GLM di JMP, GenReg di JMP Pro e GLM Proc proc SASAlcuni di voi mi hanno chiesto informazioni su GLM di JMP, GenReg di JMP Pro e GLM di Proc SAS. Per aiutare più SE a valutare meglio le esigenze dei clienti, sto condividendo le mie risposte.
Il GLM di JMP è in circolazione da molti anni. Prima che GenReg venisse aggiunto, GLM era l'unica personalità di modellazione che supporta il montaggio di modelli di dati di conteggio basati sulla distribuzione di Poisson (ad esempio, # di difetti). Inoltre, se vuoi adattare un modello Probit al contrario di un modello di regressione logistica, GLM è il posto dove andare. Altre opzioni importanti che sono ancora disponibili solo in GLM sono le stime corrette per bias e i test di sovversione. Per ulteriori informazioni sulle stime corrette in base alla polarizzazione di Firth nella modellazione di eventi rari, consulta questo post sul blog https://statisticalhorizons.com/logistic-regression-for-rare-events . L'autore, il prof. Paul Allison, ha scritto diversi libri di SAS molto popolari tra cui Regressione logistica con SAS .
Oggi puoi utilizzare modelli di dati di conteggio e molti altri modelli basati sulla distribuzione non normale utilizzando GenReg. GenReg fornisce anche molti metodi di selezione delle variabili estremamente utili. Tuttavia, se qualcuno vuole aggiustamenti di bias di Firth o modelli Probit GLM è il posto dove andare.
SAS PROC GLM è molto diverso da GLM o JMP Pro GenReg di JMP. Si adatta solo alle variabili di risposta continua. E non fornisce opzioni di selezione variabili come LASSO, ecc. Una procedura SAS relativamente nuova, chiamata Proc GLMSELECT, esegue selezioni variabili. Lo screenshot qui sotto elenca le funzionalità chiave in Proc GLM:
