在SAS精确逻辑回归中同时使用连续与分类预测变量的问题

1. 能否在EXACT语句中直接使用连续变量？ #

不建议直接这么做。SAS的PROC LOGISTIC虽允许在EXACT语句中纳入连续变量，但小样本场景下，连续变量的取值通常具有唯一性或近乎唯一性，会导致精确推断的计算量呈指数级增长，不仅可能让程序因计算资源耗尽而无法完成，还会挤占分类变量的计算资源，最终出现你遇到的分类变量精确估计缺失的情况。

可行的替代方案：

• 仅对分类变量执行精确推断，连续变量保留常规最大似然估计（推荐，计算效率更高且结果可靠）
• 对连续变量进行分组处理（如按分位数、临床阈值划分成分类变量），再纳入EXACT语句

2. SAS精确逻辑回归能否获取优势比（OR）？ #

可以。只要EXACT语句中指定了ESTIMATE=BOTH参数（你已添加该参数），当计算成功时，SAS会输出参数的精确估计值，以及对应的优势比（OR）和置信区间。但如果因连续变量导致计算中断，分类变量的OR结果也会无法生成，因此需先解决连续变量的处理问题。

修改后的代码示例 #

方案1：仅对分类变量做精确推断 #

proc logistic data=dat1 descending;
 class v1 v3 v4 v5;
 model y1=v1 v2 v3 v4 v5 v6;
 exact v1 v3 v4 v5/estimate=both; /* 仅针对分类变量执行精确推断，连续变量用常规估计 */
 run;

方案2：对连续变量分组后再做全变量精确推断 #

/* 先对连续变量V2、V6按中位数分组，转换为二分类变量 */
data dat2;
 set dat1;
 /* 计算V2、V6的全局中位数 */
 if _n_=1 then do;
  call symputx('v2_med', median(v2));
  call symputx('v6_med', median(v6));
 end;
 v2_grp = ifn(v2 > &v2_med, 1, 0);
 v6_grp = ifn(v6 > &v6_med, 1, 0);
run;

proc logistic data=dat2 descending;
 class v1 v3 v4 v5 v2_grp v6_grp;
 model y1=v1 v2_grp v3 v4 v5 v6_grp;
 exact v1 v2_grp v3 v4 v5 v6_grp/estimate=both;
 run;

内容的提问来源于stack exchange，提问作者ACHD