SAS编程-宏：简单描述性统计量的输出

在临床试验TFL编程中，简单的描述性统计量与频数汇总表格的数量占表格总量的绝对大头。从提高编程效率的角度看，为这两类表格建立稳定的宏程序输出是一件非常高效率的事情。

这篇文章介绍，数值变量的简单描述性统计量输出的一些考虑，主要有4方面的内容：

1. 试验汇总组的处理
2. 横向数据转换为纵向数据
3. 文字说明行的处理
4. 小数位数的处理

完整宏程序代码在文章的第5节，如果读者想要引用宏程序的话，可能需要根据自己项目要求更新统计量的布局和小数位保留的设置。

简单描述性统计量输出的样式，各家公司大同小异，这篇文章采用以下样式：

Layout

计算统计量的过程步选择Proc Means, 使用其他过程步也可以。

分析数据来源于SASHELP.CLASS数据集，简单处理下，新建一个分组变量：

data class0;
  set sashelp.class;
  if _n_ < 10 then trt01pn = 1;
  else trt01pn = 2;
run;

1. 试验汇总组的处理

TFLShell中会明说明输出Table是否有汇总组。最常见的处理汇总组的方式是，在原始数据集利用Data步的Output语句，新建汇总组；我推荐大家尝试使用Format过程步中的Multilabel选项进行构建汇总组，这个方法不需要在原始数据集中进行新建分组处理，一定程度减少了分析数据集的观测数。

具体介绍文章参考：SAS编程：生成Table时，汇总组(Total)组如何处理？。

示例代码如下：

proc format;
  value trt01pn (notsorted multilabel)
    1 = 1      
    2 = 2  
    1,2 = 99
  ;
run;

proc means data = class0 nway completetypes;
  format trt01pn trt01pn.;
  class trt01pn / preloadfmt mlf order = data;
  var height;
  output n=n_ mean=mean_ std=sd_  median=median_ q1=q1_ q3=q3_ min=min_ max=max_ out=stat1;
run;

程序运行结果如下：

Stat 1

结果中汇总组(trt01pn = 99)的相关统计量也被输出来。这里Means过程步中使用的选项nway、preloadfmt、mlf都不能被省略，关于各个选项作用，读者可以参考SAS官方文档，这里就不再赘述。

2. 横向数据转换为纵向数据

输出统计量数值之后，需要再根据Shell中具体的Layout进行处理。对于试验分组受试者频数为0的情形，shell中可能有特别的显示，代码示例如下：

data stat2;
  set stat1;
  length n mean sd median q1q3 minmax $200;

  if n_ ne 0 then do;
     n = strip(put(n_, 8.0));
     mean = strip(put(mean_, 8.1));
     sd = strip(put(sd_, 8.1));
     median = strip(put(median_, 8.1));
     q1q3 = strip(put(q1_, 8.1))||", "||strip(put(q3_, 8.1));
     minmax = strip(put(min_, 8.1))||", "||strip(put(max_, 8.1));    
  end;
  else do;
     n = strip(put(n_, 8.0));
     mean = "-";
     sd = "-";
     median = "-";
     q1q3 = "-, -";
     minmax = "-, -";  
  end;
run;

输出结果如下：

Stat 2

数据整理完毕后，需要将横向数据转换为纵向数据，常用的方法有2种：

1. Data步中Output语句；
2. Transpose过程步

从代码和输出数据集的简洁角度考虑，使用Transpose过程步要好一些：

proc transpose data = stat2 out = stat3 prefix = trt_;
  var n mean sd median q1q3 minmax;
  id trt01pn;
run;

