w*****y 发帖数: 15 | 1 一个column/variable里有100个obs,其中80个missing values, 现在我想把那20个non
-missing randomly assign to the 80 missing values。 请问用sas怎么操作啊?
多谢! |
a****m 发帖数: 693 | 2 proc mi data=FitMiss noprint out=outmi seed=37851;
MIANALYZE procedure do imputation using non missing observation., |
w*****y 发帖数: 15 | 3 这么简单~~ 多谢多谢!我去试试
【在 a****m 的大作中提到】 : proc mi data=FitMiss noprint out=outmi seed=37851; : MIANALYZE procedure do imputation using non missing observation.,
|
w*****y 发帖数: 15 | 4 试过了,可以做Imputation,但好像和我最初想的不太一样。准确的说,我好像并不需
要imputation,而是把现有的20 observed randomly assign to the 80 missing
values 。
不过还是感谢了!
还有别的办法吗?
【在 a****m 的大作中提到】 : proc mi data=FitMiss noprint out=outmi seed=37851; : MIANALYZE procedure do imputation using non missing observation.,
|
s********p 发帖数: 637 | 5 这样没啥意义,
不过一个可行的方法是
1.100个obs分成两个dataset,一个80(dataset1),一个20(dataset2)
2.给dataset2取个key,from 1 to 20,key=_N_
3.给dataset1取个key,key=round(ranuni(1234)*20)
4.按key去merge,替换missing
non
【在 w*****y 的大作中提到】 : 一个column/variable里有100个obs,其中80个missing values, 现在我想把那20个non : -missing randomly assign to the 80 missing values。 请问用sas怎么操作啊? : 多谢!
|
l**********9 发帖数: 148 | 6 5L的算法不错,这种问题一般都是随机给每个missing obs安排一个non missing就可以
了。 |
w*****y 发帖数: 15 | 7 仔细想想确实意义不大
这个方法觉得不错
多谢!
【在 s********p 的大作中提到】 : 这样没啥意义, : 不过一个可行的方法是 : 1.100个obs分成两个dataset,一个80(dataset1),一个20(dataset2) : 2.给dataset2取个key,from 1 to 20,key=_N_ : 3.给dataset1取个key,key=round(ranuni(1234)*20) : 4.按key去merge,替换missing : : non
|