J値13.2.1では、P値のしきい値（入力するProb = 0.2、終了するProb = 0.1）と混合方向を使用して段階的ロジスティック回帰を実行しました。同じデータセットで、SAS 9.4の同じ分析では異なる選択が得られました（Selection = stepwise、slentry = 0.2、slstay = 0.1を使用）。
私は少なくとも同じ変数の選択を取得することを期待していました。誰かが似たようなものを見つけたのですか、それともこの違う結果の理由が誰かにわかりますか？
あなたはあなたが提案した用語や具体的な違いを説明していなかったので、私は推測しなければならないでしょう。あなたのモデルにはクロス項とパワー項がありますか？その状況は、異なる結果につながる可能性がある1つの方法です。私は長い間SASの段階的な手順を使っていなかったので、階層的な用語がどのように扱われるのか覚えていません。JMPはデフォルトで組み合わせるのオプション規則 ：
計算する p 先例のある用語の入力を検討する際の2つの別々のテストの値。最初 p -値、 p 1 は、その用語をその前の用語とグループ化し、そのグループがジョイントとして参加することの有意確率をテストすることによって計算されます F テスト。二番目 p -値、 p 2 これは、前の用語がすでにモデルに入力された後に、その用語の入力に対する有意確率をテストした結果です。先例のある用語のエントリに対する最終的な有意確率は、max（ p 1 、 p 2 ）
先端： Combineルールは、前の用語が特に強い影響を与える可能性がある、重要ではない対話用語を含めることを避けます。このシナリオでは、強い主な効果により、グループの参入の可能性が大きくなります。 p 1 、非常に少ない。しかし、2番目のテストでは、対話自体は重要ではないことがわかりました。結果として、 p 2 は大きく、入力のための最終的な有意確率として使用されます。
あぶない： 先例のある用語の自由度の値は、入力に対する2つの有意確率のどちらが大きいかによって異なります。入力の最終有意確率に使用される検定は、自由度を決定します。 nDF [現在の見積もり]テーブルにあります。したがって、 p 1 使用されている、 nDF 合同テストのグループ内の用語の数になります。 p 2 を使用すると、nDFは1になります。
Combineオプションはデフォルトの規則です。
このオプションは、各項のF比と自由度を計算する方法のために、選択されたモデルを劇的に変えることができます。
