Jak używać instrukcji proc glmselect w sas-ie

Możesz użyć instrukcji PROC GLMSELECT w SAS-ie, aby wybrać najlepszy model regresji na podstawie listy potencjalnych zmiennych predykcyjnych.

Poniższy przykład pokazuje, jak używać tego stwierdzenia w praktyce.

Przykład: Jak używać PROC GLMSELECT w SAS-ie do wyboru modelu

Załóżmy, że chcemy dopasować model regresji liniowej, który wykorzystuje (1) liczbę godzin spędzonych na nauce, (2) liczbę zdanych egzaminów przygotowawczych i (3) płeć, aby przewidzieć egzamin końcowy uczniów.

Najpierw użyjemy następującego kodu, aby utworzyć zbiór danych zawierający te informacje dla 20 uczniów:

 /*create dataset*/
data exam_data;
    input hours prep_exams gender $score;
    datalines ;
1 1 0 76
2 3 1 78
2 3 0 85
4 5 0 88
2 2 0 72
1 2 1 69
5 1 1 94
4 1 0 94
2 0 1 88
4 3 0 92
4 4 1 90
3 3 1 75
6 2 1 96
5 4 0 90
3 4 0 82
4 4 1 85
6 5 1 99
2 1 0 83
1 0 1 62
2 1 0 76
;
run ;

/*view dataset*/
proc print data =exam_data;

Następnie użyjemy instrukcji PROC GLMSELECT do zidentyfikowania podzbioru zmiennych predykcyjnych, który da najlepszy model regresji:

 /*perform model selection*/
proc glmselect data =exam_data;
    classgender ;
    model score = hours prep_exams gender;
run ;

Uwaga : w stwierdzeniu klasy uwzględniliśmy płeć , ponieważ jest to zmienna kategoryczna.

Pierwsza grupa tabel w wynikach przedstawia przegląd procedury GLMSELECT:

Widzimy, że kryterium stosowanym do zaprzestania dodawania lub usuwania zmiennych z modelu było SBC , czyli kryterium informacyjne Schwarza , czasami nazywane kryterium informacyjnym Bayesa .

Zasadniczo instrukcja PROC GLMSELECT kontynuuje dodawanie lub usuwanie zmiennych z modelu, aż znajdzie model o najniższej wartości SBC, który jest uważany za „najlepszy” model.

Poniższa grupa tabel pokazuje, jak zakończyła się selekcja krok po kroku:

Widzimy, że model zawierający tylko pierwotny człon miał wartość SBC wynoszącą 93,4337 .

Dodając godziny jako zmienną predykcyjną w modelu, wartość SBC spadła do 70,4452 .

Najlepszym sposobem na ulepszenie modelu było dodanie płci jako zmiennej predykcyjnej, ale w rzeczywistości zwiększyło to wartość SBC do 71,7383.

Zatem ostateczny model uwzględnia jedynie człon wyrazu wolnego i badane czasy.

Ostatnia część wyniku przedstawia podsumowanie dopasowanego modelu regresji:

Możemy wykorzystać wartości z tabeli Oszacowania parametrów do napisania dopasowanego modelu regresji:

Wynik egzaminu = 67,161689 + 5,250257 (godziny nauki)

Możemy również zobaczyć różne metryki, które mówią nam, jak dobrze ten model pasuje do danych:

Wartość R-Square informuje nas o procentowym zróżnicowaniu wyników egzaminu, które można wytłumaczyć liczbą godzin nauki i liczbą zdanych egzaminów przygotowawczych.

W tym przypadku 72,73% różnic w wynikach egzaminów można wytłumaczyć liczbą przepracowanych godzin i liczbą zdanych egzaminów przygotowawczych.

Wartość Root MSE jest również przydatna. Stanowi to średnią odległość między obserwowanymi wartościami a linią regresji.

W tym modelu regresji zaobserwowane wartości odbiegają średnio o 5,28052 jednostki od linii regresji.

Uwaga : Pełną listę potencjalnych argumentów, których możesz użyć w PROC GLMSELECT, znajdziesz w dokumentacji SAS-a .

Dodatkowe zasoby

Poniższe samouczki wyjaśniają, jak wykonywać inne typowe zadania w SAS-ie:

Jak wykonać prostą regresję liniową w SAS-ie
Jak wykonać wielokrotną regresję liniową w SAS-ie
Jak wykonać regresję wielomianową w SAS-ie
Jak przeprowadzić regresję logistyczną w SAS-ie