10

我正在使用 R 中的 glm 将 SAS PROC GENMOD 示例转换为 R。SAS 代码是：

proc genmod data=data0 namelen=30;
model boxcoxy=boxcoxxy ~ AGEGRP4 + AGEGRP5 + AGEGRP6 + AGEGRP7 + AGEGRP8 + RACE1 + RACE3 + WEEKEND + 
SEQ/dist=normal;
FREQ REPLICATE_VAR;  
run;

我的 R 代码是：

parmsg2 <- glm(boxcoxxy ~ AGEGRP4 + AGEGRP5 + AGEGRP6 + AGEGRP7 + AGEGRP8 + RACE1 + RACE3 + WEEKEND + 
SEQ , data=data0, family=gaussian, weights = REPLICATE_VAR)

当我使用时，summary(parmsg2)我得到与 SAS 相同的系数估计值，但我的标准误差大不相同。

SAS 的总结输出是：

Name         df   Estimate      StdErr    LowerWaldCL  UpperWaldCL      ChiSq   ProbChiSq
Intercept    1   6.5007436    .00078884      6.4991975    6.5022897    67911982 0
agegrp4      1   .64607262    .00105425      .64400633    .64813891   375556.79 0
agegrp5      1    .4191395    .00089722      .41738099    .42089802   218233.76 0
agegrp6      1  -.22518765    .00083118     -.22681672   -.22355857   73401.113 0
agegrp7      1  -1.7445189    .00087569     -1.7462352   -1.7428026   3968762.2 0
agegrp8      1  -2.2908855    .00109766     -2.2930369   -2.2887342   4355849.4 0
race1        1  -.13454883    .00080672     -.13612997   -.13296769    27817.29 0
race3        1  -.20607036    .00070966     -.20746127   -.20467944   84319.131 0
weekend      1    .0327884    .00044731       .0319117    .03366511   5373.1931 0
seq2          1 -.47509583    .00047337     -.47602363   -.47416804   1007291.3 0
Scale         1 2.9328613     .00015586      2.9325559    2.9331668     -127

R的总结输出是：

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)  6.50074    0.10354  62.785  < 2e-16 
AGEGRP4      0.64607    0.13838   4.669 3.07e-06 
AGEGRP5      0.41914    0.11776   3.559 0.000374 
AGEGRP6     -0.22519    0.10910  -2.064 0.039031  
AGEGRP7     -1.74452    0.11494 -15.178  < 2e-16
AGEGRP8     -2.29089    0.14407 -15.901  < 2e-16
RACE1       -0.13455    0.10589  -1.271 0.203865    
RACE3       -0.20607    0.09315  -2.212 0.026967 
WEEKEND      0.03279    0.05871   0.558 0.576535 
SEQ         -0.47510    0.06213  -7.646 2.25e-14

标准误差差异的重要性在于 SAS 系数都具有统计显着性，但R 输出中的RACE1和系数不具有统计意义。WEEKEND我找到了一个计算 R 中 Wald 置信区间的公式，但考虑到标准误差的差异，这是没有意义的，因为我不会得到相同的结果。

显然 SAS 使用岭稳定 Newton-Raphson 算法进行估计，即 ML。我读到的关于glmR 中函数的信息是结果应该等同于 ML。我可以做些什么来改变我在 R 中的估计过程，以便获得在 SAS 中产生的等效系数和标准误差估计？

为了更新，感谢 Spacedman 的回答，我使用了权重，因为数据来自饮食调查中的个人，并且REPLICATE_VAR是一个平衡的重复复制权重，它是一个整数（并且相当大，大约 1000 秒或 10000 秒）。描述重量的网站在这里。我不知道为什么在 SAS 中使用FREQ而不是命令。WEIGHT我现在将通过使用 REPLICATE_VAR 扩展观察数量并重新运行分析来进行测试。

感谢 Ben 在下面的回答，我现在使用的代码是：

parmsg2 <- coef(summary(glm(boxcoxxy ~ AGEGRP4 + AGEGRP5 + AGEGRP6 + AGEGRP7 + AGEGRP8 + RACE1 + RACE3 
+ WEEKEND + SEQ , data=data0, family=gaussian, weights = REPLICATE_VAR)))
#clean up the standard errors
parmsg2[,"Std. Error"] <- parmsg2[,"Std. Error"]/sqrt(mean(data0$REPLICATE_VAR)) 
parmsg2[,"t value"] <- parmsg2[,"Estimate"]/parmsg2[,"Std. Error"] 
#note: using the t-distribution for p-values, correct the t-values
allsummary <- summary.glm(glm(boxcoxxy ~ AGEGRP4 + AGEGRP5 + AGEGRP6 + AGEGRP7 + AGEGRP8 + RACE1 +
RACE3 + WEEKEND + SEQ , data=data0, family=gaussian, weights = REPLICATE_VAR))
parmsg2[,"Pr(>|t|)"] <- 2*pt(-abs(parmsg2[,"t value"]),df=allsummary$df.resid)
4

2 回答 2

12

SAS 中的 FREQ 与 R 的 glm 中的权重不同。在 SAS 中，它是该事件的发生次数。对于 R，它的“每个响应 y_i 是 w_i 单位权重观察的平均值”。这两件事是不一样的。

如果您希望 R 提供与 SAS 相同的输出（想不出为什么），那么您可能需要重复数据框中的每一行“权重”次数。

这里，data 为 10 行，所有 weights=2，data2 为 20 行（每行数据 2 个副本），所有 weights=1：

> summary(glm(y~x,data=data2,weights=weights))$coef
              Estimate Std. Error   t value   Pr(>|t|)
(Intercept) 0.32859847 0.13413683 2.4497259 0.02475748
x           0.01540002 0.02161811 0.7123667 0.48537003
> summary(glm(y~x,data=data,weights=weights))$coef
              Estimate Std. Error   t value  Pr(>|t|)
(Intercept) 0.32859847 0.20120525 1.6331506 0.1410799
x           0.01540002 0.03242716 0.4749111 0.6475449

稍微挥手，N 个相同值的观察比说这个观察是 N 个观察的平均值具有更少的模糊性，因此具有重复观察的 SE 将具有小于平均值的 SE。

于 2011-11-28T00:14:00.537 回答
1

编辑：阅读FREQ 的 SAS 文档以及您在上方和下方的回复，这是我认为您应该尝试的方法：weights=REPLICATE_VAR在glm语句中使用来调整组的相对权重（您在上面找到的系数相等表明这是正确的方法去），然后N=sum(REPLICATE_VAR)在下面建议的调整中使用（我也认为你可以使用lm而不是glm这个问题......它不会有太大的区别，但应该更快，更健壮。）类似的东西：

s <- coef(summary(lm(y~x,data=data2, weights=REPLICATE_VAR)))
s[,"Std. Error"] <- s[,"Std. Error"]/sqrt(sum(data2$REPLICATE_VAR))
s[,"t value"] <- s[,"Estimate"]/s[,"Std. Error"]
s[,"Pr(>|t|)"] <- 2*pt(abs(s[,"t value"]),df=g$df.resid)
于 2011-11-28T01:44:29.840 回答