SAS Support Communities

Oh mein Gott, war das einfach 🙂   Vielen Dank! ... View more

Vielen Dank für Eure Hinweise. SGPLOT hat wohl keine Schnittstelle zu TEMPLATE. Aber ich habe es nun doch ganz gut hinbekommen 🙂   Viele Grüße Frank ... View more

Hallo Reinhard, nun habe ich in den vergangenen Tagen mit verschiedenen Varianten herumprobiert und (dank Deines Hinweises) zumindest eine Idee davon entwickelten können, warum DIST und LINK (ich transformiere natürlich zurück) keinen Einfluss haben. Die Kovarianz ist bei meinen Simulationen immer Null, ich weiß also nicht, wie ich die hinein"simulieren" kann 😞 Aber das ist jetzt auch nicht mehr wichtig, denn die großen Unterschiede der Schätzer bei Wechsel von TYPE sind wohl durch Ausreißer zu erklären. Wenn ich von meinen 1700 Clustern die 10 mit den meisten "FalschNegativen" herausnehme, scheint wieder die Sonne 🙂 Ein Kollege hatte mir gesagt, weil ich keine Kovariablen habe, kann die Prozedur nur am Interzept "anpassen". Und wenn sich das dann mit den Ausreißern relativiert ... dann ist alles gut. Nochmal vielen Dank für Deine "Wegweisung". ... View more

Danke für Deine Antwort, Reinhard.   Mit Cohen's Kappa war ich auch schon unterwegs, aber da hat mein Professor nur abgewinkt und gemeint, das wäre ein Thema für sich ;-). Natürlich habe ich auch DIST=B gerechnet, aber wie schon gesagt, das Ergebnis (also der Intercept-Schätzer) ist bei B, N, P immer das gleiche und zwar kommastellengenau. Nur TYPE wirkt sich aus ..... um mal Zahlen zu nennen für die Sensitivität  supraventrikulär: IND = 38 (wie PROC FREQ) AR = 42 CS = 60 Und gerade TYPE sollte nach meinem Verständnis lediglich die Effizienz der Schätzung beeinflussen. Die QIC Werte sagen: DIST=N, LINK=Identity und TYPE=IND bietet die beste Anpassung, es folgt (N, Identity, AR).   Irgendwie muss ich das Ganze interpretieren und möglichst auch erklären 😞   Herzlich! Frank   ... View more

Hallo Reinhard, vielen Dank für Deinen Kommentar.   Jetzt schreibe ich doch etwas mehr über den Hintergrund. Ich habe 1700 Probanden, von denen jeweils ein 20-min-EKG genommen wurde. In der Summe sind es ca. 2,3 Millionen Herzschläge. Ein Algorithmus hat jeden Schlag identifiziert als normal, supraventrikulär, ventrikulär oder Artefakt. Ein Arzt hat danach jeden Schlagtyp überprüft und bestätigt oder geändert (das ist mein Gold Standard, so dass ich für jeden Schlag und Typ ein Pärchen 0,0 oder 0,1 oder  1,0 oder 1,1 habe). Die Anzahl der Schläge pro Proband schwankt zwischen 1000 und 2000. Das ist alles lange vor meiner Zeit passiert ;-).   Ich will die Performance des Algorithmus beurteilen. Bisher habe ich mit PROC FREQ die globale Sensitivität / Spezifität je Schlagtyp und über die Einzelwerte jedes EKG die gemittelte (jedes EKG gleich gewichtet). Meine Idee war nun, mittels GEE die Korrelation der Schläge innerhalb der einzelnen EKGs (=pat_id) zu modellieren (mit AR). Poisson habe ich gewählt, weil es sehr seltene Ereignisse sind (ca. 12 Tsd. bei 2,3 Mio.). Verwunderlich ist nun, egal was ich als DIST oder LINK wähle, es bestimmt immer TYPE, was als Ergebnis erscheint, auf die Kommastelle genau. Und die Unterschiede sind beträchtlich, obwohl meiner Meinung nach selbst eine falsche Wahl der Kovarianzstruktur TYPE das Ergebnis nicht so dramatisch verändern dürfte. Auch die Betrachtung von QIC/QICu bringt kein Licht ins Dunkel.   In Ermangelung anderer (geclusterter) Datensätze wollte ich mit simulierten Daten experimentieren, um vielleicht ein Gefühl dafür zu bekommen, was hier eigentlich passiert.   Hoffentlich wird mein Ansinnen so klarer 🙂   Viele Grüße Frank   ... View more

Hallo Reinhard, vielen Dank für Deinen Hinweis. Allerdings bin ich mit den Begrifflichkeiten nicht so sattelfest, daher versuche ich es "andersherum".   Mein code ist: proc genmod data = test; class pat_id; model y= / dist=Poisson link=log; repeated subject=pat_id / type=ar(1); where x=1; run;   Ich will nun für x,y (welche beide dichotom sein sollen) Datensätze simulieren, wo ich mit DIST, LINK und TYPE variieren kann. Dann will ich die Interzept-Schätz- und die QIC Werte untersuchen. Z.B. was passiert mit dem Beta und QIC, wenn ich bei Poissonverteilten Daten bei DIST Normal vorgebe usw. Bei meinen real-Daten bestimmt nur TYPE, was für Beta herauskommt ...   Hoffentlich konnte ich mich verständlich machen 😉   Danke und Grüße Frank ... View more

Vielen Dank für Eure Hilfe! In den letzten Tagen habe ich mich dem Beispiel von Grischa beschäftigt und wieder mal einiges dazu gelernt 🙂 Auf jeden Fall bin ich zum Ziel gekommen. Die anderen Beispiele werde ich mir auch noch vornehmen, im Moment hapert's nur mit der Zeit.   Danke nochmal und herzliche Grüße Frank ... View more

Hallo Reinhard,   vielen Dank nochmal für Deine Simulation. Hat mir sehr geholfen beim Weiterkommen  Inzwischen konnte ich auch nachvollziehen, was meine Vorgänger gerechnet haben.   Viele Grüße Frank ... View more

Hallo Reinhard,   das ist aber ein verblüffender Zufall: derselbe Artikel liegt vor mir auf dem Schreibtisch   Ich habe zwischen 300 und 2000 Zahlenwerte, da steigt bei mir die array Definition aus. Aber da gibt es sicherlich Abhilfe. Jedenfalls hatte ich nicht erwartet, dass das Problem mit so wenigen Zeilen abzuwickeln wäre. Aber ich stecke auch nicht so tief im SAS drin 😞 Ich werde mit Deinem Code jetzt experimentieren und bin auf die Ergebnisse gespannt. Vielen Dank für die voll ins Schwarze treffende Hilfe 😉   Viele Grüße Frank ... View more