O exemplo a seguir mostra como usar essa afirma\u00e7\u00e3o na pr\u00e1tica.<\/span><\/p>\n Suponha que queiramos ajustar um modelo de regress\u00e3o linear m\u00faltipla que usa (1)<\/strong> o n\u00famero de horas gastas estudando, (2)<\/strong> o n\u00famero de exames preparat\u00f3rios realizados e (3)<\/strong> o g\u00eanero para prever a nota final dos alunos no exame.<\/span><\/p>\n Primeiro, usaremos o seguinte c\u00f3digo para criar um conjunto de dados contendo essas informa\u00e7\u00f5es para 20 alunos:<\/span> <\/p>\n A seguir, usaremos a instru\u00e7\u00e3o PROC GLMSELECT<\/strong> para identificar o subconjunto de vari\u00e1veis preditoras que produz o melhor modelo de regress\u00e3o:<\/span><\/p>\n Nota<\/strong> : inclu\u00edmos g\u00eanero<\/strong> na declara\u00e7\u00e3o de classe<\/strong> porque \u00e9 uma vari\u00e1vel categ\u00f3rica.<\/span><\/p>\n O primeiro grupo de tabelas na sa\u00edda mostra uma vis\u00e3o geral do procedimento GLMSELECT:<\/span> <\/p>\n Podemos observar que o crit\u00e9rio utilizado para parar de adicionar ou retirar vari\u00e1veis do modelo foi o SBC<\/strong> , que \u00e9 o crit\u00e9rio de informa\u00e7\u00e3o de Schwarz<\/em> , \u00e0s vezes chamado de crit\u00e9rio de informa\u00e7\u00e3o bayesiano<\/em> .<\/span><\/p>\n Essencialmente, a instru\u00e7\u00e3o PROC GLMSELECT<\/strong> continua adicionando ou removendo vari\u00e1veis do modelo at\u00e9 encontrar o modelo com o valor SBC mais baixo, que \u00e9 considerado o \u201cmelhor\u201d modelo.<\/span><\/p>\n O seguinte grupo de tabelas mostra como terminou a sele\u00e7\u00e3o passo a passo:<\/span> <\/p>\n Podemos ver que um modelo apenas com o termo original teve um valor SBC de 93,4337<\/strong> .<\/span><\/p>\n Ao adicionar horas como vari\u00e1vel preditora no modelo, o valor SBC caiu para 70,4452<\/strong> .<\/span><\/p>\n A melhor maneira de melhorar o modelo foi adicionar o g\u00eanero como vari\u00e1vel preditora, mas isso na verdade aumentou o valor do SBC para 71,7383.<\/strong><\/span><\/p>\n Assim, o modelo final inclui apenas o termo de intercepta\u00e7\u00e3o e os tempos estudados.<\/span><\/p>\n A \u00faltima parte do resultado mostra o resumo deste modelo de regress\u00e3o ajustado:<\/span> <\/p>\n Podemos usar os valores da tabela Estimativas de Par\u00e2metros<\/strong> para escrever o modelo de regress\u00e3o ajustado:<\/span><\/p>\n Nota do exame = 67,161689 + 5,250257 (horas estudadas)<\/strong><\/span><\/p>\n Tamb\u00e9m podemos ver v\u00e1rias m\u00e9tricas que nos dizem qu\u00e3o bem este modelo se ajusta aos dados:<\/p>\n O valor R-Square<\/strong> nos indica a porcentagem de varia\u00e7\u00e3o nas notas dos exames que pode ser explicada pelo n\u00famero de horas estudadas e pelo n\u00famero de exames preparat\u00f3rios realizados.<\/span><\/p>\n Nesse caso, 72,73%<\/strong> da varia\u00e7\u00e3o nas notas dos exames pode ser explicada pela quantidade de horas estudadas e pela quantidade de exames preparat\u00f3rios realizados.<\/span><\/p>\n O valor Root MSE<\/strong> tamb\u00e9m \u00e9 \u00fatil saber. Isto representa a dist\u00e2ncia m\u00e9dia entre os valores observados e a linha de regress\u00e3o.<\/span><\/p>\n Neste modelo de regress\u00e3o, os valores observados desviam-se em m\u00e9dia 5,28052<\/strong> unidades da reta de regress\u00e3o.<\/span><\/p>\n Nota<\/strong> : Consulte a documenta\u00e7\u00e3o do SAS<\/a> para obter uma lista completa de poss\u00edveis argumentos que voc\u00ea pode usar com PROC GLMSELECT<\/strong> .<\/span><\/p>\n Os tutoriais a seguir explicam como executar outras tarefas comuns no SAS:<\/span><\/p>\n Como realizar regress\u00e3o linear simples no SAS<\/a> Voc\u00ea pode usar a instru\u00e7\u00e3o PROC GLMSELECT no SAS para selecionar o melhor modelo de regress\u00e3o com base em uma lista de poss\u00edveis vari\u00e1veis preditoras. O exemplo a seguir mostra como usar essa afirma\u00e7\u00e3o na pr\u00e1tica. Exemplo: como usar PROC GLMSELECT em SAS para sele\u00e7\u00e3o de modelo Suponha que queiramos ajustar um modelo de regress\u00e3o […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-4596","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n Exemplo: como usar PROC GLMSELECT em SAS para sele\u00e7\u00e3o de modelo<\/strong><\/span><\/h2>\n
\/*create dataset*\/\n<\/span>data<\/span> exam_data;\n input<\/span> hours prep_exams gender $score;\n datalines<\/span> ;\n1 1 0 76\n2 3 1 78\n2 3 0 85\n4 5 0 88\n2 2 0 72\n1 2 1 69\n5 1 1 94\n4 1 0 94\n2 0 1 88\n4 3 0 92\n4 4 1 90\n3 3 1 75\n6 2 1 96\n5 4 0 90\n3 4 0 82\n4 4 1 85\n6 5 1 99\n2 1 0 83\n1 0 1 62\n2 1 0 76\n;\nrun<\/span> ;\n\n\/*view dataset*\/<\/span>\nproc print<\/span> data<\/span> =exam_data;\n<\/strong><\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/glm1.png\")
<\/p>\n \/*perform model selection*\/\n<\/span>proc glmselect<\/span> data<\/span> =exam_data;\n classgender<\/span> ;\n model<\/span> score = hours prep_exams gender;\nrun<\/span> ;\n<\/strong><\/span><\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/glm2.png\")
<\/p>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/glm3.png\")
<\/p>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/glm4.png\")
<\/p>\n Recursos adicionais<\/strong><\/span><\/h2>\n
Como realizar regress\u00e3o linear m\u00faltipla no SAS<\/a>
Como realizar regress\u00e3o polinomial no SAS<\/a>
Como realizar regress\u00e3o log\u00edstica no SAS<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"