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;