拓端tecdat|用SAS进行泊松,零膨胀泊松和有限混合Poisson模型分析
原文链接:http://tecdat.cn/?p=6145
原文出处:拓端数据部落公众号
泊松模型
proc fmm data = tmp1 tech = trureg;model majordrg = age acadmos minordrg logspend / dist = truncpoisson;probmodel age acadmos minordrg logspend;/*Fit Statistics-2 Log Likelihood 8201.0AIC (smaller is better) 8221.0AICC (smaller is better) 8221.0BIC (smaller is better) 8293.5Parameter Estimates for 'Truncated Poisson' ModelStandardComponent Effect Estimate Error z Value Pr > |z|1 Intercept -2.0706 0.3081 -6.72 <.00011 AGE 0.01796 0.005482 3.28 0.00111 ACADMOS 0.000852 0.000700 1.22 0.22401 MINORDRG 0.1739 0.03441 5.05 <.00011 LOGSPEND 0.1229 0.04219 2.91 0.0036Parameter Estimates for Mixing ProbabilitiesStandardEffect Estimate Error z Value Pr > |z|Intercept -4.2309 0.1808 -23.40 <.0001AGE 0.01694 0.003323 5.10 <.0001ACADMOS 0.002240 0.000492 4.55 <.0001MINORDRG 0.7653 0.03842 19.92 <.0001LOGSPEND 0.2301 0.02683 8.58 <.0001*/*** HURDLE POISSON MODEL WITH NLMIXED PROCEDURE ***;proc nlmixed data = tmp1 tech = trureg maxit = 500;parms B1_intercept = -4 B1_age = 0 B1_acadmos = 0 B1_minordrg = 0 B1_logspend = 0B2_intercept = -2 B2_age = 0 B2_acadmos = 0 B2_minordrg = 0 B2_logspend = 0;eta1 = B1_intercept + B1_age * age + B1_acadmos * acadmos + B1_minordrg * minordrg + B1_logspend * logspend;exp_eta1 = exp(eta1);p0 = 1 / (1 + exp_eta1);eta2 = B2_intercept + B2_age * age + B2_acadmos * acadmos + B2_minordrg * minordrg + B2_logspend * logspend;exp_eta2 = exp(eta2);if majordrg = 0 then _prob_ = p0;else _prob_ = (1 - p0) * exp(-exp_eta2) * (exp_eta2 ** majordrg) / ((1 - exp(-exp_eta2)) * fact(majordrg));ll = log(_prob_);model majordrg ~ general(ll);run;/*Fit Statistics-2 Log Likelihood 8201.0AIC (smaller is better) 8221.0AICC (smaller is better) 8221.0BIC (smaller is better) 8293.5Parameter EstimatesStandardParameter Estimate Error DF t Value Pr > |t|B1_intercept -4.2309 0.1808 1E4 -23.40 <.0001B1_age 0.01694 0.003323 1E4 5.10 <.0001B1_acadmos 0.002240 0.000492 1E4 4.55 <.0001B1_minordrg 0.7653 0.03842 1E4 19.92 <.0001B1_logspend 0.2301 0.02683 1E4 8.58 <.0001============B2_intercept -2.0706 0.3081 1E4 -6.72 <.0001B2_age 0.01796 0.005482 1E4 3.28 0.0011B2_acadmos 0.000852 0.000700 1E4 1.22 0.2240B2_minordrg 0.1739 0.03441 1E4 5.05 <.0001B2_logspend 0.1229 0.04219 1E4 2.91 0.0036*/
零膨胀泊松模型
