Le script commence par créer un jeu de données interne nommé 'Icecream' via des datalines, contenant des informations sur le nombre d'observations ('count'), la marque de glace ('brand') et la préférence de goût ('taste' qui est une variable ordinale). Ensuite, la procédure GENMOD est invoquée pour modéliser la variable de réponse ordinale 'taste' en fonction de la variable catégorielle 'brand'. Le modèle est spécifié avec une distribution multinomiale et une fonction de lien logit cumulatif. L'option 'aggregate=brand' est utilisée pour grouper les observations par marque, et l'option 'type1' demande des tests de type 1 pour les effets du modèle. Enfin, trois instructions 'estimate' calculent les odds ratios log-transformés (LogOR) entre différentes catégories de la variable 'brand' et les exponentie pour obtenir les odds ratios.
Analyse des données
Type : CREATION_INTERNE
Le jeu de données 'Icecream' est créé directement dans le script à l'aide d'une instruction DATA et de datalines. Il contient des variables 'count' (fréquence), 'brand' (marque de glace) et 'taste' (préférence de goût ordinale : vg, g, m, b, vb).
1 Bloc de code
DATA STEP Data
Explication : Ce bloc DATA STEP crée le jeu de données 'Icecream' qui sera utilisé pour l'analyse. Il définit trois variables : 'count' (numérique pour la fréquence), 'brand' (caractère pour la marque) et 'taste' (caractère pour le niveau de goût). Les données sont fournies directement dans le script via l'instruction DATALINES, ce qui en fait une source de données interne.
Copié !
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 Bloc de code
PROC GENMOD
Explication : Cette procédure PROC GENMOD effectue une analyse de régression logistique cumulative. L'option 'rorder=data' maintient l'ordre des catégories de la variable de réponse tel qu'il apparaît dans les données. L'instruction 'freq count;' spécifie que 'count' contient les fréquences de chaque observation. 'class brand;' déclare 'brand' comme une variable catégorielle. L'instruction 'model' définit le modèle : 'taste' est la variable de réponse dépendante, modélisée par 'brand'. Les options 'dist=multinomial' et 'link=cumlogit' indiquent un modèle multinomial ordinal avec une fonction de lien logit cumulatif. 'aggregate=brand' agrège les observations par marque pour le calcul du quasi-likelihood. 'type1' demande des sommes des carrés de Type 1. Enfin, les instructions 'estimate' calculent les odds ratios log-transformés (et leurs exponentiées) pour les comparaisons entre les marques de glaces.
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
SAS et tous les autres noms de produits ou de services de SAS Institute Inc. sont des marques déposées ou des marques de commerce de SAS Institute Inc. aux États-Unis et dans d'autres pays. ® indique un enregistrement aux États-Unis. WeAreCAS est un site communautaire indépendant et n'est pas affilié à SAS Institute Inc.
Ce site utilise des cookies techniques et analytiques pour améliorer votre expérience.
En savoir plus.
