SAS的proc genmod 如何输出OR值及置信区间呢?

学术   2024-08-19 09:56   陕西  

SASproc genmod 如何输出OR值及置信区间呢?

先说明一下:自变量Bmi1 diqu sex age hunyin为分类变量,sex(赋值12hunyin(赋值123age(赋值1234) 分别是234分类变量,我将计算这几个的OR值和置信区间。

Proc genmod输出OR值及置信区间需要在estimate步增加exp选项,方可输出想要的结果,但具体如何写呢?目前网上没有找到,自己研究了很长时间,终于明白了,今天给大家免费分享。

我和别人不一样,先看代码和结果,再给你讲格式如何写:

下面是代码:

proc genmod data=mydata desc;

class xinxueguan(ref='0') diqu(ref='1') sex(ref='1') hunyin(ref='1') age(ref='1');/*分类变量放到class语句后*/

model xinxueguan =Bmi1 diqu sex hunyin age/dist=binomial link=logit;

/*dist=binomial link=logit 表示拟合logistic模型*/

/*sex变量*/

estimate 'sex2' sex 1 -1/exp;

/*huiyin变量*/

estimate 'huiyin2' hunyin 1 0 -1/exp;

estimate 'huiyin3' hunyin 0 1 -1/exp;

/*age变量*/

estimate 'age2' age 1 0 0 -1/exp;

estimate 'age3' age 0 1 0 -1/exp;

estimate 'age4' age 0 0 1 -1/exp;

quit;

下面是结果图:

 

那么根据上面这个图的注释,可以得到我们想要的结果。

下面来说estimate的写法:

基本格式如下:

estimate '自定义的标签名' 变量名 这里是写一串对比的数/exp;

/*sex变量*/

estimate 'sex2' sex 1 -1/exp;

/*huiyin变量*/

estimate 'huiyin2' hunyin 1 0 -1/exp;

estimate 'huiyin3' hunyin 0 1 -1/exp;

我们结合下图的最大似然估计来看一下,发现每个变量的参照组都在最下面,那么 estimate进行对比的的那串数字写法和这个其实有一定关系的。

 

estimate里面,对照要写成-1,我们希望计算的需要写成1,其他写成0

对于二分类,我们估计sex=2OR值,由于是二分类变量,需要写成 1 -1

对于三分类,我们估计huiyin=23OR值,由于是三分类变量,

huiyin=2 写成 1 0 -1 这里可以发现huiyin=2在最大似然估计里面处于最上面,所以1写在最前面

Huiyin=3 写成 0 1 -1这里可以发现huiyin=3在最大似然估计里面处于中间,所以1写在中间

对于四分类,我们估计age=2\3\4OR值,由于是四分类变量,

age=2 写成 1 0 0 -1 这里可以发现age=2在最大似然估计里面处于最上面,所以1写在最前面

age=3 写成 0 1 0 -1这里可以发现age=3在最大似然估计里面处于中间第1位,所以1写在中间第1位,也就是第2

age=4 写成 0 0 1 -1这里可以发现age=4在最大似然估计里面处于中间第2位,所以1写在中间第2位,也就是第3

总结,我们可以发现,最后几分类就写几位,然后最后一位是对照,写成-1

其他的用10填充,需要估计的值是第几位,1就写在第几位,其他位置用0填。


分类变量几类

写法

2

1 -1

3

1 0 -1

0 1 -1

4

1 0 0 -1

0 1 0 -1

0 0 1 -1

5

1 0 0 0 -1

0 1 0 0 -1

0 0 1 0 -1

0 0 0 1 -1

6

1 0 0 0 0 -1

0 1 0 0 0 -1

0 0 1 0 0 -1

0 0 0 1 0 -1

0 0 0 0 1 -1




本期的无数据



本公众号致力于分享实用的医学科研干货和热点科研文章共享平台,如果您有任何医学科研相关问题或经验分享,可以私信我!

谢谢阅读,以上均为个人在科研实践过程中的一些做法,如有错误敬请指正!!!



End




关注我获得

更多精彩





流病统计与科研学习笔记
流行病与卫生统计学专业主要分享基于SAS、R以及其他统计软件实现各种统计学方法和结果绘图,提高自己的学习能力
 最新文章