Gruppo dedicato agli utenti dei prodotti di SAS

72 Members
Join Us!

Forum

variabili SAS

buon giorno a tutti, di seguito il mio dubibo (scusate in anticipo la semplicità della domanda) Vorrei creare una macro che in grado di cancellare alcuni db presenti all'interno di una libname. L'ideale per la mia situazione sarebbe utilizzare una una variabile che riconosca il nome del dataset. Che voi sappiate esiste in sas una variabile del genere? (mi riferisco a quelle variabili automatiche come _n_ o _freq_ ecc...) In caso contrario avreste qualche suggerimento in alternativa? Grazie…

Leggi tutto…
1 risposta · Risposta da Emanuele Nuzzo 31 Ott, 2017

SAS: logistic regression with unbalanced explanatory variable

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 analisi univariata, ho ottenuto significative 2 continue, 14 dicotomiche e 1 a più livelli. Una dicotomica di queste però mi ha creato subito un problema, con la logistica univariata non ho ottenuto l’OR sensato: Estimate >999.99 and the 95% Confidence Limits >999.999 - > 999.999, ma ho provato a…

Leggi tutto…
0 risposte

Proc univariate e windorized means output

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 trimmered; raggruppando i risultati per una terza variabileSo che entrano in gioco gli ODS in questo caso ma non riesco ad incontrare nessun articolo online che fornisca un esempio chiaro sul da farsiCredo che sia qlk del tipoProc univariate winsor=0.1 trim=0.1 dataset=dataset1;Var age, tenure;By…

Leggi tutto…
1 risposta · Risposta da Emanuele Nuzzo 4 Ago, 2016

Per aggiungere dei commenti, devi essere membro di StatisticaNing!

Join StatisticaNing

Commenti

  • 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


    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. 

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

  • 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 :)

  • 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.

    Base SAS(R) 9.2 Procedures Guide
  • con quale procedura posso creare delle classi da intervalli numerici?

    grazie e ciao a tutti?

  • Buon pomeriggio a tutti NOI

  • 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!
  • 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
    Io di sas intendo proprio nulla, ma visto che nessuno si fa avanti, questo link potrebbe esserti utile:
    The PRINCOMP Procedure
    SAS/STAT(R) 9.22 User's Guide
  • 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!!
This reply was deleted.