L'action `logistic` de l'ensemble d'actions `regression` est utilisée pour ajuster des modèles de régression logistique. Elle prend en charge les modèles pour les réponses binaires, binomiales et multinomiales (ordonnées ou non ordonnées). Cette action effectue l'analyse dans SAS Viya et fournit des fonctionnalités pour la sélection de modèles, l'évaluation de l'ajustement du modèle et la notation.
| Paramètre | Description |
|---|---|
| alpha | Spécifie le niveau de significativité pour la construction de tous les intervalles de confiance. |
| association | Lorsque défini sur True, crée la table d'association. |
| class | Nomme les variables de classification à utiliser comme variables explicatives dans l'analyse. |
| fitData | Lorsque défini sur True, spécifie que les données à scorer ont également été utilisées pour ajuster le modèle. |
| freq | Nomme la variable numérique qui contient la fréquence d'occurrence de chaque observation. |
| model | Nomme la variable dépendante, les effets explicatifs et les options du modèle. |
| output | Crée une table sur le serveur qui contient des statistiques par observation, calculées après l'ajustement du modèle. |
| partByFrac | Spécifie les fractions des données à utiliser pour la validation et le test. |
| partByVar | Nomme la variable et ses valeurs utilisées pour partitionner les données en rôles d'entraînement, de validation et de test. |
| selection | Spécifie la méthode et les options pour effectuer la sélection de modèle. |
| table | Spécifie la table de données d'entrée. |
Ce bloc de code n'est pas explicitement fourni dans la documentation mais est reconstitué pour permettre la testabilité des exemples. Il crée une table CAS nommée 'mycas.getstarted' qui est utilisée dans les exemples suivants pour ajuster un modèle de régression logistique.
| 1 | DATA mycas.getstarted; |
| 2 | SET sashelp.class; |
| 3 | IF sex='F' THEN female=1; ELSE female=0; |
| 4 | IF age > 13 THEN group=1; ELSE group=2; |
| 5 | RUN; |
Cet exemple montre comment ajuster un modèle de régression logistique de base. Il utilise la table 'mycas.getstarted' et modélise la variable binaire 'female' en utilisant 'height' et 'weight' comme variables explicatives.
| 1 | PROC CAS; |
| 2 | regression.logistic |
| 3 | TABLE={name='getstarted'}, |
| 4 | class={'group'}, |
| 5 | model={depvar='female', effects={'height', 'weight', 'group'}}$ |
| 6 | RUN; |
Cet exemple ajuste un modèle de régression logistique en utilisant une sélection de variables descendante ('backward'). Il spécifie également plusieurs options de sortie pour obtenir des informations détaillées, comme les intervalles de confiance pour les estimations de paramètres (clb=true), une table de classification (ctable=true) et les probabilités prédites dans une table de sortie CAS nommée 'mycas.out'.
| 1 | PROC CAS; |
| 2 | regression.logistic |
| 3 | TABLE={name='getstarted'}, |
| 4 | class={'group'}, |
| 5 | model={depvar='female', effects={'height', 'weight', 'group'}}, |
| 6 | selection={method='backward'}, |
| 7 | clb=true, |
| 8 | ctable=true, |
| 9 | OUTPUT={casout={name='out', replace=true}, pred='p_female'}; |
| 10 | RUN; |
Cet exemple illustre comment ajuster un modèle pour une variable de réponse avec plusieurs catégories. Il modélise la variable 'group' (qui a deux niveaux) en utilisant 'height' et 'weight'. La distribution est explicitement définie comme 'MULTINOMIAL' et le type de lien comme 'GLOGIT' (logit généralisé).
| 1 | PROC CAS; |
| 2 | regression.logistic |
| 3 | TABLE={name='getstarted'}, |
| 4 | model={depvar='group', effects={'height', 'weight'}, dist='MULTINOMIAL', link='GLOGIT'}; |
| 5 | RUN; |