SAS STAT: REG Y GLM -DANIEL ALEJANDRO GARCIA C.I.:

Presentación del tema: "SAS STAT: REG Y GLM -DANIEL ALEJANDRO GARCIA C.I.:"— Transcripción de la presentación:

1 SAS STAT: REG Y GLM -DANIEL ALEJANDRO GARCIA C.I.:21.330.556
-JOSE LEONARDO TORRES C.I.: COMPUTACION ESTADISTICA

2 ANALISIS MULTIVARIANTE
REG,RSREG, ORTHOREG, PLS, LIFEREG, TRANSREG, PHREG, NLIN, LOGISTIC, GLM. REGRESIÓN ANOVA,GLM, VARCOMP, PLAN, TTEST, CATMOD. ECONOMETRIA ANALISIS DE VARIANZA CATMOD,CORRESP,FREQ, PROBIT, LOGISTIC. ANALISIS CATEGORICO SAS STAT COMPONENTES PRINCIPALES PRINCOMP, PRINQUAL ANALISIS MULTIVARIANTE ANALISIS CLUSTER CLUSTER, FAST CLUS, VARCLUS, TREE, ACECLUS.

3 PROCEDIMIENTO REG

4 REGRESION LINEAL: PROCEDIMIENTO REG
Se trata de uno de los procedimientos de regresión más completos del sistema SAS. Ajusta el modelo de regresión lineal múltiple , realiza ajustes interactivos ante cambios puntuales en las variables del modelo, permite restricciones lineales y contrastes multivariantes de igualdad en los parámetros y de combinaciones lineales de los mismos, diagnostica la colinealidad, la correlación y realiza predicciones de valores, residuos estandarizados, límites de confianza y estadísticos de influencia. En cuanto a gráficos, representa el modelo ajustado con estadísticos de resumen, realiza gráficos de probabilidad (P-P) y de cuantiles (Q-Q) para contrastar entre otras cosas la normalidad de los residuos, realiza gráficos de intervalos de confianza para las estimaciones y para las predicciones.

5 PROC REG Opciones: etiqueta: MODEL dependientes=regresores / opciones; BY variables; FREQ variable; ID variables; VAR variables; WEIGHT variable; ADD variables; DELETE variables; Etiqueta: MTEST ecuación,… , ecuación / opciones ; OUTPUT nombre de fichero estadísticos=nombre variables; PAINT condición | ALLOBS / opciones | STATUS | UNDO; PLOT yvariable*xvariable =símbolo …yvariable*xvariable =símbolo / opciones; PRINT opciones ANOVA MODELDATA; REFIT; RESTRICT ecuación, … , ecuación; REWEIGHT condición | ALLOBS / opciones | STATUS | UNDO; etiqueta: TEST ecuación,…, ecuación / opción;

6 La sentencia MODEL especifica las variables independientes y la variable dependiente del modelo.
La sentencia BY especifica variables cuyos valores definen subgrupos para el análisis. La sentencia FREQ define la posible variable con las frecuencias absolutas para las observaciones. La sentencia ID define una variable que identifica observaciones en las tablas. La sentencia VAR lista variables que pueden ser añadidas interactivamente al modelo o utilizadas en gráficos de dispersión o para calcular productos cruzados. La sentencia WEIGHT define la posible variable de ponderaciones para las observaciones. La sentencia ADD añade variables independientes al modelo de regresión. La sentencia DELETE borra variables independientes del modelo de regresión. La sentencia MTEST realiza contrastes multivariantes para múltiples variables dependientes. La sentencia OUTPUT crea el conjunto de datos de salida de la regresión y los nombres de las variables en las que se almacenaran los residuos, los valores predichos y otros estadísticos de diagnostico. La sentencia PAINT pinta puntos en gráficos de dispersión. La sentencia PLOT genera gráficos de dispersión para las variables especificadas. La sentencia PRINT muestra la información acerca del modelo. La sentencia REFIT reajusta el modelo. La sentencia RESTRICT permite situar restricciones lineales de igualdad en los parámetros estimados. La sentencia REWEIGHT excluye observaciones específicas del análisis o cambia los pesos de las observaciones utilizadas. La sentencia TEST ejecuta el test de la F en funciones lineales de los parámetros.

7 PROCEDIMIENTO GLM

8 PROCEDIMIENTO GLM: MODELO LINEAL GENERAL
Podemos considerar el procedimiento GLM como el cajón de sastre de los modelos de regresión, ya que de una forma u otra casi todos los modelos son teóricamente resolubles mediante PROC GLM. Se puede ejecutar regresión simple, regresión múltiple, análisis de la varianza y la covarianza, modelos de superficie de repuesta, regresión ponderada, regresión polinomial, correlación parcial, análisis multivariante de la varianza y análisis de la varianza con medidas repetidas.

9 PROC GLM Opciones: CLASS variables; MODEL dependientes=independientes / opciones; ABSORB variables; BY variables; FREQ variable; ID variables; WEIGHT variable; CONTRAST “etiqueta” efecto values…efecto values / opciones; ESTIMATE “etiqueta” efecto values…efecto values / opciones; LSMEANS efectos / opciones ; MANOVA test-opciones / detalle-opciones; MEANS efectos / opciones; OUTPUT < OUT > conjunto de datos de salida estadísticos=nombres; RANDOM efectos / opciones; REPEATED factor / opciones; TEST H=efectos E=efecto / opciones;

10 La sentencia ABSORB absorbe efectos de clasificación en el modelo.
BY especifica variable para la definición de subgrupos. CLASS declara variables de clasificación, CONTRAST contrasta funciones lineales de los parámetros ESTIMATE estima funciones lineales de los parámetros. FREQ especifica una variable con frecuencias absolutas para las observaciones. ID identifica observaciones en la salida. LSMEANS halla medidas por mínimos cuadrados. MANOVA ejecuta análisis multivariante de la varianza. MEANS compara medias aritméticas. MODEL define el modelo a justar. OUTPUT define el conjunto de datos de salidas donde se guardan los resultados de los contrastes. RANDOM declara ciertos efectos como aleatorios y halla cuadrados medios esperados. REPEATED ejecuta análisis de la varianza univariante y multivariante en medidas separadas. TEST construye test. WEIGHT especifica una posible variable con los pesos de las observaciones.

11 PROC GLM Opciones: DATA conjunto de datos de entrada. ALPHA nivel de significación. MANOVA para análisis multivariante de la varianza. MULTIPASS para que GLM relea los datos de entrada. NAMELEN longitud de los nombres de los efectos en las tablas. NOPRINT suprime la salida normal de los resultados. ORDER=DATA | FREQ FORMATTED | INTERNAL OUTSTAT conjunto de datos de salida que contiene suma de cuadrados, grados de libertad, estadístico F, niveles de probabilidad para cada efecto, MSE y otros resultados del ajuste.

12 EJEMPLO Se quiere medir el grado de salud en un grupo de personas controlando el consumo de oxigeno en unas pruebas físicas en función de su edad, peso, tiempo empleado en la realización de las pruebas, pulsaciones en descanso (pd), pulsaciones en ejercicio (pe) y pulsaciones máximas (pm). Para ello se aplicara un modelo de regresión.

13