完成半控制随机集的最佳 SAS PROC SURVEYSELECT 选项是什么？
What's the best SAS PROC SURVEYSELECT options for accomplishing a semi-controlled random set?
我正在使用的场景是创建一个接受数据集并生成随机分层样本的宏，分层应该由 STATE 列进行，该列也需要相等的表示总数（如果可能）创建随机样本。
所需样本的大小有一些我们必须遵守的既定规则：
- 如果总数据集大小 <= 50，则让样本大小 = 整个数据集
- 否则，如果总数据集大小在 51 到 500 之间，则让样本大小 = 50
- 否则，如果总数据集大小在 501 到 999 之间，则让样本大小 = 总数据集大小 (n*.10) 的 10%，因为 n = 总数据集大小。
- 否则，如果总数据集大小 > 999，则让样本大小 = 100
SAMPLESIZE 当前在代码中定义为：
/*sets sample size in accordance to standards*/
%if &num>=0 and &num<=50 %then %let samplesize=#
%else %if &num<501 %then %let samplesize=50;
%else %if &num<1000 %then %let samplesize=%sysevalf((&num*.10),ceil);
%else %let samplesize=100;
我用于测试的数据集共有 550 条记录（因此需要的样本量为 55），每个州的总数如下：
- IN = 100
- KY=217
- MO = 189
- OH = 8
- WI = 36
当每个州都具有满足样本量所需的最小数量时，为 SURVEYSELECT 应用 STRATA 选项效果很好。在这种情况下，每个 STRATA 的 SAMPLESIZE 将为 11
可以看到这里的OH STRATUM不满足SAMPLESIZE的最低要求，因为数据集中只有8条OH的记录，所以导致如下错误：
错误：样本量 11 大于抽样单位数 8。
UPDATE (7/14/21) 我能够通过使用 SELECTALL 选项来解决错误，我也能够从其他州抓取以填补缺失OH 的记录使用 STRATA 的 ALLOC 选项，所以我更新的 SURVEYSELECT 语句现在看起来像这样。
```PROC SURVEYSELECT DATA=UniqueList OUT=UniqueListsamp METHOD=SRS SAMPSIZE=&samplesize
SELECTALL NOPRINT;
STRATA PROVIDER_STATE / ALLOC=(.2 .2 .2 .2 .2) ;
运行;```
在这种情况下，我想要实现的 是以能够处理输入文件中发现的任意数量状态的方式使 ALLOC 选项发挥作用。我的理解是该选项需要加起来为 1 的硬编码小数，具体取决于所使用的层数（在本例中为 5，因此 1/5 将是 .2 的 5 个实例，加起来总共为 1）。如果我们提前知道状态的总数，这会很好用，但是当代码被实现使用时情况就不会这样了。有没有一种方法可以进行计算（1 / 状态数 = .2），然后输入该值的次数与找到的状态数一样多，用逗号或 space (.2 .2 .2 . 2 .2) 进入ALLOC选项?
