Começando na Versão 6 08 do Sistema SAS, o PROC EXPAND no software SAS ETS pode ser usado para fazer uma variedade de transformações de dados. Essas transformações incluem leads, atrasos, médias móveis ponderadas e não ponderadas, somas móveis e somas cumulativas, para citar alguns Muitas novas transformações foram adicionadas na Versão 6 12, incluindo especificações separadas para médias centradas e para trás. Essas novas transformações tornaram necessário modificar a sintaxe de algumas das transformações suportadas antes da Versão 6 12 Exemplos de como especificar a sintaxe para centrada e As médias de movimento para trás usando a Liberação 6 11 e anteriores e a Liberação 6 12 e posterior são dadas abaixo. EXPAND pode calcular uma média móvel centrada ou uma média móvel para trás Uma média móvel centrada num período de 5 é calculada calculando-se a média de um total de 5 valores consecutivos Da série o valor do período corrente, para além dos dois valores imediatamente anteriores e dois valores imediatamente a seguir ao valor actual A A média móvel de retrocesso de 5 períodos é calculada fazendo a média do valor do período actual com os valores dos 4 períodos imediatamente anteriores. A seguinte sintaxe ilustra como utilizar a especificação TRANSFORM MOVAVE n para calcular uma média móvel centrada num período de 5 períodos utilizando a Libertação 6 11 ou Para calcular uma média de retrocesso de n períodos usando a Liberação 6 11 ou anterior, use a especificação TRANSFORM MOVAVE n LAG k, onde k n-1 2 se n é ímpar ou onde k n-2 2 se n é mesmo For A sintaxe a seguir ilustra como usar a especificação TRANSFORM CMOVAVE n para calcular uma média móvel centrada em 5 períodos usando a Versão 6 12 ou posterior . A seguinte sintaxe semelhante ilustra como usar a especificação TRANSFORM MOVAVE n para calcular uma média móvel de retrocesso de 5 períodos usando a Versão 6 12 ou posterior. Para obter mais informações, consulte Operações de Transformação no EXPAND ch Apter do SAS ETS User's Guide. If você não tem acesso ao SAS ETS, você pode calcular uma média móvel na etapa DATA como ilustrado neste programa de exemplo. Operating System and Release Information. I um SAS iniciante e estou curioso Se a seguinte tarefa pode ser feito muito mais simples como é atualmente na minha cabeça. Eu tenho os seguintes metadados simplificados em uma tabela chamada userdatemoney. User - Data - Money. with vários usuários e datas para cada dia do calendário para os últimos 4 Anos Os dados são ordenados por User ASC e Data ASC, dados de exemplo parece com isto. Agora quero calcular uma média móvel de cinco dias para o Money que eu comecei com o apprach muito popular com a função lag como this. as você vê, o Problema com este método ocorre se lá se a etapa de dados executa em um novo usuário Aron iria obter alguns valores defasados de Anna, que naturalmente não deve acontecer. Agora a minha pergunta Estou certo de que você pode lidar com o usuário mudar adicionando alguns campos extras como Laggeduser e por redefinir o N, Soma e variáveis médias se você notar tal switch mas. Pode isso ser feito de uma maneira mais fácil Talvez usando a cláusula BY de qualquer maneira Obrigado por suas idéias e help. I acho que a maneira mais fácil é usar PROC EXPAND. And como mencionado em Comentário de John, é importante lembrar sobre valores ausentes e sobre observações de começo e término, bem eu adicionei SETMISS opção para o código, como você deixou claro que você deseja zerofy valores faltantes, não ignorá-los comportamento padrão MOVAVE E se Você quer excluir as primeiras 4 observações para cada usuário, uma vez que eles não têm pré-história suficiente para calcular a média móvel 5, você pode usar a opção TRIMLEFT 4 dentro TRANSFORMOUT. answered Dec 3 13 at 15 29.As operações que podem ser usadas no TRANSFORMIN e TRANSFORMOUT são mostradas na Tabela 14 1 Operações são aplicadas a cada valor da série Cada valor da série é substituído pelo resultado da operação. Na Tabela 14 1 ou x representa o valor da série em um determinado período de tempo Antes Ou a transformação é aplicada, representa o valor da série de resultados e N representa o número total de observações. A notação n indica que o argumento n é opcional, o padrão é 1 A janela de notação é usada como argumento para os operadores de estatísticas móveis , E indica que você pode especificar um número inteiro de períodos n ou uma lista de n pesos entre parênteses A seqüência de notação é usada como o argumento para os