我正在研究一个项目，并遇到了预期的问题 . 在我的数据上运行PROC LOGISTIC之后，我注意到一些优势比和回归系数似乎与它们应该是相反的 . 在使用PROC FREQ进行一些调查以运行优势比之后，我认为PROC LOGISTIC的优势比存在某种形式的误差 .
下面的示例是响应变量"MonthStay"和其中一个有问题的变量"KennelCough" . MonthStay = Y且感兴趣的事件是 KennelCough = N.
我不知道如何纠正这个疑似错误 . 我在代码中遗漏了一些东西以获得正确的计算吗？或者我完全误解了发生了什么？谢谢！
这是PROC FREQ代码和结果：
proc freq data = capstone.adopts_dog order = freq;
tables KennelCough*MonthStay / relrisk;
run;
这是PROC LOGISTIC CODE和结果：
proc logistic data = capstone.adopts_dog plots(only)=(roc(id=prob) effect);
class Breed(ref='Chihuahua') Gender(ref='Female')
Color(ref='Black') Source(ref='Stray') EvalCat(ref='TR') SNAtIn(ref='No')
FoodAggro(ref='Y') AnimalAggro(ref='Y') KennelCough(ref='Y') Dental(ref='Y')
Fearful(ref='Y') Handling(ref='Y') UnderAge(ref='Y') InJuris(ref='Alameda County')
InRegion(ref='East Bay SPCA - Dublin') OutRegion(ref='East Bay SPCA - Dublin')
/ param=ref;
model MonthStay(event='Y') = Age Gender Breed Weight Color Source EvalCat SNatIn
NumBehvCond NumMedCond FoodAggro AnimalAggro KennelCough Dental Fearful
Handling UnderAge Injuris InRegion OutRegion
/ lackfit aggregate scale = none selection = backward rsquare;
output out = probdogs4 PREDPROBS=I reschi = pearson h = leverage;
run;
Class Level Info
Odds Ratios Estimates
1 回答
在Proc Freq中，您正在计算未调整的比值比，而在后勤物流中，所有比值比都针对逻辑回归模型中包含的协变量进行了调整