您可以将数据集作为参数传递给 surveyselect 中的 SAMPSIZE。我想这就是你需要的。
以您的计数为起点，我首先创建一个与您的实际输入相匹配的数据集。然后我 运行 一个表格来让你的计数回来。然后我分析表格以确定要拉多少，每个州有多少，并确保它不会要求太多。这让我们初步了解每个状态将要提取的内容，并为我们提供了一个数据集，让我们可以修改该数字。
如何提取最后 3 个的问题很复杂，因为它并不简单 - 你想如何提取这 3 个？您是否应该“随机”选择状态以添加一个？如果一个州只剩下 1 个，而您实际上每个州想要 3 个怎么办？这样做会有点麻烦，如果您不经常这样做，那么分析性地进行可能会更容易。一个适当的系统将有详细的检查，多次通过，并假设所有可能出错的地方都会出错。
在这个例子中，我只是继续采取“额外” - 所以我抽样 56。这让你非常接近你想要的样本，同时均匀地坚持你的抽样计划比率并且每个州没有不同的数量（在那些可以的州）。如果你想准确地抽取 55 个样本，你需要决定如何将第 12 个分配给 3 个最大的州？到三个随机状态？取决于你，但工作是相似的。
data for_gen;
input state $ count;
do id = 1 to count;
state_id = cats(state,put(id,z3.));
output;
end;
keep state state_id;
datalines;
IN 100
KY 217
MO 189
OH 8
WI 36
;;;;
run;
*create a listing, including the overall row (which will be on top);
proc tabulate data=for_gen out=state_counts(keep=state n);
class state;
table (all state),n;
run;
*now distribute the sample, first pass;
data sample_counts;
set state_counts nobs=statecount end=eof;
retain total_sample sample_per_state states_left;
if _n_ = 1 then do;
*the sample size rules;
if n lt 500 then total_sample = min(50,n);
else total_sample = min(100,floor(n/10));
*how many per state;
sample_per_state = ceil(total_sample/(statecount-1)); *or maybe floor?;
end;
else do;
*here we are in the per-state section;
_NSIZE_ = min(n,sample_per_state);
*allocate sample amounts, remove the used sample quantity from the total quantity, and keep track of how many states still have sample remaining;
total_sample = total_sample - _NSIZE_;
if n ne _nsize_ then states_left+1;
end;
*save the remaining info in macro variables to use later;
if eof then do;
call symputx('sample_left',total_sample);
call symputx('states_left',states_left);
end;
if state ne ' ' then output;
run;
*allocate the remaining sample - we assume we want "at least" the sample count;
data sample_secondpass;
set sample_counts end=eof;
retain total_sample_left &sample_left.
total_states_left &states_left.
leftover 0
;
if total_sample_left gt 0 and total_states_left gt 0 then do;
per_state = ceil(total_sample_left/total_states_left);
if n gt (_nsize_ + per_State) then do;
_nsize_ = _nsize_ + per_state;
end;
else do;
leftover = leftover + (_nsize_ + per_state - n);
_nsize_ = n;
end;
end;
if eof then call symputx('leftover',leftover);
run;
* Use the sample counts dataset to run the surveyselect;
proc surveyselect sampsize=sample_secondpass data=for_gen;
strata state;
run;
我正在使用的场景是创建一个接受数据集并生成随机分层样本的宏，分层应该由 STATE 列进行，该列也需要相等的表示总数（如果可能）创建随机样本。
所需样本的大小有一些我们必须遵守的既定规则：
- 如果总数据集大小 <= 50，则让样本大小 = 整个数据集
- 否则，如果总数据集大小在 51 到 500 之间，则让样本大小 = 50
- 否则，如果总数据集大小在 501 到 999 之间，则让样本大小 = 总数据集大小 (n*.10) 的 10%，因为 n = 总数据集大小。
- 否则，如果总数据集大小 > 999，则让样本大小 = 100
SAMPLESIZE 当前在代码中定义为：
/*sets sample size in accordance to standards*/
%if &num>=0 and &num<=50 %then %let samplesize=#
%else %if &num<501 %then %let samplesize=50;
%else %if &num<1000 %then %let samplesize=%sysevalf((&num*.10),ceil);
%else %let samplesize=100;
我用于测试的数据集共有 550 条记录（因此需要的样本量为 55），每个州的总数如下：
- IN = 100
- KY=217
- MO = 189
- OH = 8
- WI = 36
当每个州都具有满足样本量所需的最小数量时，为 SURVEYSELECT 应用 STRATA 选项效果很好。在这种情况下，每个 STRATA 的 SAMPLESIZE 将为 11
可以看到这里的OH STRATUM不满足SAMPLESIZE的最低要求，因为数据集中只有8条OH的记录，所以导致如下错误：
错误：样本量 11 大于抽样单位数 8。
UPDATE (7/14/21) 我能够通过使用 SELECTALL 选项来解决错误，我也能够从其他州抓取以填补缺失OH 的记录使用 STRATA 的 ALLOC 选项，所以我更新的 SURVEYSELECT 语句现在看起来像这样。
```PROC SURVEYSELECT DATA=UniqueList OUT=UniqueListsamp METHOD=SRS SAMPSIZE=&samplesize
SELECTALL NOPRINT; STRATA PROVIDER_STATE / ALLOC=(.2 .2 .2 .2 .2) ; 运行;```
在这种情况下，我想要实现的 是以能够处理输入文件中发现的任意数量状态的方式使 ALLOC 选项发挥作用。我的理解是该选项需要加起来为 1 的硬编码小数，具体取决于所使用的层数（在本例中为 5，因此 1/5 将是 .2 的 5 个实例，加起来总共为 1）。如果我们提前知道状态的总数，这会很好用，但是当代码被实现使用时情况就不会这样了。有没有一种方法可以进行计算（1 / 状态数 = .2），然后输入该值的次数与找到的状态数一样多，用逗号或 space (.2 .2 .2 . 2 .2) 进入ALLOC选项?
