Kopiert!
data heights;
input Family G$ Height;
datalines;
1 F 67
1 F 66
1 F 64
1 M 71
1 M 72
2 F 63
2 F 63
2 F 67
2 M 69
2 M 68
2 M 70
3 F 63
3 M 64
4 F 67
4 F 66
4 M 67
4 M 67
4 M 69
;
1
DATA heights;
2
INPUT Family G$ Height;
3
DATALINES;
4
1 F 67
5
1 F 66
6
1 F 64
7
1 M 71
8
1 M 72
9
2 F 63
10
2 F 63
11
2 F 67
12
2 M 69
13
2 M 68
14
2 M 70
15
3 F 63
16
3 M 64
17
4 F 67
18
4 F 66
19
4 M 67
20
4 M 67
21
4 M 69
22
;
23
2 Codeblock
DATA STEP Data
Erklärung : Dieser DATA STEP-Block erstellt einen neuen Datensatz namens 'input' durch Lesen von 'heights'. Er transformiert die kategoriale Variable 'G' (Geschlecht) in eine numerische Indikatorvariable 'gf' (1 für weiblich, 0 für männlich) und entfernt die ursprüngliche Variable 'G' für die weitere Analyse.
Kopiert!
data input;
set heights;
if g eq 'F' then gf = 1;
else gf = 0;
drop g;
run;
1
DATAINPUT;
2
SET heights;
3
IF g eq 'F'THEN gf = 1;
4
ELSE gf = 0;
5
drop g;
6
RUN;
7
3 Codeblock
ODS Statement
Erklärung : Aktiviert das ODS (Output Delivery System) Grafiksystem, um die Generierung von hochauflösenden Grafiken durch SAS-Prozeduren zu ermöglichen.
Kopiert!
ods graphics on;
1
ods graphics on;
2
4 Codeblock
PROC MCMC
Erklärung : Diese MCMC-Prozedur (Monte Carlo mittels Markov-Ketten) passt ein Zufallseffektmodell an den Datensatz 'input' an. Sie erzeugt einen Ausgabedatensatz 'postout', der die MCMC-Post-Samples enthält. Die Modellparameter werden initialisiert, und A-priori-Verteilungen werden für den Achsenabschnitt (b0), den Geschlechtskoeffizienten (b1), die Restvarianz (s2) und die Varianz der Zufallseffekte (s2g) angegeben. Ein Zufallseffekt 'gamma' wird für jede 'family' definiert. Das Modell spezifiziert, dass 'height' einer Normalverteilung mit einem Mittelwert 'mu' (Funktion der festen und zufälligen Effekte) und einer Varianz 's2' folgt. Die Anzahl der Iterationen (nmc) und der Zufalls-Seed sind festgelegt, und Trace-Plots werden angefordert.
random gamma ~ normal(0, var = s2g) subject=family monitor=(gamma);
8
mu = b0 + b1 * gf + gamma;
9
model height ~ normal(mu, var = s2);
10
RUN;
11
5 Codeblock
ODS Statement
Erklärung : Deaktiviert das ODS-Grafiksystem und stoppt somit die Generierung von Grafiken.
Kopiert!
ods graphics off;
1
ods graphics off;
2
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, NAME: MCMCGS3, TITLE: Getting Started Example 3 for PROC MCMC, PRODUCT: STAT, SYSTEM: ALL, KEYS: random-effects model, PROCS: MCMC, DATA:, REF: PROC MCMC, GETTING STARTED EXAMPLE 3, MISC:
SAS und alle anderen Produkt- oder Dienstleistungsnamen von SAS Institute Inc. sind eingetragene Marken oder Marken von SAS Institute Inc. in den USA und anderen Ländern. ® zeigt die Registrierung in den USA an. WeAreCAS ist eine unabhängige Community-Site und nicht mit SAS Institute Inc. verbunden.
Diese Website verwendet technische und analytische Cookies, um Ihre Erfahrung zu verbessern.
Mehr erfahren.