GLM de JMP, GenReg de JMP Pro y GLM de Proc de SASAlgunos de ustedes me han preguntado acerca de GLM de JMP, GenReg de JMP Pro y GLM de Proc de SAS. Para ayudar a que más SE evalúen mejor las necesidades de sus clientes, comparto mis respuestas.
El GLM de JMP ha existido por muchos años. Antes de agregar GenReg, GLM era la única personalidad de modelado que admite el ajuste de modelos de datos de conteo basados en la distribución de Poisson (por ejemplo, número de defectos). Además, si desea ajustar un modelo Probit en lugar de un modelo de regresión logística, GLM es el lugar para ir. Otras opciones importantes que todavía están disponibles solo en GLM son las estimaciones ajustadas de sesgo de Firth y las pruebas de sobre dispersión. Para obtener más información sobre las estimaciones ajustadas de sesgo de Firth en el modelado de eventos raros, consulte esta publicación del blog https://statisticalhorizons.com/logistic-regression-for-rare-events . El autor, profesor. Paul Allison, ha escrito varios libros SAS muy populares, incluyendo Regresión logística utilizando SAS .
Hoy en día, puede ajustar los modelos de datos de conteo así como muchos otros modelos basados en la distribución no normal utilizando GenReg. GenReg también proporciona muchos métodos de selección de variables extremadamente útiles. Sin embargo, si alguien quiere ajustes de Firth-bias o modelos Probit, GLM es el lugar para ir.
SAS PROC GLM es muy diferente de JMP's GLM o JMP Pro GenReg. Solo se ajusta a variables de respuesta continua. Y no proporciona opciones de selección de variables como LASSO, etc. Un procedimiento SAS relativamente nuevo, llamado Proc GLMSELECT, realiza selecciones de variables. La siguiente captura de pantalla enumera las capacidades clave en Proc GLM:
