sas中进行logistic回归时数据的一些预处理问题

1、sas中用logsitic做回归预测时，当数值型自变量的个数超过100个时，直接上来先让每个自变量对因变量进行逻辑回归，对于不显著的一些变量进行淘汰，之后再进行剩余变量的探索和处理等的话，会不会因为某些自变量存在缺失值或者异常值得情况，使得本来不显著的变量处理之后变得显著了？

2、如果对于剩余的数值型变量进行探索时，都需要做哪些工作？ 是不是每个数值型自变量都要求服从正态分布？

3、对于数值型自变量。如果取值仅仅是一些离散的数值，例如1、2、3等时，可不可以直接当做自变量放在模型中？

4、对于字符型变量，当他作为分类变量出现在class语句以后，model后面的自变量还需不需要该字符型变量？

最近学逻辑回归，感觉有好多困惑？还望大神们不吝指教，感激不尽！！！

第一个问题，对于自变量的处理，比如缺失值等等。主要根据实际情况来，缺失值如果是因为数据采集过程的随机缺失，就可以用插值法填补。但如果是确实没有数据，那么要么将缺失值当成一个分类，要么就当成0，确实没有这个数据么。然后我一般是数据缺失超过50%就不用了。
第二个问题，对于量纲大，偏度，峰度大的变量，进行Ln转化。对于其他的变量，也要考察是不是极端值特别极端，小于一分位数的值，用一分位数减去三倍四分卫间距代替。
第三个问题，离散变量是可以当作逻辑回归的自变量的。当然最好按照目标连续化。
第四个问题，不需要。

第一，会不会因为某些自变量存在缺失值或者异常值得情况，使得本来不显著的变量处理之后变得显著了  - 理论上存在一定可能性 但实际分析前应清洗过数据 才可以探讨显著与否
自变量处理主要涉及到异常值处理和缺失值处理，要根据实际的数据情况来判断异常情况和缺失值的填补方法

第三，如果取值的种类不多的话，建议将其作为因子型变量，即独热编码，进行回归