关于2016全国高校SAS大赛初赛的解题想法

121 阅读 0 评论 80 点赞

我是靠谱客的博主狂野火车，这篇文章主要介绍关于2016全国高校SAS大赛初赛的解题想法，现在分享给大家，希望可以做个参考。

在数据横行霸道的时代，不看你会多少软件。能否在数据分析的行业站稳脚跟，还要看你的思维，对于案例的解题思维是你能否简单高效地解决问题的关键。

我是纯小白，接触SAS只有五天，快比赛了，试试去年的水，代码都在，但是不会用宏，所以可能有点low，欢迎批评指正

一起学习一起交流！！

第一题
题目：

1）使用Data步计来计算a600605这支股票在1995-1998年的市场收益，即该股票的月收益率（个股月收益率＝[（本月收盘价－上月收盘价）/上月收盘价]×100%），过程中不要使用dif和lag函数。其中date的格式设置为‘1995-01’的形式，并删除1995年1月的观测数据。
2）编写graph，绘制a600605这支股票的收益率曲线，横坐标标签改为“日期”，纵坐标标签改为“月收益率”。

思路：

第一问其实是没做出来，只能用dif和lag计算了，我自己写算式的时候计算不出来，因为我对循环的语句还理解的不太好，所以就调用了现成的函数，一样的效果就是不按要求来喽。

第二问他说编写graph，找了半天graph过程，后来理解为就像优化的OR板块一样，其实是作图板块，里面有各种过程，这个比较简单，就是考你会不会画图。

总的来说第一题很基础，考了data步和循环等方面的应用。
代码：

复制代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
  /*libname sas2016 'C:UsersASUSDesktopsas往年赛题sasSAS大赛历年考题sas大赛2016';*/
    
    data work.a600605_1;
        set test.a600605;
        keep Oppr/*开盘价*/ Clpr/*收盘价*/ date;
    run;
    proc timeseries data=work.a600605_1;
    id date interval=month
    accumulate=last
    start="03Jan1995"d end="08Jan2001"d;
    var Clpr;
    run;
    
    data work.acc;
         set work.Data4;
        keep Clpr date clpr_r;
        clpr_r=dif(Clpr)/lag(Clpr);
        label clpr_r="月收益率";
        if clpr_r=" " then delete;
    run;
    
    axis1 label=("日期");
    axis2 label=("月收益率");
    symbol value=dot cv=red
    interpol=join ci=blue;
    proc gplot data=work.Acc;
    plot clpr_r*date/haxis=axis1 vaxis=axis2;
    run;
    quit;
    goptions reset=all;

第二题
问题：
1）    将TEST库下的credit_old数据集复制到work逻辑库下，并重命名为credit_new。（5分）
    2）    使用数据字典读取credit_new数据集下所有解释变量中的字符变量的个数和名称。（10分）
    3）    编写宏，为每一个字符变量重新编码，以“变量名_cd”的命名方式保存新的编码，并添加到原credit_new数据集的后面，效果就是变成数字就好（15分）

思路：

第二问意思是这有个字符变量“var”，问你有什么，你说有“v”“a”“r”，人家再问你几个v几个a几个r，你去统计一下。

第三问是把上一问的字符“v”“a”“r”，变成比如123数字的，本来想用input函数来做，但是出不来效果，就换了个法子。

代码：

复制代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
/**/
    %macro FreqBar(ds, varname);
    proc freq data=&ds;
    tables &varname / plots(only)=freqplot;
    run;
    %mend;
    %FreqBar(credit_new, Branch)
    
    proc means data=work.credit_new n nmiss  min mean median max std;
    run;
    
    proc tabulate data=work.credit_new;
        class Branch Res;
        table Branch res;
    run;
    /*branch*/
    data work.data2;
        set work.credit_new;
        branch_cd=substr(branch, length(branch), 1);
    run;
    /*res*/
    data work.data1;
        set work.credit_new;
        if res='U' then res=1;
        if res='S' then res=2;
        if res='R' then res=3;
    run;
    /*合起来*/
    data work.data3;
        set work.credit_new;
        branch_cd=substr(branch, length(branch), 1);
        if res='U' then res=1;
        if res='S' then res=2;
        if res='R' then res=3;
        rename res=res_cd;
    run;

第三题
问题：

    所有的数据除了weight之外，全部是等级数据，分值越高意味着评价越正面。以weight为权数，根据数据集当中的变量，结合宏语言，编写宏程序完成下面的问题。
    1）对于各个变量进行描述性分析
    2）对四个变量，进行两两的列联表分析，生成的列联表保存，进行分卡方检验和其他分类数据相关系数的计算。
    4）以年龄为条件，同其他三个变量中的任意两个，进行三维列联表分析，进行整体cmh检验，并将生成的列联表保存。
    5）（可选）将4中生成的列联表，同样计算每个格子频数占总频数的比例，检验任意两个格子中的比例差异是否显著。

代码：

复制代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
 proc means data=test.Base mean median mode cv std var range qrange maxdec=2;
        title "总体描述性统计";
        var Q8 Q22 Q3F age10;
    run; 
    
    proc freq data=test.base;
      table Q8*Q22 Q8*Q3F Q8*age10 Q22*Q3F Q22*age10 Q3F*age10/chisq measures cmh;
      title "卡方检验及其相关系数";
      weight weight;
    run;
    
    
    proc freq data=test.base;
        table Q8*Q22 Q8*Q3F Q8*age10 Q22*Q3F Q22*age10 Q3F*age10/expected cumcol;
        title "每个格子计算频数占总频数的比例";
        weight weight;
    run;
    
    
    proc freq data=test.base;
        title"三维列联图";
        table age10*Q8*Q22 age10*Q8*Q3F age10*Q22*Q3F/cmh;
        weight weight;
    run;

