关于Logistic回归中哑变量的设置及OR值的计算

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

在proc logistic中，如果自变量是多值 分类变量，需要设置哑变量。多数统计书中会告诉你如果某一变量有N个值，那么你可以设N-1个哑变量。早期的SAS书或统计书中都会教 你用if语句设置哑变量，而后代入Logistic模型。其实，proclogistic是可以用class语句为分类变量 自动设置哑变量。具体而言，是在class语句后加选面para＝effct|glm|ref来实现的。不用para选项时，默认是effect.

借sashelp.class为例（只是图个方便，不要考虑实际意义）

data  class;

   setsashelp.class;

cat=floor(ranuni(199323)*3+1);

run;

proclogisticdata=class;

     classcat;

     modelsex=cat age height weight;

run;

可以看到哑变量的设计矩阵。

把三种PARA全跑一下：

proclogisticdata=class;

        classcat/param=effect;

modelsex=cat age height weight;

run;

proclogisticdata=class;

        classcat/param=glm;

modelsex=cat age height weight;

run;

proclogisticdata=class;

        classcat/param=ref;

modelsex=cat age height weight;

run;

总结其设计矩阵及OR值 如下：

可以看出，Para的不同参数，其设计矩阵是不一样的。估计的系数也不尽相同。但SAS给出的OR是相同的。其间的计算过程是怎么样的，对这一块一直有些模糊，今天终于清理了下。

Logistic的线性部分其实是ln(Odds)部分，odds=exp(线性部分)。当自变量取值 分别为e1, e0时，e1相对于e0的Odds  Ratio＝exp(β(e1-e0) )。据此，把设计矩阵里的值代入，可推得其计算过程大体如下图黄色部分。

当param＝glm时，cat=3的β＝0，所以和para=ref的结果是一样的。Para=effect时，β、OR会很细小的差异。

请多多指导，谢谢。

http://blog.sina.com.cn/s/blog_41889b900101fskx.html

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

关键词：logistic回归 logistic ogistic logisti logist 计算

支持楼主，还得需要在实践中才能体会到啊，继续体会

henryyhl 发表于 2012-11-28 08:50
支持楼主，还得需要在实践中才能体会到啊，继续体会

谢谢支持。

支持一下哦，从设计矩阵的角度谈到了这个问题的原理

pingguzh 发表于 2012-12-3 10:19
支持一下哦，从设计矩阵的角度谈到了这个问题的原理

呵呵，这个贴子要沉了。好像没人感兴趣。

谢谢分享，请教一个问题，是否遇见过OR不包含1，而P值大于0.05的情况？我现在碰到了不知道是什么原因

可青 发表于 2013-3-23 11:04
谢谢分享，请教一个问题，是否遇见过OR不包含1，而P值大于0.05的情况？我现在碰到了不知道是什么原因

应该很接近１吧？

可青 发表于 2013-3-23 11:04
谢谢分享，请教一个问题，是否遇见过OR不包含1，而P值大于0.05的情况？我现在碰到了不知道是什么原因

看似矛盾的可能（也许唯一）原因是使用了effect的参数化方式（或者说非glm和ref）。p值检测的是beta=0，恒等于检测exp（beta） =1，因为exp方程是1-1的。而后者即是在glm和ref的条件下检测or=1.不包含1的or在GLM/REF的条件下当然意味着p<0.05.
另外通常意义上的OR和设计矩阵是独立的。所以无论用了何种设计矩阵，or往往是不变的，改变得的是exp（beta），就是通常讲的ilink。
例子里的or有差异，估计是在excel做运算时的输入值的计算误差造成的。也就是说PROC logistic的ODDSRATIOS给出的OR值和模型里规定的设计矩阵没有关系，应该并不存在差异，即使是微小的差异。
京剧

不同的param的设置，其得到德OR必须是一样的，你当中的细微差别是因为你导出的回归系数只是精确到小数点后4位，其实这个系数的小数点后长度可能长达100位，甚至是无穷。所以在将第5位小数点数值四舍五入后，系数本身的值在不同的param=设置下有了细微的差别，然后就显示在OR值上了。这三个param=的设置本身就是构建了不同的设计矩阵，其原理是一样的。其结果是一致的。
Logistic Model是一个可以很数学化的模型，其过程简单、直观、易懂。背离统计学理论本身做程序的测试，以机器结果为理论根本，是本末倒置的。

比较不理解的是，设置这三种模式有何区别？是为了分别应对不同的任务么？