Advertisement
Not a member of Pastebin yet?
Sign Up,
it unlocks many cool features!
- libname malib 'Z:/21400858/Documents/sas/ML_L3SID_TP2' ;
- * Analyse descriptive de la variable Réponse (peut etre faite sous sas-insight) ;
- proc univariate data=malib.hospi plot ;
- var duree ;
- run;
- /* Etape 1 : Repartition des observations selon chaque facteur */
- proc freq data=malib.hospi;
- tables anest / plots = all;
- run;
- proc freq data=malib.hospi;
- tables prog / plots = all ;
- run;
- /* Etapes 2 : Modèle à un facteur */
- * Etape 2a : Modele a un facteur anest ;
- title 'Modele a un facteur : Duree en fct de Anest' ;
- /* glm : generalize linear model possibilité d'avoir en entré des variables discrète ou quantitative */
- proc glm data=malib.hospi ;
- class anest ;
- model duree = anest ;
- run;
- * Etape 2b : Modele a un facteur anest, estimation des parametres ;
- title 'Modele a un facteur : Duree en fct de Anest' ;
- proc glm data=malib.hospi ;
- class anest ;
- model duree = anest /solution;
- run;
- * Etape 2c : Modele a un facteur avec l'instruction means ;
- /* les losanges sont les valeurs prédites */
- proc glm data=malib.hospi ;
- class anest ;
- model duree = anest ;
- means anest ;
- run;
- * Etape 2d : Modele a un facteur avec l'instruction means et les options bon scheffe et tukey;
- /* Simultané 95% Intervalle
- de confiance intervalle de confiance simultané car risque de rejeter une des hypothèse nulle à tord; intervalle de confiance basé sur l'ensemble des hypothèse à tester */
- proc glm data=malib.hospi ;
- class anest ;
- model duree = anest ;
- means anest / bon scheffe tukey ;
- run;
- * Etape 2e : Modele selon le type d operations ;
- title 'Modele a un facteur : Duree en fct de Prog' ;
- proc glm data=malib.hospi ;
- class prog ;
- model duree = prog ;
- means prog / bon scheffe tukey ;
- run;
- /* Etape 3 : Répartition des observations par combinaison des 2 facteurs */
- /* anest*prog le * veux dire modèle croisé */
- proc freq data=malib.hospi ;
- tables anest*prog / plots=all;
- run;
- /* ETAPES 4 : Modèle à deux facteurs croisés */
- * Etape 4a : Modele a deux facteurs avec interactions ;
- title 'Modèle a deux facteurs avec interaction' ;
- /* la p valeur est faible on rejette l'hypothèse qu'il n'y a pas d'effet
- R² ça permet que le modèle colle mieux au donnée car ça entraine une reduction des valeurs d'erreurs*/
- proc glm data=malib.hospi ;
- class prog anest ;
- model duree = prog anest prog*anest/solution;
- run;
- /* ETAPES 4 : Modèle à deux facteurs croisés */
- * Etape 4b : Modele a deux facteurs avec interactions ;
- title 'Modèle a deux facteurs avec interaction' ;
- proc glm data=malib.hospi ;
- class anest prog ;
- model duree = anest prog anest*prog/solution;
- run;
- * Etape 4c : Modele a deux facteurs avec interactions avec l'option predicted ;
- proc glm data=malib.hospi ;
- class prog anest ;
- model duree = prog anest prog*anest / predicted;
- run;
- /* la moyenne des termes d'erreurs sont nul */
- * Etape 4d : Modele a deux facteurs avec interactions avec l'instruction lsmeans;
- proc glm data=malib.hospi ;
- class prog anest ;
- model duree = prog anest prog*anest / predicted;
- lsmeans prog anest prog*anest ;
- run;
- /* Etape 5 : modele a deux facteurs sans interaction */
- /* on prend en compte séparement l'effet de chaque variable
- */
- title 'Modele a deux facteurs sans interaction' ;
- proc glm data=malib.hospi ;
- class prog anest ;
- model duree = prog anest /solution predicted ;
- run;
Advertisement
Add Comment
Please, Sign In to add comment
Advertisement