スライド 1

Size: px

Start display at page:

Download "スライド 1"

ゆきひらしもとり
4 years ago
Views:

1 線形モデルにおける CLASS ステートメントの機能吉田早織 1 魚住龍史 2 1 日本化薬株式会社医薬データセンター 2 京都大学大学院医学研究科 The fascinating features for the CLASS in the context of linear models Saori Yoshida 1 and Ryuji Uozumi 2 1 Clinical Data Management and Biostatistics, Nippon Kayaku Co., Ltd 2 Kyoto University Graduate School of Medicine

2 社内でのある出来事カテゴリカルな課題ある応答変数 (2 値データ ) に対して, 説明変数を用いてモデル化し, 各薬剤群における推定を行いたいなぜか僕の結果と合わないんだ A さん GENMOD プロシジャオプションなし結果は同じだけど WARNING が出てしまうみたい B さん LOGISTIC プロシジャオプションなし C さん LOGISTIC プロシジャオプションあり 2

3 CLASS ステートメントの役割自分での設定が不要 CLASS ステートメント : 自動的にダミー変数を作成 MODEL ステートメント : モデルの推定結果の出力多くのプロシジャで使えるモデル推定後のプロセス : LSMEANS, CONTRAST, ESTIMATE, LSMESTIMATE プロシジャごとにダミー変数生成方法のデフォルト & オプションが異なる 3

4 線形モデルにおける CLASS ステートメント一般線形モデル REG, GLM V8~ ロジスティックモデル LOGISTIC V9.1.3~ GLMSELECT 浜田 (2000) V9.2~ 比例ハザードモデル PHREG V9.4~ HPREG 4

5 今回のトピック線形モデルにおけるダミー変数 LOGISTIC プロシジャによるダミー変数の指定例 CLASS ステートメントの WARNING&ERROR 3 人 (A さん,B さん,C さん ) の SAS プログラム及び出力結果の検証 5

6 線形モデルにおけるダミー変数 (1) カテゴリーを数値 (0,1) で表したもの ex) Treat が A,B,P という値を持つとき 0 1x1 2x2 3x3 Treat A の効果 : x 1 x 2 x 3 A B P ダミー変数行列 1 Treat A と P の効果の差 - ) Treat A: Treat P:

7 線形モデルにおけるダミー変数 (2) カテゴリーを数値 (0,1,-1) で表したもの ex) Treat が A,B,P という値を持つとき Treat A の効果 0 1x1 2x ダミー変数行列 2 x 1 x 2 A 1 0 B 0 1 P -1-1 Treat A と P の効果の差 - ) Treat A: Treat P:

8 PARAM=REFRECT 分類値デザイン変数 A A1 A2 A CLASS ステートメントによるダミー変数の生成例効果法 PARAM=EFFECT 分類値デザイン変数 A A1 A2 A PARAM=ORDINAL 分類値デザイン変数 A A1 A2 A GLM 法 PARAM=GLM 分類値デザイン変数 A A1 A2 A5 A 参照法累積順序法多項式法 PARAM=POLYNOMIAL 分類値デザイン変数 A A1 A2 A

9 LOGISTIC プロシジャによるダミー変数の指定 CLASS ステートメントで PARAM= オプションを指定することでダミー変数の生成方法を指定できる proc logistic data = Neuralgia ; class Treatment Sex / param=effect ; model Pain = Treatment Sex ; run; <SAS データにモデルを当てはめる > SAS Help に記載されているデータ Neuralgia Treatment(A,B,P),Sex(F,M) を説明変数,Pain (Yes,No) を応答変数としたモデル 9

10 効果法 (PARAM=EFFECT) 平均効果との違いを比較分類変数の水準の情報分類値デザイン変数 Treatment A 1 0 B 0 1 P -1-1 Sex F 1 M -1 Treatment A の推定パラメータ最尤推定値の分析自由度推定値標準誤差 Wald カイ 2 乗 Pr > ChiSq Intercept Treatment A B Sex F 切片 A を指定平均を指定 estimate "estimate A" int 1 Treatment 1 0 Sex 0; 推定ラベル推定値標準誤差 z 値 Pr > z estimate A

GLM 法 (PARAM=GLM) 最後のレベルとの比較分類変数の水準の情報分類値デザイン変数 Treatment A 1 0 0 B 0 1 0 P 0 0 1 Sex F 1 0 M 0 1 Treatment A

5 ; Pr > ChiSq Intercept 1 2.1972 0.7566 8.4344 0.0037 Treatment A 1-2.6027 0.8434 9.5237 0.002 B 1-2.6027 0.8434 9.5237 0.002 P 0 0.