operadores de seqüência e indica que você deve especificar uma seqüência de números A notação s Indica o comprimento da sazonalidade e é um argumento necessário. Tabela 14 1 Transformação Operations. adds o número especificado. subtracts o número especificado. multiplies pelo number. divides especificado pelo número especificado. indica que o seguinte somatório de janela móvel ou produto Operador deve ser ajustado para a largura da janela. Decomposição clássica componente irregular. classical decomposição sazonal component. classical decomposition seaso Decomposição clásica. Componente de decomposição clásica. Componente de decomposição. Componente de decomposição clásica. Componente sazonal. Descomposição clássica. Aditivo sazonalmente ajustado série. Menor número inteiro maior ou igual a x. centrado. Média móvel centrada movendo soma corrigida de quadrados. Centrado em movimento geométrico médio. centrado movimento máximo. centrado movendo mediano. centrado movendo mínimo. centrado movimento produto. centrado movendo gama. centrado movendo posição. centrado movendo desvio padrão. centrado movendo soma. centrado movendo t valor. centrado movendo não corrigido soma de quadrados Variância móvel. centrada. Soma corrigida cumulativa de quadrados. Média geométrica cumulativa. Desvio padrão cumulativo. Valor cumulativo de t. Valor acumulado não corrigido de quadrados. Diferença de espessura. Média móvel ponderada ponderal de com. número de peso suave onde. Chamada diferença exponencial simples. Diferença fracionária com diferença Ordem d where. largest inteiro menor ou igual a x. fractional somatório com soma ordem d where. Hodrick-Prescott Filtro tendência componente onde lambda é o filtro não negativo parâmetro. Hodrick-Prescott Ciclo de filtragem componente onde lambda é o filtro não negativo filter. inverse Função logística. valor da série n períodos anteriores. valor da série n períodos later. maximum de x e number. minimum de x e number. missing valor if, else x. missing value if, else x. missing value if, else X. missing value if, else x. missing value if, else x. missing value if, else x. backward média móvel de n valores vizinhos. média móvel ponderada para trás de valores vizinhos. Movendo para trás movimentando a soma corrigida de quadrados. Movendo-se para cima. Movendo-se para cima. Movendo-se para cima. Movendo-se para trás. Movendo-se para trás. Movendo-se para trás. Movendo-se para trás. Se a variável de tempo em movimento. O operador estatístico deve substituir somente os valores ausentes pela estatística the. moving e deve deixar inalterados os valores de nonmissing. Se a opção MEAN for especificada, os valores faltantes serão substituídos por A média geral da série. O sinal indica que o seguinte operador de tempo de movimento. Não deve permitir valores em falta. Diferença percentual do valor atual e lag n. percent soma do valor atual e períodos cumulativos de soma-lágrima. Proporção de valor de corrente para atraso. Inverter a série. scale série entre e. add valores de seqüência para series. divide séries por valores de seqüência. substituir valores de seqüência para series. multiply série por valores sequence. set todos os valores de to. set embutido valores de To. set os valores iniciais de to. replaces os valores faltantes na série com o número especificado. set os valores finais de to.-1, 0 ou 1 como x é 0, igual a 0, ou 0 respectivamente. Soma cumulativa de multi Ples de n - period lags. sets para faltar um valor if ou. sets para perder um valor if. sets para perder um valor if. Moving Operadores janela de tempo. Algumas operadores calcular estatísticas para um conjunto de valores dentro de uma janela de tempo em movimento estes são Os operadores de janela de tempo móvel em movimento são CMOVAVE, CMOVCSS, CMOVGMEAN, CMOVMAX, CMOVMED, CMOVMIN, CMOVPROD, CMOVRANGE, CMOVRANK, CMOVSTD, CMOVSUM, CMOVTVALUE, CMOVUSS e CMOVVAR Estes operadores calculam as estatísticas dos valores para as observações. Os operadores de janela de tempo de movimento para trás são MOVAVE, MOVCSS, MOVGMEAN, MOVMAX, MOVMED, MOVMIN, MOVPROD, MOVRANGE, MOVRANK, MOVSTD, MOVSUM, MOVTVALUE, MOVUSS e MOVVAR. Os valores. Todos os operadores de janela de tempo em movimento aceitam um argumento especificando o número de períodos a incluir na janela de tempo. Por exemplo, a seguinte instrução calcula uma média móvel de retrocesso de cinco períodos de X. Neste exemplo, a transformação resultante é. A seguinte instrução calcula uma média móvel centrada de cinco períodos