结果如下：

Stat 3

Shell中的内容已大体具备，首列的内容通常以_NAME_取值的Format进行展示。同时，为了后续排序方便，也会新建排序变量。考虑到，宏程序批量处理内容比较多，新建Section变量，方便标识输出结果的不同部分。统计量的排序变量，以_NAME_取值的Informat进行展示。

proc format;
  value $stat
    "n" = "n"
    "mean" = "Mean"
    "sd" = "SD"
    "median" = "Median"
    "q1q3" = "Q1, Q3"
    "minmax" = "Min, Max"
  ;

  invalue statn
    "n" = 1
    "mean" = 2
    "sd" = 3
    "median" = 4
    "q1q3" = 5
    "minmax" = 6
  ;
run;

data stat4;
  retain section cat1n col1 trt_:;
  set stat3;

  section = 1;
  cat1n = input(_name_, statn.);

  length col1 $200;
  col1 = put(_name_, stat.);

  keep section cat1n col1 trt_:;
run;

输出结果如下，主体显示内容已经完成：

Stat 4

3. 文字说明行的处理

统计量首行展示的文字说明行，通常有2种做法。

第1种，新建一个包含文字说明信息的数据集与主体数据集进行纵向拼接；第2种，在主体数据集中使用Output语句，多生成一行记录用于放置文字说明信息。

这里提供第3种方法，在横向数据转换成纵向数据之前，数据集保留一个空变量。同时，也对这个空变量进行转置，这样输出数据集就会有多出一行。这一行就用于放置文字说明信息，informat中的排序变量值也需要进行相应的设置，其对应的说明信息直接在Data步中进行赋值，程序如下：(Stat2数据集中多了textline变量)

data stat2;
  set stat1;
  length textline n mean sd median q1q3 minmax $200;

  if n_ ne 0 then do;
    textline = "";
     n = strip(put(n_, 8.0));
     mean = strip(put(mean_, 8.1));
     sd = strip(put(sd_, 8.1));
     median = strip(put(median_, 8.1));
     q1q3 = strip(put(q1_, 8.1))||", "||strip(put(q3_, 8.1));
     minmax = strip(put(min_, 8.1))||", "||strip(put(max_, 8.1));    
  end;
  else do;
    textline = "";
     n = strip(put(n_, 8.0));
     mean = "-";
     sd = "-";
     median = "-";
     q1q3 = "-, -";
     minmax = "-, -";  
  end;
run;


proc transpose data = stat2 out = stat3 prefix = trt_;
  var textline n mean sd median q1q3 minmax;
  id trt01pn;
run;

proc format;
  value $stat
    "n" = "n"
    "mean" = "Mean"
    "sd" = "SD"
    "median" = "Median"
    "q1q3" = "Q1, Q3"
    "minmax" = "Min, Max"
  ;

  invalue statn
    "textline" = 0
    "n" = 1
    "mean" = 2
    "sd" = 3
    "median" = 4
    "q1q3" = 5
    "minmax" = 6
  ;
run;

data stat4;
  retain section cat1n col1 trt_:;
  set stat3;

  section = 1;
  cat1n = input(_name_, statn.);

  length col1 $200;
  if _name_ ne "textline" then col1 = put(_name_, stat.);
  else col1 = "Height (cm)";

  keep section cat1n col1 trt_:;
run;

这样，简单描述性统计量就输出完毕：

Stat 4

4. 小数位数的处理

4.1 统计量小数位数宏变量的生成

关于各统计量的小数位数，不同的公司、不同的统计师可能有不同的要求。在确定小数位数要求后，常规做法，是将原始小数位数作为宏变量，代入Data步中的Format。

不过，上述操作的代码会显得杂乱。我们可以在Data步之外提前设置好各统计量Format的宏变量，后续直接引用宏变量。

%macro deci(dp=);
  %let d_n    = 8.0; %put d_n = &d_n.;
  %let d_mean = 8.%eval(&dp.+1); %put d_mean = &d_mean.;
  %let d_sd   = 8.%eval(&dp.+1); %put d_sd = &d_sd.;
  %let d_medi = 8.%eval(&dp.+1); %put d_median  = &d_medi.;
  %let d_qq   = 8.%eval(&dp.+1); %put d_qq = &d_qq.;
  %let d_mm   = 8.%eval(&dp.+0); %put d_mm = &d_mm.;

%mend;

%deci(dp = 0);

