如何在SAS中实现数据分块并循环拟合Proc NLMIXED模型？

当然可以！在SAS里完全能实现你要的分块拟合NLMIXED模型的需求，我给你分享两种实用的方法，你可以根据自己的习惯选择：

方法一：通过分组变量+BY语句批量拟合（推荐） #

这种方法先给原始数据添加分组标识，再利用PROC NLMIXED的BY语句自动对每个分组单独拟合模型，效率更高且代码更简洁：

步骤1：生成带分组标识的数据集 #

首先用DATA步给每一行分配所属的组号（每130行一组，共10组）：

data grouped_data;
    set original_data; /* 替换成你的原始数据集名称 */
    /* 计算分组编号：每130行划分为一组 */
    group = ceil(_N_ / 130);
    /* 确保只保留前10组（避免数据行数超出1300时生成多余分组） */
    if group <= 10;
run;

/* 按分组变量排序（BY语句要求数据集有序） */
proc sort data=grouped_data;
    by group;
run;

步骤2：用BY语句批量拟合模型 #

直接在PROC NLMIXED中使用BY group;，SAS会自动为每个分组单独拟合模型，并在输出结果中区分不同组：

proc nlmixed data=grouped_data;
    by group; /* 对每个group独立拟合模型 */
    /* 替换成你的NLMIXED模型语句，示例如下 */
    model response_var = x1 x2 x3 / dist=normal; /* 固定效应部分 */
    random intercept / subject=subject_id; /* 随机效应部分 */
    
    /* 输出所有分组的参数估计到一个数据集，方便后续分析 */
    ods output ParameterEstimates=all_group_params;
run;

方法二：宏循环逐块处理（类似R的循环逻辑） #

如果你更习惯类似R的循环拆分数据的思路，可以用SAS宏来实现逐块提取数据并拟合模型：

%macro fit_nlmixed_blocks;
    %do i = 1 %to 10;
        /* 提取第i个130行的子集 */
        data data_block&i.;
            set original_data;
            /* 按行号筛选：第130*(i-1)+1到130*i行 */
            where _N_ between 130*(&i.-1)+1 and 130*&i.;
        run;
        
        /* 对当前子集拟合NLMIXED模型 */
        proc nlmixed data=data_block&i.;
            /* 替换成你的模型语句 */
            model response_var = x1 x2 / dist=logistic;
            random slope / subject=subject_id;
            
            /* 输出当前组的参数估计 */
            ods output ParameterEstimates=params_block&i.;
        run;
        
        /* 可选：将所有分组的参数估计合并到一个数据集 */
        %if &i. = 1 %then %do;
            data all_params;
                set params_block&i.;
                group = &i.;
            run;
        %end;
        %else %do;
            proc append base=all_params data=params_block&i.(in=new);
                if new then group = &i.;
            run;
        %end;
    %end;
%mend;

/* 调用宏执行循环 */
%fit_nlmixed_blocks;

注意事项 #

• 两种方法都依赖_N_（DATA步的观测序号）来划分子集，所以确保你的原始数据集是按你需要的顺序排列的；如果需要随机分组，要先对原始数据做随机打乱处理。
• 如果你的模型需要输出更多结果（比如拟合优度、残差等），可以通过ods output语句指定对应的输出数据集。

内容的提问来源于stack exchange，提问作者Adrian