线性回归：使用 SAS 查找重要的类变量答案

【问题标题】：Linear Regression: Finding Significant Class Variables Using SAS线性回归：使用 SAS 查找重要的类变量
【发布时间】：2019-04-13 00:44:03
【问题描述】：

我正在尝试使用 SAS 来解决一个非常基本的回归问题，但我无法获得完整的结果集。

我使用的数据集包括教授的整体素质（因变量），并具有以下自变量：gender、numYears、pepper、discipline、easyness 和 rateInterest。

我正在使用下面的代码来生成数据集的分析：

proc glm data=WORK.IMPORT;
    class gender pepper discipline;
    model quality = gender numYears pepper discipline easiness raterInterest;
run;

我得到了以下结果，这主要是我需要的，除了我想确切地了解类变量（性别、胡椒、纪律）的哪些响应是重要的。

从这些结果中，我可以看出轻松、利率、胡椒和纪律是显着的；但是，我想看看胡椒和纪律的哪些具体价值是重要的。例如，辣椒被学生回答为“是”或“否”。我想看看质量是否与胡椒或胡椒特别相关。谁能给我一些关于如何更改我的代码以返回类变量细分的建议？

这也是数据集的链接，以防需要参考： https://drive.google.com/file/d/1Kc9cb_n-l7qwWRNfzXtZi5OsiY-gsYZC/view?usp=sharing Rateprof

我真的非常感谢任何帮助！

【问题讨论】：

标签： sas regression linear-regression p-value

【解决方案1】：

将solution 选项添加到您的model 语句以分解每个类变量的统计信息；但是，参考参数化在proc glm 中不可用，并且会导致估计有偏差。有一些方法可以继续使用proc glm，但最简单的解决方案是改用proc glmselect。 proc glmselect 允许您指定参考参数化。使用selection=none 选项禁用变量选择。

proc glmselect data=WORK.IMPORT;
    class gender(ref='female') pepper discipline / param=reference;
    model quality = gender numYears pepper discipline easiness raterInterest / selection=none;
run;

对此的解释是：

所有其他变量保持不变，女性对质量评级的影响是 -0.046782 单位与男性相比。这个变量在统计上不显着。

每个班级级别的细分是与参考值的比较。默认情况下，选择的参考值是所有类值内部排序后的最后一级。您可以在每个类变量后使用ref= 选项指定引用。例如，如果您想使用女性而不是男性作为参考值：

proc glmselect data=WORK.IMPORT;
    class gender(ref='female') pepper discipline;
    model quality = gender numYears pepper discipline easiness raterInterest / selection=none;
run;

请注意，您也可以使用 prox mixed 执行此操作。出于此特定目的，偏好取决于您喜欢的输出样式。 proc mixed 是一种更灵活的方式来运行回归，但在这里有点矫枉过正。

proc mixed data=import;
    class gender pepper discipline;
    model quality = gender numYears pepper discipline easiness raterInterest / solution;
run;

【讨论】：