首页 理论教育 多元统计分析SAS实现

多元统计分析SAS实现

时间:2023-10-30 理论教育 版权反馈
【摘要】:在纵向数据中,个体为水平2单位,个体的重复测量为水平1单位。SAS结果:SAS部分结果如下:图13-32协方差参数估计图13-33固定效应估计值SAS结果解释:图13-33结果显示,变量region的效应为0.1219,表示城市儿童在初始水平的超重率与比农村儿童高,但是没有统计学差异;变量time的效应为0.1937,表示随着时间推移,儿童超重概率增加,年龄越大,超重概率越大;男孩的超重概率比女孩高。

多元统计分析SAS实现

在纵向数据中,个体为水平2单位,个体的重复测量为水平1单位。限于篇幅,我们仅示范多层二分类变量Logistic回归模型在纵向数据中的应用。本节我们还是使用数据集exe 13,结局测量为在每次的测量中儿童是否超重。具体使用的变量如下。

结局变量:

w:是否超重,二分类变量(根据BMI>24划分为两类,1为超重,0为不超重)。

水平1解释变量:在发展模型中,水平1解释变量是随时间而变化的研究对象个体内测量,在本研究中包括:

time:调查时间,对1991年、1993年、1997年、2000年、2004年、2006年、2009年、2011年和2015年分别编码为:0、2、6、9、13、15、18、20。

水平2解释变量:在发展模型中,水平2解释变量是不随时间而变化的研究对象个体间测量,数据包括:

region:基线调查时的居住地(1=城市,0=农村

age:连续变量,为基线调查时的年龄。

gender:性别(1=男,0=女);

weight:基线调查时是否超重(1=超重;0=不超重)

我们假设个体协变量仅对是否超重发生比的初始水平有影响,采用多层模型-随机模型可表达为:

组合模型为:

SAS程序:

proc glimmix data=exe13 method=rspl;(www.xing528.com)

class idind;

model w(event=ˈ1ˈ)=time region mean_age gender weight/s dist=binary link=logit ddfm=bw;

random int time/subject=idind type=vc;

nloptions tech=nrridg;

run;

SAS程序解释:

proc glimmix程序与proc mixed语句非常相似,该程序默认的参数估计法method是限制性/残差虚拟似然法(restricted/redidual pseudo likelihood,RSPL),method选项也可设定为ML估计法,如laplace。在model语句中,设定二分类结局变量后,括号内选项指定分析结局变量w=1的概率。选项dist=binary允许我们选择二分类结局测量的具体类别的概率,本例中计算的是w=1的概率。link=logit选项设定模型的连接函数为Logit连接函数。ddfm=bw设定为betwithin方法将残差自由度分解为组间自由度和组内自由度。random语句中的type选择用于指定在估计随机效应时使用的协方差结构,我们使用了type=VC选项,这是SAS中的默认选项,也是最简单的结构,当指定随机效应时,协方差结构会很快变得非常复杂。因此,在估计随机截距和斜率模型时,我们需要检查日志——接收“非正定G-matrix”错误并不少见。当这种情况发生时,随机效应的结果是无效的,模型的协方差部分需要简化(Mihaela,2015)。最后nloptions语句中的tech选项可设定不同的非线性参数估计化技术。

SAS结果:

SAS部分结果如下:

图13-32 协方差参数估计

图13-33 固定效应估计值

SAS结果解释:

图13-33结果显示,变量region的效应为0.1219,表示城市儿童在初始水平的超重率与比农村儿童高,但是没有统计学差异(p>0.05);变量time的效应为0.1937(p<0.05),表示随着时间推移,儿童超重概率增加,年龄越大(0.1124,p<0.05),超重概率越大;男孩的超重概率比女孩高(0.2452,p<0.05)。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