El script comienza creando un conjunto de datos interno llamado 'Icecream' a través de datalines, que contiene información sobre el número de observaciones ('count'), la marca de helado ('brand') y la preferencia de sabor ('taste', que es una variable ordinal). Luego, se invoca el procedimiento GENMOD para modelar la variable de respuesta ordinal 'taste' en función de la variable categórica 'brand'. El modelo se especifica con una distribución multinomial y una función de enlace logit acumulado. La opción 'aggregate=brand' se utiliza para agrupar las observaciones por marca, y la opción 'type1' solicita pruebas de tipo 1 para los efectos del modelo. Finalmente, tres instrucciones 'estimate' calculan los odds ratios log-transformados (LogOR) entre diferentes categorías de la variable 'brand' y los exponen para obtener los odds ratios.
Análisis de datos
Type : CREATION_INTERNE
El conjunto de datos 'Icecream' se crea directamente en el script usando una instrucción DATA y datalines. Contiene las variables 'count' (frecuencia), 'brand' (marca de helado) y 'taste' (preferencia de sabor ordinal: vg, g, m, b, vb).
1 Bloque de código
DATA STEP Data
Explicación : Este bloque DATA STEP crea el conjunto de datos 'Icecream' que se utilizará para el análisis. Define tres variables: 'count' (numérica para la frecuencia), 'brand' (carácter para la marca) y 'taste' (carácter para el nivel de sabor). Los datos se proporcionan directamente en el script a través de la instrucción DATALINES, lo que la convierte en una fuente de datos interna.
¡Copiado!
data Icecream;
input count brand$ taste$;
datalines;
70 ice1 vg
71 ice1 g
151 ice1 m
30 ice1 b
46 ice1 vb
20 ice2 vg
36 ice2 g
130 ice2 m
74 ice2 b
70 ice2 vb
50 ice3 vg
55 ice3 g
140 ice3 m
52 ice3 b
50 ice3 vb
;
1
DATA Icecream;
2
INPUT count brand$ taste$;
3
DATALINES;
4
70 ice1 vg
5
71 ice1 g
6
151 ice1 m
7
30 ice1 b
8
46 ice1 vb
9
20 ice2 vg
10
36 ice2 g
11
130 ice2 m
12
74 ice2 b
13
70 ice2 vb
14
50 ice3 vg
15
55 ice3 g
16
140 ice3 m
17
52 ice3 b
18
50 ice3 vb
19
;
2 Bloque de código
PROC GENMOD
Explicación : Este procedimiento PROC GENMOD realiza un análisis de regresión logística acumulada. La opción 'rorder=data' mantiene el orden de las categorías de la variable de respuesta tal como aparece en los datos. La instrucción 'freq count;' especifica que 'count' contiene las frecuencias de cada observación. 'class brand;' declara 'brand' como una variable categórica. La instrucción 'model' define el modelo: 'taste' es la variable de respuesta dependiente, modelada por 'brand'. Las opciones 'dist=multinomial' y 'link=cumlogit' indican un modelo multinomial ordinal con una función de enlace logit acumulado. 'aggregate=brand' agrega las observaciones por marca para el cálculo de la cuasi-verosimilitud. 'type1' solicita sumas de cuadrados de Tipo 1. Finalmente, las instrucciones 'estimate' calculan los odds ratios log-transformados (y sus exponenciales) para las comparaciones entre las marcas de helado.
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
Documentación relacionada
Aucune documentation spécifique pour cette catégorie.
SAS y todos los demás nombres de productos o servicios de SAS Institute Inc. son marcas registradas o marcas comerciales de SAS Institute Inc. en los EE. UU. y otros países. ® indica registro en los EE. UU. WeAreCAS es un sitio comunitario independiente y no está afiliado a SAS Institute Inc.
Este sitio utiliza cookies técnicas y analíticas para mejorar su experiencia.
Saber más.