*** ZERO-INFLATED POISSON MODEL WITH FMM PROCEDURE ***;proc fmm data = tmp1 tech = trureg;model majordrg = age acadmos minordrg logspend / dist = poisson;probmodel age acadmos minordrg logspend;run;/*Fit Statistics-2 Log Likelihood 8147.9AIC (smaller is better) 8167.9AICC (smaller is better) 8167.9BIC (smaller is better) 8240.5Parameter Estimates for 'Poisson' ModelStandardComponent Effect Estimate Error z Value Pr > |z|1 Intercept -2.2780 0.3002 -7.59 <.00011 AGE 0.01956 0.006019 3.25 0.00121 ACADMOS 0.000249 0.000668 0.37 0.70931 MINORDRG 0.1176 0.02711 4.34 <.00011 LOGSPEND 0.1644 0.03531 4.66 <.0001Parameter Estimates for Mixing ProbabilitiesStandardEffect Estimate Error z Value Pr > |z|Intercept -1.9111 0.4170 -4.58 <.0001AGE -0.00082 0.008406 -0.10 0.9218ACADMOS 0.002934 0.001085 2.70 0.0068MINORDRG 1.4424 0.1361 10.59 <.0001LOGSPEND 0.09562 0.05080 1.88 0.0598*/*** ZERO-INFLATED POISSON MODEL WITH NLMIXED PROCEDURE ***;proc nlmixed data = tmp1 tech = trureg maxit = 500;parms B1_intercept = -2 B1_age = 0 B1_acadmos = 0 B1_minordrg = 0 B1_logspend = 0B2_intercept = -2 B2_age = 0 B2_acadmos = 0 B2_minordrg = 0 B2_logspend = 0;eta1 = B1_intercept + B1_age * age + B1_acadmos * acadmos + B1_minordrg * minordrg + B1_logspend * logspend;exp_eta1 = exp(eta1);p0 = 1 / (1 + exp_eta1);eta2 = B2_intercept + B2_age * age + B2_acadmos * acadmos + B2_minordrg * minordrg + B2_logspend * logspend;exp_eta2 = exp(eta2);if majordrg = 0 then _prob_ = p0 + (1 - p0) * exp(-exp_eta2);else _prob_ = (1 - p0) * exp(-exp_eta2) * (exp_eta2 ** majordrg) / fact(majordrg);ll = log(_prob_);model majordrg ~ general(ll);run;/*Fit Statistics-2 Log Likelihood 8147.9AIC (smaller is better) 8167.9AICC (smaller is better) 8167.9BIC (smaller is better) 8240.5Parameter EstimatesStandardParameter Estimate Error DF t Value Pr > |t|B1_intercept -1.9111 0.4170 1E4 -4.58 <.0001B1_age -0.00082 0.008406 1E4 -0.10 0.9219B1_acadmos 0.002934 0.001085 1E4 2.70 0.0068B1_minordrg 1.4424 0.1361 1E4 10.59 <.0001B1_logspend 0.09562 0.05080 1E4 1.88 0.0598============B2_intercept -2.2780 0.3002 1E4 -7.59 <.0001B2_age 0.01956 0.006019 1E4 3.25 0.0012B2_acadmos 0.000249 0.000668 1E4 0.37 0.7093B2_minordrg 0.1176 0.02711 1E4 4.34 <.0001B2_logspend 0.1644 0.03531 1E4 4.66 <.0001*/
两类有限混合Poisson模型
*** TWO-CLASS FINITE MIXTURE POISSON MODEL WITH FMM PROCEDURE ***;proc fmm data = tmp1 tech = trureg;model majordrg = age acadmos minordrg logspend / dist = poisson k = 2;run;/*Fit Statistics-2 Log Likelihood 8136.8AIC (smaller is better) 8166.8AICC (smaller is better) 8166.9BIC (smaller is better) 8275.7Parameter Estimates for 'Poisson' ModelStandardComponent Effect Estimate Error z Value Pr > |z|1 Intercept -2.4449 0.3497 -6.99 <.00011 AGE 0.02214 0.006628 3.34 0.00081 ACADMOS 