运行输出后，日志显示如下：

Log 1

通常小数位数的展示不超过4位，输出时需要对小数位数进行限制，当小数位数超过4时，小数位数取4：

%macro deci(dp=);
  %global d_n    d_mean d_sd   d_medi d_qq   d_mm  ;
  %let d_n    = 8.0; %put d_n = &d_n.;
  %let d_mean = 8.%sysfunc(min( %eval(&dp.+1), 4 )); %put d_mean = &d_mean.;
  %let d_sd   = 8.%sysfunc(min( %eval(&dp.+1), 4 )); %put d_sd = &d_sd.;
  %let d_medi = 8.%sysfunc(min( %eval(&dp.+1), 4 )); %put d_medi  = &d_medi.;
  %let d_qq   = 8.%sysfunc(min( %eval(&dp.+1), 4 )); %put d_qq = &d_qq.;
  %let d_mm   = 8.%sysfunc(min( %eval(&dp.+0), 4 )); %put d_mm = &d_mm.;

%mend;

%deci(dp = 5);

以上程序运行输出如下：

Log 2

4.2 “-0”问题的处理

在之前的文章中介绍过，保留小数位数，常用的方法是直接put具体的数字格式。不过，这种处理方式在负数十分位向0进位时，可能会产生一些偏误。

我用代码进行实例，对数字0.4, 0.5, -0.4, -0.49 -0.5四舍五入保留整数。使用两种方法，一种是直接put数值格式8.0；一种是使用函数Round处理之后，再put数值格式8.0。

data tmp;
    input a @@;

    bput = strip(put(a, 8.0));
    bround = strip(put(round(a, 1), 8.0));
    
    datalines;
        0.4
        0.5
        -0.4
        -0.49
        -0.5
    ;
run;

Result 1

从结果中可以看到，对于-0.4和-0.49这2个数值，四舍五入应该进位成0，但是直接Put时，结果是-0，与想要的结果不同。更一般的，对于(-0.5, 0)这个范围的数值，put函数保留整数时，结果为-0。

我没细究这个现象的原因，建议读者在保留小数位数时，先使用Round函数，再put相应的格式。t同时，两个函数保留的小数位数要相同，否则会产生二次误差。

结合上面的描述，还需设置round函数精度，方便调用，代码如下：

%macro deci(dp=);

  %global d_n d_mean d_sd d_medi d_qq d_mm r_n r_mean r_sd r_medi r_qq r_mm;

  %let d_n    = 8.0; %put d_n = &d_n.;
  %let d_mean = 8.%sysfunc(min( %eval(&dp.+1), 4 )); %put d_mean = &d_mean.;
  %let d_sd   = 8.%sysfunc(min( %eval(&dp.+1), 4 )); %put d_sd = &d_sd.;
  %let d_medi = 8.%sysfunc(min( %eval(&dp.+1), 4 )); %put d_medi  = &d_medi.;
  %let d_qq   = 8.%sysfunc(min( %eval(&dp.+1), 4 )); %put d_qq = &d_qq.;
  %let d_mm   = 8.%sysfunc(min( %eval(&dp.+0), 4 )); %put d_mm = &d_mm.;

  %let r_n = 1; %put r_n = &r_n.;
  %let r_mean = %sysevalf(0.1**(%sysfunc(min( %eval(&dp.+1), 4 )) )); %put r_mean = &r_mean.;
  %let r_sd   = %sysevalf(0.1**(%sysfunc(min( %eval(&dp.+1), 4 )) )); %put r_sd = &r_sd.;
  %let r_medi = %sysevalf(0.1**(%sysfunc(min( %eval(&dp.+1), 4 )) )); %put r_medi = &r_medi.;
  %let r_qq   = %sysevalf(0.1**(%sysfunc(min( %eval(&dp.+1), 4 )) )); %put r_qq = &r_qq.;
  %let r_mm   = %sysevalf(0.1**(%sysfunc(min( %eval(&dp.+0), 4 )) )); %put r_mm  = &r_mm.;

%mend;

%deci(dp = 5);

