Documentation Example 16 for PROC MI

Difficulty Level

Beginner

Published on : 13/09/2022

Ce script illustre comment effectuer une imputation multiple lorsque les données manquantes sont supposées ne pas être aléatoires (MNAR). Il commence par créer un jeu de données synthétique ('Fcs1') avec des valeurs manquantes simulées. Ensuite, il utilise `PROC MI` avec l'option `FCS` (Fully Conditional Specification) et l'instruction `MNAR` pour ajuster les valeurs imputées des variables `y1` et `y2` spécifiquement pour le groupe de traitement `Trt='1'`, en appliquant des décalages (shift).

Data Analysis

Type : CREATION_INTERNE

Les données sont générées artificiellement dans l'étape DATA `Fcs1` à l'aide de boucles et de fonctions de génération de nombres aléatoires (`rannor`, `ranuni`) pour simuler des données d'essai clinique.

1 Code Block

DATA STEP Data

Explanation :
Création du jeu de données `Fcs1`. Génère des variables `y0`, `y1`, `y2` basées sur une distribution normale et introduit aléatoirement des valeurs manquantes (`.`) pour `y1` ou `y2`.

Copied!

1	DATA Fcs1;
2	DO Trt=0 to 1;
3	DO j=1 to 5;
4	y0=10 + rannor(99);
5	y1= y0 + 0.9*Trt + rannor(99);
6	y2= y0 + 0.9*Trt + rannor(99);
7	IF (ranuni(99) < 0.3) THEN y1=.;
8	ELSE IF (ranuni(99) < 0.3) THEN y2=.;
9	OUTPUT;
10	END; END;
11	DO Trt=0 to 1;
12	DO j=1 to 45;
13	y0=10 + rannor(99);
14	y1= y0 + 0.9*Trt + rannor(99);
15	y2= y0 + 0.9*Trt + rannor(99);
16	IF (ranuni(99) < 0.3) THEN y1=.;
17	ELSE IF (ranuni(99) < 0.3) THEN y2=.;
18	OUTPUT;
19	END; END;
20	drop j;
21	RUN;

2 Code Block

PROC PRINT

Explanation :
Affiche les 10 premières observations du jeu de données généré pour vérification.

Copied!

1	PROC PRINT DATA=Fcs1(obs=10);
2	var Trt Y0 Y1 Y2;
3	title 'First 10 Obs in the Trial Data';
4	RUN;

3 Code Block

PROC MI Data

Explanation :
Exécute l'imputation multiple. Utilise la méthode `FCS` avec 25 itérations. L'instruction `MNAR` applique un ajustement (décalage de -0.4 pour `y1` et -0.5 pour `y2`) uniquement pour les observations où `Trt='1'`, simulant un biais pour les données manquantes.

Copied!

1	PROC MI DATA=Fcs1 seed=52387 out=outex16;
2	class Trt;
3	fcs nbiter=25 reg( /details);
4	mnar adjust( y1 /shift=-0.4 adjustobs=(Trt='1'))
5	adjust( y2 /shift=-0.5 adjustobs=(Trt='1'));
6	var Trt y0 y1 y2;
7	RUN;

4 Code Block

PROC PRINT

Explanation :
Affiche les 10 premières observations du jeu de données de sortie `outex16`, qui contient les données imputées.

Copied!

1	PROC PRINT DATA=outex16(obs=10);
2	var _Imputation_ Trt y0 y1 y2;
3	title 'First 10 Observations of the Imputed Data Set';
4	RUN;

This material is provided "as is" by We Are Cas. There are no warranties, expressed or implied, as to merchantability or fitness for a particular purpose regarding the materials or code contained herein. We Are Cas is not responsible for errors in this material as it now exists or will exist, nor does We Are Cas provide technical support for it.

Difficulty Level

Published on : 13/09/2022

Data Analysis

1 Code Block

2 Code Block

3 Code Block

4 Code Block

Related Documentation