lasug

Este es el link al foro:

http://support.sas.com/forums/forum.jspa?forumID=52

SASludos,

Alberto

La respuesta esperada sería decir que Nodup (Noduprecs) elimina las observaciones o filas duplicadas comparando todas la variables en el data set mientras que Nodupkey las elimina basada en las variables utilizadas en la sentencia BY.

Lamentablemente debo decirles que esto no es 100% correcto.

Contrariamente a lo que se cree, cuando se usa la opción Nodup SAS no tiene manera de saber sobre estas observaciones o filas duplicadas a menos que éstas, por suerte, se encuentren en secuencia contigua en el data set.

Veamos el siguiente ejemplo de Nodup usando las fechas de las Ligas ganadas por el FC Barcelona, fíjense que el año 1993 esta repetido 2 veces pero no en secuencia contigua:

data Ej_nodup;
input liga $ equipo $ yyyy ;
cards;
LaLiga Barsa 1993
LaLiga Barsa 1991
LaLiga Barsa 1992
LaLiga Barsa 1993
;
Proc sort nodup data=Ej_nodup ;
by liga equipo;
run;
proc print;run;

Obs liga equipo yyyy
1 LaLiga Barsa 1993
2 LaLiga Barsa 1991
3 LaLiga Barsa 1992
4 LaLiga Barsa 1993

Como podrán haber detallado, la opción nodup no eliminó la observación repetida.

Veamos ahora este ejemplo con las observaciones repetidas en secuencia contigua:

data Ej_nodup;
input liga $ equipo $ yyyy ;
cards;
LaLiga Barsa 1993
LaLiga Barsa 1993
LaLiga Barsa 1991
LaLiga Barsa 1992
;

Proc sort nodup data=Ej_nodup ;
by liga equipo;
run;
proc print;run;

Obs liga equipo yyyy
1 LaLiga Barsa 1993
2 LaLiga Barsa 1991
3 LaLiga Barsa 1992

Ahora sí eliminó la observación duplicada debido a que se encontraban de forma contigua.

Si para el mismo ejemplo utilizamos la opción Nodupkey solo nos quedará una sola observación con la combinación de la sentencia BY

data Ej_nodupkey;
input liga $ equipo $ yyyy ;
cards;
LaLiga Barsa 1993
LaLiga Barsa 1993
LaLiga Barsa 1991
LaLiga Barsa 1992
;

Proc sort nodupkey data=Ej_nodupkey ;
by liga equipo;
run;
proc print;run;

Obs liga equipo yyyy
1 LaLiga Barsa 1993

Agregando la variable yyyy a lista BY estaríamos obteniendo el resultado deseado:

data Ej_nodupkey;
input liga $ equipo $ yyyy ;
cards;
LaLiga Barsa 1993
LaLiga Barsa 1993
LaLiga Barsa 1991
LaLiga Barsa 1992
;

Proc sort nodupkey data=Ej_nodupkey ;
by liga equipo yyyy;
run;
proc print;run;

Obs liga equipo yyyy
1 LaLiga Barsa 1991
2 LaLiga Barsa 1992
3 LaLiga Barsa 1993

Para finalizar este post, mi recomendación es siempre usar la opción Nodupkey.

SASludos,

Alberto

Para los que no lo saben SAS tiene su propio modulo de DOE con interfaz gráfica (Base SAS) que contiene una gran cantidad de diseños pre-establecidos. Para los humanos comunes como nosotros que solo tenemos el STAT exiten 2 procedimientos el ANOVA y GLM para llevar acabo este tipo de análisis.

En este ejemplo solo contiene el Proc ANOVA que solo debe ser usado cuando el diseño es balanceado.

Para aquellos que tienen el Montgomery de Diseño de Experimentos (la edición verde) es el ejemplo de la pág 219.

data montgomery_pag219;
do replica=1 to 3;
do catalizador=-1 to 1 by 2;
do reactivo=-1 to 1 by 2;
input y @; output;
end;
end;
end;
cards;
28 36 18 31
25 32 19 30
27 32 23 29
;

proc anova data=montgomery_pag219;
class reactivo catalizador;
model y= reactivo catalizador reactivo*catalizador;
run;

SASludos,

Alberto

En este post les muestro como hacerlo mediante código:

Para desahabilitarlo usen la siguiente sentencia:

ODS HTML(ID=EGHTML) close;

Y para restituir el ODS pueden reiniciar la sesión o usar la siguiente sentencia:

ODS HTML(ID=EGHTML) FILE=EGHTML;

SASludos,

Alberto

Ciertamente esto es beneficioso cuando necesitamos escribir procedimientos que son repetitivos o incluso procedimientos que son poco usuales y que tenemos que recurrir a la Ayuda para recordar las sentencias básicas.

Por ejemplo, todos mi projectos en Enterprise Guide son creados utilizando una estructura de archivos predenida en un directorio específico en la red de esta manera:

Z:\\Proyectos\SAS\Proj001

En cada programa que necesita una librería para referenciar ese directorio tengo que escribir:

Libname Proj001 “Z:\\Proyectos\SAS\Proj001″;

No sería más fácil escribir _Lib o #Lib y presionando la tecla Tab automáticamente obtuviera la siguiente línea de código:

Libname Projnnn “Z:\\Proyectos\SAS\Projnnn”;

donde sólo debo cambiar nnn por el número de proyecto en el que estoy trabajando?

Con las Abreviaciones de SAS puedes hacer esto! solo imagina guardar dentro de un shortcut o abreviación ese tedioso procedimiento (en mi caso lo son Proc Datasets y Proc SurveySelect)
que siempre tienes que recurrir a la Ayuda para recordar la síntaxis.

Aquí te explico brevemente como hacerlo:

Para los que usan SAS Base:

1) Seleccionen el menu Tools y hagan click en Add Abbreviation

La presentación está en el área de archivos del Google group.

SASludos,

Alberto

A continuacion un breve tip de como hacerlo

title h=9pt bcolor=yellow color=red ‘title h=9pt bcolor=yellow color=red’;
footnote h=5pt bcolor=blue color=white ‘footnote h=5pt bcolor=blue color=white’;

title2 h=7pt bcolor=red ‘title2 h=7pt bcolor=red ‘;
footnote2 h=7pt bcolor=green ‘footnote2 h=7pt bcolor=green’;
proc print data=sashelp.class(obs=1);run;

Sin temor a equivocarme SASHELP.CLASS es la más popular de todas ellas. A continuación tienen una lista de las tablas o data sets utilizados para desarrollar sus programas.

PRDSAL2 – 23040 obs y 11 variables
CITIDAY – 1069 obs y 11 variables
ELECTRIC – 48 obs y 16 variables
ORSALES – 912 obs y 8 variables
COMPANY – 48 obs y 8 variables
SHOES – 395 obs y 7 variables
HEART – 5209 obs y 17 variables

SASludos,

Alberto

Un pequeño ejemplo de como realizar un muestreo sistemático usando el Proc SurveySelect.

Vamos a suponer que deseamos crear una muestra sistemática del data set sashelp.class y que contenga el 50% de la información. El código sería:

PROC SURVEYSELECT data=sashelp.class out=_sys_ method=sys samprate=0.5 OUTSORT=class_sorted;
control age;
run;

Donde,

Method=sys indica que la selección será sistemática
Samprate=0.5 indica que el tamaño de la muestra será del 50%
Outsort= es el nombre del data set ordenado por la variable utilizada en la sentencia CONTROL
Control= Esta opción específica la variable que deseamos utilizar para crear la muestra, así el data set es ordenado por esta variable para posteriormente hacer la selección sistemática.