panel

panel

##set_panel

Description

L'action `panel.panel` ajuste des modèles de régression pour les données de panel (ou données longitudinales) dans la plateforme SAS Viya. Idéale pour l'économétrie, elle prend en charge les modèles à effets fixes, effets aléatoires, et modèles de panel dynamiques (GMMLe Gaussian Mixture Model (GMM) est un algorithme de clustering probabiliste qui suppose que les données sont issues d'une superposition de plusieurs distributions gaussiennes aux paramètres inconnus.) incluant des instruments. Une véritable pépite pour analyser vos données dans l'espace et dans le temps simultanément (pas besoin de machine à remonter le temps, les mathématiques suffisent 🚀). Pour plus de détails, consultez la .

Syntaxe Officielle
panel.panel <result=results> <status=rc> /
table={name="table-name", caslib="string", ...},
panelid="variable-name",
timevar="variable-name",
model={depVars={{name="response"}}, effects={{vars={"x1", "x2"}}}, method="string", ...},
class={{vars={"class_var"}, ...}},
output={casOut={name="out_table", replace=True}, predicted="p_var", residual="r_var"},
...

Paramètres Clés

Nom du paramètre Description
table Spécifie la table de données d'entrée contenant vos données en panel.
panelid Spécifie la variable servant d'identifiant transversal (ex: individu, entreprise, région). Paramètre obligatoire.
timevar Spécifie la variable temporelle permettant de lier les observations successives.
model Définit le cœur du modèle de régression, incluant la variable dépendante (`depVars`), les variables explicatives (`effects`), et la méthode d'estimation (`method` comme 'fixone' ou 'ranone'). Paramètre obligatoire.
class Fournit la liste des variables de classification à inclure dans l'analyse.
output Paramètre la table de résultats en sortie contenant les valeurs au niveau de l'observation, comme les prédictions et les résidus.

Préparation des données

Création d'un jeu de données de panel (sashelp.pricedata)

Nous allons charger la table d'exemple `sashelp.pricedata` en mémoire CAS. Cette table contient des historiques de ventes par région (`region`) et par mois (`date`), ce qui constitue un jeu de données de panel classique.

1PROC CASUTIL;
2 load DATA=sashelp.pricedata casout="pricedata" replace;
3QUIT;

Exemples d'utilisation

Modèle à effets fixes unidirectionnel

Ajustement d'un modèle basique à effets fixes sur des données de panel, en utilisant la région en tant que dimension transversale (panel ID) et la date en tant que temps.

1PROC CAS;
2 panel.panel /
3 TABLE={name="pricedata"},
4 panelid="region",
5 timevar="date",
6 model={depVars={{name="sale"}},
7 effects={{vars={"price", "discount"}}},
8 method="fixone"};
9RUN; QUIT;
Résultat Attendu :
Affiche les estimations des paramètres de régression qui expliquent les ventes (sale) par le prix et la remise, tout en contrôlant pour les effets fixes liés à chaque région.
Modèle à effets aléatoires avec correction HAC et sauvegarde des prédictions

Cet exemple ajuste un modèle à effets aléatoires, produit des erreurs types robustes corrigées pour l'hétéroscédasticité et l'autocorrélation (HAC), et exporte les valeurs prédites et les résidus dans une nouvelle table CAS.

1PROC CAS;
2 panel.panel /
3 TABLE={name="pricedata"},
4 panelid="region",
5 timevar="date",
6 model={depVars={{name="sale"}},
7 effects={{vars={"price", "discount"}}},
8 method="ranone",
9 hac=true,
10 robust=true},
11 OUTPUT={casOut={name="panel_out", replace=true},
12 predicted="pred_sale",
13 residual="res_sale"};
14RUN; QUIT;
Résultat Attendu :
Génère les tableaux d'ajustement du modèle à effets aléatoires avec une variance robuste (HAC). De plus, une table 'panel_out' est créée en mémoire avec les variables d'origine complétées par 'pred_sale' et 'res_sale'.
Sommaire