如何用SAS的PROC MEANS/FREQ等过程步一次性实现多维度统计需求？

问题说明 #

现有包含ID、HS、REP、YEAR字段的数据集，示例数据如下：

ID       HS        REP      YEAR
0001      A          a       2015
0001      B          a       2015 
0001      B          c       2015
0001      B          d       2015
0002      A          f       2015
0002      A          g       2015
0002      B          a       2015      

需要按HS维度完成两项统计：

• 每个HS对应的唯一REP数量
• 每个HS对应的唯一ID总数（同一ID出现在多个HS中需分别统计）

期望输出格式：

Year     HS   REP  TotIDs
   2015     A     3     2    
   2015     B     4     2 

（注：HS“A”对应3个唯一REP、2个唯一ID；HS“B”对应4个唯一REP、2个唯一ID）

同时需要计算上述统计结果的均值、中位数等汇总统计量，询问是否可通过PROC MEANS、PROC UNIVARIATE或PROC FREQ等SAS过程步一次性实现该需求。

解决方案 #

1. 生成分组唯一值统计结果 #

最直接的方式是使用PROC SQL完成分组去重计数，代码如下：

proc sql;
    create table stats_by_hs as
    select 
        YEAR,
        HS,
        count(distinct REP) as REP,
        count(distinct ID) as TotIDs
    from your_dataset_name /* 替换成你的实际数据集名称 */
    group by YEAR, HS;
quit;

这段代码会按YEAR和HS分组，分别计算每组内唯一REP和ID的数量，直接生成你需要的基础统计表。

2. 计算汇总统计量 #

要得到均值、中位数等指标，只需基于上面生成的stats_by_hs数据集调用PROC MEANS即可：

proc means data=stats_by_hs mean median min max n;
    var REP TotIDs; /* 指定需要计算汇总的变量 */
    class YEAR; /* 可选：按年份分组汇总，不需要可删除 */
    title "REP与TotIDs的汇总统计指标";
run;

关于单一过程步实现的说明 #

PROC MEANS/PROC UNIVARIATE的核心是对数值变量做描述性统计，无法直接计算分组内的唯一值计数；PROC FREQ可以生成交叉表的频次统计，但无法输出你需要的结构化统计格式。因此没有办法用单一过程步一次性完成需求，两步组合是最简洁、易维护的方案：先用PROC SQL完成分组去重统计，再用PROC MEANS生成汇总指标。

内容的提问来源于stack exchange，提问作者NewUsr