如何存储PROC MEANS的均值与标准差并用于另一数据集筛选异常值？

首先修正你的PROC MEANS代码 #

你当前的OUTPUT语句语法错误，正确写法要把MEAN/STD的赋值直接跟在OUTPUT OUT=后面，加上NOPRINT还能避免多余的结果输出：

PROC MEANS DATA = original NOPRINT;
VAR importantVar; 
OUTPUT OUT=originalMeans MEAN=orgMean STD=orgSTD;
RUN;

方法一：DATA步关联统计量与原数据集 #

因为originalMeans只有一行汇总统计数据，我们可以在DATA步中先读取一次统计量，再循环读取原数据集，这样就能直接调用统计量变量：

DATA outliers;
    /* 仅在第一次循环时读取统计量，后续循环保留变量值 */
    IF _N_ = 1 THEN SET originalMeans;
    /* 逐行读取原数据集 */
    SET original;
    /* 筛选超出±2倍标准差的异常值，可根据需求调整单侧/双侧 */
    IF (importantVar > orgMean + 2*orgSTD) OR (importantVar < orgMean - 2*orgSTD);
RUN;

方法二：用宏变量存储统计量（适合后续多处调用） #

如果需要在多个步骤中复用这些统计量，可以把它们存入宏变量，后续直接引用：

/* 先生成统计量数据集 */
PROC MEANS DATA = original NOPRINT;
VAR importantVar;
OUTPUT OUT=originalMeans MEAN=orgMean STD=orgSTD;
RUN;

/* 将统计量写入宏变量 */
DATA _NULL_;
    SET originalMeans;
    CALL SYMPUTX('mean_val', orgMean); /* SYMPUTX自动处理空格和类型转换 */
    CALL SYMPUTX('std_val', orgSTD);
RUN;

/* 生成异常值数据集，直接用宏变量 */
DATA outliers;
    SET original;
    IF (importantVar > &mean_val + 2*&std_val) OR (importantVar < &mean_val - 2*&std_val);
RUN;

更简便的异常值筛选方法：直接用PROC UNIVARIATE #

如果你只是要筛选异常值，无需手动计算统计量，可以直接用PROC UNIVARIATE的OUTLIERS选项，一步生成异常值数据集：

PROC UNIVARIATE DATA=original OUTLIERS=outliers;
VAR importantVar;
ID _ALL_; /* 保留原数据集的所有变量到异常值集中 */
RUN;

默认情况下，该过程会基于Tukey's fences识别异常值，也可以通过选项指定用标准差倍数筛选。

内容的提问来源于stack exchange，提问作者strange thinggggg