過程步proc stdize對缺失值進行填補

SAS中沒有專門的處理缺失值的過程步，但是在标準化變量的過程步中可以實作缺失值的填補。其基本過程如下：

PROC STDIZE DATA=dataset REPONLY METHOD= OUT=outdata ;

VAR variables ;

RUN;

其中proc stdize 是調用标準化過程步，data=表示需要進行缺失值填補的資料庫，reponly的意思是隻取代缺失值（replace missing data only）,這個在均數填補法中必須要加上，不然就得不到想要的結果，method=就是選擇填補方法，一般在針對計量資料時，我們一般選用均數填補法和中位數填補法（資料符合正态分布時METHOD=mean，偏态分布時選用METHOD=median），在填補計數資料沒有什麼好的辦法，一般也使用中位數填補法，目的是盡量不要出現帶小數點的填補項，但是其實使用中位數填補法有可能會産生帶小數點的值，那就是當樣本量（這裡專門指排除缺失值後的樣本量）是偶數的時候，打個比方：有一個100例的樣本量，缺失2個，那麼在這剩下的98個樣本量中，中位數=[an/2+ a(n+2)/2]/2,當an/2和a(n+2)/2不相等時則中位數肯定為帶小數的值。當然這種情況其實發生的機率很小，特别是大樣本以及分類數很小的時候，萬一發生了，者隻好使用衆數填補，即用出現頻率最高的頻數來填補，要是使用衆數填補則不能使用以上的過程步了，目前沒有找到很好的方法，隻能使用最笨的方法，即使用proc means 過程步求出衆數，然後在記錄這個數值，在放到data 步中進行填補。

總結一下：在使用sas（目前我用的是SAS9.2版本）進行均數填補法時，先看資料類型（當然這裡隻針對數值型資料，字元型在這裡不做讨論），如果是計量資料，使用均數填補法，過程如下：

PROC STDIZE DATA=dataset REPONLY METHOD=mean OUT=outdata ;

VAR variables ;

RUN;

把dataset改成你要填補的資料庫，把outdata改成經過均數填補法填補以後你要儲存的資料庫名字（如果沒有這個語句那麼SAS将自動儲存，形如data1,data2...），把variables改成你要進行填補的變量。

要是資料類型明顯的偏态，則使用中位數填補法，隻需把mean改成median就行了。

當資料類型是計數資料時，分兩種情況：

1.當資料排除缺失之後的觀測值為奇數時，使用中位數填補法，方法同上，

2.如果當資料排除缺失之後的觀測值為偶數時，可以使用proc means求一下中位數，如果是整數則可以使用中位數填補法，方法同上，如果不是則使用衆數填補法

注意以上方法隻适合缺失觀測不是很多的情況，如果缺失過多，應該對缺失觀測單獨進行分析，而不能盲目的進行填補，導緻結果偏離很大！