Proc логистический вывод, предсказал ли подогнанная модель 1 или 0 - PullRequest
Новая
       28

Proc логистический вывод, предсказал ли подогнанная модель 1 или 0

0 голосов
/ 10 декабря 2018

Я беру набор данных, который повторяет ниже 

DATA HAVE
    (DROP=I);
    DO I = 1 TO 100;
        Y = RAND("Integer",0,1);
        X1 = I ** RANUNI(I);
        X2 = I ** I ** RANUNI(I);
        output;
    END;
RUN;

И я подгоняю логистическую регрессию к этому набору данных следующим образом: 

PROC LOGISTIC 
    DATA=have
        PLOTS(ONLY)=NONE
    ;
    MODEL Y (Event = '1') = x1  /
        SELECTION=NONE
        LINK=LOGIT
    ;
    OUTPUT OUT=fitted_model
        PREDICTED = y_hat   
        PREDPROBS=INDIVIDUAL;
RUN;
QUIT;

, что я получаю в качестве выводапрогнозируемая вероятность, но то, что я хотел бы получить, это прогноз того, было ли y_hat равным '1' или '0' - это возможно сделать в SAS?

1 Ответ

0 голосов
/ 10 декабря 2018

Логистическая регрессия порождает вероятность.Вы обычно конвертируете их в прогнозируемое значение 0/1, используя определенное пользователем срезание, т. Е. Если вероятность> 0,7, тогда вы назначаете его на 1. Как только вы укажете срезы, вы можете использовать шаг данных для его идентификации.

Чтобы определить хорошее ограничение, я рекомендую опции CTABLE и PPROB.

data Neuralgia;
   input Treatment $ Sex $ Age Duration Pain $ @@;
   datalines;
P  F  68   1  No   B  M  74  16  No  P  F  67  30  No
P  M  66  26  Yes  B  F  67  28  No  B  F  77  16  No
A  F  71  12  No   B  F  72  50  No  B  F  76   9  Yes
A  M  71  17  Yes  A  F  63  27  No  A  F  69  18  Yes
B  F  66  12  No   A  M  62  42  No  P  F  64   1  Yes
A  F  64  17  No   P  M  74   4  No  A  F  72  25  No
P  M  70   1  Yes  B  M  66  19  No  B  M  59  29  No
A  F  64  30  No   A  M  70  28  No  A  M  69   1  No
B  F  78   1  No   P  M  83   1  Yes B  F  69  42  No
B  M  75  30  Yes  P  M  77  29  Yes P  F  79  20  Yes
A  M  70  12  No   A  F  69  12  No  B  F  65  14  No
B  M  70   1  No   B  M  67  23  No  A  M  76  25  Yes
P  M  78  12  Yes  B  M  77   1  Yes B  F  69  24  No
P  M  66   4  Yes  P  F  65  29  No  P  M  60  26  Yes
A  M  78  15  Yes  B  M  75  21  Yes A  F  67  11  No
P  F  72  27  No   P  F  70  13  Yes A  M  75   6  Yes
B  F  65   7  No   P  F  68  27  Yes P  M  68  11  Yes
P  M  67  17  Yes  B  M  70  22  No  A  M  65  15  No
P  F  67   1  Yes  A  M  67  10  No  P  F  72  11  Yes
A  F  74   1  No   B  M  80  21  Yes A  F  69   3  No
;

proc logistic data=Neuralgia;
   class Treatment Sex / param=ref;
   model Pain= Treatment Sex Treatment*Sex Age Duration / expb ctable pprob=(0.3, 0.5 to 0.8 by 0.1);
run;
...