Loops 如何在SAS中使用不同参数拟合线性回归模型
我有一个包含三个独立变量的线性模型。我有下面的最终模型。我想使用增加和减少变量来重新估计回归模型中的y值Loops 如何在SAS中使用不同参数拟合线性回归模型,loops,macros,sas,Loops,Macros,Sas,我有一个包含三个独立变量的线性模型。我有下面的最终模型。我想使用增加和减少变量来重新估计回归模型中的y值 Dependent Variable Estimate increase_po decrease_po Rate Rate_lag1 0.54 0.60 0.49 Rate UN 0.07 0.08 0.06 Rate SQ 0.03
Dependent Variable Estimate increase_po decrease_po
Rate Rate_lag1 0.54 0.60 0.49
Rate UN 0.07 0.08 0.06
Rate SQ 0.03 0.03 0.02
我想做的是编写一个do循环来生成六种可能的组合:
comb1 comb2 comb3 comb4 comb5 comb6
0.60 0.49 0.08 0.06 0.03 0.02
0.07 0.07 0.54 0.54 0.54 0.54
0.03 0.03 0.03 0.03 0.07 0.07
我想使用这些参数中的每一个来重新拟合模型并得到估计的y值
fitted y1= b0 + 0.60*Rate_lag1 + 0.07*UN + 0.03*SQ (only Rate_lag1 change parameter)
fitted y2= b0 + 0.49*Rate_lag1 + 0.07*UN + 0.03*SQ (only Rate_lag1 change parameter)
fitted y3= b0 + 0.54*Rate_lag1 + 0.08*UN + 0.03*SQ (only UN change parameter)
因此,如果不使用宏和循环,这是很困难的,甚至是不可能的。我看到了你的另一个线程,但想在这里发布 如果我理解正确: 您已经为数据拟合了3个模型,每个模型使用相同的三个自变量/预测值。 您已经显示了与3个模型的每个预测值对应的beta参数。 您希望通过从3个原始模型开始,一次只更改一个beta参数来创建6个新模型 下面是一些SAS代码,我认为可以满足您的要求 然而,你的3个原始模型的beta估计值都非常相似!所以我不知道这个练习是否揭示了“最佳”模型方面的任何东西 祝你好运
data have;
infile cards;
input Dependent $ Variable $ Estimate increase_po decrease_po;
cards;
Rate Rate_lag1 0.54 0.60 0.49
Rate UN 0.07 0.08 0.06
Rate SQ 0.03 0.03 0.02
;
run;
*** TRANSPOSE SO EACH PREDICTOR VARIABLE IS A COLUMN AND EACH MODEL IS A ROW ***;
*** NOTE: RATE_LAG1 CHANGES TO RATE_LAG IN THE TRANSPOSE ***;
proc transpose data=have out=have_transpose;
id variable;
var Estimate increase_po decrease_po;
run;
*** CREATE VARIABLE FOR MODEL NUMBERS 1-3 ***;
data have_transpose;
set have_transpose;
modelnum=_N_;
run;
proc print data=have_transpose;
run;
*** PUT EACH COLUMN INTO A SEPARATE DATASET AND KEEP ORIGINAL MODEL NUMBER IN EACH DATASET ***;
data col1(keep=rate_lag modelnum rename=(modelnum=rate_lag_num))
col2(keep=un modelnum rename=(modelnum=un_num))
col3(keep=sq modelnum rename=(modelnum=sq_num))
;
set have_transpose;
run;
*** USE SQL TO DO A MANY-TO-MANY MERGE FOR ALL THREE DATASETS ***;
*** THE CREATED DATASET WILL CONTAIN ALL POSSIBLE COMBINATIONS OF PARAMETER ESTIMATES FROM ALL MODELS ***;
*** IN THIS CASE THERE WILL BE 3x3x3 = 27 RECORDS ***;
proc sql;
create table col123 as
select *
from col1, col2, col3
;
quit;
data almost;
set col123;
*** FOR EACH POSSIBLE COMBINATION, COUNT HOW MANY PARAMETERS ARE UNCHANGED FROM MODEL 1 ***;
flag = (rate_lag_num=1) + (un_num=1) + (sq_num=1);
run;
proc print data=almost;
run;
*** WANT TO ONLY KEEP MODELS WHERE TWO PARAMETERS ARE UNCHANGED ESTIMATES (WHERE FLAG=2) ***;
data want;
set almost;
if flag=2;
keep rate_lag un sq ;
run;
*** THIS DATASET CONTAINS 6 RECORDS ***;
proc print data=want;
run;
*** FROM HERE YOU CAN USE SQL TO DO A MANY-TO-MANY MERGE WITH YOUR 6 NEW MODELS AND DATASET WITH THE PREDICTOR VARIABLES ***;
*** AND THEN CREATE YOUR NEW ESTIMATES FOR EACH MODEL ***;
*** SOMETHING LIKE THIS BELOW ***;
/*
*** RENAME VARIABLES AND CREATE NEW MODEL NUMBER ***;
data betas;
set want;
new_model_num = _N_;
rename rate_lag=rate_lag_beta un=un_beta sq=sq_beta ;
run;
proc sql;
create table all as
select *
from betas, ORIGINAL_DATA; *** CHANGE "ORIGINAL_DATA" TO YOUR DATA SET NAME ***;
run;
data new_model;
set all;
fitted = b0 + (Rate_lag_beta * Rate_lag1) + (un_beta * un) + (sq_beta * sq);
run;
*/
*** NOTE: IN YOUR EXAMPLE, YOU ASSUME THE SAME B0 FOR ALL MODELS
*** HOWEVER, YOUR THREE STARTER MODELS MAY HAVE DIFFERENT B0 ESTIMATES ***;
*** SO YOU WILL HAVE TO THINK ABOUT THE BEST WAY TO HANDLE THAT ***;
你的问题是重复的,仍然不完全清楚。同时查看proc分数。第一个数据集来自哪里?什么是增加po和减少Pi?我不知道这仅仅是试图用不同的x值来估计y,还是重新调整模型以得到不同的参数估计。我在这里简化了问题:从SAS中的不同变量生成不同的组合,我的意思是你可以在Stackoverflow中搜索。问题解决后,我将关闭此问题。你能看一下这个问题吗?@Reese,你好,我刚刚更新了一个新问题,叫做在Stackoverflow中从SAS中的不同变量生成不同的组合。谢谢我还是不知道。。。