Ejemplo 5 para PROC CATMOD: Modelo Log-Lineal

Este script analiza la distribución conjunta de las interacciones (rol activo, rol pasivo) dentro de una población de 6 monos ardilla. Los datos provienen de Fienberg (1980). La diagonal de la tabla de contingencia está compuesta por ceros estructurales, ya que un mono no puede interactuar consigo mismo (tener el rol activo y pasivo simultáneamente). El script utiliza PROC CATMOD para ajustar un modelo de cuasi-independencia, que prueba la independencia de las variables condicionalmente a la ausencia de celdas estructuralmente vacías. También se realizan pruebas de contrastes específicos para comparar los comportamientos de ciertos monos.

Análisis de datos

Type : CREACIÓN_INTERNA

Los datos se crean directamente en el script a través de un paso DATA con una instrucción DATALINES. Se leen las interacciones y los ceros estructurales se definen estableciendo la variable de peso (wt) en un valor faltante cuando el mono 'activo' y 'pasivo' son los mismos.

1 Bloque de código

DATA STEP Data

Explicación :
Este bloque DATA STEP lee los datos de interacción. La instrucción `input` con la doble arroba (` @@`) permite leer múltiples observaciones en la misma línea de datos. La condición `if Active eq Passive then wt=.;` es crucial porque identifica las celdas diagonales de la tabla y asigna un valor faltante al peso `wt`, marcándolas así como ceros estructurales para el análisis posterior.

¡Copiado!

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 Bloque de código

PROC CATMOD

Explicación :
El procedimiento CATMOD se utiliza para el análisis de datos categóricos. `weight wt;` especifica la variable de frecuencia. La instrucción `model` define el modelo de interacción completo. La opción `missing=structural` indica al procedimiento que los valores faltantes para `wt` corresponden a ceros estructurales y deben excluirse del análisis, mientras que `zero=sampling` trata los demás ceros como ceros de muestreo. `loglin Active Passive;` ajusta un modelo log-lineal con solo los efectos principales, lo que corresponde a una prueba de cuasi-independencia. Finalmente, las instrucciones `contrast` permiten realizar pruebas de hipótesis específicas sobre los parámetros del modelo, aquí para comparar los monos 'u' y 'v'.

¡Copiado!

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;

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.

Información de copyright : S A S S A M P L E L I B R A R Y

Retour à la liste