在pro c logistic中，如果自变量是多值 分类变量，需要设置哑变量。多数统计书中会告诉你如果某一变量有N个值，那么你可以设N-1个哑变量。早期的SAS书或统计书中都会教 你用if语句设置哑变量，而后代入Logistic模型。其实，proc logistic是可以用class语句为分类变量 自动设置哑变量。具体而言，是在class语句后加选面param＝effct|glm|ref来实现的。不用para选项时，默认是effect.  

    借sashelp.class 为例（只是图个方便，不要考虑实际意义）

data  class;

   set sashelp.class;

 cat=floor(ranuni(199323)*3+1);

 run;

proc logistic data=class;

     class cat;

     model sex=cat age height weight;

run;

可以看到哑变量的设计矩阵。



http://s14/mw690/41889b90hcf755a86a6cd&690

把三种PARAM全跑一下：

proc logistic data=class;

        class cat/param=effect;

 model sex=cat age height weight;

run; 

proc logistic data=class;

        class cat/param=glm;

 model sex=cat age height weight;

run; 

proc logistic data=class;

        class cat/param=ref;

 model sex=cat age height weight;

run;

总结其设计矩阵及OR值 如下：

http://s7/mw690/41889b90hcf755a9057c6&690

可以看出，Param的不同参数，其设计矩阵是不一样的。估计的系数也不尽相同。但SAS给出的OR是相同的。其间的计算过程是怎么样的，对这一块一直有些模糊，今天终于清理了下。

Logistic的线性部分其实是ln(Odds)部分，odds=exp(线性部分)。当自变量取值 分别为e1, e0时，e1相对于e0的Odds  Ratio＝exp(β(e1-e0) )。据此，把设计矩阵里的值代入，可推得其计算过程大体如下图黄色部分。

http://s3/mw690/41889b90hcf755a99d272&690

当param＝glm时，cat=3的β＝0，所以和param=ref的结果是一样的。Param=effect时，β、OR会很细小的差异。