线性回归：使用SAS查找重要类别变量

我试图使用SAS来做一个非常基本的回归问题，但是我在得到完整的结果集时遇到了困难

我使用的数据集包括教授的整体素质（因变量），并包含以下自变量：性别、努迈尔、胡椒、纪律、易受性和利率

我正在使用下面的代码生成对数据集的分析：

proc glm data=WORK.IMPORT;
    class gender pepper discipline;
    model quality = gender numYears pepper discipline easiness raterInterest;
run;

我得到了以下结果，这正是我所需要的，除了我想确切地看到来自班级变量（性别、胡椒、纪律）的哪些反应是重要的。

从这些结果中，我可以看出轻松、利率、花椒和纪律是显著的；然而，我想看看胡椒和纪律的哪些具体价值是重要的。例如，pepper被学生回答为“是”或“否”。我想看看质量是否与pepperyes或pepperno相关。有谁能给我一些关于如何修改代码以返回类变量分解的建议吗

以下是数据集的链接，以备参考：

---

我真的非常感谢您的帮助

将

解决方案

选项添加到

模型

语句中，以分解每个类变量的统计信息；但是，参考参数化在

proc glm

中不可用，并且会导致偏差估计。有办法继续使用

proc glm

，但最简单的解决方案是使用

proc glmselect

proc glmselect

允许您指定参考参数化。使用

selection=none

选项禁用变量选择

proc glmselect data=WORK.IMPORT;
    class gender(ref='female') pepper discipline / param=reference;
    model quality = gender numYears pepper discipline easiness raterInterest / selection=none;
run;

对此的解释是：

所有其他变量保持不变，女性通过 -与男性相比为0.046782单位。该变量在统计上不显著

每个级别的细分是与参考值的比较。默认情况下，选定的参考值是所有类值内部排序后的最后一级。可以在每个类变量之后使用

ref=

选项指定引用。例如，如果要使用女性而不是男性作为参考值：

proc glmselect data=WORK.IMPORT;
    class gender(ref='female') pepper discipline;
    model quality = gender numYears pepper discipline easiness raterInterest / selection=none;
run;

请注意，您也可以使用

prox mixed

执行此操作。为此，首选项取决于您喜欢的输出样式

proc mixed

是一种更灵活的运行回归的方法，但在这里有点过火

proc mixed data=import;
    class gender pepper discipline;
    model quality = gender numYears pepper discipline easiness raterInterest / solution;
run;