11 GLM 法 (PARAM=GLM) 最後のレベルとの比較分類変数の水準の情報分類値デザイン変数 Treatment A B P Sex F 1 0 M 0 1 Treatment A の推定パラメータ最尤推定値の分析自由度推定値標準誤差 Wald カイ 2 乗 estimate estimate A int 1 Treatment Sex ; Pr > ChiSq Intercept Treatment A B P Sex F M 切片 A を指定平均を指定推定ラベル推定値標準誤差 z 値 Pr > z estimate A

12 参照レベルとの比較分類変数の水準の情報分類値デザイン変数 Treatment A 1 0 B 0 1 P 0 0 Sex F 1 M 0 参照法 (PARAM=REF) Treatment A の推定パラメータ最尤推定値の分析自由度推定値標準誤差 Wald カイ 2 乗 Pr > ChiSq Intercept Treatment A B Sex F 切片 A を指定平均を指定 estimate estimate A int 1 Treatment 1 0 Sex 0.5 ; 推定ラベル推定値標準誤差 z 値 Pr > z estimate A

13 累積順序法 (PARAM=ORDINAL) 順序のある効果間の比較分類変数の水準の情報分類値デザイン変数 Treatment P 0 0 B 1 0 A 1 1 Sex F 0 M 1 Treatment A の推定パラメータ最尤推定値の分析自由度推定値標準誤差 Wald カイ 2 乗 Pr > ChiSq Intercept Treatment B A E Sex F 切片 A を指定平均を指定 estimate estimate A int 1 Treatment 1 1 Sex 0.5 ; 推定ラベル推定値標準誤差 z 値 Pr > z estimate A

14 多項式法 (PARAM=POLY) 2 乗,3 乗の効果を推定する分類変数の水準の情報分類値デザイン変数 Treatment P B A Sex F M Treatment A の推定パラメータ最尤推定値の分析自由度推定値標準誤差 Wald カイ 2 乗 Pr > ChiSq Intercept Treatment POLY POLY Sex POLY 切片 A を指定平均を指定 estimate estimate A int 1 Treatment 3 9 Sex 1.5 ; 推定ラベル推定値標準誤差 z 値 Pr > z estimate A

15 CLASS ステートメントの詳細設定変数の順序設定 ORDER=DATA FORMATED FREQ INTERNAL DATA: データセットに出力した順 FORMATTED:FORMAT 順 ( デフォルト ) FREQ: 数が多い順 INTERNAL: フォーマットされていない値順 DESCENDING 降順にする基準値の設定 REF= label FIRST LAST label で基準変数値の選択 PARAM=EFFECT PARAM=REF のときのみ FIRST,LAST で最初の変数か最後の変数を選択 15

16 Q CLASS ステートメントの WARNING&ERROR(1) REF= オプションは,EFFECT 法 or REF 法でしか使えないが, 他の手法で基準を指定するには? ex) ordinal 法 A 0 0 B 1 0 P 1 1 プラセボ基準にしたい P 0 0 B 1 0 A 1 1 A Descending で順番を変える class TREATMENT / param=ordinal descending ; 16

17 Q CLASS ステートメントの WARNING&ERROR(2) LSMEANS ステートメントを使うと WARNING が出力される WARNING: The model does not have a GLM parameterization. This parameterization is required for the LSMEANS, LSMESTIMATE, and SLICE statement. These statements are ignored. A proc logistic data = data ; class Treatment Sex ; model Pain = Treatment Sex ; lsmeans Treatment ; run; LSMEANSステートメント,SLICEステートメントはGLM 法のみ class Treatment Sex / param=glm ; 17

