SAS 和 R 中的二项式检验 - 不同的结果

Question

我需要将二项式检验从 R 复制到 SAS，但我得到了不同的结果（或者我可能误解了 SAS 结果）。

为了简单地解释我的问题，我将使用来自这个维基百科的数据example，因为它提供了最终的解决方案；

假设您要计算在 235 个 6 面的公平骰子样本中获得 51 个或更多 6 的概率，因此每次试验中掷出 6 的真实概率为 1/6。 最终的解应该是0.02654。

在 R 中，代码如下：

binom.test(51,235,(1/6),alternative = "greater")

得到的结果是：

精确二项式检验

数据：51 和 235 成功次数 = 51，试验次数 = 235，
p 值 = 0.02654
备择假设：成功的真实概率大于 0.1666667
95% 置信区间：
0.1735253 1.0000000
样本估计：成功的概率
0.2170213

在 SAS 中，等效项应为：

DATA DICEROLL;
ROLL=51;
FREQQ=235;
PROB=1/6;
RUN;

data _null_;
set diceroll;
call symput("probability",prob);
run;

PROC FREQ DATA=DiceRoll ;
    TABLES FREQQ / BINOMIAL (P=&probability.) ALPHA=0.05;
    EXACT  BINOMIAL ;
    WEIGHT ROLL ;
RUN;

但是THIS是我得到的结果（其中没有p值=0.02654）

我尝试了几种方法来协调我的结果（尝试了 R 中的所有三种替代方法，尝试在 sas 中反转 ROLL 和 FREQQ，因为我不确定）但我仍然没有找到解决方案。 binom.test 和 proc freq + BINOMIAL 是否至少执行相同的测试？ 我是否误解了 SAS 输出？

提前感谢您的宝贵帮助！

=============================== 更新================ =============

我尝试了 reeza 和 BEMR 提出的两种方法，我觉得我已经接近解决方案了！ @BEMR： 正如我在评论中所写和解释的那样，如果我的变量是二分的，我应该如何调整 %r(1,6) ？您的代码适用于 6 面骰子的示例，但在我的实际情况下，我的成功变量假定值介于 0 和 1 之间，所以我不确定我必须做什么（如果我没有在开始）

@REEZA：您的解决方案似乎有效，但我不得不删除 /2；我猜您的第一个解决方案将 p 值计算为双面测试而不是单面测试。 无论如何，结果都很好，但是当成功数为 0 或接近 0 (1,2,3) 时，SAS 和 R 之间存在巨大差异。您知道任何解决方法吗？或者更好的是，假设测试在这两种情况下都不可靠是否安全？ 以下图片是我用reeza方法的结果，谢谢大家的宝贵合作！

Answer 1

您显然不需要以这种方式设置变量，但这更像是一对一的类型比较。 SAS 没有能力进行我在函数中看到的单方面测试，但我没有阅读太多内容或尝试确定它是否正确。但这是您应该在 SAS 中使用的方法类型来获得相似的数字，而不是 PROC FREQ。

    data demo;
nSuccesses=51;
prob_success=1/6;
nTrials = 235;

y=(1-cdf('BINOM', nsuccesses, prob_success, ntrials))/2;
run;

proc print data=demo;
run;

http://documentation.sas.com/?docsetId=lefunctionsref&docsetTarget=p1cxa81efqtsszn12ueyitll9esw.htm&docsetVersion=9.4&locale=ja#p03dt2kdzjjucxn198ytlpnrf1r4

Answer 2

如果您想比较 binom.test 和 proc freq + BINOMIAL，您可以在 SAS 中使用模拟。以下代码提供了一个示例：

当骰子掷出 235 时，结果可能是 1,...,6。

*Create df: random roll;
*macro: random int between min and max;;
  %macro r(min,max);
(&min + floor((1+&max-&min)*rand("uniform"))) 
   %mend;
  data df;
  f = 0;
  do i = 1 to 235; *number of trials;
    x = %r(1,6); *call macro %r() to generate random number between 1,...,6; 
if x = 6 then f = f + 1; *if the random number = 6, add freq from the previous;
relative = f/i; *relative freq;
 output;
end;
run;

*plot relative freq, reference line (1/6), probability of rolling 6;
symbol v=dot c=red;
proc gplot data=df;
plot relative * i/overlay vref=0.16666667 href=500 lh=3;
run;
quit;

以下是此处的示例：http://www.stat.purdue.edu/~lfindsen/stat503/Lab2.pdf

*exact binomial using proc freq and simulated data; 
*test if simulation is different from the hypothized 1/6;
proc freq data = df;
tables x / binomial (level=6 p=.166667); 
exact binomial;
run;

当 51 例是 235 例中的 6 例时。

*Create df2: assign approx 51 cases of 235 a roll of 6;
 data df2;
 do i = 1 to 235; *number of trials;
x = %r(1,5); 
 output;
 end;
 run;
 data df2;
  set df2;
    if i <= 51 then x = 6; *assign six to rows 1 to 51; 
  run;

  *exact binomial using proc freq and simulated data; 
  *test if simulation is different from the hypothized 1/6;
  proc freq data = df2;
tables x / binomial (level=6 p=.166667); 
exact binomial;
  run;

精确的二项式单边 p 值 = 0.0265

===============================更新============= ===============

对于二进制变量 [0=2184,1=72] 而不是使用宏，您可以执行以下操作：

    data df3;
    input success n;
    datalines;
    0 2184
    1 72
    ;

    proc freq data=df3;
    weight n; *number of obs for [0,1];
    tables success / binomial (level=2 p=0.509); 
    run;