0.000529 0.000770 0.69 0.49201 MINORDRG 0.05054 0.04015 1.26 0.20811 LOGSPEND 0.2140 0.04127 5.18 <.00012 Intercept -8.0935 1.5915 -5.09 <.00012 AGE 0.01150 0.01294 0.89 0.37422 ACADMOS 0.004567 0.002055 2.22 0.02632 MINORDRG 0.2638 0.6770 0.39 0.69682 LOGSPEND 0.6826 0.2203 3.10 0.0019Parameter Estimates for Mixing ProbabilitiesStandardEffect Estimate Error z Value Pr > |z|Intercept -1.4275 0.5278 -2.70 0.0068AGE -0.00277 0.01011 -0.27 0.7844ACADMOS 0.001614 0.001440 1.12 0.2623MINORDRG 1.5865 0.1791 8.86 <.0001LOGSPEND -0.06949 0.07436 -0.93 0.3501*/*** TWO-CLASS FINITE MIXTURE POISSON MODEL WITH NLMIXED PROCEDURE ***;proc nlmixed data = tmp1 tech = trureg maxit = 500;B2_intercept = -8 B2_age = 0 B2_acadmos = 0 B2_minordrg = 0 B2_logspend = 0eta1 = B1_intercept + B1_age * age + B1_acadmos * acadmos + B1_minordrg * minordrg + B1_logspend * logspend;exp_eta1 = exp(eta1);prob1 = exp(-exp_eta1) * exp_eta1 ** majordrg / fact(majordrg);eta2 = B2_intercept + B2_age * age + B2_acadmos * acadmos + B2_minordrg * minordrg + B2_logspend * logspend;exp_eta2 = exp(eta2);prob2 = exp(-exp_eta2) * exp_eta2 ** majordrg / fact(majordrg);eta3 = B3_intercept + B3_age * age + B3_acadmos * acadmos + B3_minordrg * minordrg + B3_logspend * logspend;exp_eta3 = exp(eta3);p = exp_eta3 / (1 + exp_eta3);_prob_ = p * prob1 + (1 - p) * prob2;ll = log(_prob_);model majordrg ~ general(ll);run;/*Fit Statistics-2 Log Likelihood 8136.8AIC (smaller is better) 8166.8AICC (smaller is better) 8166.9BIC (smaller is better) 8275.7Parameter EstimatesStandardParameter Estimate Error DF t Value Pr > |t|B1_intercept -2.4449 0.3497 1E4 -6.99 <.0001B1_age 0.02214 0.006628 1E4 3.34 0.0008B1_acadmos 0.000529 0.000770 1E4 0.69 0.4920B1_minordrg 0.05054 0.04015 1E4 1.26 0.2081B1_logspend 0.2140 0.04127 1E4 5.18 <.0001============B2_intercept -8.0935 1.5916 1E4 -5.09 <.0001B2_age 0.01150 0.01294 1E4 0.89 0.3742B2_acadmos 0.004567 0.002055 1E4 2.22 0.0263B2_minordrg 0.2638 0.6770 1E4 0.39 0.6968B2_logspend 0.6826 0.2203 1E4 3.10 0.0020============B3_intercept -1.4275 0.5278 1E4 -2.70 0.0068B3_age -0.00277 0.01011 1E4 -0.27 0.7844B3_acadmos 0.001614 0.001440 1E4 1.12 0.2623B3_minordrg 1.5865 0.1791 1E4 8.86 <.0001B3_logspend -0.06949 0.07436 1E4 -0.93 0.3501*/
拓端tecdat|用SAS进行泊松,零膨胀泊松和有限混合Poisson模型分析相关推荐
- 拓端tecdat荣获掘金社区入驻新人奖
2021年7月,由掘金发起了"入驻成长礼"颁奖活动.本次活动邀请到知名开发者.服务机构代表等业界人士. 据了解,掘金社区"新入驻创作者礼"主要对已经积累了一定历 ...
- 拓端tecdat荣获2022年度51CTO博主之星
相信技术,传递价值,这是51CTO每一个技术创作者的动力与信念,2022 年度,拓端tecdat 作为新锐的数据分析咨询公司,在51CTO平台上,不断的输出优质的技术文章,分享前沿创新技术,输出最佳生 ...
