sas單變量的特征分析

大炮，我有個煩惱，我領(lǐng)導(dǎo)最近老叫我單變量結(jié)合因變量分析，但是都是分段分析，我總是寫proc sql然后group by ,但是這個過程好無聊啊，有木有什么新的代碼，讓我可以分析的快點(diǎn)啊。

最近寫了個宏，剛好可以解決你這個問題，在上代碼之前，先來個結(jié)果圖

詹大炮

這個結(jié)果對于分析來說是不好的，因為這個結(jié)果沒啥實(shí)際意義，說白了就是跟因變量沒關(guān)系，但是這個圖我們不是要來講變量怎么有用，我們要介紹的是這段代碼最后呈現(xiàn)的一個結(jié)果是怎樣的。

代碼：

%macro ChcAnalysis(DSin, DVVar, VarX, NBins, Method, DSChc);

proc sort data=&DSin;

by &VarX;

run;

Data temp;

set &DSin ;

by &VarX;

_Obs=_N_;

keep &DVVAr &VarX _Obs;

run;

proc sql noprint;

%if &Method=1 %then %do;

select count(&DVVar) into :N from temp;

select max(_Obs), min(_Obs) into :Vmax, :Vmin from temp;

%let BinSize=%sysevalf((&Vmax)/&Nbins);

%let LB_1=0;

%do i=1 %to %eval(&Nbins-1);

%let LB_&i=%sysevalf(&LB_1+(&i-1)*&BinSize);

%let UB_&i=%sysevalf(&&LB_&i + &BinSize);

select sum(&DVVar) , count(*) into :Sum_&i , :N_&i from temp

where _obs>=&&Lb_&i and _obs<&&Ub_&i;

%end;

%let LB_&NBins=%sysevalf(&LB_1+(&NBins-1)*&BinSize);

%let UB_&NBins=&Vmax;

select sum(&DVVar) , count(*) into :Sum_&i , :N_&i from temp

where _obs>=LB_&NBins and _obs<=UB_&NBins;

%end;

%else %do ;

select count(&DVVar) into :N from temp;

select max(&VarX), min(&VarX) into :Vmax, :Vmin from temp;

%let BinSize=%sysevalf((&Vmax-&Vmin)/&Nbins);

%let LB_1=&Vmin;

%do i=1 %to %eval(&Nbins-1);

%let LB_&i=%sysevalf(&LB_1+(&i-1)*&BinSize);

%let UB_&i=%sysevalf(&&LB_&i + &BinSize);

select sum(&DVVar) , count(*) into :Sum_&i , :N_&i from temp

where &VarX>=&&Lb_&i and &VarX<&&Ub_&i;

%end;

%let LB_&NBins=%sysevalf(&LB_1+(&NBins-1)*&BinSize);

%let UB_&NBins=&Vmax;

select sum(&DVVar) , count(*) into :Sum_&i , :N_&i from temp

where &VarX>=&&Lb_&i and &VarX<=&&UB_&i;

%end;

quit;

data &DSChc;

%do i=1 %to &NBins;

Bin=&i;

LowerBound=&&LB_&i;

UpperBound=&&UB_&i;

if (&&sum_&i =. ) then N_1=0; else N_1=&&Sum_&i;

if &&N_&i=. then BinTotal=0; else BinTotal=&&N_&i;

N_0 = BinTotal-N_1;

Percent_1=100*N_1/BinTotal;

Percent_0=100*N_0/BinTotal;

output;

%end;

Run;

proc datasets nodetails nolist library=work;

delete temp;

run;

quit;

%mend;

詹大炮

還是老樣子，分段介紹。

01

% ChcAnalysis(DSin, DVVar, VarX, NBins, Method, DSChc);

DSin：填入的是原數(shù)據(jù)集；

DVVar：填入因變量，這里我們分析的是二元的因變量，所以因變量一定要是二元的，并且必須是數(shù)值的0,1。因為在代碼中設(shè)定的就是這樣子的，至于你問我為什么不能是字符，那是因為我還沒能耐寫字符的。

VarX：你要分析的變量（數(shù)值的哈）

NBins：分幾段分析。結(jié)果的例子是分了5段；

Method：怎么分。1-等高度分，2-等寬度分。我的結(jié)果圖那個是按2分的。

DSChc：結(jié)果數(shù)據(jù)集的輸出名字。

02

proc sort data=&DSin;by &VarX;run;

Data temp;

set &DSin ;

by &VarX;

_Obs=_N_;

keep &DVVAr &VarX _Obs;

run;

將原數(shù)據(jù)集中的變量排序，后面的分組的時候要用到。然后保留要分析的變量在temp數(shù)據(jù)集中，產(chǎn)生變量_Obs，作為序號，這是等高度分析的時候要用的。等高度的意思就是每個區(qū)間的數(shù)量是一樣的，等寬度的意思是，區(qū)間的的差值是一樣的。兩個不同的情況，在分析的時候，如果等寬的結(jié)果你覺得不是很明顯可以分析的話，就換等高，任意切換哈。

temp的數(shù)據(jù)集是長這樣子的：

_obs是觀測的序號。

03

proc sql noprint;

%if &Method=1 %then %do;

select count(&DVVar) into :N from temp;

select max(_Obs), min(_Obs) into :Vmax, :Vmin from temp;

%let BinSize=%sysevalf((&Vmax)/&Nbins);

%let LB_1=0;

%do i=1 %to %eval(&Nbins-1);

%let LB_&i=%sysevalf(&LB_1+(&i-1)*&BinSize);

%let UB_&i=%sysevalf(&&LB_&i + &BinSize);

select sum(&DVVar) , count(*) into :Sum_&i , :N_&i from temp

where _obs>=&&Lb_&i and _obs<&&Ub_&i;

