countregFitModel - WeAreCAS

Descripción

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.

countreg.countregFitModel <result=results> <status=rc> / bayes={...}, bounds={"string-1" <, "string-2", ...>}, class={{classStatement-1} <, {classStatement-2}, ...>}, collection={{collection-1} <, {collection-2}, ...>}, display={displayTables}, dispmodel={cregdispmodelstmt}, extendparmlength=TRUE | FALSE, freq="variable-name", groupid="variable-name", includeinternalnames=TRUE | FALSE, initialvalues={"string-1" <, "string-2", ...>}, model={cregmodelstmt}, multimember={{multimember-1} <, {multimember-2}, ...>}, optimizer={optimizerOpts}, output={cregoutputStatement}, outputTables={outputTables}, polynomial={{polynomial-1} <, {polynomial-2}, ...>}, prior={{priorDetails-1} <, {priorDetails-2}, ...>}, restrictions={"string-1" <, "string-2", ...>}, selection={selectionStatement}, spline={{spline-1} <, {spline-2}, ...>}, store={casouttable}, table={castable}, tests={{singleTest-1} <, {singleTest-2}, ...>}, timingReport={timingReportOpts}, weight={cregweightvarOptions}, zeromodel={cregzeromodelstmt};

Parámetros

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.

Preparación de datos Ver hoja de preparación de datos

Creación de Datos de Conteo

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).

¡Copiado!

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;

Ejemplos

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.

Código SAS® / CAS Código en espera de validación por la comunidad

¡Copiado!

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;

Resultado :
Se espera una tabla de 'Estimaciones de Parámetros' que muestre los coeficientes para el intercepto, educacion, ingreso y edad, junto con sus errores estándar y valores p.

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'.

Código SAS® / CAS Código en espera de validación por la comunidad

¡Copiado!

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;

Resultado :
Se esperan tres tablas de estimaciones de parámetros: una para el modelo de conteo principal (Intercepto, educacion, ingreso), una para el modelo de inflación de ceros (Intercepto, edad) y una para el modelo de dispersión (Intercepto, ingreso).

FAQ

¿Para qué se utiliza la acción `countregFitModel`?

¿Qué tipos de modelos de regresión de conteo se pueden ajustar con esta acción?

¿Cómo se especifica un modelo inflado de ceros?

¿Es posible realizar análisis bayesiano con la acción `countregFitModel`?

¿Qué métodos de selección de modelos están disponibles?

Descripción

Creación de Datos de Conteo

Ejemplos

Modelo de Regresión de Poisson Básico

Modelo Binomial Negativo Inflado de Ceros (ZINB) con Efectos de Dispersión

FAQ