逻辑回归 - 使用其他变量创建新变量 (SAS)
Logistic regression - create new variable using others (SAS)
我有一个基于调查的小数据集（大约 80 obsv），我想使用 SAS 在其上执行逻辑回归。
我的调查包含一些变量（名为 X1、X2、X3），我想将它们重新组合为名为 X4 的新创建变量的类别。
问题是那些变量 X1-X3 已经有了类别（YES/NO/WITHOUT 意见）
我如何才能将它们重新组合为 X4 的类别，但要考虑到它们具有的值？
帮助您理解我的问题：
Y(=1/0) = X1 X2 X3
X1-X3 各有 3 个类别（YES/NO/WITHOUT 意见）
我要的是:
Proc 逻辑数据 = 有 ;
模型 Y = X4 和其他如年龄、城市...但 X4 可以取 3 个值。
问题不是基于 X1-X3 创建 X4，而是如何影响 X4 X1-X3 各自采用的值？
（注意：我说 X1-X3 但更多）
我在 SAS 中这样做，但即使是理论解释也会有所帮助！
谢谢。
我认为大部分评论都是正确的 - 这可能不会帮助您回归。
但是-回答如何从字面上做到这一点；通常你会做的是使用 2（或 3）的幂。
因此，对于您不关心第三个的典型“yes/no”，您可以这样分配：
x4 = (x1) + (x2 * 2) + (x3 * 4);
那么值将是这样的：
0 = (0,0,0)
1 = (1,0,0)
2 = (0,1,0)
3 = (1,1,0)
4 = (0,0,1)
5 = (1,0,1)
6 = (0,1,1)
7 = (1,1,1)
如果你真的希望“无意见”成为一个类别（这很复杂，但在很多情况下将“无意见”的人包括在内并不理想，除非有意见实际上是相关的，最好排除它们或估算值），那么您将使用 3 的幂来执行此操作。它的工作方式与 2 的幂相同，您只是有更多的类别组合（总共 27 个）。
x4 = (x1) + (x2 * 3) + (x3 * 9);
只需确保它们是 0/1/2 编码，而不是 1/2/3；如果它们是 1/2/3，则在乘法时减一。
你还能做些什么更好？从理论上讲，您可以做很多优于此实际分类的事情（这对您的过度拟合根本没有帮助）。
一个有用的术语是“崩溃”；参见例如 this paper by Bruce Lund et al for example (Plug: Bruce is giving a (not free) class in regression for WUSS later this month. You can use ANOVA to analyze which variables contribute to your model. You can use some other procedures like GLMSELECT；这是一般回归中的一个主要话题。
您还可以研究因子分析，例如 this SAS Book excerpt。
我有一个基于调查的小数据集（大约 80 obsv），我想使用 SAS 在其上执行逻辑回归。
我的调查包含一些变量（名为 X1、X2、X3），我想将它们重新组合为名为 X4 的新创建变量的类别。
问题是那些变量 X1-X3 已经有了类别（YES/NO/WITHOUT 意见）
我如何才能将它们重新组合为 X4 的类别，但要考虑到它们具有的值？
帮助您理解我的问题：
Y(=1/0) = X1 X2 X3
X1-X3 各有 3 个类别（YES/NO/WITHOUT 意见）
我要的是:
Proc 逻辑数据 = 有 ; 模型 Y = X4 和其他如年龄、城市...但 X4 可以取 3 个值。
问题不是基于 X1-X3 创建 X4，而是如何影响 X4 X1-X3 各自采用的值？
（注意：我说 X1-X3 但更多）
我在 SAS 中这样做，但即使是理论解释也会有所帮助！
谢谢。
我认为大部分评论都是正确的 - 这可能不会帮助您回归。
但是-回答如何从字面上做到这一点；通常你会做的是使用 2（或 3）的幂。
因此，对于您不关心第三个的典型“yes/no”，您可以这样分配：
x4 = (x1) + (x2 * 2) + (x3 * 4);
那么值将是这样的：
0 = (0,0,0)
1 = (1,0,0)
2 = (0,1,0)
3 = (1,1,0)
4 = (0,0,1)
5 = (1,0,1)
6 = (0,1,1)
7 = (1,1,1)
如果你真的希望“无意见”成为一个类别（这很复杂，但在很多情况下将“无意见”的人包括在内并不理想，除非有意见实际上是相关的，最好排除它们或估算值），那么您将使用 3 的幂来执行此操作。它的工作方式与 2 的幂相同，您只是有更多的类别组合（总共 27 个）。
x4 = (x1) + (x2 * 3) + (x3 * 9);
只需确保它们是 0/1/2 编码，而不是 1/2/3；如果它们是 1/2/3，则在乘法时减一。
你还能做些什么更好？从理论上讲，您可以做很多优于此实际分类的事情（这对您的过度拟合根本没有帮助）。
一个有用的术语是“崩溃”；参见例如 this paper by Bruce Lund et al for example (Plug: Bruce is giving a (not free) class in regression for WUSS later this month. You can use ANOVA to analyze which variables contribute to your model. You can use some other procedures like GLMSELECT；这是一般回归中的一个主要话题。
您还可以研究因子分析，例如 this SAS Book excerpt。