Стандартные оценки ошибок R glm для SAS PROC GENMOD

Я преобразовываю пример SAS PROC GENMOD в R, используя glm в R. Код SAS был:

proc genmod data=data0 namelen=30;
model boxcoxy=boxcoxxy ~ AGEGRP4 + AGEGRP5 + AGEGRP6 + AGEGRP7 + AGEGRP8 + RACE1 + RACE3 + WEEKEND + 
SEQ/dist=normal;
FREQ REPLICATE_VAR;  
run;

Мой код R:

parmsg2 <- glm(boxcoxxy ~ AGEGRP4 + AGEGRP5 + AGEGRP6 + AGEGRP7 + AGEGRP8 + RACE1 + RACE3 + WEEKEND + 
SEQ , data=data0, family=gaussian, weights = REPLICATE_VAR)

Когда я использую summary(parmsg2), я получаю те же оценки коэффициентов, что и в SAS, но мои стандартные ошибки сильно отличаются.

Итоговый вывод SAS:

Name         df   Estimate      StdErr    LowerWaldCL  UpperWaldCL      ChiSq   ProbChiSq
Intercept    1   6.5007436    .00078884      6.4991975    6.5022897    67911982 0
agegrp4      1   .64607262    .00105425      .64400633    .64813891   375556.79 0
agegrp5      1    .4191395    .00089722      .41738099    .42089802   218233.76 0
agegrp6      1  -.22518765    .00083118     -.22681672   -.22355857   73401.113 0
agegrp7      1  -1.7445189    .00087569     -1.7462352   -1.7428026   3968762.2 0
agegrp8      1  -2.2908855    .00109766     -2.2930369   -2.2887342   4355849.4 0
race1        1  -.13454883    .00080672     -.13612997   -.13296769    27817.29 0
race3        1  -.20607036    .00070966     -.20746127   -.20467944   84319.131 0
weekend      1    .0327884    .00044731       .0319117    .03366511   5373.1931 0
seq2          1 -.47509583    .00047337     -.47602363   -.47416804   1007291.3 0
Scale         1 2.9328613     .00015586      2.9325559    2.9331668     -127

Итоговый вывод из R:

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)  6.50074    0.10354  62.785  < 2e-16 
AGEGRP4      0.64607    0.13838   4.669 3.07e-06 
AGEGRP5      0.41914    0.11776   3.559 0.000374 
AGEGRP6     -0.22519    0.10910  -2.064 0.039031  
AGEGRP7     -1.74452    0.11494 -15.178  < 2e-16
AGEGRP8     -2.29089    0.14407 -15.901  < 2e-16
RACE1       -0.13455    0.10589  -1.271 0.203865    
RACE3       -0.20607    0.09315  -2.212 0.026967 
WEEKEND      0.03279    0.05871   0.558 0.576535 
SEQ         -0.47510    0.06213  -7.646 2.25e-14

Важность различия в стандартных ошибках состоит в том, что коэффициенты SAS являются статистически значимыми, но коэффициенты RACE1 и WEEKEND в выводе R не являются. Я нашел формулу для вычисления доверительных интервалов Вальда в R, но это бессмысленно, учитывая разницу в стандартных ошибках, так как я не получу одинаковых результатов.

По-видимому, SAS использует стабилизированный хребтом алгоритм Ньютона-Рафсона для своих оценок, которые являются ML. Информация, которую я прочитал о функции glm в R, состоит в том, что результаты должны быть эквивалентны ML. Что я могу сделать, чтобы изменить свою процедуру оценки в R, чтобы получить эквивалентные коэффициенты и стандартные оценки ошибок, которые были созданы в SAS?

Чтобы обновить, благодаря ответу Spacedman, я использовал вес, потому что данные получены от людей в диетическом опросе, а REPLICATE_VAR - сбалансированный повторный вес репликации, который является целым числом (и довольно большим, в порядке 1000 или 10000 с). Веб-сайт, описывающий вес, здесь. Я не знаю, почему в SAS использовалась команда FREQ, а не команда WEIGHT. Теперь я проверю, расширив количество наблюдений, используя REPLICATE_VAR, и повторю анализ.

Спасибо Ben ответ ниже, код, который я использую сейчас:

parmsg2 <- coef(summary(glm(boxcoxxy ~ AGEGRP4 + AGEGRP5 + AGEGRP6 + AGEGRP7 + AGEGRP8 + RACE1 + RACE3 
+ WEEKEND + SEQ , data=data0, family=gaussian, weights = REPLICATE_VAR)))
#clean up the standard errors
parmsg2[,"Std. Error"] <- parmsg2[,"Std. Error"]/sqrt(mean(data0$REPLICATE_VAR)) 
parmsg2[,"t value"] <- parmsg2[,"Estimate"]/parmsg2[,"Std. Error"] 
#note: using the t-distribution for p-values, correct the t-values
allsummary <- summary.glm(glm(boxcoxxy ~ AGEGRP4 + AGEGRP5 + AGEGRP6 + AGEGRP7 + AGEGRP8 + RACE1 +
RACE3 + WEEKEND + SEQ , data=data0, family=gaussian, weights = REPLICATE_VAR))
parmsg2[,"Pr(>|t|)"] <- 2*pt(-abs(parmsg2[,"t value"]),df=allsummary$df.resid)

Ответ 1

изменить: чтение документации SAS для FREQ и ваших ответов выше и ниже, вот что, я думаю, вам следует попробуйте использовать weights=REPLICATE_VAR в инструкции glm для настройки относительного взвешивания групп (равенство найденных выше коэффициентов предполагает, что это правильный путь), затем используйте N=sum(REPLICATE_VAR) в настройке, предложенной ниже ( Я также думаю, что вы можете использовать lm вместо glm для этой проблемы... это не будет иметь большого значения, но должно быть немного быстрее и надежнее.) Что-то вроде:

s <- coef(summary(lm(y~x,data=data2, weights=REPLICATE_VAR)))
s[,"Std. Error"] <- s[,"Std. Error"]/sqrt(sum(data2$REPLICATE_VAR))
s[,"t value"] <- s[,"Estimate"]/s[,"Std. Error"]
s[,"Pr(>|t|)"] <- 2*pt(abs(s[,"t value"]),df=g$df.resid)

Ответ 2

FREQ в SAS не совпадает с весами в R glm. В SAS - количество вхождений этого события. Для R его "что каждый ответ y_i является средним для w_i единичных весовых наблюдений". Эти две вещи не совпадают.

Если вы хотите, чтобы R выдавал тот же результат, что и SAS (не могу понять почему), вам, вероятно, потребуется повторить каждую строку в вашем "фрейме" вашего количества раз.

Здесь данные 10 строк со всеми весами = 2, а data2 - 20 строк (2 копии каждой строки данных) со всеми весами = 1:

> summary(glm(y~x,data=data2,weights=weights))$coef
              Estimate Std. Error   t value   Pr(>|t|)
(Intercept) 0.32859847 0.13413683 2.4497259 0.02475748
x           0.01540002 0.02161811 0.7123667 0.48537003
> summary(glm(y~x,data=data,weights=weights))$coef
              Estimate Std. Error   t value  Pr(>|t|)
(Intercept) 0.32859847 0.20120525 1.6331506 0.1410799
x           0.01540002 0.03242716 0.4749111 0.6475449

Сжатие немного, N наблюдений с одним и тем же значением имеют меньшую нечеткость, чем говорят, что это наблюдение является средним из N наблюдений, поэтому SE с повторными наблюдениями будет иметь меньший SE, чем средний.