วิธีการ คำนวณ การเคลื่อนไหว ค่าเฉลี่ย ใน sas

โค้ดตัวอย่างในแท็บรหัสแบบเต็มแสดงวิธีการคำนวณค่าเฉลี่ยเคลื่อนที่ของตัวแปรผ่านชุดข้อมูลทั้งหมดในช่วงการสังเกตการณ์ครั้งล่าสุดในชุดข้อมูลหรือการสังเกตการณ์ N ครั้งล่าสุดภายในกลุ่ม BY ไฟล์ตัวอย่างและตัวอย่างโค้ดเหล่านี้มีให้โดย SAS Institute Inc. และไม่มีการรับประกันใด ๆ ไม่ว่าจะโดยชัดแจ้งหรือโดยนัยรวมถึง แต่ไม่ จำกัด เพียงการรับประกันโดยนัยของความสามารถในเชิงพาณิชย์และความเหมาะสมสำหรับวัตถุประสงค์เฉพาะ ผู้รับยอมรับและยอมรับว่า SAS Institute จะไม่รับผิดชอบต่อความเสียหายใด ๆ ที่เกิดขึ้นจากการใช้วัสดุนี้ นอกจากนี้ SAS Institute จะให้การสนับสนุนสำหรับเอกสารที่มีอยู่ในเอกสารฉบับนี้ ไฟล์ตัวอย่างและตัวอย่างโค้ดเหล่านี้มีให้โดย SAS Institute Inc. และไม่มีการรับประกันใด ๆ ไม่ว่าจะโดยชัดแจ้งหรือโดยนัยรวมถึง แต่ไม่ จำกัด เพียงการรับประกันโดยนัยของความสามารถในเชิงพาณิชย์และความเหมาะสมสำหรับวัตถุประสงค์เฉพาะ ผู้รับยอมรับและยอมรับว่า SAS Institute จะไม่รับผิดชอบต่อความเสียหายใด ๆ ที่เกิดขึ้นจากการใช้วัสดุนี้ นอกจากนี้ SAS Institute จะให้การสนับสนุนสำหรับเอกสารที่มีอยู่ในเอกสารฉบับนี้ คำนวณค่าเฉลี่ยเคลื่อนที่ของตัวแปรผ่านชุดข้อมูลทั้งหมดในช่วงการสังเกตการณ์ครั้งล่าสุดในชุดข้อมูลหรือการสังเกตการณ์ N ครั้งล่าสุดภายในกลุ่ม BY การเริ่มเผยแพร่ใน SAS System PROC EXPAND ในซอฟต์แวร์ SASETS สามารถ ใช้เพื่อสร้างความหลากหลายของการแปลงข้อมูล การแปลงเหล่านี้รวมถึง: โอกาสในการขายการล่าช้าค่าถัวเฉลี่ยถ่วงน้ำหนักและไม่ถ่วงน้ำหนักค่าเคลื่อนที่และจำนวนเงินสะสมเพื่อชื่อไม่กี่ การแปลงใหม่จำนวนมากถูกเพิ่มเข้าในรีลีส 6.12 ซึ่งรวมถึงข้อกำหนดเฉพาะสำหรับค่าเฉลี่ยที่ศูนย์กลางและถอยหลัง การแปลงใหม่เหล่านี้ทำให้จำเป็นต้องปรับเปลี่ยนรูปแบบสำหรับการแปลงบางส่วนที่สนับสนุนก่อน Release 6.12 ตัวอย่างของวิธีการระบุไวยากรณ์สำหรับค่าเฉลี่ยเคลื่อนที่กึ่งกลางและย้อนหลังโดยใช้ Release 6.11 และเวอร์ชันก่อนหน้าและรุ่น 6.12 ขึ้นไปจะแสดงไว้ด้านล่าง PROC EXPAND สามารถคำนวณค่าเฉลี่ยเคลื่อนที่เชิงศูนย์หรือค่าเฉลี่ยเคลื่อนที่ย้อนหลังได้ ค่าเฉลี่ยเคลื่อนที่ 5 ช่วงศูนย์กลางคำนวณโดยเฉลี่ย 5 ค่าติดต่อกันของชุด (ค่างวดปัจจุบันนอกเหนือจากค่าก่อนหน้า 2 ค่าและสองค่าทันทีตามค่าปัจจุบัน) ค่าเฉลี่ยเคลื่อนที่ย้อนหลัง 5 ช่วงคำนวณโดยค่าเฉลี่ยของค่างวดปัจจุบันที่มีค่าจากช่วงก่อนหน้านี้ 4 ช่วง ไวยากรณ์ต่อไปนี้แสดงวิธีการใช้ข้อกำหนด TRANSFORM (MOVAVE n) เพื่อคำนวณค่าเฉลี่ยเคลื่อนที่ 5 ช่วงโดยใช้ Release 6.11 หรือรุ่นก่อนหน้า: ในการคำนวณค่าเฉลี่ยย้อนหลังของช่วง n โดยใช้ Release 6.11 หรือรุ่นก่อนหน้าให้ใช้ TRANSFORM (MOVAVE) n LAG k) โดยที่ k (n-1) 2 ถ้า n เป็นเลขคี่หรือที่ k (n-2) 2 ถ้า n เป็นคู่ ตัวอย่างเช่นไวยากรณ์ต่อไปนี้แสดงวิธีการคำนวณค่าเฉลี่ยย้อนหลัง 5 ช่วงโดยใช้ Release 6.11 หรือเวอร์ชันก่อนหน้า: ไวยากรณ์ต่อไปนี้แสดงวิธีการใช้ข้อกำหนด TRANSFORM (CMOVAVE n) เพื่อคำนวณค่าเฉลี่ยเคลื่อนที่ 5 ช่วงศูนย์กลางที่ใช้ Release 6.12 หรือ (MOVAVE n) เพื่อคำนวณค่าเฉลี่ยย้อนหลัง 5 ช่วงโดยใช้ Release 6.12 หรือใหม่กว่า: สำหรับข้อมูลเพิ่มเติมให้ดูที่การดำเนินการแปลงข้อมูลในบทขยายของคู่มือผู้ใช้ SASETS หากคุณไม่สามารถเข้าถึง SASETS คุณสามารถคำนวณค่าเฉลี่ยเคลื่อนที่ได้ในขั้นตอน DATA ดังแสดงในตัวอย่างโปรแกรมนี้ ระบบปฏิบัติการและข้อมูลเผยแพร่ฉันรวมภาพหน้าจอเพื่อช่วยชี้แจงปัญหาของฉัน: ฉันพยายามคำนวณค่าเฉลี่ยเคลื่อนที่และค่าส่วนเบี่ยงเบนมาตรฐานเคลื่อนที่ สิ่งที่ฉันต้องการคำนวณค่าสัมประสิทธิ์ของการเปลี่ยนแปลง (stdevavg) สำหรับค่าจริง โดยปกติจะทำโดยการคำนวณ stdev และค่าเฉลี่ยสำหรับ 5 ปีที่ผ่านมา แต่บางครั้งจะมีการสังเกตในฐานข้อมูลของฉันซึ่งฉันไม่มีข้อมูลในช่วง 5 ปีที่ผ่านมา (อาจจะมีเพียง 3, 2 ฯลฯ ) Thats ทำไมฉันต้องการรหัสที่จะคำนวณเฉลี่ยและ stdev แม้ว่าจะไม่มีข้อมูลสำหรับทั้ง 5 ปี นอกจากนี้ตามที่คุณเห็นในข้อสังเกตบางครั้งฉันมีข้อมูลมากกว่า 5 ปีเมื่อเป็นกรณีนี้ฉันต้องมีค่าเฉลี่ยเคลื่อนที่ซึ่งจะช่วยให้ฉันสามารถคำนวณค่าเฉลี่ยและเฉลี่ยได้ในช่วง 5 ปีที่ผ่านมา ดังนั้นหาก บริษัท มีข้อมูลเป็นเวลา 7 ปีฉันต้องการรหัสบางประเภทซึ่งจะคำนวณค่าเฉลี่ยและค่าเฉลี่ยสำหรับปี 1997 (โดย 1991-1996), 1998 (โดย 1992-1997) และ 1999 (1993-1998) เป็น im ไม่คุ้นเคยกับคำสั่ง sas ควรดู (มากมากประมาณ) เช่น: หรือบางอย่างเช่นนี้ผมมีเงื่อนงำไม่ Im gonna ลองและคิดออก แต่คุณค่าของการโพสต์ถ้าฉันเคยชินพบว่าตัวเองในนี้ โพสต์ฉันแสดงเคล็ดลับการคำนวณค่าเฉลี่ยเคลื่อนที่ (สามารถขยายไปยังการดำเนินการอื่น ๆ ที่ต้องใช้ฟังก์ชัน windowing) ซึ่งเร็วเกินไป บ่อยครั้งที่นักวิเคราะห์ของ SAS จำเป็นต้องคำนวณค่าเฉลี่ยเคลื่อนที่และมีหลายทางเลือกตามลำดับความชอบ: 1. PROC EXPAND 2. ขั้นตอนของข้อมูล PROC SQL แต่หลายไซต์อาจไม่ได้รับอนุญาต SASETS ใช้ PROC EXPAND และทำค่าเฉลี่ยเคลื่อนที่ใน DATA ขั้นตอนต้องมีการเขียนโค้ดและมีข้อผิดพลาดเกิดขึ้น PROC SQL เป็นทางเลือกที่เป็นธรรมชาติสำหรับโปรแกรมเมอร์รุ่นจูเนียร์และในหลายกรณีทางธุรกิจจะเป็นทางออกเดียว แต่ SAS PROC SQL ของ SAS ไม่มีฟังก์ชันการทำ Windowing ที่มีอยู่ในหลาย Ds เพื่อช่วยในการคำนวณค่าเฉลี่ยเคลื่อนที่ คนเทคนิคหนึ่งมักใช้คือ CROSS