求助 利用SAS实现 cluster bootstrap

shiyiming

最近在用SAS做一些模拟，遇到一点困难还请各位大侠帮忙！

如何利用 SAS 实现 cluster bootstrap？所谓cluster的，就是数据中有个cluster的变量，我想重抽样的时候将属于某一个cluster的数据都抽出来，也就是只对cluster抽样。在网上搜到一段代码但是没看明白，还请各位大侠验证正确与否～～～谢谢！
* Create test data;
%let Nclusters=10;
data datain ([color=#FF0000:3qh9j67a]index=(cluster) [/color:3qh9j67a]sortedby=cluster);
do cluster = 1 to &nclusters;
case0 = ceil(ranuni(12345)*5); *to check;
do case = 1 to case0; /* 1 to 5 cases per cluster */
  output;
end;
end;
run;
proc print;
  run;

* Create replicate datastep view;
data bootdata / view=bootdata;
do sample=1 to 10;
do _i =1 to &nclusters;
  cluster = ceil(ranuni(123245)*&nclusters);
  [color=#FF0000:3qh9j67a]do until(_iorc_ ne 0);
     set datain key=cluster;
    *put _all_;
     if _iorc_ eq 0 then output;
    end;[/color:3qh9j67a]   end;
  end;
_error_ = 0;
stop;
run;
proc print;
run;

shiyiming

程序好像可以理解。我不是很理解的是1.你的抽样方式 2. 他的boot方法。他的方法应该和以下程序类似（如果顺序无关）

[code:v9hvp7zb]proc surveyselect data =datain out =SampleOut reps =10 n =10 method =urs seed =555;
        samplingunit cluster;
run;
data have;
set SampleOut;
do _n_ =1 to NumberHits;
        output;
end;
run;[/code:v9hvp7zb]

shiyiming

to jingju11
谢谢你的回复，我想实现的抽样方式是这样的：假设我有一个学校学生的数据，有10个班，每班40人，我想实现的是对这10个班（作为整体）进行有放回的重复抽样（即我所说的cluster的bootstrap）
主要是不明白如何将data中的某一部分的观测作为整体来抽样，谢谢！

shiyiming

to jingju11
agree.
maybe like this is more efficient:
data class;
     do class=1 to 10;
            do studentid=1 to 40; output; end;
     end;
run;

data sampschema;
     do class=1 to 10;
            _NSIZE_=40;
                output;
         end;
run;

proc sql;
     create view classv as
         select *
         from   class
         order by class
         ;
quit;
proc surveyselect data=classv  sampsize=sampschema  method=urs  out=samp;
     strata class;
run;

shiyiming

caicaisas：
我对index的效率知之甚少。但我感觉那个程序应该很有效率。他的程序也是一种标准寻找重复记录的方法。
那个程序完全可以实现你所描述的cluster-bootstrap要求。有一点值得注意的是，如果你的班级的code（cluster）不是从1开始连续的，你得创造出这么个cluster来适应他的程序（他的cluster总是从1 到10，这个问题很小）。
关于proc SURVEYSELECT:一种疑虑：为什么用surveyselect选出的记录数总比data-step要多（我换了10不同的seed）？其给出的output已经sort-out and collapsed。可能的优点是NumberHits变量是个很自然的weight/freq变量。

OL的程序当然更好了。只是我对view的使用很少，所以常常不得其妙。

shiyiming

oloolo ，jingju11
很感谢你们的回答，但是我实现了一下，似乎不是我想要的那种结果，可能我还没有表达准确
首先bootstrap是有放回的抽样，
比如我有 5个值1，2，3，4，5； 对这个数据集进行bootstrap抽样，我可以得到多个样本：1（1，1，2，3，3）2（1，2，2，4，5）3（2，3，3，4，5）。。。。
就是说每一个值抽出来后可以被放回去再抽。那么对于cluster的数据集的话，最终我们应该可能会重复抽到某个cluster，而cluster内的值是不会变的，所以不知道oloolo 和jingju11是不是理解成其他形式的抽样了呢？
谢谢

shiyiming

I don’t understand you even I thought I did. In fact, I still think that is the solution right for you. JingJu

shiyiming

to jingju11
I think he/she only wants URS with respect to Cluster, and once a cluster is selected, all ID within the Cluster will be selected.
then it is simple
proc freq data=yourdata noprint;
       table cluster /out=cluster;
run;
proc surveyselect data=cluster   method=urs  sampsize=10; run;

*then merge with original data;

shiyiming

to olo;
是的，我基本上就是这个意思，而且你的merge真是一语点醒梦中人。。其实我对cluster抽就可以了，没必要纠结于原数据。
但是我最后是需要放回的重复抽样，比如cluster有10个值，那么抽了之后还是10个值，但是使用您的程序似乎是无放回的抽样，我试着写了一下，但是最后的merge上有些问题，还想请问下～～
%macro boot(sampnum);
%do sampnum = 1 %to &sampnum ;  

        data bootsamp_&sampnum;
                
            do i = 1 to nobs;            
              x = round(ranuni(0) * nobs);
              set cluster   
                  nobs = nobs            
                  point = x;              
              output;                     
           end;
         stop;                        
        run;

        proc sort data=bootsamp_&sampnum;
            by i class;
        run;

        data boot_&sampnum ;
          merge bootsamp_&sampnum(in=b) class(in=c);
          by class;
          if b;
        run;
  %end;
%mend;

%boot(5);

cluster就是你前个程序出来的数据集
得到的bootsamp_&sampnum：i  class
                                             1   2
                                             2   2
                                             3   3
                                             。。。。
如果使用我后面的merge程序，对于class一样而i不同的值，并不能把所有的studentid  merge进去
如果加上by i class; 程序会报错，因为我原数据class 中没有i这个变量
不知道大侠有没有解决方法呢？

shiyiming

[quote:27bq9xny]to jingju11
I think he/she only wants URS with respect to Cluster, and once a cluster is selected, all ID within the Cluster will be selected...[/quote:27bq9xny]

We understand that. and that is why I use samplingunit in the proc SURVEYSELECT.
In the original index code, it used cluster as key variable and loop to index all IDs in a cluster instead of a single one.
I think proc freq + surveyselect is not necessary.

JIngJu