Exemples d'Analyses de Régression Logistique

Niveau de difficulté

Débutant

Publié le : 04/09/2022

Le script démontre l'utilisation de PROC LOGISTIC à travers quatre exemples distincts. Le premier analyse des facteurs influençant l'incarcération à partir de données de fréquence. Le deuxième modélise le lien entre le cancer du poumon et le tabagisme. Le troisième exemple construit un modèle prédictif pour un résultat binaire, l'enregistre avec 'outmodel', puis l'utilise pour scorer de nouvelles observations. Le dernier exemple utilise la syntaxe 'événements/essais' (model failed/trial) pour analyser des données de défaillance, génère des graphiques et effectue également un scoring sur de nouvelles données.

Analyse des données

Type : CREATION_INTERNE

Toutes les données ('jail', 'lungcancer', 'car', 'oring', 'new') sont créées directement dans le script à l'aide d'instructions DATA STEP et de données en ligne (CARDS).

1 Bloc de code

DATA STEP Data

Explication :
Crée la table 'jail' en lisant des données catégorielles et de fréquence en ligne pour une analyse de contingence.

Copié !

1	DATA jail;
2	INPUT live $ arrest $ jail $ count;
3	CARDS;
4	n y y 42
5	n y n 109
6	n n y 17
7	n n n 75
8	y y y 33
9	y y n 175
10	y n y 53
11	y n n 359
12	;
13	RUN;

2 Bloc de code

PROC LOGISTIC

Explication :
Applique un modèle de régression logistique sur la table 'jail'. 'jail' est la variable dépendante, et 'live' et 'arrest' sont les prédicteurs. L'option 'FREQ' pondère les observations par la variable 'count'.

Copié !

1	PROC LOGISTIC DESCENDING;
2	FREQ count;
3	CLASS live arrest;
4	MODEL jail = live arrest / SCALE = NONE AGGREGATE;
5	RUN;

3 Bloc de code

DATA STEP Data

Explication :
Crée la table 'lungcancer' à partir de données en ligne pour modéliser la relation entre le cancer et le tabagisme.

Copié !

1	DATA lungcancer;
2	INPUT cancer $ smoking $ count;
3	CARDS;
4	1 1 9
5	1 0 5
6	0 1 46
7	0 0 40
8	;
9	RUN;

4 Bloc de code

PROC LOGISTIC

Explication :
Modélise la probabilité de cancer ('cancer') en fonction du tabagisme ('smoking'). L'option 'DESCENDING' modélise P(cancer='1').

Copié !

1	PROC LOGISTIC DATA = lungcancer DESCENDING;
2	FREQ count;
3	CLASS smoking cancer;
4	MODEL cancer = smoking / SCALE = NONE AGGREGATE;
5	RUN;

5 Bloc de code

DATA STEP Data

Explication :
Crée la table 'car' avec deux prédicteurs continus ('x1', 'x2') et une réponse binaire ('y').

Copié !

1	DATA car;
2	INPUT x1 x2 y;
3	CARDS;
4	45 2 0
5	40 4 1
6	60 3 0
7	50 2 0
8	55 2 0
9	50 5 1
10	35 7 1
11	65 10 1
12	53 2 0
13	48 1 0
14	37 5 1
15	31 7 1
16	40 4 0
17	75 8 1
18	43 9 1
19	49 2 0
20	37.5 4 1
21	71 11 1
22	34 5 0
23	27 6 1
24	;
25	RUN;

6 Bloc de code

PROC LOGISTIC

Explication :
Crée un modèle de régression logistique basé sur les données 'car' et le sauvegarde dans un item nommé 'predmodel' sans afficher de sortie.

Copié !

1
2	PROC LOGISTIC DESCENDING
3	DATA =car outmodel=predmodel noprint;
4	MODEL y = x1 x2 / SCALE = NONE AGGREGATE;
5	RUN;
6

7 Bloc de code

DATA STEP Data

Explication :
Crée une nouvelle table 'new' avec une observation à scorer.

Copié !

1	DATA new;
2	INPUT x1 x2 ;
3	CARDS;
4	44 2.5
5	;
6	RUN;

8 Bloc de code

PROC LOGISTIC Data

Explication :
Utilise le modèle 'predmodel' précédemment sauvegardé pour calculer les probabilités prédites sur la table 'new'. Les résultats sont stockés dans 'newprob' puis affichés.

Copié !

1	PROC LOGISTIC inmodel=predmodel;
2	score DATA=new out=newprob;
3	RUN;
4	PROC PRINT DATA=newprob; RUN;

9 Bloc de code

DATA STEP Data

Explication :
Crée la table 'oring' contenant des données sur la défaillance d'anneaux toriques (O-rings) avec le nombre d'essais, d'échecs et la température.

Copié !

1	DATA oring;
2	INPUT trial failed temp ;
3	CARDS;
4	6 0 66
5	6 1 70
6	6 0 69
7	6 0 68
8	6 0 67
9	6 0 72
10	6 0 73
11	6 0 70
12	6 1 57
13	6 1 63
14	6 1 70
15	6 0 78
16	6 0 67
17	6 2 53
18	6 0 67
19	6 0 75
20	6 0 70
21	6 0 81
22	6 0 76
23	6 0 79
24	6 2 75
25	6 0 76
26	6 1 58
27	;
28	RUN;

10 Bloc de code

PROC LOGISTIC

Explication :
Ajuste un modèle logistique en utilisant la syntaxe 'événements/essais' (model failed/trial) pour modéliser la probabilité d'échec en fonction de la température.

Copié !

1
2	PROC LOGISTIC
3	DATA=oring ;
4	model failed/trial = temp ;
5
6	RUN;
7

11 Bloc de code

PROC LOGISTIC Data

Explication :
Active les graphiques ODS et génère un graphique d'effet ('effect plot') pour la température. Les statistiques du modèle sont également sauvegardées dans la table 'pdata'.

Copié !

1	ods graphics on;
2	PROC LOGISTIC DATA=oring plots(only)=(effect);
3	MODEL failed/trial = temp / SCALE=NONE AGGREGATE;
4	OUTPUT out=pdata;
5	RUN;

12 Bloc de code

PROC LOGISTIC Data

Explication :
Sauvegarde le modèle 'events/trials' dans 'predmodel', puis l'utilise pour prédire la probabilité d'échec pour de nouvelles valeurs de température. Les résultats sont affichés.

Copié !

1	PROC LOGISTIC DESCENDING DATA =oring outmodel=predmodel noprint;
2	MODEL failed/trial = temp / SCALE = NONE AGGREGATE;
3	RUN;
4
5	DATA new;
6	INPUT temp ;
7	CARDS;
8	50
9	40
10	30
11	;
12	RUN;
13
14	PROC LOGISTIC inmodel=predmodel;
15	score DATA=new out=newprob;
16	RUN;
17
18	PROC PRINT DATA=newprob; 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.

Documentation liée

Scoring Distribué : Déployez vos Modèles Analytiques en RAM

Cet exemple démontre comment télécharger un 'analytic store' (astore) depuis le système de fichie...