多選題數(shù)據(jù)統(tǒng)計(jì)分析方法及SAS實(shí)現(xiàn)*

中國(guó)疾病預(yù)防控制中心公共衛(wèi)生監(jiān)測(cè)與信息服務(wù)中心（102206）

夏蘭芳 孟郁潔 李迎迎 陳倩倩 于石成 李 月 馬家奇△戚曉鵬△

多選題數(shù)據(jù)統(tǒng)計(jì)分析方法及SAS實(shí)現(xiàn)*

中國(guó)疾病預(yù)防控制中心公共衛(wèi)生監(jiān)測(cè)與信息服務(wù)中心（102206）

夏蘭芳 孟郁潔 李迎迎 陳倩倩 于石成 李 月 馬家奇△戚曉鵬△

多選題數(shù)據(jù)錄入常用的編碼方法有二分法編碼、分類(lèi)法編碼和原始編碼［1］。其中，原始編碼是將多選題設(shè)為一個(gè)變量var，按照調(diào)查對(duì)象選擇順序連續(xù)錄入被選中選項(xiàng)的編碼；數(shù)據(jù)中各項(xiàng)之間以“，”分開(kāi)，如“1，3，5”。原始編碼最節(jié)約錄入時(shí)間，但是不便于統(tǒng)計(jì)分析，故在對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析之前需將原始編碼數(shù)據(jù)轉(zhuǎn)換為多個(gè)1-0單項(xiàng)選擇。目前多選題數(shù)據(jù)的轉(zhuǎn)換多使用SPSS［2-4］，應(yīng)用SAS的較少［1］，且只適用于選項(xiàng)數(shù)目在1～9個(gè)的多選題，當(dāng)選項(xiàng)≥10個(gè)時(shí)易出現(xiàn)錯(cuò)誤。本文主要介紹多選題數(shù)據(jù)轉(zhuǎn)換及SAS實(shí)現(xiàn)，簡(jiǎn)單介紹轉(zhuǎn)換完成后的統(tǒng)計(jì)分析。

程序設(shè)計(jì)思想

1.多選題數(shù)據(jù)轉(zhuǎn)換

在線調(diào)查數(shù)據(jù)中，原始編碼是將多選題設(shè)為一個(gè)變量var，按照調(diào)查對(duì)象選擇順序連續(xù)錄入被選中選項(xiàng)的編碼，各項(xiàng)之間以“，”分開(kāi)。原始編碼數(shù)據(jù)向二分法編碼數(shù)據(jù)轉(zhuǎn)換時(shí)，為了將二位數(shù)與一位數(shù)識(shí)別開(kāi)，比如“10”中的1與“1”，可以使用使用連接函數(shù)在var每個(gè)變量值前后加上分隔符“，”。這樣我們就可以采用IFN和INDEXW函數(shù)進(jìn)行原始編碼數(shù)據(jù)向二分法編碼數(shù)據(jù)轉(zhuǎn)換；此過(guò)程產(chǎn)生與多選題每個(gè)備選項(xiàng)相對(duì)應(yīng)的新變量var1、var2……varn，調(diào)查對(duì)象選中選項(xiàng)的變量值記為“1”，未選中選項(xiàng)的變量值記為“0”。例如某多選題有12個(gè)備選項(xiàng)，調(diào)查對(duì)象的選擇是“2”和“10”，則該多選題變量var的取值為2，10，然后產(chǎn)生與12個(gè)備選項(xiàng)相對(duì)應(yīng)的新變量var1、var2……var12；其中，var2和var10均記為“1”，其余變量記為“0”［1］。

2.統(tǒng)計(jì)分析

轉(zhuǎn)換完成之后，可對(duì)新變量var1、var2……var12逐個(gè)進(jìn)行統(tǒng)計(jì)描述和統(tǒng)計(jì)推斷。

實(shí)例及SAS程序

1.實(shí)例：您所學(xué)的專(zhuān)業(yè)為：（1）計(jì)算機(jī)，（2）生物醫(yī)學(xué)工程，（3）通信工程，（4）醫(yī)學(xué)，（5）護(hù)理，（6）經(jīng)濟(jì)管理，（7）統(tǒng)計(jì)，（8）病媒生物防制，（9）法律，（10）衛(wèi)生檢驗(yàn)，（11）衛(wèi)生事業(yè)管理，（12）其他。

2.數(shù)據(jù)轉(zhuǎn)換程序步驟：

圖1 SAS數(shù)據(jù)集（部分）

（1）產(chǎn)生宏程序dxt，其參數(shù)為數(shù)據(jù)集data，多選題變量var，多選題起始選項(xiàng)編號(hào)a，多選題最后選項(xiàng)編號(hào)b。一般地，a＜b。本例中a＝1，b＝12。

（2）建立數(shù)據(jù)集out，將數(shù)據(jù)集data內(nèi)的數(shù)據(jù)導(dǎo)入。

（3）利用catt函數(shù)在多選題var變量值前后各加上分隔符“，”，命名為變量為var1。

（4）設(shè)置宏變量i，產(chǎn)生與多選題備選項(xiàng)相對(duì)應(yīng)的新變量vara-varb（本例為var1-var12）。

（5）利用IFN函數(shù)和INDEXW函數(shù)一次檢索變量var的取值是否含有a～b（本例中為1～12），如果有，則將相應(yīng)選項(xiàng)的變量值記為“1”，否則記為“0”。