- R语言广义线性模型函数GLM、R中有几种泊松回归扩展和变异、变时段泊松回归、零膨胀泊松回归、鲁棒泊松回归、pscl包的zeroinfl拟合零膨胀泊松回归、robust包中的glmRob函数拟合鲁棒模型
R语言广义线性模型函数GLM.glm函数构建泊松回归模型.R中有几种泊松回归扩展和变异.变时段泊松回归.零膨胀泊松回归.鲁棒泊松回归.pscl包的zeroinfl拟合零膨胀泊松回归.robust包中的 ...
- 零膨胀泊松回归案例分析
零膨胀泊松回归分析 计数研究模型中,常用泊松回归模型,但泊松回归模型理论上是要求平均值与标准差相等,如果不满足,则可使用负二项回归模型 在实际研究中,会出现一种情况即因变量为计数变量,并且该变量包括非 ...
- 零基础入门智能射频——偶极子天线等效电路模型分析
1.前言 无人机的安全防范和管控,已经成为无人机行业的重点内容.无人机探测解决方案已经变得非常重要.前面系列文章给出了针对无人机侦察和干扰无人机的天线阵设计,上一期文章中,我们给出一种小型化的无人机侦 ...
- 拓端tecdat|bilibili视频流量数据潜望镜
最近我们被客户要求撰写关于bilibili视频流量的研究报告,包括一些图形和统计输出. 最新研究表明,中国有超过7亿人在观看在线视频内容.Bilibili,被称为哔哩哔哩或简称为B站,是中国大陆第二个 ...
- 拓端tecdat|R语言向量误差修正模型 (VECMs)分析长期利率和通胀率影响关系
最近我们被客户要求撰写关于向量误差修正模型的研究报告,包括一些图形和统计输出. 向量自回归模型估计的先决条件之一是被分析的时间序列是平稳的.但是,经济理论认为,经济变量之间在水平上存在着均衡关系,可以 ...
- 拓端tecdat|R语言用LOESS(局部加权回归)季节趋势分解(STL)进行时间序列异常检测
最近我们被客户要求撰写关于LOESS(局部加权回归)的研究报告,包括一些图形和统计输出. 这篇文章描述了一种对涉及季节性和趋势成分的时间序列的中点进行建模的方法.我们将对一种叫做STL的算法进行研究, ...
- 拓端tecdat|R语言线性回归和时间序列分析北京房价影响因素可视化案例
最近我们被客户要求撰写关于北京房价影响因素的研究报告,包括一些图形和统计输出. 目的 房价有关的数据可能反映了中国近年来的变化: 人们得到更多的资源(薪水),期望有更好的房子 人口众多 独生子女政策: ...
- 拓端tecdat|R语言逻辑回归(Logistic回归)模型分类预测病人冠心病风险
最近我们被客户要求撰写关于冠心病风险的研究报告,包括一些图形和统计输出. 相关视频:R语言逻辑回归(Logistic回归)模型分类预测病人冠心病风险 逻辑回归Logistic模型原理和R语言分类预测冠 ...
最新文章
- 使用Response.Redirect 两种方法打开一个新窗口
- java中大数开方_Java中的大数运算
- java并发编程之AbstractQueuedSynchronizer
- SAP Spartacus 服务器端渲染的单步调试
- linux系统中各个文件描述——陆续添加
- 教育部公布学位“撤销授权”高校,5年内不得重新申请!
- Java请求参数检查,Java如何检查servlet请求中是否存在参数?
- 中小SAP项目中的人员编制(转)
- 数控直流电压源的设计与制作【keil5 AD20]
- Python实现pdf转word
- 敏捷团队的病与药:阿里健康医药B2B团队敏捷转型手记
- stm32f4内部flash讲解
- 白噪声,有色噪声的定义、特性及其MATLAB仿真
- react native 渐变 BVLinearGradient报错不存在
- ispreedSheet ios编辑类似表格界面在ipad上
- SQL的语法与分类,语法示例+图片,贼吉尔详细!!!
- 小顶堆实现求无序数组中的最大k个数
- c语言中include的作用,c语言include的用法是什么
- 2018-06-03 对待知识的态度 --王小波
- LightGBM是个什么东东?好像很耳熟啊,怎么玩啊?如何调参?一文搞定!