El código comienza creando un conjunto de datos 'Fitness1' que contiene mediciones de condición física (Oxygen, RunTime, RunPulse). Algunos valores están faltantes para ilustrar un patrón arbitrario de datos faltantes. Luego, se utiliza el procedimiento `PROC MI` para imputar estos valores faltantes. Genera 5 conjuntos de datos imputados utilizando un método MCMC (Markov Chain Monte Carlo) y produce gráficos de diagnóstico para evaluar la convergencia de las cadenas.
Análisis de datos
Type : CREACION_INTERNA
Los datos se crean directamente en el script a través de un paso DATA con una instrucción DATALINES. No hay ninguna dependencia de archivos externos.
1 Bloque de código
DATA STEP Data
Explicación :
Este bloque de código crea la tabla SAS 'Fitness1'. La instrucción `input` lee las tres variables Oxygen, RunTime y RunPulse. El doble 'at' (` @@`) al final de la instrucción `input` indica a SAS que mantenga la línea de datos actual para leer múltiples observaciones de la misma línea.
Este bloque de código crea la tabla SAS 'Fitness1'. La instrucción `input` lee las tres variables Oxygen, RunTime y RunPulse. El doble 'at' (` @@`) al final de la instrucción `input` indica a SAS que mantenga la línea de datos actual para leer múltiples observaciones de la misma línea.
¡Copiado!
| 1 | DATA Fitness1; |
| 2 | INPUT Oxygen RunTime RunPulse @code_sas_json/8_SAS_Intro_ReadFile_MultiCol_@@.json; |
| 3 | DATALINES; |
| 4 | 44.609 11.37 178 45.313 10.07 185 |
| 5 | 54.297 8.65 156 59.571 . . |
| 6 | 49.874 9.22 . 44.811 11.63 176 |
| 7 | . 11.95 176 . 10.85 . |
| 8 | 39.442 13.08 174 60.055 8.63 170 |
| 9 | 50.541 . . 37.388 14.03 186 |
| 10 | 44.754 11.12 176 47.273 . . |
| 11 | 51.855 10.33 166 49.156 8.95 180 |
| 12 | 40.836 10.95 168 46.672 10.00 . |
| 13 | 46.774 10.25 . 50.388 10.08 168 |
| 14 | 39.407 12.63 174 46.080 11.17 156 |
| 15 | 45.441 9.63 164 . 8.92 . |
| 16 | 45.118 11.08 . 39.203 12.88 168 |
| 17 | 45.790 10.47 186 50.545 9.93 148 |
| 18 | 48.673 9.40 186 47.920 11.50 170 |
| 19 | 47.467 10.50 170 |
| 20 | ; |
| 21 |
2 Bloque de código
PROC MI
Explicación :
Este bloque utiliza el procedimiento de imputación múltiple `PROC MI`. La opción `nimpute=5` solicita la creación de 5 conjuntos de datos imputados. El método de imputación utilizado es MCMC, como se especifica en la instrucción `mcmc`. Se solicitan gráficos de diagnóstico (trazado y función de autocorrelación) para la media de la variable `Oxygen` para verificar la convergencia del algoritmo. Las variables a imputar se enumeran en la instrucción `var`.
Este bloque utiliza el procedimiento de imputación múltiple `PROC MI`. La opción `nimpute=5` solicita la creación de 5 conjuntos de datos imputados. El método de imputación utilizado es MCMC, como se especifica en la instrucción `mcmc`. Se solicitan gráficos de diagnóstico (trazado y función de autocorrelación) para la media de la variable `Oxygen` para verificar la convergencia del algoritmo. Las variables a imputar se enumeran en la instrucción `var`.
¡Copiado!
| 1 | ods graphics on; |
| 2 | PROC MI DATA=Fitness1 seed=501213 nimpute=5 mu0=50 10 180; |
| 3 | mcmc plots=(trace(mean(Oxygen)) acf(mean(Oxygen))); |
| 4 | var Oxygen RunTime RunPulse; |
| 5 | RUN; |
Este material se proporciona "tal cual" por We Are Cas. No hay garantías, expresas o implícitas, en cuanto a la comerciabilidad o idoneidad para un propósito particular con respecto a los materiales o el código contenidos en este documento. We Are Cas no es responsable de los errores en este material tal como existe ahora o existirá, ni We Are Cas proporciona soporte técnico para el mismo.
Información de copyright : S A S S A M P L E L I B R A R Y, NAME: MIEX11, TITLE: Documentation Example 11 for PROC MI, PRODUCT: STAT
