根据SAS中的因果关系标准排除回归中的变量
我已经尽了最大努力在网上搜索我的问题的答案，但是没有找到任何答案。也许我问得不对，也许我的问题无法解决。。。好吧，什么都没有 在SAS中运行回归时，可以进行向后或向前选择，从而消除所有不重要的变量，这很好，但仅仅因为变量的p值是≤ 0.05，这并不一定意味着结果是正确的 例如，，我在SAS中进行回归分析，因变量是因病死亡人数，自变量是医生人数。结果与p≤ 0.05，但该系数表示，随着医生人数的增加，死亡人数也会增加。这可能是虚假回归的结果，但因果关系是错误的，但SAS只是一台计算机，不知道因果关系会走向何方。（当然，这也可能是真的，更多的医生=更多的死亡是由其他因素造成的，但让我们暂时忽略这一点） 我的问题是：是否可以进行回归，然后告诉SAS，它必须进行向后/向前消除，但根据我设置的一些规则，它还必须排除不符合这些规则的变量？例如，如果死亡人数增加，随着医生人数的增加，是否排除可变的医生人数？那会是什么 我真的希望，有人能帮助我，因为我正在用50多个变量进行不同年份的回归，如果我不必亲自检查所有结果，那就太好了根据SAS中的因果关系标准排除回归中的变量,sas,regression,Sas,Regression,我已经尽了最大努力在网上搜索我的问题的答案，但是没有找到任何答案。也许我问得不对，也许我的问题无法解决。。。好吧，什么都没有 在SAS中运行回归时，可以进行向后或向前选择，从而消除所有不重要的变量，这很好，但仅仅因为变量的p值是≤ 0.05，这并不一定意味着结果是正确的 例如，，我在SAS中进行回归分析，因变量是因病死亡人数，自变量是医生人数。结果与p≤ 0.05，但该系数表示，随着医生人数的增加，死亡人数也会增加。这可能是虚假回归的结果，但因果关系是错误的，但SAS只是一台计算机，不知道因果关
谢谢：）我认为这是不可能的，也不推荐这样做。如前所述，SAS是一台计算机，无法知道哪些回归结果是虚假的。如果更多的医生=更多的医疗程序=更多的死亡怎么办？显然，您需要对每种情况应用专家意见，但上述情况也同样合理 你还提到了“文档份额”，如果我说的没错，这不是实际的数字？因此，它也可能是如何计算该度量的人工制品
如果您有一组特定的规则要排除，这可能是可能的。但你必须首先定义所有这些规则，并对它们有一定程度的确定性 我认为这是不可能或不推荐的。如前所述，SAS是一台计算机，无法知道哪些回归结果是虚假的。如果更多的医生=更多的医疗程序=更多的死亡怎么办？显然，您需要对每种情况应用专家意见，但上述情况也同样合理 你还提到了“文档份额”，如果我说的没错，这不是实际的数字？因此，它也可能是如何计算该度量的人工制品
如果您有一组特定的规则要排除，这可能是可能的。但你必须首先定义所有这些规则，并对它们有一定程度的确定性 如果您需要指定不寻常的参数选择标准，您可以使用蛮力进行自己的机器学习：对数据进行分区，在宏循环中的所有分区上运行不同的回归模型，并使用类似于
AICproc glmselectglmselectproc gmlselect data=...;
model ... / select=forward;
...
也可以将这两种方法结合起来，即在宏循环中运行多个
proc glmselectAICproc glmselectglmselectproc gmlselect data=...;
model ... / select=forward;
...
也可以将这两种方法结合起来，即在宏循环中运行几次
proc glmselect