PROC GLM & PROC LOGISTIC 활용 실습

[실습1]

종속변수: phb_01z1 (하루 10분이상 걷기 일수 - 연속변수)

독립변수: sex(범주), age(연속), bogun_cd(범주), soa_01z1(범주)

결과에 대한 해석 (Estimate 값과 통계적 유의성을 모든 독립변수에 대해 제시)

 

- 코드

PROC GLM DATA=KSY_LIB.SAMPLE;

CLASS sex bogun_cd soa_01z1;

MODEL phb_01z1 = sex age bogun_cd soa_01z1 / solution;

RUN;

 

- 결과값

 

- 해석

1. 연속형 독립변수 ‘age’

- 성별(sex), 보건소 지역번호(bogun_cd), 경제활동유무(soa_01z1)의 값을 보정한 결과, 독립변수 age가 하나씩 증가할 때마다 하루 10분이상 걷기 일수(phb_01z1)가 대략 0.01씩 감소하며, 이는 p-value 값이 0.0001보다 작으므로 통계적으로 유의하다.

2. 범주형 독립변수 ‘sex’ (1=남자, 2=여자)

- 여성(2)을 기준으로 독립변수를 보정한 결과, 남성(1)은 여성에 비해 대략 0.32 증가한다. 하지만 p-value 값이 0.0006으로, 0.0001보다는 크기 때문에 통계적으로 유의하지 않다.

3. 범주형 독립변수 ‘bogun_cd’ (001-004)

- bogun_cd 004를 기준으로, bogun_cd 001은 대략 0.72 증가하였다. 이 경우, p-value 값은 0.0001보다 작으므로 통계적으로 유의하다.

- bogun_cd 004를 기준으로, bogun_cd 002는 대략 0.54 증가하였다. 하지만 p-value 값은 0.0022로, 0.0001보다 크기 때문에 통계적으로 유의하지않다.

- bogun_cd 004를 기준으로, bogun_cd 003은 대략 0.78 증가하였다. P-value 값은 0.0001보다 작기 때문에, 통계적으로 유의하다.

4. 범주형 독립변수 ‘soa_01z1’(1=네, 2=아니오)

- soa_01z1의 아니오(2)를 기준으로, soa_01z1은 대략 0.076 증가했다. 하지만 p-value 값이 0.4414로 0.0001보다 크기 때문에 통계적으로 유의하지 않다.

---

[실습2]

종속변수: dra_01z1 (이분형 범주변수)

독립변수: sex(범주), age(연속), bogun_cd(범주), soa_01z1(범주)

결과에 대한 해석 (Odds ratio 값과 통계적 유의성을 모든 독립변수에 대해 제시)

 

- 코드

PROC LOGISTIC DATA = KSY_LIB.SAMPLE;

CLASS sex bogun_cd soa_01z1;

MODEL dra_01z1 (event = ‘1’) = sex age bogun_cd soa_01z1;

RUN;

 

- 결과값

(이미지 저장 잘못해서 다깨진거 실화일까....)

- 해석

1. 연속형 독립변수 ‘age’

- 다른 독립변수 보정 결과, age가 한 단위 증가할수록 평생음주여부(dra_01z1)가 0.954씩 증가한다는 결과를 보였다. 95% 신뢰수준 결과 값이 0.946~0.962를 보이고 있으며, 이를 통해 odds ratio 값이 통계적으로 유의하다.

2. 범주형 독립변수 ‘sex’ (1=남자, 2=여자)

- 성별(sex) 중 여성(2)를 기준으로 했을 때, 남성(1)이 여성보다 평생음주여부(dra_01z1)가 3.352 높다는 결과를 보였다. 95% 신뢰수준 결과 값이 2.537~4.430을 보이고 있으며, 이를 통해 odds ratio 값이 통계적으로 유의하다.

3. 범주형 독립변수 ‘bogun_cd’ (001-004)

- bogun_cd(보건소 지역번호) 004를 기준으로, bogun_cd 001은 0.466 증가하였다. 95% 신뢰수준 결과 값이 0.264~0.824이므로, odds ratio 값이 통계적으로 유의하다.

