Documentation Example 16 for PROC MI

Nivel de dificultad

Principiante

Publicado el : 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).

Análisis de datos

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 Bloque de código

DATA STEP Data

Explicación :
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`.

¡Copiado!

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 Bloque de código

PROC PRINT

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

¡Copiado!

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 Bloque de código

PROC MI Data

Explicación :
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.

¡Copiado!

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 Bloque de código

PROC PRINT

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

¡Copiado!

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;

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 : SAS SAMPLE LIBRARY, NAME: MIEX16, PRODUCT: STAT

Documentación relacionada

Aucune documentation spécifique pour cette catégorie.