（6）調(diào)用宏程序dxt，本例中的參數(shù)為數(shù)據(jù)集data＝dataset，var＝t4x，a＝1，b＝12。

3.數(shù)據(jù)轉(zhuǎn)換SAS程序如下：

上述程序運(yùn)行結(jié)果為圖2，該轉(zhuǎn)換程序?qū)崿F(xiàn)了原始編碼數(shù)據(jù)向二分法編碼數(shù)據(jù)的轉(zhuǎn)換，同時(shí)區(qū)分開(kāi)了單位數(shù)和二位數(shù)，比如“1”和“10”。

圖2 數(shù)據(jù)轉(zhuǎn)換SAS程序運(yùn)行結(jié)果（部分）

4.數(shù)據(jù)統(tǒng)計(jì)分析

數(shù)據(jù)轉(zhuǎn)換完成后可以對(duì)每個(gè)新變量（以t4x1，即計(jì)算機(jī)專(zhuān)業(yè)為例）描述其“1”（專(zhuān)業(yè)為計(jì)算機(jī)）的分布；并利用卡方檢驗(yàn)比較其在不同gender（性別）間的分布，SAS程序如下：

除此之外，轉(zhuǎn)換產(chǎn)生的新變量還可以單獨(dú)作為自變量參與構(gòu)建回歸模型［5-6］、廣義線性模型、廣義相加模型［7］等。

討 論

在設(shè)計(jì)調(diào)查問(wèn)卷時(shí)，根據(jù)調(diào)查目的合理設(shè)置多選題，有助于確保調(diào)查信息的準(zhǔn)確性和全面性；然而在現(xiàn)實(shí)中，由于多選題數(shù)據(jù)錄入和統(tǒng)計(jì)分析的復(fù)雜性，導(dǎo)致大多數(shù)調(diào)查者不愿在問(wèn)卷中設(shè)置多選題［1］。本文提供的多選題原始編碼數(shù)據(jù)向二分法編碼數(shù)據(jù)轉(zhuǎn)換的程序有利于減少調(diào)查者數(shù)據(jù)錄入和統(tǒng)計(jì)分析的難度。

一般的實(shí)現(xiàn)多選題原始編碼數(shù)據(jù)向二分法編碼數(shù)據(jù)轉(zhuǎn)換的SAS程序在處理選項(xiàng)為多位數(shù)的多選題時(shí)，比如選項(xiàng)數(shù)為“11”，產(chǎn)生的變量var1和var11均為“1”，出現(xiàn)混亂。因此，將選項(xiàng)數(shù)限制為1～9。本文中設(shè)計(jì)的程序，CATT函數(shù)將每個(gè)變量值前后均加上分隔符“，”使得變量值每個(gè)選項(xiàng)號(hào)前后均有“，”；這樣，“，1，”和“，10，”是完全不同的，結(jié)合IFN函數(shù)和INDEXW函數(shù)就可以將單位數(shù)選項(xiàng)號(hào)和二位數(shù)選項(xiàng)號(hào)完全區(qū)分開(kāi)。因此本程序可彌補(bǔ)一般程序的不足。當(dāng)選項(xiàng)在1～9時(shí)該程序與一般程序等同。

此外，本研究數(shù)據(jù)轉(zhuǎn)換程序中將宏程序dxt設(shè)置了宏參數(shù)data，var，a，b，在每次調(diào)用程序時(shí)只需在程序后的括號(hào)內(nèi)指定參數(shù)取值，無(wú)需改動(dòng)原始宏程序。這在精簡(jiǎn)SAS程序的同時(shí)保證了原始宏程序的穩(wěn)定，減少出錯(cuò)率。

1.王鋒，吳秋云，邵繼紅，等.調(diào)查問(wèn)卷中多選題數(shù)據(jù)轉(zhuǎn)換的SAS程序設(shè)計(jì).中國(guó)衛(wèi)生統(tǒng)計(jì)，2012，29（2）：291，295.

2.李運(yùn)明，封宗超，李小凱，等.EpiData和SPSS軟件在多選題資料錄入和統(tǒng)計(jì)分析中的應(yīng)用.現(xiàn)代預(yù)防醫(yī)學(xué)，2010，37（21）：4012-4014.

3.林漢生，楊麗，夏蘇建，等.多選題答案的編碼與SPSS中SUBSTR函數(shù)的使用.中國(guó)衛(wèi)生統(tǒng)計(jì)，2001，18（6）：371-373.

4.林漢生，夏蘇建，楊麗，等.再談SPSS中SUBSTR函數(shù)與多選題答案的編碼.中國(guó)衛(wèi)生統(tǒng)計(jì)，2005，22（1）：60.

5.胡躍華，匡翔宇，金承剛，等.復(fù)雜抽樣Poisson回歸分析方法及應(yīng)用.中國(guó)衛(wèi)生統(tǒng)計(jì)，2012，29（5）：650-653.

6.李望晨，張利平，孔雨佳，等.我國(guó)婦幼死亡率GM（1，1）與線性回歸預(yù)測(cè)模型研究.中國(guó)衛(wèi)生統(tǒng)計(jì)，2010，27（4）：366-368.

7.李宏田，袁悅，李智文，等.GAM識(shí)別非線性相關(guān)及其在醫(yī)學(xué)統(tǒng)計(jì)建模中的應(yīng)用.中國(guó)衛(wèi)生統(tǒng)計(jì)，2012，29（6）：782-785，789.

（責(zé)任編輯：郭海強(qiáng)）

國(guó)家重大科學(xué)研究計(jì)劃項(xiàng)目（2012CB955504）

△通信作者：馬家奇，E-mail：majq＠chinacdc.cn；戚曉鵬，E-mail：caroline_ qi＠163.com。