求大神帮忙，零膨胀模型zeromodel如果协变量是定性变量的处理方法？

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

零膨胀模型zeromodel如果协变量是定性变量的处理方法。看了很多代码，比如如果是性别，直接就女性为1，男性为2，感觉这样做不对，男性不一定是女性的一倍比例。
data zinb;
input id count family diabetes gender age hr esv@@;
cards;
1 0 0 0 2 69 89 28
2 0 0 0 1 52 91 49
3 0 1 1 1 35 86 23
......
;
proc countreg data=zinb covest=hessian  method=nra;
model count=family diabetes gender age hr esv/dist=zinb;
zeromodel count~family diabetes gender age hr esv/link=logistic;
run;
比如这段代码，它将gender赋值为1和2。如何解释？
我想写一个zeromodel的程序，里面的协变量基本上都是定性变量，该如何处理？求各位大神帮帮忙呀！

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

分享0 收藏0 回帖

关键词：model zero mode 处理方法 ODE diabetes family method count 女性

这个用虚拟变量不行吗？class列出你的定型变量，sas会处理的，我最近刚好看到那

FB_FLORA 发表于 2012-9-28 15:52
这个用虚拟变量不行吗？class列出你的定型变量，sas会处理的，我最近刚好看到那

CLASS是放在proc coutreg里面吗？我放里面会报错呀！

countreg not accept class statement. you can move the model to proc genmod.
about gender: f vs. m, 0 vs. 1, 1 vs 2, for main effect only model, should be no difference in the model, except for some absorption to the intercept. all in all, making gender dummy is a general way for dealing with no CLASS variable allowed, such reg procedure in sas. jingju

二分类变量在回归模型中，设不设置成分类变量，效果是一样的；
https://bbs.pinggu.org/thread-1539337-1-1.html；
我在这里做过详细解释；
楼主要尝试设置分类变量的话，试试genmod;
proc genmod data=zinb;
model count=family diabetes gender age hr esv/dist=zip link=log;/*zinb我不知道新版本支持不支持*/
zeromodel  family diabetes gender age hr esv;
run;

ziyenano 发表于 2012-9-28 21:50
二分类变量在回归模型中，设不设置成分类变量，效果是一样的；
https://bbs.pinggu.org/thread-1539337-1-1 ...

你好，我按你说的方法，运行出这样的结果：
写模型时是不是
=exp(intercept+a1car_use+a2MARRIED+a3DENSITY1+a4DENSITY2+a5DENSITY3+a6INCOME+a7GENDER)
比如car_use取1代表Commercial ，取0代表Private。再如DENSITY，当是Highly Rural的时候DENSITY1取1，并且此时a3=0.1263。当Highly Urban时，DENSITY2取1，并且a4=-0.0365 。依次下去。当为Urban时，DENSITY1=DENSITY2=DENSITY3=0.是这样理解吗？
还有我用的是SAS9.2版本，好像不能genmod里直接用zinb,9.3版本有这个功能吗？

Parameter                  DF   Estimate      Error          Limits         Chi-Square   Pr > ChiSq

Intercept                   1     0.5203     0.0707     0.3818     0.6588        54.18       <.0001
CAR_USE     Commercial      1     0.0272     0.0577    -0.0860     0.1403         0.22       0.6377
CAR_USE     Private         0     0.0000     0.0000     0.0000     0.0000          .          .
MARRIED     No              1     0.0156     0.0550    -0.0921     0.1234         0.08       0.7760
MARRIED     Yes             0     0.0000     0.0000     0.0000     0.0000          .          .
DENSITY     Highly Rural    1     0.1263     0.1921    -0.2501     0.5028         0.43       0.5108
DENSITY     Highly Urban    1    -0.0365     0.0551    -0.1445     0.0715         0.44       0.5079
DENSITY     Rural           1    -0.1641     0.1333    -0.4254     0.0972         1.52       0.2183
DENSITY     Urban           0     0.0000     0.0000     0.0000     0.0000          .          .
INCOME                      1     0.0000     0.0000    -0.0000     0.0000         0.20       0.6567
GENDER      F               1    -0.0153     0.0562    -0.1254     0.0949         0.07       0.7861
GENDER      M               0     0.0000     0.0000     0.0000     0.0000          .          .
Scale                       0     1.0000     0.0000     1.0000     1.0000

jingju11 发表于 2012-9-28 21:28
countreg not accept class statement. you can move the model to proc genmod.
about gender: f vs. m, ...

When there is no Class statement in the countreg procedure, could I define some new variables to treat qualitative variables.Such as DENSITY has four levels,Highly Rural,Highly Urban,Rural and Urban. Define density1=1 if   DENSITY is Highly Rural,density2=1 if   DENSITY is Highly Urban,density3=1 if   DENSITY is Rural ,density4=1 if   DENSITY is Urban or if   DENSITY is Urban density1=density2=density3=0.Then we use proc countreg to model with this new variable. Is this method correct? and Is there any difference between using Proc genmod and this method?

Silence. 发表于 2012-9-29 14:23
你好，我按你说的方法，运行出这样的结果：
写模型时是不是
=exp(intercept+a1car_use+a2MARRIED+a3DE ...

不是density取1，那里的1是DF(自由度)；
设置成分类变量，以density为例；
如果一个观测，它的density是highly rural，那此时模型该项的系数是0.1263；
如果它的density是highly urban，此时模型该项系数为-0.0365；
如果density是urban，此时模型该项系数为0

ziyenano 发表于 2012-9-29 14:51
不是density取1，那里的1是DF(自由度)；
设置成分类变量，以density为例；
如果一个观测，它的density是 ...

谢谢你的回复！

ziyenano 发表于 2012-9-29 14:51
不是density取1，那里的1是DF(自由度)；
设置成分类变量，以density为例；
如果一个观测，它的density是 ...

还想请教一下，看这本书的Generalized Linear Models for Insurance Data(Piet De Jong)里

When a potential explanatory variable is categorical, then it is “dummied up”
for inclusion into a multiple linear regression. For example, suppose the area of
residence of a policyholder is considered to be a potential explanatory variable
in a model for claim size y. If there are three areas A, B and C, then two
indicator (dummy) variables x1 and x2 are defined:
Area x1 x2
A 1 0
B 0 1
C 0 0
Suppose area is the only explanatory variable. Then the relationship ismodeled
as
y ≈ β0 + β1x1 + β2x2 .
This states that y ≈ β0 in area C, y ≈ β0 + β1 in area A, and y ≈ β0 + β2
in area B. Thus β1 is the difference between areas C and A, while β2 is the
difference between areas C and B.
这个虚拟变量该如何解释呢？