“随机抽样”任务

关于“随机抽样”任务

“随机抽样”任务创建一个输出表，其中包含从输入表中随机抽取的行。

当您需要数据子集时，您可能使用该任务。例如，假设您希望审计员工的差旅费用，以改进费用报告过程并减少开支。由于您并没有检查所有费用报表的资源，因此您可使用统计抽样的方法来客观地选择费用报表进行审计。

示例：创建 Sashelp.Pricedata 数据集的随机抽样

在此示例中，您希望创建 Sashelp.Pricedata 数据集中数据的子集。

要创建此示例，请执行以下操作：

在任务部分，展开数据文件夹，并双击随机抽样。此时将打开“随机抽样”任务的用户界面。
在数据选项卡中，选择 SASHELP.PRICEDATA 数据集。
要运行任务，点击。

下面是表式结果：

此任务还在 Work 逻辑库中创建抽样数据集。在 SAS Studio 中，此数据集在 WORK.RandomSample 选项卡中打开。

向角色分配数据

对于随机抽样任务，您必须指定一个输入数据源。运行该任务不需要角色。

角色	说明
输出列	指定包含于输出表中的变量。默认情况下，所有变量都将包含在输出表中。但是，您可选择在输出中包含的变量。
层列	指定用于将输入表划分为互斥、非重叠的子集（称为层）的变量。每个层都由层变量的一组值定义，而且每个层都将单独抽样。完整的样本是从所有层提取的样本的集合。注: 如果您不向该角色分配任何变量，那么整个输入表将被处理为单一层。您可根据层的大小，在各个层之间按比例分配总样本大小。例如，变量 GENDER 有可能值 M 和 F，变量 VOTED 有可能值 Y 和 N。如果您将 GENDER 和 VOTED 分配给层列角色，那么输入表将被划分为四个层：已投票的男性、未投票的男性、已投票的女性和未投票的女性。输入表包含 20,000 行，值的分布如下： 7,000 名男性已投票 4,000 名男性未投票 5,000 名女性已投票 4,000 名女性未投票因此，已投票的男性比例为 7,000/20,000=0.35 或 35%。样本中的比例应该反映输入表中层的比例。例如，如果您的样本表包含 100 个观测，那么样本中 35% 的值必须从已投票的男性层中选择，以便在输入表中反映该比例。

角色

说明

输出列

指定包含于输出表中的变量。默认情况下，所有变量都将包含在输出表中。但是，您可选择在输出中包含的变量。

层列

指定用于将输入表划分为互斥、非重叠的子集（称为层）的变量。每个层都由层变量的一组值定义，而且每个层都将单独抽样。完整的样本是从所有层提取的样本的集合。

注: 如果您不向该角色分配任何变量，那么整个输入表将被处理为单一层。

您可根据层的大小，在各个层之间按比例分配总样本大小。例如，变量 GENDER 有可能值 M 和 F，变量 VOTED 有可能值 Y 和 N。如果您将 GENDER 和 VOTED 分配给层列角色，那么输入表将被划分为四个层：已投票的男性、未投票的男性、已投票的女性和未投票的女性。

输入表包含 20,000 行，值的分布如下：

7,000 名男性已投票
4,000 名男性未投票
5,000 名女性已投票
4,000 名女性未投票

因此，已投票的男性比例为 7,000/20,000=0.35 或 35%。样本中的比例应该反映输入表中层的比例。例如，如果您的样本表包含 100 个观测，那么样本中 35% 的值必须从已投票的男性层中选择，以便在输入表中反映该比例。

设置选项

选项名称	说明
样本大小	根据需要的行数或输入行百分比指定样本的大小。例如，如果您指定行数的 3%，且有 400 个输入行，则作为结果的样本将包含 12 行。注: 如果您向层列角色分配变量，那么您在此处设定的样本大小规范将应用到每个层中，而非整个输入表中。
抽样方法	指定对数据进行抽样时使用的方法。下面是有效值：简单（无重复）指定在对输入数据进行抽样时使用简单方法。选取一行后，在后续选取中会排除此行。因此，您不能重复选择同一行。不受限制（允许重复）指定在对输入数据进行抽样时使用不受限制的方法。选取一行后，该行仍将有效，在后续选取中仍会选取该行。因此，您也许可以不止一次选择相同行。您可指定在输出表中记录相同行的多个选择的方式。您可从下列选项中进行选择：在输出中显示每个观测一次（不包括重复） n 次选择的行在抽样中仅显示一次。在输出中，NumberHits 变量（由随机抽样任务自动计算）将列出输入表中出现观测的次数。在输出中显示所有观测（包括重复） n 次选择的行在抽样中显示 n 次。
输出数据集的位置	指定输出数据的名称和位置。默认情况下，数据将保存到 Work 逻辑库中。
随机种子数	指定用于生成随机数的初始种子。如果您未指定随机种子数，那么基于系统时钟的种子将用于生成样本。
生成样本选择汇总	生成包括用于生成样本的种子的汇总表。通过使用相同输入表指定相同种子，可重新生成相同的样本。