SAS PROC SQL如何实现5年滚动日期窗口的分组去重计数

将原180天窗口判断条件修改为h2.year BETWEEN h.year-5 AND h.year，无法得到正确的近5年去重计数结果，核心问题有两点：

• 窗口长度不符合统计要求：该条件实际覆盖6个自然年，而非5年。例如当前行年份为2005时，匹配范围是2000-2005共6年，最终统计值会偏高。如果你的统计口径是「包含当前年在内的近5个自然年」，条件应改为h2.year BETWEEN h.year-4 AND h.year；如果是「不包含当前年的过去5年」，则改为h2.year BETWEEN h.year-5 AND h.year-1，可根据实际业务口径调整。
• 年份判断逻辑仅适用于年度粒度数据：如果你的原始数据是精确到日的日期维度数据，直接用年份差做判断会产生统计误差。例如当前记录日期为2025年1月1日，2020年12月31日的记录按年份差算满足间隔5年的要求，但实际两个日期间隔已超过5年，会被错误纳入统计范围。

针对你提供的年度粒度测试数据集，可参考以下代码实现正确统计：

data have;
    input permno year Cand_ID$;
    datalines;
1 2000 1 
1 2001 2 
1 2002 3 
1 2003 1 
1 2004 3 
1 2005 1 
2 2000 1 
2 2001 3 
2 2002 1 
2 2003 2 
2 2004 2 
2 2005 2 
2 2006 1 
2 2007 1 
3 2001 3 
3 2002 3 
3 2003 3 
3 2004 1 
3 2005 1
;
run;

/* 统计口径：包含当前年的近5个自然年，按permno分组统计Cand_ID去重数量 */
proc sql;
    create table want as
    select 
        h.permno,
        h.year,
        count(distinct h2.Cand_ID) as distinct_cand_cnt format=best.
    from have h
    left join have h2
        on h.permno = h2.permno
        and h2.year between h.year-4 and h.year
    group by h.permno, h.year
    order by h.permno, h.year;
quit;

结果验证参考（以测试集中permno=1的分组为例）：

• 2000年：窗口覆盖1996-2000，仅出现Cand_ID=1，计数为1
• 2001年：窗口覆盖1997-2001，出现Cand_ID 1、2，计数为2
• 2002-2005年：窗口覆盖范围内均包含Cand_ID 1、2、3，计数均为3
  如果使用最初写的h.year-5判断条件，在存在早于当前年5年以上的历史数据时，计数结果会比实际值偏高。

如果你的原始数据是日粒度的日期数据，不要用年份字段做窗口判断，直接使用SAS日期函数计算精确窗口即可，例如写为h2.date between intnx('year', h.date, -5, 'same') and h.date，就能得到精确到天的5年滚动窗口，避免年份差判断带来的统计误差。

内容的提问来源于stack exchange，提问作者Ankita Damani