SAS中文论坛

标题: sas 抽样过程 [打印本页]

作者: bxfly 时间: 2014-4-15 12:45
标题: sas 抽样过程
本帖最后由 bxfly 于 2014-4-15 12:47 编辑

1、 系统抽样

它是首先将总体中各单位按一定顺序排列，根据样本容量要求确定抽选间隔，然后随机确定起点，每隔一定的间隔抽取一个单位的一种抽样方式。

Sas代码（1）：

data quan;

set sashelp.prdsale;

if mod(_n_,4)=0 then output ;

run;

Sas代码（2）：

data quan1;

do i= 1 tonumber by 10;

set sashelp.prdsale nobs=number point=i;

output ;

end;

stop;

run;

sas代码（3）：利用过程步surveyselect ，其中方法为systematic sampling（简写为sys）

proc surveyselect data=sashelp.prdsale n=100 method=sys out=quan;

run;

2、 简单抽样

随即抽取分为重复抽样和不重复抽样。在重复抽样中，每次抽中的单位仍放回总体，样本中的单位可能不止一次被抽中。不重复抽样中，抽中的单位不再放回总体，样本中的单位只能抽中一次。

sas代码（1）：

data quan2;

set sashelp.prdsale nobs=number;

x=uniform(0);

run;

proc sort data=quan2 out=quan3;

by x;

run;

data quan;

set quan3;

if _n_<30 then output;drop x;

run;
这个代码很有意思的，产生一组随即数，然后根据随机数排序进行选择。
Sas代码（2）：

data quan;

do i =1 to 50;

p=ceil(1440*ranuni(0));

set sashelp.prdsale point=p;

output;

end;

stop;

drop p;

run;
这个例子也是通过随机数来产生随机的位置，然后抽取相应的数据。
另外如果不知道初始样本的数据量，可以使用nobs设置。

data quan;

do i =1 to 50;

p=ceil(number*ranuni(0));/*向上取整，这样就可以使p指在【1，number】中。

set sashelp.prdsale point=p nobs=number;

output;

end;

stop;

drop p;

run;
Sas代码（3）：利用过程步surveyselect,其中method= srs（即simple random sampling）

proc surveyselect data=sashelp.prdsale n=100 method=srs out=quan;

run;

3、 分层抽样

分层抽样先将总体的单位按某种特征分为若干次级总体（层），然后再从每一层内进行单纯随机抽样，组成一个样本的方法。

Sas代码（1）：

proc sort data=sashelp.prdsale out=quan;

by country region;

run;

proc surveyselect data=quan rate=0.1 method=srs out=quan1;

strata country region;

run;

这里有一点要提醒：就是必须先排序。排序后在进行抽样。

4、bootstrap 方法

Bootstrap的思想，是生成一系列bootstrap伪样本，每个样本是初始数据有放回抽样。通过对伪样本的计算，获得统计量的分布。例如，要进行1000次bootstrap，求平均值的置信区间，可以对每个伪样本计算平均值。这样就获得了1000个平均值。对着1000个平均值的分位数进行计算，即可获得置信区间。已经证明，在初始样本足够大的情况下，bootstrap抽样能够无偏得接近总体的分布。

有关bootstrap sas代码可见：

http://www.lexjansen.com/phuse/2005/pk/pk02.pdf

总结：
Data步虽然可以做一些抽样工作，但是不如surveyselect简洁、方便。

参考：
几种简单抽样方法的SAS实现–surveyselect http://yanyk.dxyer.cn/8215_10/
如何利用SAS进行随机抽样？http://blog.sina.com.cn/s/blog_5fc375650102dszz.htmlSas advance programming
Sas编程与商业数据挖掘

作者: mono 时间: 2014-4-15 12:59
不错很实用的东西。

作者: shiyiming 时间: 2014-4-16 00:22
确实总结的很好！赞！

作者: stata 时间: 2014-4-16 00:45
总结的很好！赞！

作者: webgu 时间: 2014-4-16 09:00
嗯，这个总结比较全面。

作者: chenli9045 时间: 2014-5-8 14:24
再加上匹配抽样的更好，哈哈~~~

作者: bxfly 时间: 2014-5-23 21:32

chenli9045 发表于 2014-5-8 14:24
再加上匹配抽样的更好，哈哈~~~

好的之后研究研究

作者: slash 时间: 2014-5-25 11:15
赞一个！！！

作者: bxfly 时间: 2014-5-25 18:56

slash 发表于 2014-5-25 11:15
赞一个！！！

slash大牛过奖了

作者: gogotiger 时间: 2014-5-30 23:09
一直怀疑boostrap, 简单的随机重复以增加obs，和原始数据区别在哪？
就想问一下, 无限接近真实值,干吗不直接用原始数据？
mean的CI,难道用原始数据就无法算出来吗？
thx!

作者: marxsong 时间: 2014-6-4 22:42
在分布未知的前提下，bootstrap方法很有用。它为统计学家找到了一种近似求解的方法。mean的CI知道分布当然很简单，但有些复杂的统计量分布是很难确定的。

作者: gogotiger 时间: 2014-6-5 10:19
还是不明白，用自己本身数据也能求出mean的CI,而且要准确的多，为何要bootstrap选出来的数据算呢？这岂不是舍近求远吗？

作者: myth916031 时间: 2014-12-4 20:23
楼主厉害！

作者: myth916031 时间: 2014-12-4 20:27

gogotiger 发表于 2014-5-30 23:09
一直怀疑boostrap, 简单的随机重复以增加obs，和原始数据区别在哪？
就想问一下, 无限接近真实值,干吗不直 ...

bootstrap主要针对总体分布未知的情况下对总体参数进行估计。对均数进行bootstrap只是其中一个例子，比如你想求方差/均数的CI，在不知道其总体分布的情况下是不容易求的，此时用Bootstrap相对容易，只是耗时些。

欢迎光临 SAS中文论坛 (https://mysas.net/forum/)