您可以将数据集作为参数传递给 surveyselect 中的 SAMPSIZE。我想这就是你需要的。
以您的计数为起点，我首先创建一个与您的实际输入相匹配的数据集。然后我 运行 一个表格来让你的计数回来。然后我分析表格以确定要拉多少，每个州有多少，并确保它不会要求太多。这让我们初步了解每个状态将要提取的内容，并为我们提供了一个数据集，让我们可以修改该数字。
如何提取最后 3 个的问题很复杂，因为它并不简单 - 你想如何提取这 3 个？您是否应该“随机”选择状态以添加一个？如果一个州只剩下 1 个，而您实际上每个州想要 3 个怎么办？这样做会有点麻烦，如果您不经常这样做，那么分析性地进行可能会更容易。一个适当的系统将有详细的检查，多次通过，并假设所有可能出错的地方都会出错。
在这个例子中，我只是继续采取“额外” - 所以我抽样 56。这让你非常接近你想要的样本，同时均匀地坚持你的抽样计划比率并且每个州没有不同的数量（在那些可以的州）。如果你想准确地抽取 55 个样本，你需要决定如何将第 12 个分配给 3 个最大的州？到三个随机状态？取决于你，但工作是相似的。
data for_gen;
input state $ count;
do id = 1 to count;
state_id = cats(state,put(id,z3.));
output;
end;
keep state state_id;
datalines;
IN 100
KY 217
MO 189
OH 8
WI 36
;;;;
run;
*create a listing, including the overall row (which will be on top);
proc tabulate data=for_gen out=state_counts(keep=state n);
class state;
table (all state),n;
run;
*now distribute the sample, first pass;
data sample_counts;
set state_counts nobs=statecount end=eof;
retain total_sample sample_per_state states_left;
if _n_ = 1 then do;
*the sample size rules;
if n lt 500 then total_sample = min(50,n);
else total_sample = min(100,floor(n/10));
*how many per state;
sample_per_state = ceil(total_sample/(statecount-1)); *or maybe floor?;
end;
else do;
*here we are in the per-state section;
_NSIZE_ = min(n,sample_per_state);
*allocate sample amounts, remove the used sample quantity from the total quantity, and keep track of how many states still have sample remaining;
total_sample = total_sample - _NSIZE_;
if n ne _nsize_ then states_left+1;
end;
*save the remaining info in macro variables to use later;
if eof then do;
call symputx('sample_left',total_sample);
call symputx('states_left',states_left);
end;
if state ne ' ' then output;
run;
*allocate the remaining sample - we assume we want "at least" the sample count;
data sample_secondpass;
set sample_counts end=eof;
retain total_sample_left &sample_left.
total_states_left &states_left.
leftover 0
;
if total_sample_left gt 0 and total_states_left gt 0 then do;
per_state = ceil(total_sample_left/total_states_left);
if n gt (_nsize_ + per_State) then do;
_nsize_ = _nsize_ + per_state;
end;
else do;
leftover = leftover + (_nsize_ + per_state - n);
_nsize_ = n;
end;
end;
if eof then call symputx('leftover',leftover);
run;
* Use the sample counts dataset to run the surveyselect;
proc surveyselect sampsize=sample_secondpass data=for_gen;
strata state;
run;