<!-- markdown css tag --><div class="pinggu_markdown">
<div class="pinggu_markdown__html"><h2 id="sas：proc-traj实现gbtmgroup-based-trajectory-model">SAS：PROC TRAJ实现GBTM(group-based trajectory model)</h2>
<h3 id="目的：对于纵向数据，欲探索某属性随时间变化的clusters，即变化的类别。">目的：对于纵向数据，欲探索某属性随时间变化的clusters，即变化的类别。</h3>
<h3 id="sas实现：">SAS实现：</h3>
<ul>
<li>
<h4 id="traj文件准备">traj文件准备</h4>
</li>
</ul>
<ol>
<li><a href="http://www.andrew.cmu.edu/user/bjones/cnorm.htm">点击链接下载相应的traj包</a></li>
<li>进入网站后点击左边的<strong>SAS download</strong>，根据自己SAS日志上的版本信息(<strong>64/32-bit? ；TS1M?</strong>)下载对应文件</li>
<li>下载后解压缩，<strong>将traj.dll文件copy到SASHome/…/stat/sasexe路径</strong>，<strong>将traj开头的三个sas文件copy到SASHome/…/stat/sasmacro路径</strong>。</li>
</ol>
<ul>
<li>
<h4 id="数据格式整理">数据格式整理</h4>
</li>
</ul>

<table>
<thead>
<tr>
<th>ID</th>
<th>VAR1</th>
<th>…</th>
<th>VARn</th>
<th>T1</th>
<th>…</th>
<th>Tn</th>
</tr>
</thead>
<tbody>
<tr>
<td>1</td>
<td></td>
<td></td>
<td></td>
<td></td>
<td></td>
<td></td>
</tr>
</tbody>
</table><pre><code>         VARn，Tn均为最大随访次数，随访缺失的设为缺失值即可
         ID: 唯一标识
     VAR1-VARn为关注的结局变量
     T1-Tn为随访的时间点(如：年龄，随访时间，随访次)
</code></pre>
<ul>
<li>
<h4 id="sas代码">SAS代码</h4>
</li>
</ul>
<p><code>ods graphics on;</code><br>
<code>PROC TRAJ data=data_name out=o1 outstat=o2 outplot=o3;</code><br>
<code>ID ID;</code><br>
<code>VAR VAR1-VARn;</code><br>
<code>INDEP T1-Tn;</code><br>
<code>MODEL CNORM;</code><br>
<code>NGROUPS 3;</code><br>
<code>ORDER 3 3 3;</code><br>
<code>MIN &#48;; MAX 1&#48;;</code><br>
<code>RUN;</code><br>
<code>%trajplot(o3, o2, "proc traj", "cnorm plot" ,"VAR", "T");</code><br>
<code>ods graphics off;</code></p>
<pre><code>        data_name：指定数据集名称
        o1：输出数据集，包含group概率及最终group的划分
        o2：输出数据集，参数估计
        o3：输出数据集，轨迹图相关数据
        ID：指定唯一标识变量
        VAR：因变量，即不同时间点测量得到的属性值
        INDEP：自变量，即不同时间点
        MODEL：因变量的分布，包括CNORM, ZIP, LOGIT
        NGROUPS：拟合的轨迹数
        ORDER：每一group的多项式（&#48;截距，1线性，2平方项，3立方项）
        MIN/MAX：因变量的最小值和最大值（适用于model为CNORM）
        %trajplot(o3,o2,“主标题”,“副标题”,“纵坐标”,“横坐标”)
</code></pre>
<ul>
<li>
<h4 id="其他说明">其他说明</h4>
<ul>
<li>以上代码展示了基本语句，参考<a href="http://www.andrew.cmu.edu/user/bjones/strtxmpl4.htm">上述下载网站</a>可加入协变量/时间依存协变量进行轨迹分组，及不同MODEL的使用等</li>
<li>轨迹分组后，根据BIC、AIC等参数及模型可解释性综合判断模型优劣</li>
</ul>
</li>
</ul>
</div>
</div>