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
|