Q CLASS ステートメントの WARNING&ERROR(3) REF= label でエラーが出力される ex) TREATMENT= B を基準としたい class TREATMENT SEX / param=ref ref = B ; ERROR 22-322: 構文エラーです次の1つを指定してください :

18 Q CLASS ステートメントの WARNING&ERROR(3) REF= label でエラーが出力される ex) TREATMENT= B を基準としたい class TREATMENT SEX / param=ref ref = B ; ERROR : 構文エラーです次の1つを指定してください : FIRST, LAST. A 変数ごとに個別に設定する Treatment A 1 0 B 0 1 P 0 0 Sex F 1 M 0 Treatment A 1 0 B 0 0 P 0 1 Sex F 0 M 1 class TREATMENT(ref = B ) SEX(descending) / param=ref ; 18

19 Q CLASS ステートメントの WARNING&ERROR(4) GLIMMIXプロシジャでORDER= を用いるとエラーが出力される A proc glimmix data=data ; class Treatment Sex / order=first ; model Pain = Treatment Sex ; run ; ERROR : 構文エラーです次の 1 つを指定してください : ;, TRUNCATE. ERROR : オプションまたはパラメータを認識できません無視します ORDER= ( 順序 ) の指定は,PROCステートメント内で記述できる ( 詳細な指定はできない ) GLM 法のみのプロシジャは PROC ステートメント内となる proc glimmix data=data order=internal; 19

20 各プロシジャにおけるダミー変数生成法のサポート GLM PARAM= GLM LOGISTIC GEMNOD PHREG MIXED GLIMMIX FMM SELECT EFFECT GLM ORDINAL THERMOMETER POLYNOMIAL POLY REFERENCE REF ORTHEFFECT ORTHORDINAL ORTHOTHERM ORTHPOLY ORTHREF : デフォルト 20

21 3 人のプログラムを検証 A さん GENMOD プロシジャオプションなし結果の不一致 WARNING B さん LOGISTIC プロシジャオプションなし C さん LOGISTIC プロシジャオプションあり 21

22 ラベル平均推定値 3 人のプログラムを検証平均信頼限界対比推定の結果 L'Beta 標準誤差アルファ推定値 A さん proc genmod data=neuralgia descending; class Treatment Sex ; model Pain = Treatment Sex / link=logit dist=bin; estimate "estimate A" int 1 Treatment Sex ; run; L'Beta 信頼限界カイ 2 乗値 Pr > ChiSq estimate A proc logistic data=neuralgia; class Treatment Sex ; model Pain(EVENT='Yes') = Treatment Sex; estimate estimate A int 1 Treatment Sex ; run; 推定 B さんラベル推定値標準誤差 z 値 Pr > z estimate A proc logistic data=neuralgia; class Treatment Sex / param=ref; model Pain(EVENT='Yes') = Treatment Sex; estimate "estimate A" int 1 Treatment Sex ; run; 推定 C さんラベル推定値標準誤差 z 値 Pr > z estimate A

A さんの方法 Treatment A の効果を見るため他の効果 (Sex) は平均とする ya GENMOD プロシジャオプションなし proc genmod data=neuralgia descending; class Treatment Sex ; model Pain = Treatment Sex / link=logit dist=bin;

23 A さんの方法 Treatment A の効果を見るため他の効果 (Sex) は平均とする ya GENMOD プロシジャオプションなし proc genmod data=neuralgia descending; class Treatment Sex ; model Pain = Treatment Sex / link=logit dist=bin; estimate "estimate A" int 1 Treatment Sex ; run; GENMOD プロシジャのデフォルトは GLM 法 0 Treat Sex Sex2 GLM 法 x 1 x 2 x 3 Treatment A B P Sex F 1 0 M

24 B さんの方法 proc logistic data=neuralgia; class Treatment Sex ; model Pain(EVENT='Yes') = Treatment Sex; estimate estimate A int 1 Treatment Sex ; run; WARNING: LOGISTIC プロシジャオプションなし More coefficients than levels specified for effect Treatment. Some coefficients will be ignored. Treatment A の効果を見るため他の効果 (Sex) は平均とする (0) 参 LOGISTIC プロシジャのデフォルトは EFFECT 法 y A 0 Treat1 estimate estimate A int 1 Treatment 1 ; EFFECT 法 x 1 x 2 Treatment A 1 0 B 0 1 P -1-1 Sex F 1 M -1 24

5; run; LOGISTIC プロシジャ PARAM オプションあり WARNING: More coefficients than levels specified for effect Treatment.

