Moving average function in sas

Przykładowy kod na karcie Pełny kod ilustruje sposób obliczania średniej ruchomej zmiennej przez cały zestaw danych, w ciągu ostatnich N obserwacji w zbiorze danych lub w ciągu ostatnich N obserwacji w obrębie grupy BY. Te przykładowe pliki i przykłady kodu są dostarczane przez SAS Institute Inc., bez jakichkolwiek gwarancji, zarówno wyraźnych, jak i domniemanych, w tym między innymi domniemanych gwarancji przydatności handlowej i przydatności do określonego celu. Odbiorcy uznają i zgadzają się, że Instytut SAS nie ponosi odpowiedzialności za szkody wynikłe z użycia tego materiału. Ponadto Instytut SAS nie będzie popierał żadnych materiałów zawartych w niniejszym dokumencie. Te przykładowe pliki i przykłady kodu są dostarczane przez SAS Institute Inc., bez jakichkolwiek gwarancji, zarówno wyraźnych, jak i domniemanych, w tym między innymi domniemanych gwarancji przydatności handlowej i przydatności do określonego celu. Odbiorcy uznają i zgadzają się, że Instytut SAS nie ponosi odpowiedzialności za szkody wynikłe z użycia tego materiału. Ponadto Instytut SAS nie będzie popierał żadnych materiałów zawartych w niniejszym dokumencie. Obliczyć średnią ruchową zmiennej przez cały zestaw danych, w ciągu ostatnich N obserwacji w zbiorze danych lub w ciągu ostatnich N obserwacji w obrębie grupy BY. Im początkujący SAS i Im ciekaw, czy można wykonać następujące zadanie wiele bardziej proste, jak to jest obecnie w mojej głowie. Mam następujące (uproszczone) dane metadanych w tabeli o nazwie userdatemoney: Użytkownik - Data - Pieniądze z różnymi użytkownikami i daty każdego dnia kalendarzowego (z ostatnich 4 lat). Dane są sortowane przez użytkownika ASC i Data ASC, dane przykładowe wyglądają następująco: teraz chcę obliczyć pięciodniową średnią ruchową dla pieniędzy. Zacząłem od bardzo popularnego apprach z funkcją lag () w następujący sposób: jak widzisz, problem z tą metodą występuje, jeśli krok danych jest uruchamiany w nowym użytkowniku. Aron uzyskałby trochę opóźnionych wartości od Anny, co oczywiście nie powinno się zdarzyć. Teraz moje pytanie: jestem pewien, że możesz obsłużyć przełącznik użytkownika, dodając dodatkowe pola, takie jak laggeduser i resetując zmienne N, Sum i Mean, jeśli zauważysz taki przełącznik, ale: Czy można to zrobić w łatwiejszy sposób? W jakikolwiek sposób podziękować za pomysły i pomysły Myślę, że najprostszym sposobem jest użycie PROC EXPAND: Jak wspomnieliśmy w uwagach Johna, ważne jest, aby pamiętać o brakujących wartościach (a także o rozpoczęciu i zakończeniu obserwacji). Dodałem opcję SETMISS do kodu, ponieważ jasno stwierdzono, że chcesz zerofy brakujących wartości, a nie ignorować ich (domyślne zachowanie MOVAVE). Jeśli chcesz wykluczyć pierwsze 4 obserwacje dla każdego użytkownika (ponieważ nie mają wystarczającej ilości historii wstępnej do obliczenia średniej ruchomej 5), możesz użyć opcji TRIMLEFT 4 wewnątrz TRANSFORMOUT (). odpowiedziało Dec 3 13 at 15: 29 FunkcjeSkompresowanie średniej ruchomej obliczanie średniej ruchomej Wykonywanie obliczeń między obserwacjami w kroku DATA jest znacznie trudniejsze niż w przetwarzaniu obserwacji. Na przykład w celu obliczenia średniej X1, X2 i X3, w ramach pojedynczej obserwacji, można napisać: MEANXMEAN (OF X1-X3) lub MEANX (X1X2X3) 3 Jednakże obliczanie średniej X dla obecnej obserwacji i dwie wcześniejsze obserwacje przedstawiają raczej kwestionariusz bez funkcji LGD, tj. Ekonomiści często wyliczają ruchome pogłosy w celu wyrównywania trendów w swoich danych. Na przykład indeksy giełdowe, takie jak Średnia Średnia dla Dow Jones mogą się znacznie zmieniać z miesiąca na miesiąc. Aby zobaczyć trend w tym indeksie, ekonomiści obliczają średnią indeksu w ciągu ostatnich trzech miesięcy dla każdego miesiąca zainteresowania. Spowoduje to wygładzenie danych, dzięki czemu długoterminowe trendy są bardziej widoczne. W tym przykładzie użyjesz funkcji LGD do obliczenia średniej ruchomej. LAGn zwraca wartość n-tego poprzedniego wykonania funkcji LAG. Oznacza to, że za każdym razem, gdy funkcja LAG jest wykonana, pamięta aktualną wartość argumentu, która będzie następnym razem, gdy funkcja zostanie zwolniona. Przykład da to jasne. Oto kod do obliczania średniej ruchomej właśnie opisanej: Zmienna X1 jest wartością X z poprzedniej obserwacji X2 to wartość X z obserwacji poprzedniej. Funkcja MEAN służy do obliczania średniej (średniej) wartości trzy wartości. Na pierwszą iterację kroku DATA brakuje elementów LAG (X) i LAG2 (X), ponieważ wcześniej nie wykonywano funkcji LGD. W przypadku