求助SAS高手随机选择样本问题

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

问题是这样的：现在有个很大的dataset，我们要从中随机找5000个指定变量不同的数据，例如，如果我设var="patient ID", 我就要找5000个不同的patient ID, 而一个Patient ID会在这个dataset中出现很多次，所以随机寻找中要避免两种情况：1.随机寻找了两个相同的观测值（此部分我已经编出）。2. 随机寻找了两个不同的观测值，但他们的patient ID是一样的（此部分未完成）。望各位大牛指点，感激不尽。我的想法是用两个array和几个do while，一个array装distinct Observation， 一个array装distinct patient ID。其实我觉得想法不难，难的是如何用SAS实现。另外，由于sas版本非常旧，用不了proc surveyselect这个过程。以下是我已经完成的代码：

%macro ransample(dsin,dsout,SampleSize,var)；(注释：dsin“输入数据集”,dsout“输出数据集”,SampleSize,var“指定变量”)

proc sort data=PDL.&dsin out=a;

by &var;

run;

data randfile;

array PickIts[&SampleSize];

array PickVar[&SampleSize];

do i=1 to &SampleSize;

     PickIt=ceil(ranuni(34567)*TotObs);

     if PickIt in PickIts then do;

          do PickIt=ceil(ranuni(34567)*TotObs) while (PickIt in PickIts);

          end;

          If _N_=PickIt then call symput('selectvar', &var);

          If &selectvar not in PickVar then do;

               PickIts=PickIt;

               Pickvar=&selectvar;

               set a point=PickIt nobs=TotObs;

               output;

          end;

          else do;

                (此处不知道该如何构建循环了，假设我们还拿patient ID为例，这个observation虽然没有在装distinct observation

                 array中出现过，但它的patient ID却之前出现过，所以此观测量不合格，我们要重新random select)

          end;

     end;

     else do;

         If _N_=PickIt then call symput('selectvar', &var);         

         If &selectvar not in PickVar then do;               

               PickIts=PickIt;               

               Pickvar=&selectvar;               

               set a point=PickIt nobs=TotObs;               

               output;         

         end;         

         else do;               

             (空缺，如上）         

         end;

     end;

stop;

run;

proc sql;

create table PDL.&dsout as

select a.* from a inner join randfile

on a.&var = randfile.&var ;

quit;

%mend ransample;

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：surveyselect observation inner join Distinct observat 样本

分层，每层内只取一个？

不能proc surveyselect？

boe 发表于 2013-5-21 11:37
不能proc surveyselect？

是的，不能用proc surveyselect. 公司版本过旧

Not sure if that works in an old version. Code is not tested. Jingju


proc sort data =have out =have1; by patientID;

data have20 have21;
    call streaminit(1234);
    set have1 end =Eof; by patientid;
    retain maxs;
    s ++1;   
    output have20;
    if last.patientid then do;
        r =rand('uniform');
        output have21;
        if s >maxs then maxs =s;s =0;
    end;
    if Eof then call symputx('maxs', maxs);
    drop maxs;
run;

proc sort data =have21 out =have3(obs =5000); by r;

data have4(drop =s tab s1 i);
    call streaminit(1234);
    merge have20 have3(in =h keep =patientid s rename =(s=s1));
    by patientid;
    retain tab;
    array t[&maxs.] _temporary_;
    if h;
    if first.patientid then do;
        do i =1 to s1;
            t{i} =1/s1;
        end;
        tab =rand('tabled', of t{*});
        call missing(of t{*});
    end;
    if tab =s then output;
run;

How about this?

1. %let seed=12345;
   
2. %let sampsize=5000;
   
3. data hell;
   
4. do PatientID=1 to 20000;
   
5. do visit=1 to ceil(ranuni(&seed)*100);
   
6. measure = exp(5+rannor(&seed));
   
7. _ORDER_ = ranuni(&seed);
   
8. output;
   
9. end;
   
10. end;
    
11. stop;
    
12. run;
    
13. proc sort data=hell;
    
14. by _ORDER_;
    
15. proc means data=hell noprint nway min order=data;
    
16. class PatientID;
    
17. var _ORDER_;
    
18. output out=sample(drop=_freq_ _type_) idgroup(min(_ORDER_) out(visit measure)=);
    
19. proc print data=sample(obs=&sampsize);

复制代码

邓贵大 发表于 2013-5-23 04:16
How about this?

好高端啊，但不知道为什么要do PatientID=1 to 20000？是想产生20000个patient ID吗？ 我这个作业中patient ID已经有了，存储在源数据集aaa中, 那该如何实现呢？菜鸟多谢大牛了！

jingju11 发表于 2013-5-22 09:21
Not sure if that works in an old version. Code is not tested. Jingju

非常感谢哈，不过可能是版本因素，run不起来

moshushi8928 发表于 2013-5-23 04:34
好高端啊，但不知道为什么要do PatientID=1 to 20000？是想产生20000个patient ID吗？ 我这个作业中pat ...

Replace 'visit measure' with the list of variables you want to keep from your dataset.

1. %let seed=12345;
   
2. %let sampsize=5000;
   
3. data hell;
   
4. set aaa;
   
5. _ORDER_ = ranuni(&seed);
   
6. 
   
7. proc sort data=hell;
   
8. by _ORDER_;
   
9. proc means data=hell noprint nway min order=data;
   
10. class PatientID;
    
11. var _ORDER_;
    
12. output out=sample(drop=_freq_ _type_) idgroup(min(_ORDER_) out(visit measure)=);
    
13. proc print data=sample(obs=&sampsize);
    
14. run;

复制代码