sas单变量的特征分析

sas单变量的特征分析

大炮，我有个烦恼，我领导最近老叫我单变量结合因变量分析，但是都是分段分析，我总是写proc sql然后group by ,但是这个过程好无聊啊，有木有什么新的代码，让我可以分析的快点啊。

最近写了个宏，刚好可以解决你这个问题，在上代码之前，先来个结果图

詹大炮

这个结果对于分析来说是不好的，因为这个结果没啥实际意义，说白了就是跟因变量没关系，但是这个图我们不是要来讲变量怎么有用，我们要介绍的是这段代码最后呈现的一个结果是怎样的。

代码：

%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_r(&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_r(&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

还是老样子，分段介绍。

01

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

DSin：填入的是原数据集；

DVVar：填入因变量，这里我们分析的是二元的因变量，所以因变量一定要是二元的，并且必须是数值的0,1。因为在代码中设定的就是这样子的，至于你问我为什么不能是字符，那是因为我还没能耐写字符的。

VarX：你要分析的变量（数值的哈）

NBins：分几段分析。结果的例子是分了5段；

Method：怎么分。1-等高度分，2-等宽度分。我的结果图那个是按2分的。

DSChc：结果数据集的输出名字。

02

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

Data temp;

set &DSin ;

by &VarX;

_Obs=_N_;

keep &DVVAr &VarX _Obs;

run;

将原数据集中的变量排序，后面的分组的时候要用到。然后保留要分析的变量在temp数据集中，产生变量_Obs，作为序号，这是等高度分析的时候要用的。等高度的意思就是每个区间的数量是一样的，等宽度的意思是，区间的的差值是一样的。两个不同的情况，在分析的时候，如果等宽的结果你觉得不是很明显可以分析的话，就换等高，任意切换哈。

temp的数据集是长这样子的：

_obs是观测的序号。

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_r(&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_r(&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;

我知道你肯定要说，这密密麻麻的% &*我不想看。但是你看下嘛，不难的，我介绍介绍给你看嘛。

首先这段代码需要分成两步来看，第一步是当我们的&Method=1 的情况执行do后面的程序，反之，则是当我们的&Method=2的时候的情况啦。

然后我们来讲&Method=1情况时执行的代码：

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

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

第一个select赋值宏是算出全部的观测数。

第二个select是算出最大的那个序号，其实我个人觉得这步有点多 余，你想直接用n也可以的，只是我想跟&Method=2的思路一样，所以就没删。

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

%let LB_1=0;

%do i=1 %to %eval_r(&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因为是&Method=1，所以这里BinSize是区间的差值，这里有个宏函数%sysevalf就自己百度下用法吧，这里就不介绍了。%do i=1 %to %eval_r(&Nbins-1);这一步就开始循环，这里为什么只循环到倒数第二个呢，是因为倒数第一个直接就是剩下的全部，就不需要再区间限制了。

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

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

这两步是产生这个分组的上下区间，然后用于后面的select语句中的where条件，把该区间的数量统计出来。

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

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

%end;

这个过程特别注意的就是sum(&DVVar)，是用sum，这就是我一开始为什么说因变量是二元的，而且要是0,1的情况就是方便这里统计啦。

%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;

这就是第四步啦，

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

%let UB_&NBins=&Vmax;

产生最后的区间，这里的i是5了，其实我一直很不能理解到这步，为什么还可以输出i=5呢，不是i只循环到4吗？但是执行的时候就是这样子的，这个套路是仿照之前的等高度分变量区间的那个代码写的。

我还特地看了日志也循环了：

我觉得应该是sas的处理流程，在pdv层面应该可以解释，跪求大神在留言区解释。万分感激。

那么&Method=2的部分就留给你自己去看啦，还是&Method=1的那种套路，只是等区间变量等量而已。

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;

然后这部分就是以上产生的宏，拼接成结果数据集。这里应该注意的是，每循环一个，就是产生一条观测之后output到数据集，如此循环之后需知道i=&nbins为止。数据分析师培训