sas学习之SAS-EM建模流程

SAS-EM是SAS的一个自动建模的工具，对于不熟悉SAS语言的数据分析用户来说，是一个非常友好的工具，简单易操作，而且功能强大，能够实现多种模型的自动建立。下面以一个简单的二分类模型例子来介绍下SAS-EM的建模过程。

(1)数据导入。以上图为例，把经过数据清洗整理后的数据导入SAS-EM。导入数据需要设置变量角色，其中，一定要设置目标变量，及Y变量。另外，对分类模型，特别是二分类模型，需要将水平设置为二值型。

(2)样本抽样。抽样模块中选择数据分区，一般将样本分成训练样本和验证样本，比例可以是70%的训练样本和30%的验证样本，或者60%的训练样本和40%的验证样本。具体可以根据样本量自己设定。

(3)交互式分组。抽样完成后，需要计算变量的IV值，这一步可以通过信用评分-交互式分组模块来实现。IV值大的变量进入最终模型。其中IV值的标准需要根据实际情况确定。一般来说，IV值大于0.03是一个比较常用的标准。如果变量普遍IV值较大，可以根据实际需要确定进入模型的变量的IV值。

(4)建立模型。确定好进入模型的变量后，就可以建立相关模型了。对于分类模型，一般采用逻辑回归、决策树等方式。如上图，采用了回归、决策树和神经网络三种模型。

(5)模型评价。最后，可以通过评估-模型比较模块对建立的模型进行评估。对模型的评价主要包括两个方面：一个是拟合优度评价，可以使用AIC准则和SBC（SC）准则。在其他条件相同时，模型的AIC或者SBC取值越小说明模型拟合得越好。一个是预测准确性评价，采用KS和ROC曲线进行评价。KS经验值在20-60之间，ROC曲线下面积越接近1越好。

以上就是我今天想要分享的内容。

如有数据分析需求，请联系微信号：kexiblue