%end;

%let LB_&NBins=%sysevalf(&LB_1+(&NBins-1)*&BinSize);

%let UB_&NBins=&Vmax;

select sum(&DVVar) , count(*) into :Sum_&i , :N_&i from temp

where _obs>=LB_&i. and _obs<=UB_&i.;

%end;

%else %do ;

select count(&DVVar) into :N from temp;

select max(&VarX), min(&VarX) into :Vmax, :Vmin from temp;

%let BinSize=%sysevalf((&Vmax-&Vmin)/&Nbins);

%let LB_1=&Vmin;

%do i=1 %to %eval(&Nbins-1);

%let LB_&i=%sysevalf(&LB_1+(&i-1)*&BinSize);

%let UB_&i=%sysevalf(&&LB_&i + &BinSize);

select sum(&DVVar) , count(*) into :Sum_&i , :N_&i from temp

where &VarX>=&&Lb_&i and &VarX<&&Ub_&i;

%end;

%let LB_&NBins=%sysevalf(&LB_1+(&NBins-1)*&BinSize);

%let UB_&NBins=&Vmax;

select sum(&DVVar) , count(*) into :Sum_&i , :N_&i from temp

where &VarX>=&&Lb_&i and &VarX<=&&UB_&i;

%end;

quit;

我知道你肯定要說，這密密麻麻的% &*我不想看。但是你看下嘛，不難的，我介紹介紹給你看嘛。

首先這段代碼需要分成兩步來看，第一步是當(dāng)我們的&Method=1 的情況執(zhí)行do后面的程序，反之，則是當(dāng)我們的&Method=2的時候的情況啦。

然后我們來講&Method=1情況時執(zhí)行的代碼：

select count(&DVVar) into :N from temp;

select max(_Obs), min(_Obs) into :Vmax, :Vmin from temp;

第一個select賦值宏是算出全部的觀測數(shù)。

第二個select是算出最大的那個序號，其實(shí)我個人覺得這步有點(diǎn)多 余，你想直接用n也可以的，只是我想跟&Method=2的思路一樣，所以就沒刪。

%let BinSize=%sysevalf((&Vmax)/&Nbins);

%let LB_1=0;

%do i=1 %to %eval(&Nbins-1);

%let LB_&i=%sysevalf(&LB_1+(&i-1)*&BinSize);

%let UB_&i=%sysevalf(&&LB_&i + &BinSize);

select sum(&DVVar) , count(*) into :Sum_&i , :N_&i from temp

where _obs>=&&Lb_&i and _obs<&&Ub_&i;

%end;

BinSize因為是&Method=1，所以這里BinSize是區(qū)間的差值，這里有個宏函數(shù)%sysevalf就自己百度下用法吧，這里就不介紹了。%do i=1 %to %eval(&Nbins-1);這一步就開始循環(huán)，這里為什么只循環(huán)到倒數(shù)第二個呢，是因為倒數(shù)第一個直接就是剩下的全部，就不需要再區(qū)間限制了。

%let LB_&i=%sysevalf(&LB_1+(&i-1)*&BinSize);

%let UB_&i=%sysevalf(&&LB_&i + &BinSize);

這兩步是產(chǎn)生這個分組的上下區(qū)間，然后用于后面的select語句中的where條件，把該區(qū)間的數(shù)量統(tǒng)計出來。

select sum(&DVVar) , count(*) into :Sum_&i , :N_&i from temp

where _obs>=&&Lb_&i and _obs<&&Ub_&i;

%end;

這個過程特別注意的就是sum(&DVVar)，是用sum，這就是我一開始為什么說因變量是二元的，而且要是0,1的情況就是方便這里統(tǒng)計啦。

%let LB_&NBins=%sysevalf(&LB_1+(&NBins-1)*&BinSize);

%let UB_&NBins=&Vmax;

select sum(&DVVar) , count(*) into :Sum_&i , :N_&i from temp

where _obs>=LB_&i. and _obs<=UB_&i.;

%end;

這就是第四步啦，

%let LB_&NBins=%sysevalf(&LB_1+(&NBins-1)*&BinSize);

%let UB_&NBins=&Vmax;

產(chǎn)生最后的區(qū)間，這里的i是5了，其實(shí)我一直很不能理解到這步，為什么還可以輸出i=5呢，不是i只循環(huán)到4嗎？但是執(zhí)行的時候就是這樣子的，這個套路是仿照之前的等高度分變量區(qū)間的那個代碼寫的。

我還特地看了日志也循環(huán)了：

我覺得應(yīng)該是sas的處理流程，在pdv層面應(yīng)該可以解釋，跪求大神在留言區(qū)解釋。萬分感激。

那么&Method=2的部分就留給你自己去看啦，還是&Method=1的那種套路，只是等區(qū)間變量等量而已。

04

data &DSChc;

%do i=1 %to &NBins;

Bin=&i;

LowerBound=&&LB_&i;

UpperBound=&&UB_&i;

if (&&sum_&i =. ) then N_1=0; else N_1=&&Sum_&i;

if &&N_&i=. then BinTotal=0; else BinTotal=&&N_&i;

N_0 = BinTotal-N_1;

Percent_1=100*N_1/BinTotal;

Percent_0=100*N_0/BinTotal;

output;

%end;

Run;

然后這部分就是以上產(chǎn)生的宏，拼接成結(jié)果數(shù)據(jù)集。這里應(yīng)該注意的是，每循環(huán)一個，就是產(chǎn)生一條觀測之后output到數(shù)據(jù)集，如此循環(huán)之后需知道i=&nbins為止。數(shù)據(jù)分析師培訓(xùn)