Four short words sum up what has lifted most successful individuals above the crowd: a little bit more.------------------------------------------author------------------------------------------dateSAS-Logistic利用SAS解决下列假设检验问题：分类变量的回归分析一. 熟悉Logistic回归相关理论，能够利用SAS过程进行Logistic回归Logistic回归的作用：对因变量是分类变量(离散取值)的情形建立线形回归模型，得到分类概率与解释变量之间的关系相关问题： ① 模型的拟合优度检验； ② 单个回归系数的检验； ③ 参数的极大似然估计.二、SAS中的Logistic过程proc Logistic ; data=数据集 可以是原始数据集、频数数据集等descending 指定输出时因变量由大到小(二分类变量y=1的概率的Logit变换)，缺省因变量取值由小到大(二分类变量y=0的概率的Logit变换)simple 输出各变量的简单统计量model 因变量=解释变量/ noint 无截距模型rsq 输出决定系数R2CL 参数估计的置信区间RL 优比比率的置信区间selection=forward|backward|stepwise|score|none 解释变量筛选方法指定sle 进入模型检验水平sls 剔出模型检验水平influenceFreq 变量; 指定变量取值作为频数 weight 变量; 指定变量取值作为权重(频数)output out=sas数据集 <关键字=名字> … / ;保存原始数据及指定预测、估计量run; 三. 例题及练习题目例1. 为分析新生儿出生时体重与支气管肺的发病率(BPD)的关系, 调查了223名新生儿,数据如下, 试利用Logistic回归过程进行分析. BPD=1代表患有支气管肺 出生体重 BPD freq 750 1 49 750 0 19 1150 1 18 1150 0 62 1550 1 9 1550 0 66***************************************************************************--------------------------------------------------data ads;do wit=750, 1150,1550;do bpd=1,0;input wt@@;output;end;end;cards;49 19 18 62 9 66;proc print ;run;proc logistic descending;model bpd=wit/rsq cl;*weight wt;freq wt;run;练习题1. 于秀林p261例，利用研究吸烟与肺癌发病间的关系。
数据如下 吸烟 不吸烟 患肺癌 60 3未患肺癌 32 11根据以上数据建立Logistic模型,研究吸烟与肺癌的关系.2. 为了探讨冠心病的有关危险因素，对26例冠心病人和28例对照者进行研究，数据见 …\Sas_Ex\ coronary1.txt，试进行Logistic回归分析。
