Question

我有一个包含50名obs（员工）和多名vars的数据库：问题q1，q2 ....，q10 =＆gt; q1-q10满意度为1-5 性别，比例为1和0 比例为1的状态=已婚0 =单身收入重量教育年等等..

众所周知，数据存在拼写错误。我需要遍历数据库并检测：哪些变量有错字错误哪（员工）员工有错误

我该如何定义条件？例如：错误可能是两位数（性别= 00而不是0），或者值超过规模（q2 = 8）。我应该分别为每个var定义错误吗？对于显而易见的，它很容易，但一般来说，检测var =教育年份的错误，我做“重量=＆lt; 0”，因为它只是常识吗？

proc print data=comb;
where inc<0;
where gender ne 0&1;
where married ne 0&1;
where q1-q10 ne 1-5;
where w=<0;
where h=<0;
where edc<0;

检测到错误后我需要纠正错误：如果两个数字相似（例如性别= 00）。我应该只展示其中一个=＆gt; （性别= 0）。如何只打印第一个数字（对于这个特定的修正？）如果价值超过规模则转为缺失。再次，我是否分别为每个var做这个？

data comb;
if gender ne 0 & 1 then gender=
else if  married ne 0&1 then married=
else if q1-q10 ne 5-10 then q1-q10='';
else if 
run;

无论哪种方式，我都不确定如何正确构建这些条件。

Answer 1

除了像您一直在做的那样定义标准之外，没有快速识别/纠正错误的方法。但是，您似乎知道需要纠正的标准以及如何纠正它。 SAS需要通过更好的传递，这在这种情况下是好的，因为您可以在同一次传递数据中识别和纠正它们。

我不确定您是否需要确定哪些记录已更正错误但我已在下面添加了do循环以另外设置cleanflg=1 - 或者您可以交换此消息以将消息放入日志文件（例如putlog "NO" "TE: Variable Gender has been corrected from the original value of " gender= ;（例如）：

data clean ;
  set dirty ;
  array Q[10] q1-q10 .;

  if inc<0 then cleanflg=1 ; *Although assume it may be better to delete;

  if gender not in('0','1','00') the do ;
    cleanflg=1 ;
    gender=.;
  end ;

  if married not in(0,1) then do ;
    cleanflg=1 ;
    married=.;
  end ;

  *Loop through Question array to set to missing if outside required range ;
  do i=1 to 10 ;
    if Q[i] > 5 or Q[i]<1 then do ;
      cleanflg=1 ;
      Q[i]=. ;
    end ;
  end ;
run ;

SAS检测并纠正数据库中的拼写错误

1 个答案: