El script comienza creando un conjunto de datos llamado 'teratology' mediante un DATA step y datos en línea (`cards`). Este conjunto de datos contiene información sobre camadas (litter), grupos de tratamiento (group), el número total de individuos (n) y el número de individuos afectados (y). Se crean variables indicadoras (z2, z3, z4) para los grupos 2, 3 y 4 para ser utilizadas como predictores. Luego, se utiliza PROC GENMOD para ajustar un modelo lineal generalizado con una distribución binomial y una función de enlace logit. La opción `repeated` con `subject=litter` y `type=exch corrw` se emplea para modelar la correlación intra-sujeto (intra-camada), lo cual es una práctica común en los estudios de teratología para tener en cuenta la no independencia de las observaciones dentro de la misma camada.
Análisis de datos
Type : CREATION_INTERNE
El conjunto de datos 'teratology' se crea directamente en el script SAS utilizando un DATA step y datos brutos proporcionados a través de la instrucción `cards;`.
1 Bloque de código
DATA STEP Data
Explicación :
Este bloque DATA step crea el conjunto de datos 'teratology' a partir de datos brutos proporcionados directamente en el script. Se leen las variables 'litter' (camada), 'group' (grupo de tratamiento), 'n' (número total de individuos) y 'y' (número de individuos afectados). Las variables binarias 'z2', 'z3', 'z4' se derivan de la variable 'group' para representar los grupos de tratamiento 2, 3 y 4, respectivamente. Estas variables servirán como predictores en el análisis estadístico.
Este bloque DATA step crea el conjunto de datos 'teratology' a partir de datos brutos proporcionados directamente en el script. Se leen las variables 'litter' (camada), 'group' (grupo de tratamiento), 'n' (número total de individuos) y 'y' (número de individuos afectados). Las variables binarias 'z2', 'z3', 'z4' se derivan de la variable 'group' para representar los grupos de tratamiento 2, 3 y 4, respectivamente. Estas variables servirán como predictores en el análisis estadístico.
¡Copiado!
| 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 Bloque de código
PROC GENMOD
Explicación :
Este bloque utiliza el procedimiento GENMOD para ajustar un modelo lineal generalizado a los datos de teratología. La opción `DATA=teratology` especifica el conjunto de datos de entrada. `class litter;` declara 'litter' como una variable de clasificación, esencial para el análisis de datos repetidos. La instrucción `model y/n= z2 z3 z4/dist=b link=logit;` especifica que la respuesta 'y' entre 'n' intentos sigue una distribución binomial (`dist=b`) con una función de enlace logit (`link=logit`), y que los predictores son 'z2', 'z3' y 'z4'. La opción `repeated subject=litter/type=exch corrw;` es crucial para modelar la correlación intra-sujeto o intra-camada, asumiendo una estructura de correlación intercambiable (`type=exch`) y utilizando una matriz de correlación de trabajo (`corrw`), lo cual es un enfoque estándar para este tipo de estudio.
Este bloque utiliza el procedimiento GENMOD para ajustar un modelo lineal generalizado a los datos de teratología. La opción `DATA=teratology` especifica el conjunto de datos de entrada. `class litter;` declara 'litter' como una variable de clasificación, esencial para el análisis de datos repetidos. La instrucción `model y/n= z2 z3 z4/dist=b link=logit;` especifica que la respuesta 'y' entre 'n' intentos sigue una distribución binomial (`dist=b`) con una función de enlace logit (`link=logit`), y que los predictores son 'z2', 'z3' y 'z4'. La opción `repeated subject=litter/type=exch corrw;` es crucial para modelar la correlación intra-sujeto o intra-camada, asumiendo una estructura de correlación intercambiable (`type=exch`) y utilizando una matriz de correlación de trabajo (`corrw`), lo cual es un enfoque estándar para este tipo de estudio.
¡Copiado!
| 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; |
Este material se proporciona "tal cual" por We Are Cas. No hay garantías, expresas o implícitas, en cuanto a la comerciabilidad o idoneidad para un propósito particular con respecto a los materiales o el código contenidos en este documento. We Are Cas no es responsable de los errores en este material tal como existe ahora o existirá, ni We Are Cas proporciona soporte técnico para el mismo.