de X. Neste exemplo, a transformação resultante é. Se a janela com um operador de janela de tempo em movimento centralizado não for um número ímpar, O valor mais atrasado do que o valor do lead está incluído na janela de tempo Por exemplo, o resultado do operador CMOVAVE 4 é. Você pode calcular uma operação de janela de tempo de movimento em frente combinando um operador de janela de tempo de movimento para trás com o operador REVERSE Por exemplo, A instrução calcula uma média móvel forward de cinco períodos de X. Neste exemplo, a transformação resultante é. Alguns dos operadores de janela de tempo móvel permitem especificar uma lista de valores de peso para calcular estatísticas ponderadas. Estes são CMOVAVE, CMOVCSS, CMOVGMEAN, CMOVPROD , CMOVSTD, CMOVTVALUE, CMOVUSS, CMOVVAR, MOVAVE, MOVCSS, MOVGMEAN, MOVPROD, MOVSTD, MOVTVALUE, MOVUSS e MOVVAR. Para especificar um operador de janela de tempo de movimento ponderado, insira os valores de peso Entre parênteses após o nome do operador A largura da janela é igual ao número de pesos que você especificar não especificar. Por exemplo, a seguinte instrução calcula uma média móvel ponderada de cinco períodos centrada de X. Neste exemplo, a transformação resultante é. Os valores de peso devem ser maiores que zero Se os pesos não somarem 1, os pesos especificados são divididos pela sua soma para produzir os pesos usados para calcular a estatística. Uma janela de tempo completa não está disponível no início da série. Centrado operadores uma janela completa também não está disponível no final da série O cálculo dos operadores de janela de tempo em movimento é ajustado para estas condições de limite da seguinte forma. Para operadores de janela de movimento para trás, a largura da janela de tempo é encurtada no início de A série Por exemplo, os resultados do operador MOVSUM 3 são. Missing Values. You pode truncar o comprimento da série de resultados usando os operadores TRIM, TRIMLEFT e TRIMRIGHT para s Et para faltar no início ou no final da série. Você pode usar essas funções para aparar os resultados de mover os operadores de janela de tempo para que a série de resultados contenha apenas valores calculados a partir de uma janela de tempo de largura total Por exemplo, as seguintes instruções calcular um Em média móvel de cinco períodos centrada em X e eles definem valores faltando nas extremidades da série que são médias de menos de cinco valores. Normalmente, a janela de tempo móvel e os operadores de estatísticas cumulativas ignoram valores em falta e calculam seus resultados para os valores não-perdidos Quando precedido pelo operador NOMISS, estas funções produzem um resultado faltante se qualquer valor dentro da janela de tempo está ausente. O operador NOMISS não executa quaisquer cálculos, mas serve para modificar a operação do operador de janela de tempo móvel que se segue O operador NOMISS Não tem efeito a menos que seja seguido por um operador de janela de tempo móvel. Por exemplo, a seguinte instrução calcula uma média móvel de cinco períodos da vari Mas produz um valor faltante quando qualquer um dos cinco valores está faltando. A seguinte instrução calcula a soma cumulativa da variável X, mas produz um valor em falta para todos os períodos após o primeiro valor X em falta. Similar ao operador NOMISS, o MISSONLY O operador não executa quaisquer cálculos a menos que seja seguido pela opção MEAN, mas serve para modificar a operação do operador da janela de tempo móvel que a segue. Quando precedido pelo operador MISSONLY, estes operadores de janela de tempo móvel substituem quaisquer valores em falta pela estatística móvel e Por exemplo, a seguinte declaração substitui quaisquer valores em falta da variável X por uma média móvel exponencialmente ponderada dos valores passados de X e deixa valores não-perdidos inalterados Os valores em falta são interpolados usando a média móvel ponderada exponencial especificada Isto é Também chamada de suavização exponencial simples. A seguinte declaração substitui quaisquer valores ausentes da var X com a média geral de X. Você pode usar o operador SETMISS para substituir valores ausentes por um número especificado. Por exemplo, a seguinte declaração substitui quaisquer valores ausentes da variável X pelo número 8 77. Operadores Clássicos de Decomposição. Se for um Série de tempo sazonal com observações por estação, métodos clássicos de decomposição dividir as séries de tempo em quatro componentes tendência, ciclo, sazonal e componentes irregulares Os