Nuevamente sus comentarios translucen su ideología neoliberal. El gráfico muestra claramente que el crecimiento de la deuda se debe a todos los demás conceptos y no al del sector público.

tengo una duda, si en vez de insertar el contenido en columnas, es decir corriendo hacia la derecha el contenido que ya había en el excel, lo quiero insertar en filas, es decir para abajo, como lo hago?

Y si solo quisiera importar algunas de las monedas?

Gracias y un saludos!
Pol

Sexo=V parámetro 0 exp(0)=1
Sexo=H parámetro -9.2 exp(-9.2)=0.0001

luego si sexo=H se incrementa tu probabilidad de compra. El ejemplo es muy burdo y por eso el resultado no se puede extrapolar, pero es como debes interpretar el parámetro.

Le ha dado otra vuelta a los datos.
Tipificando en niveles cada variables (dicotómicas).

data clientes;
edad=20;
sexo = ‘H’;
compras = 50;
tipo_edad = ‘J’; /* joven */
nivel_compras = ‘A’; /* alto */
contrata = 1;
output;
edad=21;
sexo = ‘H’;
compras = 60;
tipo_edad = ‘J’; /* joven */
nivel_compras = ‘A’; /* alto */
contrata = 1;
output;
edad=23;
sexo = ‘H’;
compras = 45;
tipo_edad = ‘J’; /* joven */
nivel_compras = ‘A’; /* alto */
contrata = 1;
output;
edad=59;
sexo = ‘V’;
compras = 5;
tipo_edad = ‘A’; /* adulto */
nivel_compras = ‘B’; /* bajo */
contrata = 0;
output;
edad =64;
sexo = ‘V’;
compras = 10;
tipo_edad = ‘A’; /* adulto */
nivel_compras = ‘B’; /* bajo */
contrata = 0;
output;
edad =61;
sexo = ‘V’;
compras = 7;
tipo_edad = ‘A’; /* adulto */
nivel_compras = ‘B’; /* bajo */
contrata = 0;
output;
run;

proc logistic data=clientes outmodel=model1;
class sexo tipo_edad nivel_compras;
model contrata=sexo tipo_edad nivel_compras;
quit;

No entiendo bien los resultados obtenidos en el caso nivel_compra = ‘A’, sale un parámetro con valor 0, cuando yo esperaba un parámetro positivo.

Analysis of Maximum Likelihood Estimates

Standard Wald
Parameter DF Estimate Error Chi-Square Pr > ChiSq

Intercept 1 8.84E-17 40.6740 0.0000 1.0000
sexo H 1 -9.2027 40.6740 0.0512 0.8210
tipo_edad A 0 0 . . .
nivel_compras A 0 0 . . .

Por otra parte, ¿por qué no muestra parámetros estaimados para el otros posible valor de la variable?.

Un saludo, gracias,

Seguiré investigando…

ya te preguntaré

Para ayudarte a comprender mejor los resultados de una logística puedes emplear la estimación de los parámetros. Para ello te recomiendo que tramifiques tus variables independientes.

La ecuación de tu modelo será a grandes rasgos Estimación = intercept + B1·sexo + B2·edad1 +B3·edad2 + B4·compra1 + B5·compra2 Cuando no tienes parámetros es porque multiplicas por 0. De este modo cuanto mayor sea tu parámetro en valor absoluto más influirá en tu estimación. Si es positivo influye positivamente y si es negativo más disminuye la probabilidad de que se cumpla el evento. Con tu ejemplo:

proc logistic data=clientes outmodel=model1;
class sexo;
model contrata = sexo;
quit;

Sólo modelizamos el sexo, para no liarnos a tramear el resto de variables. Entre las salidas obtenemos la estimación por máxima verosimilitud:

Analysis of Maximum Likelihood Estimates
Parameter DF Estimate Standard
Error Wald
Chi-Square Pr > ChiSq
Intercept 1 9.52E-18 40.6740 0.0000 1.0000
sexo H 1 -9.2027 40.6740 0.0512 0.8210

Es decir, si eres hombre tienes una menor probabilidad de contratar porque el parámetro es negativo. Espero que te ayude.

Sin quererlo te has adelantado a la siguiente entrega de esta entrada con el proc genmod.

Suelo leer ti blog, q me resulta de bastante utilidad.
Estoy intentando aprender el uso del el procedimiento de regresión logística en SAS. Tengo una duda sencilla:

He hecho una prueba con un datasets sencillo en el que la variable contrata marca si ha contratado un producto determinado de cosmética o no. Las variables de las que depende esta compra son sexo, edad y compras en los datos que introduzco se ve claremente que las mujeres jóvenes que han comprado un número de otros productos e cosmética (no el del estudio) alto (variable compras) son más proclives a comprar, pero no acabo de ver esta evidencia en el resumen que saca SAS. ¿En qué parámetros debo fijarme de la salida que da SAS?, ¿está correcta la llama a el procedimiento regresión logística?.

Incluyo abajo todos los datos.

Muchas gracias, un saludo,

/* Contrata dice si se ha contratado un producto.
Los datos muestran que los q han contratado el producto,son mujeres, jóvenes y que han comprado ya otros productos */
/* La variable contrata indica si se ha contratado o no */

data clientes;
edad=20;
sexo = ‘H’; /* hembra */
compras = 50;
contrata = 1;
output;
edad=21;
sexo = ‘H’;
compras = 60;
contrata = 1;
output;
edad=23;
sexo = ‘H’;
compras = 45;
contrata = 1;
output;
edad=59;
sexo = ‘V’; /* varon */
compras = 5;
contrata = 0;
output;
edad =64;
sexo = ‘V’;
compras = 10;
contrata = 0;
output;
edad =61;
sexo = ‘V’;
compras = 7;
contrata = 0;
output;
run;

proc logistic data=clientes outmodel=model1;
class sexo;
model contrata=edad sexo compras;
quit;

Salida del proc logistic:

The SAS System 22:20 Tuesday, February 14, 2012 9

The LOGISTIC Procedure

Model Information

Data Set WORK.CLIENTES
Response Variable contrata
Number of Response Levels 2
Model binary logit
Optimization Technique Fisher’s scoring

Number of Observations Read 6
Number of Observations Used 6

Response Profile

Ordered Total
Value contrata Frequency

1 0 3
2 1 3

Probability modeled is contrata=0.

Class Level Information

Design
Class Value Variables

sexo H 1
V -1

Model Convergence Status

Complete separation of data points detected.

WARNING: The maximum likelihood estimate does not exist.
WARNING: The LOGISTIC procedure continues in spite of the above warning. Results shown are based on the last maximum
likelihood iteration. Validity of the model fit is questionable.

Model Fit Statistics

Intercept
Intercept and
Criterion Only Covariates

AIC 10.318 8.001
SC 10.110 7.168
-2 Log L 8.318 0.001

Testing Global Null Hypothesis: BETA=0

Test Chi-Square DF Pr > ChiSq

Likelihood Ratio 8.3166 3 0.0399
Score 6.0000 3 0.1116
Wald 0.0512 3 0.9970