SAS PROC逻辑-为什么拟合优度测试拒绝模型？

我正在使用SAS（9.2）中的PROC LOGISTIC为大学申请者数据集建模。目标变量为“登记的y/n”，我根据13个变量（指标、连续性和类别的混合）进行建模，包括：提交的申请数量、参加的活动数量、申请人年龄等

我使用了整个数据集的50%来训练模型，这给了我一个不到15000个观测值的样本量（用于训练）

---

当我运行PROC LOGISTIC时，输出报告大多数变量在模型的当前状态下非常显著

您的模型具有非常高的关联百分比（关联百分比=32.8%），只有56.7%的一致性。因此，你的模型的准确性并不好c“0.729或72.9%的值不能真实反映您的模型。”c'值或AUC=（0.567+（0.328/2））。这意味着你的c值被高百分比的领带所偏移

大量数据点导致的预测处于边界，即既不是0也不是1

那么，你需要做什么：-

您需要减少%ties，并尝试实现高一致性、高精度，从而获得可接受的GOF参数

你如何改进你的模型

我经常做的一件事是，像逐步或向后选择这样的常规操作失败，那就是使用

自举

。这是一种最简单、最稳健的算法，可帮助我们使用多个样本获取最相关的变量，从而有助于提高模型的准确性和稳定性

如果

BOOTSTRAPPING

也失败，那么尝试

机器学习技术

，如随机林、GBM等。随机林被认为是最稳健的分类算法之一

如果个别算法也失败，请尝试堆叠。简单地结合多种分类算法的预测能力。注意：-当上述所有选项均已用尽时，请使用此选项

---

希望这能有所帮助：-）

我读到拟合优度测试在处理大型数据集时会有固有的问题，因此，根据文献，我选择忽略它们，而采用交叉验证方法，考虑p值、无效假设检验、ROC AUC统计，置信区间和最大重标R平方统计（Johnson和Wichern 1992）（Shmueli，Lin和Lucas Jr.2013）（Li 2013）

您能发布输出吗？但这不是一个代码问题，它听起来像是方法或解释问题，因此它可能更适合stats.stackexchange.comHi@Reeza。你可能是对的。我已经添加了输出屏幕截图-感谢您的帮助。是的，这需要发布在stats.stackexchange.com上。很可能某个效应（或所有效应）在统计上具有显著性，但对模型的预测能力影响很小。特别是如果你有很多数据。

/*Applicant_Factors_TRAIN: Single Factor*/
proc logistic DATA=Applicant_Factors_TRAIN;
MODEL Applicant_Enrolled(EVENT='1')= Total_campus_visits/ AGGREGATE SCALE = NONE LACKFIT RSQ;
run;