根據SAS中的因果性標準排除迴歸中的變量

Question

我已盡力搜索網絡上的問題答案，但一直未能找到任何答案。也許我不是以正確的方式提問，或者我的問題不能解決......那麼，這裏什麼都不做！

當在SAS中運行迴歸時，可以執行向後或向前選擇，從而消除所有無關緊要的變量，這很好，但僅僅因爲變量的p值≤0.05，並不一定意味着結果是正確的。

E.g.，我在SAS中進行迴歸分析，因變量是因疾病導致的死亡人數，自變量是醫生人數。結果顯着，p≤0.05，但係數表示，隨着醫生人數的增加，死亡人數也在增加。這可能是虛假迴歸的結果，但因果關係是錯誤的，但SAS只是一臺計算機，並不知道因果關係會走向哪個方向。 （當然也可能是這樣，更多的醫生=由於其他因素導致更多的死亡，但現在讓我們忽略它）。

我的問題是：是否有可能做出迴歸，然後告訴SAS，它必須做後向/前向消除，但根據我設置的一些規則，它也必須排除不符合這些規則的變量？例如。如果死亡人數增加，隨着醫生人數的增加，排除可變數量的醫生？那該怎麼辦

我真的很希望有人能幫助我，因爲我在多個不同的年份進行了50多個變量的迴歸，如果我不需要經歷所有結果我。

謝謝:)

Answer 1

我不認爲這是可能的或推薦。如前所述，SAS是一臺計算機，無法知道哪些迴歸結果是虛假的。如果更多的醫生=更多的醫療程序=更多的死亡？很明顯，你需要對每種情況應用專家意見，但上述情況同樣合理。

您還提到'文檔份額'，如果我是正確的，這不是實際的數字嗎？所以它也可能是這個度量如何計算的一個人爲因素。

如果您有一組特定的規則要排除，那可能是可行的。但是你必須首先定義所有這些規則，並且對它們有一定的把握。

Answer 2

如果您需要指定不尋常的參數選擇標準，您可以隨時通過強力推送自己的機器學習：對數據進行分區，在宏循環中的所有分區上運行不同的迴歸模型，並使用類似AIC的選項來選擇最佳模型。

但是，除非你是機器學習專家，否則最好從proc glmselect開始。

SAS都可以做向前選擇和向後消除在glmselect程序，如：

proc gmlselect data=...; 
model .../select=forward; 
... 

這也將是可能的兩種方法結合起來 - 即在宏觀循環運行的proc glmselect反覆幾次，各有不同型號規格，然後選擇最佳結果。