5.4数据准备之抽样和权重计算

 一.抽样方法

• 随机抽样可以用来开发训练和测试样本
• 均衡抽样（对称抽样）中，设计的样本中的目标变量具有特定的构成。另外在logistic回归模型中，总体中正常和违约事件的初始比例应当作为因变量的先验概率？？？
• 分层抽样中，用一个或多个与业务申请相关的变量值将数据分层

二.样本规模

依据内部标准实际实践和理论基础

三.编程实现

1. 随机抽样

• • proc surveyselect
  • % randomsample（抽取两个随机样本，可能有重合部分）

以下是宏%randomsample的具体定义：

%macro randomsampe(popds,sampleds,samplesize);

proc surveyselect

data=&popds

method=srs

n=&samplesize

noprint

out=&sampleds;

run;

%mend;

• • %R2Partitions（抽取两个随机样本，无重合部分）

%R2Partitions(DSin,IDVar,DS1,DS2,N1,N2,M_Error) 

/*输入数据集，ID变量，第一个随机样本，第二个随机样本，DS1的规模，DS2的规模，错误信息*/

2.均衡抽样和权重

%B2Partitions(DSin,IDVar,Dvvar,DS1,N1,P1,DS2,N2P2,M_Error);

/*  输入数据集，ID变量，因变量，第一个均衡样本的名称，规模，DS1的违约率，第二个均衡样本的名称，规模，DS2的违约率，错误信息 */

3.计算样本权重（即计算违约和正常的权重）

%BSWeight(popds,sds,dvvar,tvar,dsout)

/* 总体数据集，均衡抽样数据集，因变量，权重变量的名称，输出数据集 */