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

sas单变量的特征分析的更多相关文章

  1. R 单变量重命名与删除

    单变量重命名 b = rename(b,c(target="flag")) 单变量删除    b = b[,names(b)!='age'] 或者 b[,"age&quo ...

  2. 机器学习之单变量线性回归(Linear Regression with One Variable)

    1. 模型表达(Model Representation) 我们的第一个学习算法是线性回归算法,让我们通过一个例子来开始.这个例子用来预测住房价格,我们使用一个数据集,该数据集包含俄勒冈州波特兰市的住 ...

  3. Coursera《machine learning》--(2)单变量线性回归(Linear Regression with One Variable)

    本笔记为Coursera在线课程<Machine Learning>中的单变量线性回归章节的笔记. 2.1 模型表示 参考视频: 2 - 1 - Model Representation ...

  4. MATLAB 单变量函数一阶及N阶求导

    1 对一维函数的求导及求特定函数处的变量值 %%最简单的一阶单变量函数进行求导 function usemyfunArray() %主函数必须位于最上方 clc clear syms x %syms ...

  5. 机器学习(二)--------单变量线性回归(Linear Regression with One Variable)

    面积与房价 训练集 (Training Set) Size       Price 2104       460 852         178 ...... m代表训练集中实例的数量x代表输入变量 ...

  6. [数据可视化之一]Pandas单变量画图

    Pandas单变量画图 Bar Chat Line Chart Area Chart Histogram df.plot.bar() df.plot.line() df.plot.area() df. ...

  7. Machine Learning 学习笔记2 - linear regression with one variable(单变量线性回归)

    一.Model representation(模型表示) 1.1 训练集 由训练样例(training example)组成的集合就是训练集(training set), 如下图所示, 其中(x,y) ...

  8. Ng第二课:单变量线性回归(Linear Regression with One Variable)

    二.单变量线性回归(Linear Regression with One Variable) 2.1  模型表示 2.2  代价函数 2.3  代价函数的直观理解 2.4  梯度下降 2.5  梯度下 ...

  9. python 单变量线性回归

      单变量线性回归(Linear Regression with One Variable)¶ In [54]: #初始化工作 import random import numpy as np imp ...

随机推荐

  1. 尚学linux课程---9、yum相关操作和知识

    尚学linux课程---9.yum相关操作和知识 一.总结 一句话总结: 如何使用比如163,阿里云给yum配置yum源:去官网,不要百度:直接去官网,有帮助文档的(比如centos的就在centos ...

  2. tp5 mkdir() 没有权限

  3. VS2010-MFC(常用控件:列表视图控件List Control 上)

    转自:http://www.jizhuomi.com/software/195.html      列表视图控件简介 列表视图控件List Control同样比较常见,它能够把任何字符串内容以列表的方 ...

  4. hibernate annotation 之 注解声明

    @Entity 将一个 POJO 类注解成一个实体 bean ( 持久化 POJO 类 ) @Table 为实体 bean 映射指定具体的表,如果该注解没有被声明,系统将使用默认值 ( 即实体 bea ...

  5. winform的datagridview控件滚动更新数据

    范例源码下载地址:http://files.cnblogs.com/files/luoxiaozhao/PrintDemo.rar

  6. Lua 协程和线程区别

    协程就是协程,不是线程. CPU执行单位是线程,不是什么协程. 协程,是同步执行,不是并行,只是切了一个上下文了,为你保存原来的上下文而已. 切到第二个协程时,原来的协程处于挂起状态. 这个特指lua ...

  7. 用在 AMD64 上 aria2_1.33.1-1_amd64.deb 的下载页面

    用在 AMD64 上 aria2_1.33.1-1_amd64.deb 的下载页面 如果您正在运行 Ubuntu,请尽量使用像 aptitude 或者 synaptic 一样的软件包管理器,代替人工手 ...

  8. AndroidStudio 添加翻译插件

    添加方式 第一步 在AndroidStudio的菜单栏里找到 File > Settings > 点击 . 第二步 点击Plugins > 在点击Marketplace 等待插件列表 ...

  9. 廖雪峰Java11多线程编程-3高级concurrent包-8CompletableFuture

    使用Future可以获得异步执行结果 Future<String> future = executor.submit(task); String result = future.get() ...

  10. 07.27NOIP模拟赛

    戳这里下载过去三次NOIP模拟赛总成绩 (别嘲笑垫底的我...解压密码为信奥生所在的两个班的班号,文档密码为机房开机用户名+密码) 又一次垫底…… 我难受. 上来感觉T1不可做,T2和蔼可亲,T3一脸 ...