sas统计分析学习笔记（六）

1.lag函数

LAG函数返回上次执行时的自变量值，而不是上一个观测值，下面例子能说明这个特点：

DATA LAGGARD;INPUT X;IF X GT 5 THEN LAG_X=LAG(X);DATALINES;7918;PROC PRINT DATA=LAGGARD;ID X;TITLE "Demonstrating a Feature of the AGE Function";run;

在观测值X为7时，if条件为真，执行LAG函数并且返回一个缺失值。在观测值x为9时，if真，返回上一次LAG函数运行时的X值7。在观测值x为1时，if为假，返回缺失值。在x为8时，if为真，返回LAG上一次运行值9。

2.计算 来访者在来访时心率和血压的差异（patients数据集在笔记（五）里有建立）

函数DIF（x）等于x-lag（x）

DATA DIFFERENCE;SET PATIENTS;BY ID;DIFF_HR=DIF(HR);DIFF_SBP=DIF(SBP);DIFF_DBP=DIF(DBP);IF NOT FIRST.ID THEN  OUTPUT; *不输出每个患者第一次来访的观测值，因为没有差异可以计算;RUN;

对每个观测值都执行一次LAG或者DIF操作，才能进入下一步操作，且不要输出第一次来访的观测值。

3.计算每个被试第一次和最近一次来访的差异

如果要知道每个患者第一次来访和最近一次来访心率和血压之差，需要找到一种方法记住上一次观测的数值。sas语句中的RETAIN语句能告诉sas，在data步骤循环时，将某个值设定为保留变量，程序会保留这个数值，直到你改变它。

DATA FIRST_LAST;  SET PATIENTS;  BY ID;  RETAIN FIRST_HR FIRST_SBP FIRST_DBP;*retain语句，保存着三个变量;  IF FIRST.ID AND LAST.ID THEN DELETE; *将只来了一次的患者信息删除;  IF FIRST.ID THEN DO;    FIRST_HR=HR;    FIRST_SBP=SBP;    FIRST_DBP=DBP;  END;  IF LAST.ID THEN DO;    D_HR=HR-FIRST_HR;    D_SBP=SBP- FIRST_SBP;    D_DBP=DBP-FIRST_DBP;OUTPUT;  END;RUN;

由于每个患者只需要输出一个表示差异的观测值，所以在DO循环的内部加上了OUTPUT语句，如果不加output语句，则删除后剩下的所有观测值都将输出。

加了output语句的print输出结果：

不加output的print输出结果：

还可以用这样的程序解决上面的问题：

DATA FIRST_LAST;  SET PATIENTS;  BY ID;  IF FIRST.ID AND LAST.ID THEN DELETE;*删除只有一次记录的患者信息;  IF FIRST.ID OR LAST.ID THEN DO;     D_HR=HR-LAG(HR);     D_SBP=SBP-LAG(SBP);     D_DBP=DBP-LAG(DBP);  END;  IF LAST.ID THEN OUTPUT;RUN;

当读取LAST.ID为真时，所计算的差异正好是现在的值减去LAG函数上一次运行的值——第一次来访的值。

4.用PROC MEANS和PROC SUMMARY创建汇总数据集

PROC MEANS和PROC SUMMARY（添加了NOPRINT选项的PROC MEANS过程，和PROC SUMMARY过程完全一致）不仅可以通过CLASS（或BY）变量进行不同分类的描述统计，还能够用描述统计的结果创建新的数据集。比如，某个研究收集了关于学生的原始数据，但是处于比较教师的目的，你想将班级平均数作为观测的单位。或者原始数据是按天为单位收集的，当需要得到每个季度的销售额。

下面收集了许多学生的数据，包括学生编号、性别、教师姓名、教师年龄、前后两次测验成绩：

DATA SCHOOL;   LENGTH GENDER $1 TEACHER $5;   INPUT SUBJECT          GENDER $ TEACHER $ T_AGE PRETEST POSTTEST;GAIN=POSTTEST-PRETEST;DATALINES;1 M JONES 35 67 812 F JONES 35 98 863 M JONES 35 52 924 M BLACK 42 41 745 F BLACK 42 46 766 M SMITH 68 38 807 M SMITH 68 49 718 F SMITH 68 38 639 M HAYES 23 71 7210 F HAYES 23 46 9211 M HAYES 23 70 9012 F WONG 47 49 6413 M WONG 47 50 63;PROC MEANS DATA=SCHOOL N MEAN STD MAXDEC=2;     TITLE "Means Scores for Each Teacher"; CLASS TEACHER; VAR PRETEST POSTTEST GAIN;RUN;

结果输出如下：

如果要将TEACHER而不是SUBJECT作为观测单位，需要重新建立一个新的数据集：

PROC MEANS DATA=SCHOOL NOPRINT NWAY;*NOPRINT告诉程序不要输出这个过程的结果;  CLASS TEACHER;  VAR PRETEST POSTTEST GAIN;  OUTPUT OUT=TEACHSUM          MEAN=M_PRE M_POST M_GAIN;RUN;

