學(xué)習(xí)和使用SAS的一點感想

想說一說自己在學(xué)習(xí)和使用SAS時的所得所失。我可能走了許多彎路，尤其是比起那些具備更多的信息的，更加年輕的人。我的經(jīng)驗或許比你的要多，也可能更加微不足道。但是分享的本身，即使是微末的一點點，也是樂趣。不是嗎？

一直到現(xiàn)在，我還覺得自己做SAS還是挺辛苦的，差不多從來就沒有很多人那樣的舉重就輕。如果我說自己學(xué)了三年的SAS還不成的話，有人會納悶。納悶SAS不就是幾個月的速成軟件嗎？對一些人來說，這無疑是正確的?？墒侨绻姓J自己的智商并非天賦異秉而高人一等的話，就得潛下心來，不要妄自菲薄。我自己學(xué)了五年SAS，還經(jīng)常犯錯。我的同事做的更好，可是也犯錯誤。

我所學(xué)專業(yè)是統(tǒng)計，入門的軟件是R，在工作里差不多只和SAS打交道。用SAS處理數(shù)據(jù)分析數(shù)據(jù)。不多的時候用R運行一下別人的程序，或者是SAS里沒有成形的較新的方法。一年也設(shè)計一二或三個DATABASE（用ACCESS）。我的工作內(nèi)容差不多可以普遍到整個做統(tǒng)計分析行業(yè)：大致如此。最重要的當(dāng)然是數(shù)據(jù)分析，或者說分析數(shù)據(jù)就是自己的日常工作內(nèi)容。幾乎無時不刻的用SAS。

因為入門晚，大概有五年的時間，開始用的差不多就是SAS V9的版本。所以每當(dāng)看到有些SAS使用者在用proc plot一類的過程，看到那些星星點點的黑白的制圖，除了肅然起敬之外，也明白了為什么很多人會討厭SAS的圖形功能。從現(xiàn)在SAS的圖形功能及其和ODS輸出的良好結(jié)合性來看，sas的制圖是很美觀的。而這種對SAS舊版本的較為薄弱的制圖形功能的輕視，幾乎成了許多人的共識：不要用sas畫圖。我很幸運，過度了大概兩年時間的gplot，到了現(xiàn)在的sg-plot。我的工作任務(wù)之一是給“科學(xué)研究”（我總這在想這種提法科學(xué)嗎？）提供數(shù)據(jù)分析報告，從發(fā)表雜志文章的角度來看，sas圖例無論是從清晰度還是審美的角度來看，都是雜志圖例的首選之一。不象有的人抱怨excel成圖的DPI太低。其實有時候R也存在這個問題。

SAS涵蓋比較廣泛。其特定的功用可以延伸到許多不同的行業(yè)。而量身定制的衍生產(chǎn)品也有泛濫的趨勢。不過，SAS/STAT應(yīng)該仍然是它的核心。相比其實不太有歷史感的9.0版本，SAS在STAT上的拓展也可以說是日新月異。比如說在MCMC上，在非參數(shù)估計上，在隨機線性模型的補充改善上都是這幾年的事情。且不提更新的分位回歸，結(jié)構(gòu)方程分析（PROC CALIS)，以及混合模型等等。原來覺得很難做的東西，現(xiàn)在都成為了常規(guī)。幾年以前的統(tǒng)計博士或許不懂生存分析。現(xiàn)在差不多本科生都知道怎么繪制生存曲線。如同統(tǒng)計在運算方面的突飛猛進，SAS也與時俱進。所以引以為自豪的太老的SAS經(jīng)驗，如果沒有變成進步的阻礙的話，也成了自吹自擂的慰籍。

我在學(xué)了兩年的SAS之后，覺得SAS其實也沒有什么。其實都是自菲薄。SAS作為一個軟件，承載的是更加厚重的統(tǒng)計學(xué)的發(fā)展。我曾經(jīng)和同事談?wù)撨^PROC GLM。我認為GLM基本上取代了REG過程。可是現(xiàn)在，我不得不把許多線性分析的問題從GLM挪到REG里去做，因為REG在許多方面更加有效和全面。比如說模型選擇和診斷。類似的如同GENMOD和LOGISTIC的關(guān)系。GENMOD也許可以做的更多，但是無疑LOGISTIC在logit模型上做的更深更精確。

和許多的軟件一樣，SAS是個大雜燴，可以提供許多菜單以供顧客選擇。考慮到這一點，雜這個概念非常重要。雜用，其實是取其精華，不囿于某個步驟和過程。我看到一些人試圖用數(shù)據(jù)步或者SQL去解決統(tǒng)計的問題。南轅北轍。事倍功半。因為SAS已經(jīng)提供更加縝密的統(tǒng)計過程來計算統(tǒng)計量解決統(tǒng)計問題。如果我說你在SQL費力半天求的中位數(shù)其實是錯誤，可能你生氣?？墒鞘鞘聦?。還有一個例子是關(guān)于使用PROC NLMIXED的問題。這是一個用最大似然法解決非線性模型的統(tǒng)計過程。其實，且不提MAXIMUM LIKELIHOOD在許多問題上并非是最有效的最優(yōu)化的，盲目的寫了很長的公式，而人為忽略其他的過程或許已經(jīng)提供更優(yōu)化的解法，并非是表現(xiàn)好的數(shù)學(xué)功底的唯一方法。

作為一個做數(shù)據(jù)分析的，我切實的建議是，不要忽略數(shù)據(jù)步的作用。做sas開始的很長一段時間里，你或許都無法避免程序疏漏的困擾。這些錯誤很大的一部分來自對DATA STEP沒有深刻的理解。我有時候驚訝自己為什么總犯些很低級的錯誤。其實這些錯誤是有根源的。好的數(shù)據(jù)分析的基礎(chǔ)是真確的數(shù)據(jù)。如果失去了這個基礎(chǔ)，其它的似乎變得沒有意義。包括我自己，時常的尷尬是為什么同樣的數(shù)據(jù)，分析結(jié)果卻無法復(fù)制。原因差不多總是源于對SAS理解的不深不全。

我不希望自己把SAS理解為專于程序編制的軟件。其實其最終的目的應(yīng)該是進行統(tǒng)計分析，產(chǎn)生分析總結(jié)的報告。所以編程只是手段而已。data step再難，多做幾遍，多記憶就會掌握，但是繁復(fù)變化的統(tǒng)計理論和運算，需要不斷的理解和改進。所以一個統(tǒng)計分析報告或許也幾易其稿，不斷改善。

和我一樣，你或許也感受到SAS的易和不易。不過，通過學(xué)習(xí)和使用SAS而獲得對知識的興趣，可能使得我們對自己的看似無聊的工作減少了許多抱怨。CDA數(shù)據(jù)分析師官網(wǎng)