SAS中BY语句是否自动保留变量？两种累加方法差异解析

这问题问得特别精准，刚好戳中SAS数据步里一个容易被忽略的细节——累加语句的隐式RETAIN规则，还有BY组处理时变量的保留逻辑，咱们一步步拆解清楚：

先明确你的场景和代码差异 #

你的原始数据集是按ID分组的多条观测，目标是计算每个ID组内的score累积和：

ID  Name  Score
1   David 45
1   David 74
2   Sam   45
2   Ram   54
...（剩余观测略）

你先做了排序：

PROC SORT DATA = READIN; BY ID; RUN;

然后写了两种看似只是交换累加顺序的方法，结果却完全不同：

方法1（正确） #

DATA READIN1;
 SET READIN;
 BY ID;
 if first.id then cum_score=score;
 else cum_score+score;
run;

方法2（错误） #

DATA READIN2;
 SET READIN;
 if first.id then cum_score=score;
 else score+cum_score;
run;

核心原因：SAS累加语句的特殊规则，和加法交换律无关！ #

敲黑板：SAS里的变量+表达式不是普通的数学加法，而是专用的累加语句，它有两个关键特性：

1. 累加语句的左侧变量会被隐式RETAIN（即保留上一条观测的变量值到下一条，不会被重置为缺失），如果这个变量是新创建的，初始值默认是0。
2. 累加语句的本质等价于：RETAIN 左侧变量 0; 左侧变量 = 左侧变量 + 表达式;

方法1为什么正确？ #

• 首先，cum_score是你新创建的变量，当执行cum_score+score时，SAS自动给cum_score加上了RETAIN属性。
• 遇到first.id时，你把cum_score赋值为当前观测的score（覆盖了初始的0）。
• 非first.id的观测时，累加语句会把当前score加到上一条观测保留下来的cum_score上，完美实现组内累积。
• 当切换到新的ID组时，first.id再次触发，cum_score被重置为当前组的第一个score，循环往复，结果自然正确。

方法2为什么错误？ #

这里犯了两个关键错误：

1. 用输入变量作为累加语句的左侧：score是原始数据集里的输入变量，SAS默认不会RETAIN输入变量——也就是说，每次处理新的观测时，score会被重新读取为当前观测的原始值，上一次累加的结果根本不会被保留！
2. 新变量cum_score没有被RETAIN：你只在first.id时给cum_score赋值，但cum_score是新变量，默认没有RETAIN属性，所以到下一条非first.id的观测时，cum_score的值是缺失的。
   • 此时执行score+cum_score，其实是用当前观测的原始score加缺失值，结果还是原始score，而且因为score是输入变量，这个结果不会被保留到下一条观测，完全起不到累积的作用。

一句话总结 #

SAS的累加语句是“定向”的：只有左侧的变量会被保留并累积，右侧只是每次要加的数值。这不是数学上的交换律能套用的场景——你把累积的目标变量和待加的数值搞反了，自然得不到正确结果。

内容的提问来源于stack exchange，提问作者Shashank Prasad