NOPRINT是告诉程序不要输出proc means这个过程，NWAY告诉程序在新的数据集中只呈现每个教师的结果，而不显示总体均值。

如果要在教师年龄纳入新的数据集，可以在proc means过程中使用ID语句：

PROC MEANS DATA=SCHOOL NOPRINT NWAY;*NOPRINT告诉程序不要输出这个过程的结果;  CLASS TEACHER;  ID T_AGE;  VAR PRETEST POSTTEST GAIN;  OUTPUT OUT=TEACHSUM          MEAN=M_PRE M_POST M_GAIN;RUN;

5.解释分组后的_TYPE_含义

_TYPE_是表示二进制，运用一个sas数据集来说明：

DATA DEMOG;   LENGTH GENDER $ 1 REGION $ 5;   INPUT SUBJ GENDER $ REGION $ HEIGHT WEIGHT;DATALINES;01 M North 70 20002 M North 72 22003 M South 68 15504 M South 74 21005 F North 68 13006 F North 63 11007 F South 65 14008 F South 64 10809 F South  . 22010 F South 67 130;PROC MEANS DATA=DEMOG N MEAN STD MAXDEC=2;  TITLE "OUTPUT FROM PROC MEANS";  CLASS GENDER REGION;  VAR HEIGHT WEIGHT;RUN;

结果输出：

使用PROC MEANS过程创建输出数据集：

PROC MEANS DATA=DEMOG NOPRINT;  CLASS GENDER REGION;  VAR HEIGHT WEIGHT;  OUTPUT OUT=SUMMARY         MEAN=M_HEIGHT M_WEIGHT;RUN;PROC PRINT DATA=SUMMARY;TITLE "Listing of Data Set SUMMARY";RUN;

也可以使用proc summary，它与proc means带noprint效果相等。

当_TYPE_为0时，表示的是所有未缺失值的总平均值；_TYPE_为1时，分别表示在每个REGION水平上HEIGHT 和weight的平均数；_TYPE_为2时，表示在每个GENDER水平下的平均值，_TYPE_为3时，分别表示每个GENDER和REGION水平结合上的平均数。

二进制数 _TYPE_解释000总平均数011不同REGION的平均数102不同GENDER的平均数113单元格平均数

6.使用NWAY选项

如果在PROC MEANS语句中使用了NWAY选项，那就只有单元格平均数会被输出到新的数据集中，即_type_里的第3组；

如果想要知道用于计算统计量的数据中未缺失的观测值的数量，则需要在创建数据集时使用关键词“N=”；

最后，如果使用了NWAY就没有必要在输出的数据集中保留_type_，可以使用数据集选项DROP=舍弃这些变量。

PROC MEANS DATA=DEMOG NOPRINT NWAY;  CLASS GENDER REGION;  VAR HEIGHT WEIGHT;  OUTPUT OUT=SUMMARY(DROP=_TYPR_);           N=N_HEIGHT N_WEIGHT;   MEAN=M_HEIGHT M_WEIGHT;RUN;

7.一道题目

已有BLOOD数据集，其中每个观测值包含ID/GROUP/TIME/WBC/RBC这5个变量：

DATA BLOOD;  LENGTH GROUP $ 1;  INPUT ID GROUP $ TIME WBC RBC @@;DATALINES;1 A 1 8000 4.5   1 A 2 8200 4.8   1 A 3 8400 5.21 A 4 8300 5.3   1 A 5 8400 5.52 A 1 7800 4.9   2 A 2 7900 5.03 B 1 8200 5.4   3 B 2 8300 5.4   3 B 3 8300 5.23 B 4 8200 4.9   3 B 5 8300 5.04 B 1 8600 5.55 A 1 7900 5.2   5 A 2 8000 5.2   5 A 3 8200 5.45 A 4 8400 5.5;

请创建一个新的数据集，其中包含每个被试WBC和RBC的平均数。这个数据集应该包括变量ID、GROUP、M_WBC、M_RBC，其中M_WBC、M_RBC表示WBC和RBC的平均数。最后删除在原始数据中的观测值数量小于或者等于2的被试。

分析：可使用带有CLASS语句的PROC MEANS过程。由于我们要在数据中包含ID、GROUP ，可以把它们都作为CLASS变量或者使用ID语句（ID GROUP）。同时_FREQ_变量由MEANS过程创建，改变量在删除原始数据中观测值小于或者等于2的被试有重要作用。

PROC MEANS DATA=BLOOD NOPRINT NWAY;  CLASS ID GROUP;  VAR WBC RBC;  OUTPUT OUT=NEW(WHERE=(_FREQ_ GT 2)                 DROP= _TYPE_)         MEAN=M_WBC M_RBC;RUN;