drugiej iteracji kroku DATA, wartość LAG (X) ma wartość X dla obserwacji 1, a LAG2 (X) brakuje. Na końcu, w przypadku trzeciej ostatniej iteracji kroku DATA, LAG (X) i LAG2 (X) są przyporządkowane wartości. W tym przykładzie nie wyświetla się obserwacji w nowym zbiorze danych, chyba że AVE rzeczywiście opiera się na trzech wartościach. Zmienna N jest użyteczna do testowania tego warunku. Wyjście z obserwacji trzeciego ostatnia iteracja tylko kroku DATA. Szczególna uwaga przy korzystaniu z funkcji LGD UWAGA Nie należy uruchamiać funkcji LGD, chyba że celowo zrobisz coś bardzo trudnego i naprawdę wiesz, co robisz. Aby udowodnić nasz punkt, spójrz na następujący kod: Jakie są wartości Y Odpowiedź: brak, brakujące, brakujące, 8, brakujące.) Instrukcja IF instruuje system do wykonania funkcji LAG tylko wtedy, gdy X jest większe lub równe 5.Za tym samym wykonuje się po odczytaniu drugiej obserwacji (X8). Następnym razem, gdy funkcja LAG zostanie wykonana (obserwacja nr 4, X9), wartość LAG (X) wynosi 8, wartość X ostatniego Uruchomiona funkcja LAG. Czy dostałeś ten punkt Jeśli nie, nie przejmuj się. To nie jest łatwe. W tym poście pokazuję sztuczkę do obliczania średniej ruchomej (można ją rozszerzyć na inne operacje wymagające funkcji okienkowych), które są bardzo szybkie. Często analitycy SAS muszą przeprowadzać średnie ruchome obliczenia, a ich kolejność zależy od kilku opcji: 1. PROC EXPAND 2. KROK DATA 3. PROC SQL Ale wiele witryn nie może licencjonować SASETS używać PROC EXPAND i robić średnią ruchową w Danych KROK wymaga pewnego kodowania i jest podatny na błędy. PROC SQL jest naturalnym wyborem dla programistów młodszych, a w wielu sprawach biznesowych jedynym rozwiązaniem, ale SAS PROC SQL brakuje funkcji okienkowania, które są dostępne w wielu bazach danych w celu ułatwienia obliczania średniej ruchomej. Jedną z technik zwykle używanych jest CROSS JOIN, która jest bardzo kosztowna i nie jest wykonalnym rozwiązaniem nawet dla średnich zestawów danych. W tym poście pokazuję sztuczkę, aby wykonać obliczanie średniej ruchomej (można ją rozszerzyć na inne operacje wymagające funkcji okienkowych), które są bardzo szybkie. Rozważmy najprostszą średnią ruchomą obliczenie, w której uwzględniono obserwacje K w obliczeniach, a mianowicie MA (K), tutaj ustawiamy K5. Najpierw wygenerujemy 20 przykładowych danych próbki, w których ma zostać użyta zmienna ID dla okienkowania, a do obliczeń MA należy użyć zmiennej X, a następnie zastosujemy standardową funkcję CROSS JOIN, aby najpierw zbadać dane wynikowe, nie zgrupowane, po prostu zrozumieć, jak wykorzystać strukturę danych. Z wynikowych zestawów danych trudno jest znaleźć wskazówkę, a teraz sortujemy według kolumny quotbidquot w tym zbiorze danych: z tych posortowanych danych jest jasne, że w rzeczywistości nie musimy CROSS JOIN cały pierwotny zestaw danych, możemy wygenerować zestaw danych quotoperationquot zawierający różnicę i niech oryginalny zestaw danych CROSS JOIN z tym znacznie mniejszym zestawem danych quotoperationquot i wszystkie dane potrzebne do obliczania MA będzie tam. Teraz zróbmy to: CROSS JOIN oryginalne dane z danymi quotoperationquot, sortuj (a. idops), który jest rzeczywiście quotbid39 w posortowanym zestawie danych Zauważ, że w powyższym kodzie konieczne jest, aby axe pomnożyć przez b. weight, aby dane może być między liśćmi, w przeciwnym wypadku zostanie wygenerowana taka sama wartość X z oryginalnej tabeli, a obliczenia MA będą nieudane. Jawna zmienna wagowa rzeczywiście dodaje większą elastyczność do całego obliczania MA. Przy ustalaniu, że ma być 1 dla wszystkich obsówek wynikających z prostego obliczania MA, przypisanie różnych ciężarów pomoże rozwiązać bardziej złożone obliczenia MA, takie jak danie dalszych obserwacji mniejszej wagi dla rozkładu MA. Jeśli wymagane są różne parametry K w obliczeniach MA (K), tylko zestaw danych operacji musi zostać zaktualizowany, co jest trywialnym zadaniem. Teraz rzeczywistym szablonem kodu do obliczania MA (K) będzie: przy użyciu tej nowej metody, warto porównać ją ze kosztownym CROSS JOIN i PROC EXPAND. Na mojej stacji roboczej (Intel i5 3.8Ghz, 32GB pamięci, 1TB 72K HDD), samo CROSS JOIN jest bardzo długim czasem działania (jeśli dane są duże), a nowa metoda wykorzystuje tylko 2X tyle czasu, ile PROC EXPAND, oba zużycia czasu trywialne porównanie do siebie CROSS JOIN. Zużycie czasu pokazane poniżej jest w quotsecondquot. Poniżej czytniki kodu można uruchamiać i porównywać siebie. Opublikowane 10 maja 2018 r. Przez Liang Xie Programowanie SAS dla wyszukiwania danych