背景：当我们测试已编码为虚拟变量的分类变量的重要性时，我们需要同时测试所有虚拟变量为0.例如，如果 X 取0,1,2,3和4的值，我将适合1-4级的虚拟变量（假设我想要0为基线），然后想要同时测试B1 = B2 = B3 = B4 = 0 。
如果这是我数据集中唯一的变量，我可以使用整体 F -statistic来实现这一目标。但是，如果我有其他协变量，整体 F - 测试不起作用。
例如，在Stata中，这是（非常，非常）简单地由testparm命令执行的：
testparm i.x（在拟合了所需的回归模型之后），i.前缀告诉Stata X 是一个被视为虚拟变量的分类数据。
问题/问题：我想知道如何使用CONTRAST（或ESTIMATE？）语句在SAS中执行此操作，同时使用{{拟合回归模型1}}因为我已经浏览过互联网而没有找到我正在寻找的东西，我猜我错过了一些非常明显的东西。但是，我看到的所有示例都不是分类（PROC GLM.）变量，而是两个独立的（比如连续的）变量。在这种情况下，对比语句就像是
class
否则，它们用于计算假设，如H_0：B1-B2 = 0。
我觉得我需要将假设分解成更小的部分并确定定义整个关系的集合，但我没有正确地做到这一点。例如，对于B1 = B2 = B3 = B4 = 0，我想我可能会说B1 = B2 = B3 = -B4，然后定义（1）B1 = -B4，（2）B2 = -B4和（3）B2 = B3。我试图将此代码编码为CONTRAST 'Contrast1' y 1 z 1;语句（例如 X 在数据集中按降序排列：4-0）：
CONTRAST我知道这是不正确的，我尝试了很多很多变化以及我能想到的任何随机逻辑。我的问题是我有CONTRAST 'Contrast' x -1 0 0 1 0
x -1 0 1 0 0
x 0 1 1 0 0;
的相对新手级别的知识（并且遗憾的是没有找到很好的文档来帮助解决这个问题）以及为了估计而应该如何制定这个假设检验（我是否尝试过像我上面那样把它分成几块，或者......？）。
答案 0 :(得分：2)
从上面的注释中，您实际上可以通过PROC GENMOD和CLASS声明以及TYPE3规范让SAS为您执行此操作。
proc genmod data=input;
class classvar ;
model slope= classvar othervar/ type3;
run;
quit;
在上面的示例中，我的班级水平位于classvar变量中。 othervar是我的另一个协变量。
在输出结尾处，您会看到标有LR Statistics For Type 3 Analysis的表格。 classvar的行是所有类效果的LR测试= 0。
答案 1 :(得分：0)
PROC REG与TEST合作的另一种情况（TEST x1=0, x2=0, x3=0, x4=0，例如），它没有回答我PROC GLM的初始问题，但如果{{{} 1}}为您的模型类型完成工作。