25 C さんの方法 proc logistic data=neuralgia; class Treatment Sex / param=ref; model Pain(EVENT='Yes') = Treatment Sex; estimate "estimate A" int 1 Treatment Sex ; run; LOGISTIC プロシジャ PARAM オプションあり WARNING: More coefficients than levels specified for effect Treatment. Some coefficients will be ignored. Treatment A の効果を見るため他の効果 (Sex) は平均とする (0) 参 y REF 法を指定 A Treat 1 Sex estimate estimate A int 1 Treatment 1 0 Sex 0.5 ; REF 法 x 1 x 2 Treatment A 1 0 B 0 1 P 0 0 Sex F 1 M 0 25

26 まとめカテゴリカルなある応答変数 (2 値データ ) に対して, 説明変数を用いてモデル化し, 各薬剤群における推定を行いたい GLM 法 GLM 法 x 1 x 2 x 3 Treatment A B P Sex F 1 0 M 0 1 LSMEANS, CONTRAST, ESTIMATE, LSMESTIMATE 26

27 参考文献 1. Carpenter AL. Programming With CLASS: Keeping Your Options Open. Proceedings of the SAS Global Forum. Cary, NC: SAS Institute Inc., Available at 2. Pasta DJ. Parameterizing Models to Test the Hypotheses You Want: Coding Indicator Variables and Modified Continuous Variables. Proceedings of the 30th Annual SAS Users Group International Conference. Cary, NC: SAS Institute Inc., Available at 3. Pritchard ML, Pasta, DJ. Head of the CLASS: Impress your colleagues with a superior understanding of the CLASS statement in PROC LOGISTIC. Proceedings of the 29th Annual SAS Users Group International Conference. Cary, NC: SAS Institute Inc., Available at 4. SAS Institute Inc. SAS/STAT(R) 9.3: User s Guide. Cary, NC, USA: SAS Institute Inc., SAS Institute Inc. SAS/STAT(R) 12.3: User s Guide: High-Performance Procedures. Cary, NC, USA: SAS Institute Inc., 魚住龍史. LS-Means 再考 GLM と PLM によるモデル推定後のプロセス. SAS ユーザー総会論文集竹内啓, 高橋行雄, 大橋靖雄, 芳賀敏郎. SAS による実験データの解析. 東京大学出版会, 浜田知久馬. V.8 における LOGISTIC の機能拡張. 日本 SAS ユーザー会 (SUGI-J) 論文集 2000, 浜田知久馬. SAS 生存時間解析プロシジャの最新の機能拡張. SAS ユーザー総会論文集 2013,

PHREG プロシジャにおける共変量調整解析に関連したオプション機能魚住龍史 1 * 矢田真城 2 浜田知久馬 3 1 京都大学大学院医学研究科医学統計生物情報学 2 エイツーヘルスケア株式会社 3 東京理科大学 Investigating fascinating aspects associa

PHREG プロシジャにおける共変量調整解析に関連したオプション機能魚住龍史 1 * 矢田真城 2 浜田知久馬 3 1 京都大学大学院医学研究科医学統計生物情報学 2 エイツーヘルスケア株式会社 3 東京理科大学 Investigating fascinating aspects associa PHREG プロシジャにおける共変量調整解析に関連したオプション機能魚住龍史 1 * 矢田真城 2 浜田知久馬 3 1 京都大学大学院医学研究科医学統計生物情報学 2 エイツーヘルスケア株式会社 3 東京理科大学 Investigating fascinating aspects associated with covariate-adjusted analysis using PHREG procedure