SAS 中的 PROC GENMOD 与 R 中的 glm

Question

我正在尝试使用 R 中的 glm 复制 SAS 的 PROC GENMOD 的结果。我正在尝试拟合的模型是

log[E(Y_ij|Year_ij,Treat_i)]=Β₁+B₂Year_ij+B₃Treat_i*Year_ij

在SAS中，代码和结果是：

proc sort data=skin; by id year;
run;
proc genmod data=skin;
class id yearcat;
model y=year trt*year / dist=poisson link=log type3 wald waldci;
repeated subject=id / withinsubject=yearcat type=un;
run;
-----------------------------------------------------------------------------------------------
Analysis Of GEE Parameter Estimates
Empirical Standard Error Estimates
Standard 95% Confidence
Parameter Estimate Error       Limits       Z    Pr > |Z|
Intercept -1.3341  0.0815 -1.4938 -1.1743 -16.37 <.0001
year      -0.0090  0.0271 -0.0622  0.0441 -0.33  0.7392
year*trt   0.0429  0.0319 -0.0195  0.1053  1.35  0.1781

如我所愿，估计的系数只有三个，分别是截距、年和年*处理。

然而，在 R 中，估计了四个系数，即使我的模型只指定了三个：

> glm1<-glm(Y~year+treat*year,data=skin,family="poisson")
> summary(glm1)

Call:
glm(formula = Y ~ year + treat * year, family = "poisson", data = skin)

Coefficients:
            Estimate Std. Error z value Pr(>|z|)    
(Intercept) -1.34810    0.07647 -17.629   <2e-16 ***
year        -0.01192    0.02528  -0.472    0.637    
treat1       0.05850    0.10468   0.559    0.576    
year:treat1  0.03113    0.03454   0.901    0.367

有没有人建议如何在 R 中指定我的 glm() 命令以获得仅年和年*治疗的估计，而不是单独的治疗？

Answer 1

R 将公式 A*B 解释为 A+B+A:B

尝试

glm1<-glm(Y~year+treat:year,data=skin,family="poisson")
summary(glm1)

Answer 2

正如 user20650 指出的那样，使用冒号而不是星号只会估计交互项。因此，R 代码是

glm1<-glm(Y~year+treat:year,data=skin,family="poisson")

Answer 3

我会改用库中的 gee(gee)。 R 代码为：

gee(Y ~ year + treat:year, data = skin, family = poisson, corstr = "unstructured", id = id)

SAS 中的 PROC GENMOD 与 R 中的 glm

PROC GENMOD in SAS vs glm in R

r

sas