Informazioni

SAS

Gruppo dedicato agli utenti dei prodotti di SAS

Membri: 69
Attività più recente: 16 Giu

Forum di discussione

SAS: logistic regression with unbalanced explanatory variable

Iniziata da LF 16 Giu. 0 Risposte

Ciao a tutti!Vi chiedo aiuto per un problema di dati sbilanciati in una variabile indipendente in una regressione logistica.Allora ho testato le variabile da includere nel modello logistico prima con…Continua

lettura e caricamento file.sqlite

Iniziata da pellerossa. Ultima risposta di Claudio Sacchettini 14 Nov 2016. 1 Risposta

Salve a tutti,sono in una situazione in cui devo utilizzare un dataset con un estensione .sqlite, dovrei caricare i dati in sas ma non ho idea di come procedere (ho provato ad effettuare la classica…Continua

Proc univariate e windorized means output

Iniziata da davide cortellino. Ultima risposta di Emanuele Nuzzo 4 Ago 2016. 1 Risposta

GentilissimiCome da titolo vorrei creare un output dataset tramite una proc univariate che contenesse per due variabili da me selezionate da un primo dataset le relative medie, media winsored e media…Continua

Tag: #winsorized, #mean, #procunivariate

modello di heckman--- selection bias---

Iniziata da pellerossa 9 Feb 2016. 0 Risposte

Salve a tutti, di seguito presento la situazione e la relativa domanda, grazie in anticipo per l'attenzione.ho applicato un modello di heckman a partire da due equazioni:1) regressione di una…Continua

Tag: bias, selection, Heckman, di, modello

Spazio commenti

Commento

Devi essere membro di SAS per aggiungere commenti!

Commento da andrea amerio su 26 Luglio 2014 a 16:59

The World Mental Health Survey Initiative

Job advert – Full time Biostatistician

The World Mental Health Survey Initiative is seeking to appoint a full time biostatistician analyst. The successful applicant will undertake statistical analysis on a large data set from The World Mental Health (WMH) Survey. He/She will work with senior psychiatrists and epidemiologists in the context of a new Italian WMH regional initiative supervised by the WMH Data Analysis Coordination Centre at Harvard University, School of Medicine.

The WMH Survey Initiative is a project of the Assessment, Classification, and Epidemiology Group at the World Health Organization (WHO) coordinating the implementation and analysis of general population epidemiologic surveys of mental, substance use, and behavioral disorders in countries in all WHO Regions.

The successful applicant will be initially trained at Harvard Medical School (HMS) in Boston, USA for three months and then be based at the University of Modena in Modena, Italy to carry out remote statistica analysis accessing the HMS WMH server. In addition, the post holder will attend an annual remote analyst meeting in Boston for two weeks. Statistical analysis includes, but is not limited to data reductions, casual modeling, survival analysis, and policy simulations. The successful applicant will also be responsible for data managment and variable construction. He/she will ensure that tables, figures and text accurately reflect the results of the analysis. The successful applicant must be able to understand the statistica foundations behind models. He/she must independently prioritize tasks related to own responsibilities to meet goals and deadlines of the team.

Essential Requirements

Masters degree (MSc or MA), in statistics, biostatistics, or related quantitative field; familiarity with standard statistical model fitting and checking techniques is a must. Three plus years of SAS programming experience. Fluent in written and spoken English.

Appointment

page1image31400

The post is full time, for a period of 1 year renewable for five years - and is available from 1 October 2014.

Applications

To apply, candidates should submit a one page letter of application outlining their experience in the related discipline, curriculum vitae and include their contact information. 

Queries and email submissions should be sent to Dr. Anna Odone, anna.odone@mail.harvard.edu

Closing date for receipt of applications is: 6th September 2014. Regrettably, we are unable to consider applications received after this date. 

Commento da Stefano Tabarrò Falcioni su 7 Marzo 2014 a 11:17

GRAZIE Valeria. provo a vedere la procedura manuale del RANK se fa quello ce mi serve.

