R glm标准误差估计与SAS PROC GENMOD的差异

时间:2011-11-27 22:25:56

标签: r sas glm

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summary(parmsg2)时,我得到与SAS相同的系数估计值,但我的标准误差却大不相同。

SAS的摘要输出是:

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的摘要输出是:

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RACE1WEEKEND系数不是。我找到了一个公式来计算R中的Wald置信区间,但鉴于标准误差的差异,这是毫无意义的,因为我不会得到相同的结果。

显然,SAS使用脊稳定的Newton-Raphson算法进行估算,即ML。我读到的关于R中glm函数的信息是结果应该等于ML。如何更改R中的估算程序,以便获得SAS中生成的等效系数和标准误差估计值?

要更新,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体,而REPLICATE_VAR是一个平衡的重复复制权重,这是一个整数(并且非常大,顺序1000或10000s)。描述权重的网站是here。我不知道为什么在SAS中使用FREQ而不是WEIGHT命令。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)

2 个答案:

答案 0 :(得分: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单位重量观测值的平均值”。这两件事情是不一样的。

如果您希望R提供与SAS相同的输出(无法想到原因),那么您可能需要重复数据框“重量”次数中的每一行。

这里,数据是10行,所有权重= 2,data2是20行(每行数据2个副本),所有权重= 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

稍微处理一下,相同值的N个观测值比说这个观测值是N个观测值的平均值更不模糊,因此具有重复观测值的SE将具有比平均值更小的SE。

答案 1 :(得分:1)

修改:阅读the SAS documentation for FREQ以及您上方和下方的回复,以下是您应该尝试的想法:在{{中使用weights=REPLICATE_VAR 1}}语句调整组的相对权重(上面找到的系数相等表明这是正确的方法),然后在下面建议的调整中使用glm (我也认为你可以使用N=sum(REPLICATE_VAR)而不是lm来解决这个问题...它不会有太大的区别,但应该更快,更强大。) 类似的东西:

glm