JMP의 GLM, JMP Pro의 GenReg 및 SAS Proc GLM여러분 중 일부는 JMP의 GLM, JMP Pro의 GenReg 및 SAS Proc GLM에 관해 저에게 질문했습니다. 더 많은 SE가 고객의 요구를 더 잘 평가할 수 있도록하기 위해 답장을 공유하고 있습니다.
JMP의 GLM은 오랫동안 사용되어 왔습니다. GenReg를 추가하기 전에 GLM은 Poisson- 분포 기반 계수 데이터 모델 (예 : 결함 수)을 지원하는 유일한 모델링 특성이었습니다. 또한, 로지스틱 회귀 모형과 반대되는 Probit 모델을 사용하려면 GLM을 사용해야합니다. GLM에서만 여전히 사용 가능한 다른 중요한 옵션은 퍼스 바이어스 조정 견적과과 분산 테스트입니다. 드문 이벤트 모델링에서 Firth 바이어스 조정 추정치에 대한 자세한 내용은이 블로그 게시물을 확인하십시오. https://statisticalhorizons.com/logistic-regression-for-rare-events . 저자, 교수. 폴 앨리슨 (Paul Allison)은 SAS를 이용한 물류 회귀 분석 .
오늘날 GenReg를 사용하여 수많은 다른 비정형 분포 기반 모델뿐만 아니라 카운트 데이터 모델에도 적합 할 수 있습니다. GenReg는 또한 매우 유용한 변수 선택 방법을 제공합니다. 그러나 누군가 Firth-bias 조정 또는 Probit 모델을 원할 경우 GLM을 사용할 수 있습니다.
SAS PROC GLM은 JMP의 GLM 또는 JMP Pro GenReg와 매우 다릅니다. 그것은 연속적인 응답 변수에만 적합합니다. 그리고 LASSO와 같은 변수 선택 옵션을 제공하지 않습니다. 비교적 새로운 SAS 절차 인 Proc GLMSELECT는 변수 선택을 수행합니다. 아래의 스크린 샷은 Proc GLM의 주요 기능을 나열합니다.