日志输出结果如下：

Log 3

Data步中，对应的更新如下：

%deci(dp =1);

data stat2;
  set stat1;
  length textline n mean sd median q1q3 minmax $200;

  if n_ ne 0 then do;
    textline = "";
     n = strip(put(round(n_, &r_n.), &d_n.));
     mean = strip(put(round(mean_, &r_mean.), &d_mean.));
     sd = strip(put(round(sd_, &r_sd.), &d_sd.));
     median = strip(put(round(median_, &r_medi.), &d_medi.));
     q1q3 = strip(put(round(q1_, &r_qq.), &d_qq.))||", "||strip(put(round(q3_, &r_qq.), &d_qq.));
     minmax = strip(put(round(min_, &r_mm.), &d_mm.))||", "||strip(put(round(max_, &r_mm.), &d_mm.));    
  end;
  else do;
    textlin = "";
     n = strip(put(n_, 8.0));
     mean = "-";
     sd = "-";
     median = "-";
     q1q3 = "-, -";
     minmax = "-, -";  
  end;
run;

输出结果如下：

Stat2

输出结果已经按照设置的小数位数展示，这样每次只需要更新宏参数dp就可以更新所有统计量的小数位。

至于小数位数的确认，取决于统计师或公司的要求。如果是从实际数据中获取，还需要额外的获取处理，这里就不进一步展开。

5. 宏程序汇总

宏程序需要使用统计量的Format（$stat.）进行第一列展示，也需要Informat（statn.）生成排序变量。考虑到，如果这些格式生成放在宏程序中，每次调用宏都会新生成一次。所以，我将这些程序放到宏程序之外。

***1. Macro for decimal places;
%macro deci(dp=);

  %global d_n d_mean d_sd d_medi d_qq d_mm r_n r_mean r_sd r_medi r_qq r_mm;

  %let d_n    = 8.0; %put d_n = &d_n.;
  %let d_mean = 8.%sysfunc(min( %eval(&dp.+1), 4 )); %put d_mean = &d_mean.;
  %let d_sd   = 8.%sysfunc(min( %eval(&dp.+1), 4 )); %put d_sd = &d_sd.;
  %let d_medi = 8.%sysfunc(min( %eval(&dp.+1), 4 )); %put d_medi  = &d_medi.;
  %let d_qq   = 8.%sysfunc(min( %eval(&dp.+1), 4 )); %put d_qq = &d_qq.;
  %let d_mm   = 8.%sysfunc(min( %eval(&dp.+0), 4 )); %put d_mm = &d_mm.;

  %let r_n = 1; %put r_n = &r_n.;
  %let r_mean = %sysevalf(0.1**(%sysfunc(min( %eval(&dp.+1), 4 )) )); %put r_mean = &r_mean.;
  %let r_sd   = %sysevalf(0.1**(%sysfunc(min( %eval(&dp.+1), 4 )) )); %put r_sd = &r_sd.;
  %let r_medi = %sysevalf(0.1**(%sysfunc(min( %eval(&dp.+1), 4 )) )); %put r_medi = &r_medi.;
  %let r_qq   = %sysevalf(0.1**(%sysfunc(min( %eval(&dp.+1), 4 )) )); %put r_qq = &r_qq.;
  %let r_mm   = %sysevalf(0.1**(%sysfunc(min( %eval(&dp.+0), 4 )) )); %put r_mm  = &r_mm.;

%mend;


***2. Macro for Statistics;
%macro stat(indt=, trtvar=, trtfmt=, anlvar=, dp=, textline=, section=, outdt=);

**2.1 Get statistics;
proc means data = &indt. nway completetypes;
  format &trtvar. &trtfmt..;
  class trt01pn / preloadfmt mlf order = data;
  var &anlvar.;
  output n=n_ mean=mean_ std=sd_  median=median_ q1=q1_ q3=q3_ min=min_ max=max_ out=stat1;
run;


