Analiza modelos de regresión en los que la variable dependiente toma valores enteros no negativos o de conteo y típicamente representa el número de veces que ocurre un evento.
| Parámetro | Descripción |
|---|---|
| bayes | Especifica las opciones a utilizar para el análisis bayesiano. |
| bounds | Impone restricciones de límite simples en las estimaciones de los parámetros. |
| class | Especifica las variables de clasificación. |
| collection | Define un conjunto de variables que se tratan como un único efecto con múltiples grados de libertad. |
| display | Especifica una lista de tablas de resultados para enviar al cliente para su visualización. |
| dispmodel | Especifica los regresores relacionados con la dispersión que se utilizan para modelar la dispersión. Se asume que el tipo de modelo es Conway-Maxwell-Poisson o Conway-Maxwell-Poisson inflado de ceros. |
| extendparmlength | Cuando se establece en True, imprime las etiquetas de los parámetros sin truncar en la tabla de estimaciones de parámetros. |
| freq | Especifica la variable de frecuencia de observación. |
| groupid | Especifica una variable de identificación. Disponible solo para los modelos de panel de efectos fijos y efectos aleatorios. |
| includeinternalnames | Cuando se establece en True, agrega una columna adicional a la tabla de estimaciones de parámetros que muestra los nombres internos de los parámetros. |
| initialvalues | Especifica los valores iniciales para los parámetros en la optimización. |
| model | Especifica la variable dependiente y las variables regresoras independientes para el modelo de regresión. |
| multimember | Utiliza una o más variables de clasificación de tal manera que cada observación puede asociarse con uno o más niveles de la unión de los niveles de las variables de clasificación. |
| optimizer | Especifica los parámetros que controlan diversos aspectos del proceso de estimación de parámetros. |
| output | Especifica los detalles de una tabla de datos de salida para contener puntuaciones de diversas estadísticas. |
| outputTables | Enumera los nombres de las tablas de resultados para guardar como tablas CAS en el servidor. |
| polynomial | Especifica un efecto polinómico. Todas las variables especificadas deben ser numéricas. |
| prior | Especifica la distribución a priori. |
| restrictions | Especifica las restricciones lineales que se impondrán a las estimaciones de los parámetros. |
| selection | Especifica el método de selección de modelo. |
| spline | Expande las variables en bases spline cuya forma depende de los parámetros especificados. |
| store | Almacena un modelo de regresión en un almacén de elementos. |
| table | Especifica la tabla de datos de entrada. |
| tests | Especifica hipótesis lineales sobre los parámetros de regresión y las pruebas que se realizarán sobre las hipótesis. |
| timingReport | Especifica el tipo de información de tiempo que desea que la acción proporcione. |
| weight | Especifica los detalles de la variable de ponderación de la observación. |
| zeromodel | Especifica los regresores inflados de ceros que determinan la probabilidad de un conteo de cero. |
Este ejemplo crea una tabla en memoria llamada 'dath' que contiene datos sobre el número de artículos comprados por clientes en una tienda. Las variables incluyen 'articulos' (el número de artículos, nuestra variable de conteo), 'educacion' (nivel de educación), 'ingreso' (ingreso anual) y 'edad' (edad del cliente).
| 1 | DATA dath; |
| 2 | INPUT educacion ingreso edad articulos @@; |
| 3 | DATALINES; |
| 4 | 1 20 30 2 1 25 30 1 1 30 30 2 1 35 30 3 1 40 30 4 |
| 5 | 2 20 30 1 2 25 30 2 2 30 30 2 2 35 30 3 2 40 30 4 |
| 6 | 3 20 30 1 3 25 30_ 1 3 30 30 2 3 35 30 2 3 40 30 3 |
| 7 | 1 20 40 1 1 25 40 2 1 30 40 2 1 35 40 3 1 40 40 4 |
| 8 | 2 20 40 1 2 25 40 2 2 30 40 3 2 35 40 3 2 40 40 4 |
| 9 | 3 20 40 1 3 25 40 1 3 30 40 2 3 35 40 2 3 40 40 2 |
| 10 | 1 20 50 1 1 25 50 1 1 30 50 2 1 35 50 2 1 40 50 3 |
| 11 | 2 20 50 1 2 25 50 2 2 30 50 2 2 35 50_ 3 2 40 50 3 |
| 12 | 3 20 50 1 3 25 50 1 3 30 50 1 3 35 50 2 3 40 50 2 |
| 13 | ; |
| 14 | RUN; |
| 15 | PROC CAS; |
| 16 | TABLE.droptable / caslib='casuser' name='dath' quiet=true; |
| 17 | TABLE.upload / caslib='casuser' path='dath.sashdat' casout={name='dath', replace=true}; |
| 18 | RUN; |
Este ejemplo ajusta un modelo de regresión de Poisson simple donde 'articulos' es la variable dependiente y 'educacion', 'ingreso' y 'edad' son las variables independientes.
| 1 | PROC CAS; |
| 2 | countreg.countregFitModel / |
| 3 | TABLE={name='dath'}, |
| 4 | model={depVars={{name='articulos'}}, |
| 5 | effects={{vars={'educacion', 'ingreso', 'edad'}}}, |
| 6 | modeloptions={modeltype='POISSON'}}; |
| 7 | RUN; |
Este ejemplo ajusta un modelo ZINB más complejo. El modelo principal predice 'articulos' usando 'educacion' e 'ingreso'. El modelo de inflación de ceros, que predice el exceso de ceros, usa 'edad' como predictor. Además, se modela la dispersión usando la variable 'ingreso'.
| 1 | PROC CAS; |
| 2 | countreg.countregFitModel / |
| 3 | TABLE={name='dath'}, |
| 4 | model={depVars={{name='articulos'}}, |
| 5 | effects={{vars={'educacion', 'ingreso'}}}, |
| 6 | modeloptions={modeltype='ZINB'}}, |
| 7 | zeromodel={effects={{vars={'edad'}}}}, |
| 8 | dispmodel={effects={{vars={'ingreso'}}}}; |
| 9 | RUN; |
Una compañía de seguros desea predecir el número de siniestros anuales por cliente para ajustar las primas. Dado que los datos de siniestros suelen tener una varianza mayor que ...
Un sitio de comercio electrónico analiza el número de artículos comprados por sesión. La mayoría de las sesiones terminan sin compra (0 artículos), lo que requiere un modelo Inf...
Una fábrica de semiconductores analiza el número de defectos microscópicos por oblea. Debido a la naturaleza crítica y los datos limitados (lotes pequeños), se prefiere un enfoq...