SAS统计中常用的10个命令 |
您所在的位置:网站首页 › sas中最常用的10个命令 › SAS统计中常用的10个命令 |
SAS是平时学习中常用到的数据处理软件之一。在处理大批量数据时,SAS不能说太好用呢。SAS也是学习起来十分简单的一个软件,掌握一些基本的命令,就可以满足日常的数据处理需求。 01 proc sort data= aout= bnodup; bystkcd date; run; proc sort 是特别特别常用到的,因为许多后续命令都要求数据是按照一定格式排列的。比如下面会提到的merge和 first/last。此外,nodup允许我们使用sort命令来去除重复观测值。 02 datad; mergeb c; bystkcd date;run; merge 可以在数据步中实现两个数据集合的合并。在by选项可以定义根据那些变量进行数据的合并。比如在上面给出的例子中,就是根据股票代码(stkcd)和日期(date)进行合并的。 03 datae; setb; bystkcd date; iffirst.date then delete; iflast.date then delete;run; 有时候,我们可能只需要一个对象所有日期的第一个或者最后一个观测值。这时候first和last就显得特别好用啦。先用前面所提到的sort先对数据集进行排序,然后在数据步先by排序的变量,接着就可以使用first和last对第一个和最后一个观测值进行处理。 04 proc expand data=crsp_m out=umd; bypermno; iddate; convert ret = cum_return / transformin=(+1) transformout=(MOVPROD 6 -1); quit; 如果需要滚动求和(Rolling average)或者滚动求积(Rolling product),proc expand是再方便不过了。以上面这个小程序为例子,我们要对crsp_m这个数据集进行处理,处理完成的数据集命名为umd。 上面的程序实现的就是对每一只股票(permno)在一个日期(id)计算一个累积6个月收益cum_return。其中cum_return可以表达如下: cumreturn=(1+ret−1)(1+ret−2)(1+ret−3)(1+ret−4)(1+ret−5)(1+ret−6)-1 05 data cmpst; setcmpst_raw; dodate = rdq-90tordq+10; output; end; run; 采用事件研究方法时,需要根据事件日构建事件窗。这时候可以利用上面例子的方式利用do实现,不过需要注意的是不要把output和end落下了,不然会报错的哦。上面的例子就是根据时间rdq,构建事件窗,事件窗是事件前90天到事件后10天。 06 proc means data= crsp_mnwaynoprint; classyear permno; varret; outputout =stat mean= std= ; run; 我们还可能还常常需要求一个对象在给定时间内某变量的均值,标准差等统计值。这时候就用proc means。 上面的例子中,输入是股票的月收益率,输出送每只股票每年的月收益率的均值和标准差。加入nway是因为避免在输出的数据集stat中输出总体均值,标准差。 07 proc import out= crsp_m datafile= "C:\crsp_m.csv" dbms=csv replace; getnames=yes;run; proc export data= results outfile="C:\results.xlsx" dbms=xlsxreplace; label; run; 然后我们可能常常需要导入和导出数据xlsx,xls,和csv格式的文件。一般会用到proc import 和proc export。用法就如上,不过需要注意的是,dbms需要与文件后缀名保持一致,所以记得改哦。 08 proc rank data=crsp_mout=umd group=10; bydate; varcum_return; ranksmomr; run; 在一些情景中,需要将样本按照某一变量的大小分成几组。 利用proc rank, 就可以轻松通过group来定义你分组的个数,通过var给出分组所依据的变量。ranks 后定义了分组对应的变量名。 09 proc univariate data=crsp_m noprint; whereexchcd = 1 ; varsize; bydate sic ; outputout= nyse_bp pctlpts= 10 20 30 pctlpre= sizedec ; run; proc univariate的功能和proc rank很相似, 不过它输出的是一个样本中某一变量的分位数,根据这个分位数,我们可以进一步地对样本进行分组。 那在什么情况下我们会用到proc univariate呢?一个简单的例子就是我们需要对A 样本根据x 变量进行分组,但是分组是基于在B样本中x变量的分位数。 这时候先利用proc univariate B样本得到x变量的分位数,然后在用得到的分位数来对A样本进行分组。在读文献的时候,经常会遇到样本包含了NYSE,NASDAQ和AMEX三个交易所的股票,然后进行分组的时候只用NYSE子样本(NYSE Breakpoints)。 10 proc sql; create tablecrsp_m3as selecta.*, b.* fromcrsp_m2asa,nyse_bpasb wherea.date=b.dateanda.sic = b.sic; quit; 除了在数据步使用merge来进行数据集的合,你还可以使用proc sql来进行merge。他们两者的功能相似,不过在进行一对多的合并的时候使用merge容易出错,所以这时候对推荐使用sql。 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |