PROC SURVEYSELECT用URS法设sampsize=500但样本量不足问题咨询

你观察到的输出样本数始终低于设定值，本质不是随机误差，是PROC SURVEYSELECT在URS方法下的默认输出规则和你对有放回抽样的输出预期存在认知差：

• 内部执行环节完全符合预期：SAS确实按照指定的sampsize=500，在30000条源记录上完成了500次独立的等概率有放回抽取，总抽取次数没有打折扣。
• 输出环节存在默认去重逻辑：URS方法默认会把同一条源记录的多次抽中结果合并为单行，额外生成一个名为NumberHits的变量，记录该条记录累计被抽中的次数，不会把重复抽中的记录逐行单独输出。

按照数学期望计算，30000条总体中开展500次有放回抽取，会产生约5次左右的重复命中，对应输出去重后的记录数大概在490-495区间，和你观察到的波动范围完全匹配。
这个默认设计的初衷是服务于复杂调查的抽样权重计算：合并后的NumberHits变量是计算抽样权重、估算抽样方差的核心输入，SAS从版本迭代开始就没有把逐次拆行作为URS方法的默认输出。

如果你的需求是逐行输出所有抽中记录（含重复行，匹配有放回抽样的计数逻辑），只需要在PROC SURVEYSELECT语句中新增OUTALL选项，修改后的代码如下：

proc surveyselect data = tmp 
    method = urs 
    sampsize = 500 
    seed = 100 
    out = out_tmp
    outall;
run;

• 新增该选项后，输出数据集的总行数会严格等于你指定的500，所有重复抽中的源记录会逐行保留，不会被去重合并。
• 如果你原本的使用场景是计算URS方法下的抽样权重，不需要逐行拆分重复记录，那就保留默认输出逻辑即可——这时候看到的输出行数少于设定sampsize是正常现象，总抽样次数并没有减少，完全可以直接用自带的NumberHits变量作为权重开展后续分析。

内容的提问来源于stack exchange，提问作者spoonman