Commento da Michele Gobbato su 7 Marzo 2014 a 11:16

Per creare le classi io di solito uso il comando case..

CASE 

WHEN variabile <= 100 then '0-100'

WHEN 100<variabile <= 200 then '101-200'

...

END

Ma credo che il sistema di Valeria sia sicuramente più affidabile :)

Commento da Valeria Pennacchia su 7 Marzo 2014 a 11:08

Dipende da come vuoi creare le classi. Se hai una variabile numerica puoi usare la PROC RANK se vuoi una procedura automatizzata:

 PROC RANK DATA=nome_data_set 

                       TIES=low

                        GROUPS=10 /*(numero gruppi--> decili)*/

                          OUT=nome_data_set_di_output;

   VAR eta;

   RANK eta_in_classi;  /*nome della variabile in classi */

run;

Per vedere come ha generato le classi puoi usare la PROC MEANS:

  PROC MEANS data=nome_data_set_di_output_della_PROC_RANK

                             n min max;

     VAReta;

     CLASS eta_in_classi;

RUN;

La proc rank fa molte cose ed è molto comoda. Puoi creare le classi contemporaneamente su più variabili numeriche. Di seguito il link su come può crearti i grupppi:

 (http://support.sas.com/documentation/cdl/en/proc/61895/HTML/default...)

Se hai bisogno di aiuto contattami.

Commento da Stefano Tabarrò Falcioni su 6 Marzo 2014 a 14:23

con quale procedura posso creare delle classi da intervalli numerici?

grazie e ciao a tutti?

Commento da Simon Pala su 22 Gennaio 2014 a 15:49

Buon pomeriggio a tutti NOI

Commento da Mirko Bonetti su 19 Luglio 2010 a 21:29
Dall'output di sas trovi nella prima colonna il numero della componente, nella seconda l'autovalore e nella quarta la parte di varianza spiegata e nella quinta la varianza cumulata. Ora questi sono i criteri utilizzati per stabilire il numero delle componenti principali sono:
Regola di Kaiser;
Si considerano solo le componenti con autovalore maggiore di 1.
Regola della percentuale della varianza spiegata;
Gli autovalori che corrispondono alle varie componenti vengono incolonnati in ordine decrescente, a partire dalla prima, quella maggiormente esplicativa all’ultima, la meno esplicativa. Si considerano poi, attraverso la distribuzio-ne cumulata degli autovalori corrispondenti, solo le prime componenti che spiegano almeno l’80% della variabilità totale degli indicatori iniziali.
Scree diagram;
Si riportano sulle ascisse il numero delle componenti e sulle ordinate i corri-spondenti autovalori, fino ad ottenere un grafico piatto (punto di gomito). Si considerano solo le componenti prima di tale punto.
Se hai bisogno contattami!
Commento da Paolo Berta su 19 Luglio 2010 a 13:40
La PRINCOMP è la procedura adatta. Poi dipende se ti servono componenti principali qualitative o meno.
L'utilizzo di google con adeguati termini di ricerca, può esserti davvero utile.

Esperto
Commento da Marco Barbàra su 19 Luglio 2010 a 12:51
Io di sas intendo proprio nulla, ma visto che nessuno si fa avanti, questo link potrebbe esserti utile:
The PRINCOMP Procedure
Commento da sara su 17 Luglio 2010 a 15:55
Buongiorno a tutti..
vi illustro un mio problema nella speranza che qualcuno mi possa aiutare!
sto facendo la tesi e utilizzo il software SAS che purtroppo non conosco al 100%. dopo aver calcolato le componenti principali dovrei passare alla regressione usando come regressori le componenti appena trovate!
Ma ho un problema, non so come calcolare con SAS le componenti principali e calcolarle a mano è lunghissimo ed infinito..
qualcuno saprebbe aiutarmi?? please!!
 
 
 

Social

 

Gruppi

© 2017   Creato da Duccio Schiavon.   Tecnologia

Badge  |  Segnala un problema  |  Politica sulla privacy  |  Termini del servizio