componentes de tendência e ciclo são muitas vezes combinados para formar o componente de tendência-ciclo Existem duas formas básicas de clássica A decomposição multiplicativa e aditiva, que são mostrados a seguir. Exemplos de Uso. Os índices sazonais multiplicativos são 0 9, 1 2 0 8 e 1 1 para os quatro trimestres. Seja SEASADJ uma variável de séries temporais trimestrais que foi ajustada sazonalmente de forma multiplicativa Para restaurar a sazonalidade para SEASADJ use a seguinte transformação. Os índices sazonais aditivos são 4 4, -1 1, -2 1 e -1 2 para os quatro trimestres Let SEASADJ é uma variável de séries temporais trimestral que foi ajustada sazonalmente de forma aditiva Para restaurar a sazonalidade para SEASADJ use a seguinte transformação. Set Operadores. Para os operadores set, o primeiro parâmetro,, representa o valor a ser substituído eo segundo parâmetro, , Representa o valor de substituição A substituição pode ser localizada para o início, meio ou fim da série. Exemplos de Uso. Suponha que uma loja aberta recentemente e que o histórico de vendas é armazenado em um banco de dados que não reconhece valores ausentes Mesmo que A demanda pode ter existido antes da abertura das lojas, este banco de dados atribui o valor de zero Modelando o histórico de vendas pode ser problemático porque o histórico de vendas é maioritariamente zero Para compensar essa deficiência, Valores inalterados que representam nenhuma demanda. Da mesma forma, suponha que uma loja seja fechada recentemente. A demanda pode ainda estar presente e, portanto, um valor registrado de ze Ro não reflete com precisão a demanda real. Escala Operador. Para o operador de escala, o primeiro parâmetro,, representa o valor associado com o valor mínimo eo segundo parâmetro,, representa o valor associado com o valor máximo da série original O operador de escala Recala os dados originais para estar entre os parâmetros e como follows. Examples of Usage. Suppose que duas histórias de vendas de produtos novos são armazenadas em variáveis ee você deseja determinar as suas taxas de adoção Para comparar seus históricos de adoção as variáveis devem ser escalados para As janelas de largura no início e no final da série são menores do que aquelas no meio da série. Do mesmo modo, se houver valores em falta incorporados, a largura da janela é menor do que Especificado Quando precedido pelo operador ADJUST, a soma móvel MOVSUM CMOVSUM e os operadores de produto em movimento MOVPROD CMOVPROD são ajustados pela janela Por exemplo, suponha que a variável tem 10 valores eo operador de somatório móvel de largura 3 é aplicado para criar a variável com ajuste de largura de janela ea variável sem ajuste. As transformações acima resultam na seguinte relação entre e, As primeiras duas larguras de janela são menores do que 3. Por exemplo, suponha que a variável tem 10 valores eo operador multiplicativo móvel de largura 3 é aplicado para criar a variável com ajuste de largura de janela ea variável sem ajuste. , Porque as duas primeiras larguras de janela são menores do que 3. Operadores de Valor-T Moving. Os operadores de valores em movimento t CUTVALUE, MOVTVALUE, CMOVTVALUE calculam o valor t da série cumulativa ou janela em movimento Eles podem ser vistos como combinações Da média móvel CUAVE, MOVAVE, CMOVAVE eo desvio padrão móvel CUSTD, MOVSTD, CMOVSTD, respectivamente. Operadores percentuais. Os operadores percentuais com A porcentagem de soma e a porcentagem de diferença do valor corrente eo percentual de diferença entre o valor atual eo PCTSUM calcula se o valor da equação precedente está faltando ou a soma cumulativa é zero, o resultado é definido como ausente O operador de diferença de porcentagem PCTDIF calcula Se algum dos valores da equação precedente estiver faltando ou o valor de atraso for zero, o resultado é definido como ausente. Por exemplo, suponha que a variável contém a série A porcentagem de somatório do retardo 4 é aplicada para criar a variável A diferença percentual de O lag 4 é aplicado para criar a variável. Operadores de Taxa. O operador de razão calcula a razão entre o valor atual e o valor. O coeficiente RATIO calcula Se qualquer dos valores da equação precedente está faltando ou o valor de atraso é zero, O resultado é definido como missing. For exemplo, suponha que a variável contém a série A relação do valor atual eo valor de lag 4 de atribuído à variável A proporção percentual da curre Nt valor e lag 4 valor de é atribuído à variável.
No comments:
Post a Comment