Proc SurveySelect分层抽样未返回请求样本量问题咨询

• 检查sampsize_file的内容准确性：
  • 确认目标层的样本量数值是否确实为22，而非20或其他数值；检查数值是否存在格式问题（如带小数、非数字字符，SAS会自动取整或识别失败）。
  • 确认sampsize_file的变量匹配：必须包含与strata语句一致的分层变量，且样本量变量默认名为_SAMPLE_SIZE_，若自定义变量名需用var指定，否则SAS无法正确读取对应层的样本量要求。
  • 排查sampsize_file中是否存在目标层的重复记录或缺失记录，重复记录可能导致SAS取最后一条的样本量，缺失记录则会触发SAS默认抽样规则。
• 验证目标层的实际有效单元数：
  • 检查mydata中目标层的观测数，是否真的有150条有效记录。注意分层变量的取值是否存在格式差异（如大小写、空格、数据类型不匹配：数值型vs字符型），导致sampsize_file中的层与mydata中的层无法匹配，实际抽样的是另一个仅有20条记录的“同名异层”。
  • 排查目标层观测是否存在重复或缺失关键信息（如主键重复），导致SAS实际可抽样的唯一单元数不足。
• 测试单独抽样目标层：
  抽取mydata中的目标层单独测试，排除分层匹配问题：

  data test_strata;
      set mydata;
      where strata='目标层取值';
  run;
  
  proc surveyselect data=test_strata sampsize=22 seed=1234 out=test_sample method=srs;
  run;
  

  如果该测试能正常抽取22个样本，说明问题出在sampsize_file的匹配或内容上；如果仍只抽取20个，说明test_strata中实际有效观测数仅为20。
• 排查SELECTALL选项的影响：
  SELECTALL会在样本量要求大于层内单元数时抽取全部单元，但如果目标层实际单元数不足22（如之前排查的隐藏问题），会直接返回所有单元。可暂时移除该选项，看抽样结果是否符合预期，以排除该选项的特殊逻辑干扰。
• 检查SAS版本兼容性：
  部分旧版本SAS的PROC SURVEYSELECT在读取sampsize数据集时存在bug，若条件允许可升级至较新版本重试。

内容的提问来源于stack exchange，提问作者Catalina Cazan