- bogun_cd(보건소 지역번호) 004를 기준으로, bogun_cd 002는 0.523 증가했다. 95% 신뢰수준 결과가 0.296~0.926이므로, odds ratio 값이 통계적으로 유의하다.

- bogun_cd(보건소 지역번호) 004를 기준으로, bogun_cd 003은 0.501 증가했다. 95% 신뢰수준 결과가 0.285~0.882이므로, odds ratio 값이 통계적으로 유의하다.

4. 범주형 독립변수 ‘soa_01z1’(1=네, 2=아니오)

- soa_01z1(경제활동 유무) 아니오(2)를 기준으로, 네(1)가 아니오(2)보다 평생음주여부(dra_01z1)가 1.738 높다. 95% 신뢰수준 결과가 1.338~2.258이므로, odds ration 값이 통계적으로 유의하다.

---

[실습3]

종속변수: scc_01z1(이분형 범주변수)

독립변수: sex(범주), age(연속), bogun_cd(범주), soa_01z1(범주)

결과에 대한 해석 (Odds Ratio 값과 통계적 유의성을 모든 독립변수에 대해 제시)

 

- 코드

PROC LOGISTIC DATA = KSY_LIB.SAMPLE;

CLASS sex bogun_cd soa_01z1;

MODEL scc_01z1(event =’1’) = sex age bogun_cd soa_01z1;

RUN;

 

- 결과값

 

- 해석

1. 연속형 독립변수 ‘age’

- 다른 독립변수 보정 결과, age가 한 단위 증가할수록 암 검진 수검 경험 여부(scc_01z1)가 1.066씩 증가한다는 결과를 보였다. 95% 신뢰수준 결과 값이 1.060~1.072를 보이고 있으며, 이를 통해 odds ratio 값이 통계적으로 유의하다.

2. 범주형 독립변수 ‘sex’ (1=남자, 2=여자)

- 성별(sex) 중 여성(2)를 기준으로 했을 때, 남성(1)이 여성(2)보다 암 검진 수검 경험 여부(scc_01z1)가 0.492 높다는 결과를 보였다. 95% 신뢰수준 결과 값이 0.415~0.584를 보이고 있으며, 이를 통해 odds ratio 값이 통계적으로 유의하다.

3. 범주형 독립변수 ‘bogun_cd’ (001-004)

- bogun_cd(보건소 지역번호) 004를 기준으로, bogun_cd 001은 1.838 증가하였다. 95% 신뢰수준 결과 값이 1.336~2.529이므로, odds ratio 값이 통계적으로 유의하다.

- bogun_cd(보건소 지역번호) 004를 기준으로, bogun_cd 002는 1.201 증가했다. 95% 신뢰수준 결과가 0.875~1.648로, 신뢰수준 결과 값 사이에 1.000이 포함되어 odds ratio 값이 통계적으로 유의하지 않다.

- bogun_cd(보건소 지역번호) 004를 기준으로, bogun_cd 003은 1.742 증가했다. 95% 신뢰수준 결과가 1.265~2.398이므로, odds ratio 값이 통계적으로 유의하다.

4. 범주형 독립변수 ‘soa_01z1’(1=네, 2=아니오)

- soa_01z1(경제활동 유무) 아니오(2)를 기준으로, 네(1)가 아니오(2)보다 암 검진 수검 경험 여부(scc_01z1)가 1.852 높다. 95% 신뢰수준 결과가 1.535~2.234이므로, odds ration 값이 통계적으로 유의하다.

---

이전 포스트보단 쉬운내용!

수업 때 했던 내용을 바탕으로 직접 코딩해보고, 결과값을 보고 해석하는 실습을 해보았다.

 

이전 포스트처럼 무작정 주제를 잡고 코드를 짜는거보다, 이렇게 일단 종속변수와 독립변수만 정해두고 간단한 코드를 짜고, 해석하는 연습부터 하는 것이 훨씬! 도움이 된다.