JOIN ซึ่งมีราคาแพงมากและไม่ใช่โซลูชันที่ทำงานได้สำหรับชุดข้อมูลที่มีขนาดปานกลาง ในโพสต์นี้ฉันแสดงเคล็ดลับการคำนวณค่าเฉลี่ยเคลื่อนที่ (สามารถขยายไปยังการดำเนินการอื่น ๆ ที่ต้องใช้ฟังก์ชัน windowing) ซึ่งเร็วเกินไป พิจารณาการคำนวณค่าเฉลี่ยเคลื่อนที่ที่ง่ายที่สุดที่มีการสังเกตการณ์ K ต่อท้ายรวมอยู่ในการคำนวณ ได้แก่ MA (K) ที่นี่เรากำหนด K5 เราสร้างข้อมูลตัวอย่าง 20 ครั้งแรกซึ่งใช้ตัวแปร ID สำหรับหน้าต่างและตัวแปร X จะใช้ในการคำนวณ MA และจากนั้นเราจะใช้ CROSS JOIN มาตรฐานเพื่อตรวจสอบข้อมูลที่ได้ก่อนไม่ได้จัดกลุ่มไว้ เพื่อทำความเข้าใจวิธีใช้โครงสร้างข้อมูล จากชุดข้อมูลที่เป็นผลลัพธ์มันเป็นการยากที่จะหาเงื่อนงำตอนนี้ให้เรียงตามคอลัมน์ quotbidquot ในชุดข้อมูลนี้: จากข้อมูลที่เรียงลำดับนี้เป็นที่แน่ชัดว่าเราไม่มีข้อมูล CROSS JOIN ทั้งชุดข้อมูลเดิม แต่ใช้ CROSS JOIN, เราสามารถสร้างชุดข้อมูล quotoperationquot ที่มีค่าความแตกต่างได้และให้ชุดข้อมูลต้นฉบับ CROSS JOIN กับชุดข้อมูล quotoperationquot ขนาดเล็กมากนี้และข้อมูลทั้งหมดที่เราต้องการใช้สำหรับการคำนวณ MA จะอยู่ที่นั่น ตอนนี้ให้ทำ: CROSS JOIN ข้อมูลเดิมที่มีข้อมูล quotoperationquot จัดเรียงตาม (a. idops) ซึ่งเป็นจริงในชุดข้อมูล sortbid39 ตามที่ระบุไว้ในโค้ดด้านบนมีความจำเป็นต้องมีขวานคูณด้วย b. weight เพื่อให้ข้อมูล สามารถเป็นแบบ inter-leaved ได้มิเช่นนั้นค่า X เดียวกันจากตารางต้นฉบับจะถูกส่งออกและการคำนวณ MA จะล้มเหลว ตัวแปรน้ำหนักอย่างชัดเจนจะเพิ่มความยืดหยุ่นในการคำนวณ MA ทั้งหมดได้มากขึ้น ในขณะที่การตั้งค่าให้เป็น 1 สำหรับผลการปฏิบัติงานทั้งหมดในผลการคำนวณ MA แบบธรรมดาให้กำหนดน้ำหนักที่แตกต่างกันจะช่วยในการแก้ไขปัญหาการประมวลผลแบบ MA ที่ซับซ้อนมากขึ้นเช่นให้ข้อสังเกตเพิ่มเติมเกี่ยวกับน้ำหนักที่น้อยลงสำหรับ MA ที่ผุกร่อน ถ้าจำเป็นต้องมี K parameter ที่แตกต่างกันในการคำนวณ MA (K) จะต้องมีการปรับปรุงชุดข้อมูลการทำงานซึ่งเป็นงานที่ไม่สำคัญ ตอนนี้แม่แบบรหัสจริงสำหรับการคำนวณ MA (K) จะเป็น: ด้วยวิธีการใหม่นี้เป็นที่น่าสนใจเพื่อเปรียบเทียบกับ CROSS JOIN รวมทั้ง PROC EXPAND บนเวิร์กสเตชันของฉัน (Intel i5 3.8Ghz หน่วยความจำ 32GB และฮาร์ดดิสก์แบบ 1TB 72K) CROSS JOIN มีความยาวมากในการทำงาน (ถ้าข้อมูลมีขนาดใหญ่) ขณะที่วิธีการใหม่ใช้เวลาในการ PROC EXPAND เพียง 2 เท่าใช้เวลาทั้งสอง เล็กน้อยเมื่อเทียบกับตนเองเข้าร่วม การบริโภคเวลาที่แสดงด้านล่างอยู่ใน quotsecondquot ด้านล่างนี้ผู้อ่านโค้ดสามารถเรียกใช้และเปรียบเทียบตัวเองได้ โพสต์เมื่อ 10 พฤษภาคม 2015 โดย Liang Xie SAS การเขียนโปรแกรมสำหรับการทำเหมืองข้อมูล