为何SAS中param=glm报奇异矩阵警告而param=ref无此问题？

一、为何param=glm触发警告，param=ref却不会？ #

• 编码逻辑的矩阵秩差异：两种参数化方法理论等价，但SAS内部计算逻辑不同。param=ref采用满秩编码，每个分类变量生成k-1个哑变量，直接排除参考水平的哑变量，模型矩阵本身是满秩的，不存在线性相关列，不会触发奇异检测。而param=glm采用虚拟编码，每个分类变量生成k个哑变量（包含参考水平的全0哑变量），这会导致模型矩阵的列与截距项（全1列）完全线性相关，天生造成信息矩阵不满秩。
• 大样本的数值敏感性：你的数据集有360万条观测，大样本下的数值舍入误差会放大这种不满秩结构的影响，哪怕仅用2个分类变量，只要用param=glm，模型矩阵的列组合仍会和截距项线性相关，触发SAS的奇异值检查——这和变量自身的相关性无关，是编码方式带来的固有问题。
• 参考水平0值的触发机制：param=glm中参考水平的估计值为0，是SAS对线性相关列的系数约束结果，但这个约束过程会触发信息矩阵奇异的检测逻辑，而param=ref直接不纳入参考水平哑变量，从根源上避免了这个问题。

二、能否信任无警告的param=ref模型结果？ #

完全可以信任，理由如下：

• 理论等价性保障：参考水平相同时，两种参数化方法的模型本质一致，对数似然值、预测概率、假设检验结果（Wald卡方、似然比检验）完全相同，仅参数解读方式有区别（param=glm是相对于总体均值，param=ref是相对于参考水平）。
• 无警告的合理性：param=ref的模型矩阵是满秩的，不存在线性相关列，因此不会触发奇异矩阵警告，这是正常计算结果，而非模型存在问题的信号。
• 实际结果验证：你已对比两个模型的结果，除param=glm的参考水平系数为0外，其他估计值完全一致，进一步证明param=ref的结果可靠。

后续建议 #

• 优先使用param=ref：针对大样本、多分类变量的场景，它避免了param=glm的固有秩问题，无不必要警告，结果解读更直观（直接对比参考水平）。
• 若需用param=glm：可添加noint选项去掉截距项，模型矩阵会变为满秩，警告会消失，但参数解读需调整为相对于总体均值。
• 排查真共线性：如果怀疑存在真正的多重共线性（非编码导致的伪共线性），可使用proc corr计算连续变量相关系数，或用proc reg的vif选项查看方差膨胀因子——你当前的警告是编码方式导致的，并非真共线性问题。

内容的提问来源于stack exchange，提问作者黃祐谷