Le processus commence par la création d'un jeu de données 'Fitness1' contenant des mesures de condition physique avec des valeurs manquantes introduites volontairement. Ensuite, PROC MI est utilisé pour générer plusieurs jeux de données complets par imputation multiple. Une analyse de régression (PROC REG) est effectuée sur chaque jeu de données imputé. Finalement, PROC MIANALYZE combine les résultats de ces régressions pour produire des estimations et des tests statistiques valides qui tiennent compte de l'incertitude liée à l'imputation.
Analyse des données
Type : CREATION_INTERNE
Les données sont créées directement dans le script via une étape DATA avec une instruction DATALINES. Le jeu de données s'appelle Fitness1.
1 Bloc de code
DATA STEP Data
Explication :
Ce bloc crée la table 'Fitness1' à partir de données internes fournies via 'datalines'. Des valeurs manquantes (représentées par des points '.') sont intentionnellement incluses pour les variables RunTime et RunPulse.
Ce bloc crée la table 'Fitness1' à partir de données internes fournies via 'datalines'. Des valeurs manquantes (représentées par des points '.') sont intentionnellement incluses pour les variables RunTime et RunPulse.
Copié !
| 1 | DATA Fitness1; |
| 2 | INPUT Oxygen RunTime RunPulse @@; |
| 3 | DATALINES; |
| 4 | 44.609 11.37 178 45.313 10.07 185 |
| 5 | 54.297 8.65 156 59.571 . . |
| 6 | 49.874 9.22 . 44.811 11.63 176 |
| 7 | . 11.95 176 . 10.85 . |
| 8 | 39.442 13.08 174 60.055 8.63 170 |
| 9 | 50.541 . . 37.388 14.03 186 |
| 10 | 44.754 11.12 176 47.273 . . |
| 11 | 51.855 10.33 166 49.156 8.95 180 |
| 12 | 40.836 10.95 168 46.672 10.00 . |
| 13 | 46.774 10.25 . 50.388 10.08 168 |
| 14 | 39.407 12.63 174 46.080 11.17 156 |
| 15 | 45.441 9.63 164 . 8.92 . |
| 16 | 45.118 11.08 . 39.203 12.88 168 |
| 17 | 45.790 10.47 186 50.545 9.93 148 |
| 18 | 48.673 9.40 186 47.920 11.50 170 |
| 19 | 47.467 10.50 170 |
| 20 | ; |
2 Bloc de code
PROC MI Data
Explication :
La procédure MI (Multiple Imputation) est utilisée pour gérer les données manquantes. Elle génère plusieurs jeux de données 'complets' en remplaçant les valeurs manquantes par des estimations plausibles. Le résultat est stocké dans la table 'outmi'.
La procédure MI (Multiple Imputation) est utilisée pour gérer les données manquantes. Elle génère plusieurs jeux de données 'complets' en remplaçant les valeurs manquantes par des estimations plausibles. Le résultat est stocké dans la table 'outmi'.
Copié !
| 1 | |
| 2 | PROC MI |
| 3 | DATA=Fitness1 seed=3237851 noprint out=outmi; |
| 4 | var Oxygen RunTime RunPulse; |
| 5 | RUN; |
| 6 |
3 Bloc de code
PROC REG Data
Explication :
Une régression linéaire (PROC REG) est exécutée pour modéliser 'Oxygen' en fonction de 'RunTime' et 'RunPulse'. L'instruction 'by _Imputation_' force l'exécution d'une régression distincte pour chaque jeu de données imputé par PROC MI. Les estimations des paramètres de chaque modèle sont sauvegardées dans la table 'outreg'.
Une régression linéaire (PROC REG) est exécutée pour modéliser 'Oxygen' en fonction de 'RunTime' et 'RunPulse'. L'instruction 'by _Imputation_' force l'exécution d'une régression distincte pour chaque jeu de données imputé par PROC MI. Les estimations des paramètres de chaque modèle sont sauvegardées dans la table 'outreg'.
Copié !
| 1 | PROC REG DATA=outmi outest=outreg covout noprint; |
| 2 | model Oxygen= RunTime RunPulse; |
| 3 | BY _Imputation_; |
| 4 | RUN; |
4 Bloc de code
PROC MIANALYZE
Explication :
La procédure MIANALYZE combine les résultats des régressions effectuées sur les multiples jeux de données imputés. Elle lit les estimations depuis 'outreg' et produit une inférence statistique finale (estimations des paramètres, erreurs standard, tests) qui est valide en tenant compte de la variabilité due à l'imputation.
La procédure MIANALYZE combine les résultats des régressions effectuées sur les multiples jeux de données imputés. Elle lit les estimations depuis 'outreg' et produit une inférence statistique finale (estimations des paramètres, erreurs standard, tests) qui est valide en tenant compte de la variabilité due à l'imputation.
Copié !
| 1 | PROC MIANALYZE DATA=outreg edf=28; |
| 2 | modeleffects Intercept RunTime RunPulse; |
| 3 | test Intercept, RunTime=RunPulse / mult; |
| 4 | RUN; |
Ce matériel est fourni "tel quel" par We Are Cas. Il n'y a aucune garantie, expresse ou implicite, quant à la qualité marchande ou à l'adéquation à un usage particulier concernant le matériel ou le code contenu dans les présentes. We Are Cas n'est pas responsable des erreurs dans ce matériel tel qu'il existe maintenant ou existera, et We Are Cas ne fournit pas de support technique pour celui-ci.
Informations de Copyright : S A S S A M P L E L I B R A R Y