**2.2 Get decimal places for statistic;
%deci(dp = &dp.);


**2.3 Table display;
data stat2;
  set stat1;
  length textline n mean sd median q1q3 minmax $200;

  if n_ ne 0 then do;
    textline = "";
     n = strip(put(round(n_, &r_n.), &d_n.));
     mean = strip(put(round(mean_, &r_mean.), &d_mean.));
     sd = strip(put(round(sd_, &r_sd.), &d_sd.));
     median = strip(put(round(median_, &r_medi.), &d_medi.));
     q1q3 = strip(put(round(q1_, &r_qq.), &d_qq.))||", "||strip(put(round(q3_, &r_qq.), &d_qq.));
     minmax = strip(put(round(min_, &r_mm.), &d_mm.))||", "||strip(put(round(max_, &r_mm.), &d_mm.));    
  end;
  else do;
    textlin = "";
     n = strip(put(n_, 8.0));
     mean = "-";
     sd = "-";
     median = "-";
     q1q3 = "-, -";
     minmax = "-, -";  
  end;
run;


**2.4 Transpose results;
proc transpose data = stat2 out = stat3 prefix = trt_;
  var textline n mean sd median q1q3 minmax;
  id &trtvar.;
run;



**2.5 Create output dataset;
data &outdt.;
  retain section cat1n col1 trt_:;
  set stat3;

  section = &section.;
  cat1n = input(_name_, statn.);

  length col1 $200;
  if _name_ ne "textline" then col1 = put(_name_, stat.);
  else col1 = "&textline.";

  keep section cat1n col1 trt_:;
run;

%mend stat;


***3. Invoke the macro;
proc format;
  value trt01pn (notsorted multilabel)
    1 = 1      
    2 = 2  
    1,2 = 99
  ;

  value $stat
    "n" = "n"
    "mean" = "Mean"
    "sd" = "SD"
    "median" = "Median"
    "q1q3" = "Q1, Q3"
    "minmax" = "Min, Max"
  ;

  invalue statn
    "textline" = 0
    "n" = 1
    "mean" = 2
    "sd" = 3
    "median" = 4
    "q1q3" = 5
    "minmax" = 6
  ;
run;

%stat(
  indt = class0
  ,trtvar = trt01pn
  ,trtfmt = trt01pn
  ,anlvar = height
  ,dp = 1
  ,textline = Heigth (cm)
  ,section = 1
  ,outdt = sec_1
);

以上程序，运行结果如下：

Sec_1

6. 扩展与延伸

从宏的程序看，只设置了一个试验分组变量。这里可以有读者要问，如果输出表格需要多个试验分组变量，如何处理呢？

我建议，这种情况不使用宏程序，程序不复杂直接手动编写，简洁方便。

宏程序一般处理重复的编程内容，例如，Baseline Demogrphic这类汇总表，有多个不同的分析变量，内容高度重复化，程序中宏程序会调用很多次。但对于多个分组变量的情形，有这样的宏，程序中也只会调用一次。在我看来，这是没有必要的。

当然，对于多个分组变量的亚组分析，每个亚组也可以看成是重复单一的内容。但是，这样简单机械的处理抹去了，各亚组之间的联系。这就像数学的几何题一样，我们可以通过复杂推理得到正确结果，不过，有时候一条辅助线可以让整个解题过程简洁的多得多。

这里举个LB简单描述统计量输出的例子，LB中可能有二三十个Parameter，如果单独依次出每个Paramter对应的内容，那过程就太过繁琐；如果在宏程序中添加多个分组变量，一次调用就能解决，那跟手动写出完整输出过程又没什么区别。

proc means data = adlb noprint nway completetypes;
  by trt01an parcat1n paramn paramcd avisitn;
  format anrindn anrindn.;
  class anrindn / preloadfmt order = data;

  var aval ;

  output n = n_ mean=mean_ median=median_ q1=q1_ q3=q3_ min=min_ max=max_ out = stat1;
run;

当然，这种情况下，如果不了解频数表的输出的逻辑与过程，确实是直接调用宏程序，来得更简单高效一点。

总结

这篇文章介绍了，简单描述性统计量的宏程序输出，计算统计量的汇总组时采用Format过程步中的multilabel选项，使用转置的方式进行统计量Layout的处理，小数位数的保留使用round、put函数一起进行处理。

希望对读者日常编程工作，有所帮助。

感谢阅读， 欢迎关注！
若有疑问，欢迎评论交流！