第四题
    4、（25分）数据集coal中保存的是1980-2010年我国煤炭消费量和1980-2015年gdp的相关数据，根据数据的相关结构，结合宏语言，建立宏程序，完成下列题目。
    1）利用ARIMA模型预测未来我国煤炭消费，要完成数据探索、模型识别、参数估计检验、模型优化的全部过程，最好要将建模过程写成宏程序调用。
    2）利用指数平滑模型，对于我国煤炭消费量进行预测，同样完成模型识别、参数估计、优化，同时将参数估计结果保存，最好将建模过程写成宏程序调用。
    3）以我国gdp为说明变量，煤炭消费量为因变量，建立带自回归误差的回归模型（autoreg过程），对煤炭消费量进行预测。尝试不同的滞后阶数，建立模型，降低自相关程度，最后选择最优模型。

时序图：

原数据的代码：

复制代码

1
2
3
4
5
 proc arima data=test.coal;
    identify var=coal_china nlag=12;
    where year>="1980"d;
    run;
    quit;

一阶差分代码：

复制代码

1
2
3
4
5
6
 proc arima data=test.coal;
    identify var=coal_china(1) nlag=12;
    where year>="1980"d;
    run;
    quit;

二阶差分代码：

复制代码

1
2
3
4
5
proc arima data=test.coal;
    identify var=coal_china(1,1) nlag=12;
    where year>="1980"d;
    run;
    quit;

虽然看图二阶要更平稳，但是看P值，二阶拒绝原假设了，也就是说不是平稳序列，所以一阶差分就够了。

复制代码

##
#####模型识别
    /*模型识别*/
    proc arima data=test.coal;
        identify var=coal_china(1) nlag=6
            esacf scan minic;
    run;

可以看出scan、 esacf、 minic三个方法选择的模型， 挑出来scan和esacf共同的模型和minic选的BIC最小的模型。
##
#####参数估计检验
    /*参数估计检验*/
    proc arima data=test.coal;
        identify var=coal_china(1) nlag=6;
        eq1:estimate p=1 q=0 ml;
    run;

把识别的模型pq值写进来， 用最大似然法估计， 得到参数估计值和相应模型的拟合优度报表。
##
#####预测
    /*预测*/
    proc arima data=test.coal;
        identify var=coal_china(1) nlag=6;
        eq1:estimate p=1 q=0 ml;
        forecast lead=2;
    run;

`lead`是预测后面几个值，直接预测就行，简单一点。
##
#####模型优化
    /*模型优化,下面能找出异常值， 但是不会创建新变量*/
    proc arima data=test.coal;
        identify var=coal_china(1) nlag=6 noprint;
        eq1:estimate p=1 q=0 ml;
        outlier type=(ao ls tc(5)) maxnum=9 id=year;
    run;

用`outlier`啊， `type`是方法， `maxnum`是最多能有几个异常值， `id`是你查谁有没有异常值的。
##
题目还有二三问，这边直接上代码吧：

/*第二问*/
    proc forecast data=test.coal 
                    out=work.demandARfor
                    outall
                    outest=work.paramerters
                    method=expo
                    
                    trend=2
                    lead=2;
        var coal_china;
        id year;
    run;
    
    /*第三问*/
    proc autoreg data=Test.coal;
        model coal_china=GDP_China_real /nlag=12 backstep;
        output out=Test.autoreg UCL=U95 LCL=L95 Predicted=Forecast;
    run;

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
##
#####模型识别
    /*模型识别*/
    proc arima data=test.coal;
        identify var=coal_china(1) nlag=6
            esacf scan minic;
    run;

可以看出scan、 esacf、 minic三个方法选择的模型， 挑出来scan和esacf共同的模型和minic选的BIC最小的模型。
##
#####参数估计检验
    /*参数估计检验*/
    proc arima data=test.coal;
        identify var=coal_china(1) nlag=6;
        eq1:estimate p=1 q=0 ml;
    run;

把识别的模型pq值写进来， 用最大似然法估计， 得到参数估计值和相应模型的拟合优度报表。
##
#####预测
    /*预测*/
    proc arima data=test.coal;
        identify var=coal_china(1) nlag=6;
        eq1:estimate p=1 q=0 ml;
        forecast lead=2;
    run;

`lead`是预测后面几个值，直接预测就行，简单一点。
##
#####模型优化
    /*模型优化,下面能找出异常值， 但是不会创建新变量*/
    proc arima data=test.coal;
        identify var=coal_china(1) nlag=6 noprint;
        eq1:estimate p=1 q=0 ml;
        outlier type=(ao ls tc(5)) maxnum=9 id=year;
    run;

用`outlier`啊， `type`是方法， `maxnum`是最多能有几个异常值， `id`是你查谁有没有异常值的。
##
题目还有二三问，这边直接上代码吧：

    /*第二问*/
    proc forecast data=test.coal 
                    out=work.demandARfor
                    outall
                    outest=work.paramerters
                    method=expo
                    
                    trend=2
                    lead=2;
        var coal_china;
        id year;
    run;
    
    /*第三问*/
    proc autoreg data=Test.coal;
        model coal_china=GDP_China_real /nlag=12 backstep;
        output out=Test.autoreg UCL=U95 LCL=L95 Predicted=Forecast;
    run;