手动跑50次逻辑回归确实太折腾了，把流程自动化不仅能省时间，还能避免手动操作的误差。下面我给你整理一套完整的SAS实现方案，直接适配你的需求，还会把关键细节讲清楚。

核心思路梳理 #

先把原始数据拆分成「取值为1的客户表」和「取值为0的客户表」，然后通过循环完成50次重复流程：各抽3000个样本→合并数据集→执行逻辑回归→保存结果。

完整SAS代码实现 #

第一步：拆分正负样本表

先把原始数据按目标变量（你的消费者行为标签）拆分，生成两个独立数据集：

/* 替换成你自己的原始数据集名和因变量名 */
DATA pos_sample neg_sample;
    SET your_original_dataset;
    IF target_label = 1 THEN OUTPUT pos_sample; /* 取值为1的客户集合 */
    ELSE IF target_label = 0 THEN OUTPUT neg_sample; /* 取值为0的客户集合 */
RUN;

第二步：编写自动化循环宏

用SAS宏来实现循环逻辑，这是SAS里做重复任务最常用的方式：

/* 定义宏，num_runs参数控制循环次数，默认50次 */
%MACRO auto_logistic(num_runs=50);
    %DO i = 1 %TO &num_runs.;
        /* 1. 严谨抽样：从正负样本各抽3000个 */
        /* 正样本抽样，SEED设置带循环索引，保证每次随机且可重复 */
        PROC SURVEYSELECT DATA=pos_sample OUT=pos_sampled_&i. METHOD=SRS SAMPSIZE=3000 SEED=123&i.;
        RUN;

        /* 负样本抽样 */
        PROC SURVEYSELECT DATA=neg_sample OUT=neg_sampled_&i. METHOD=SRS SAMPSIZE=3000 SEED=456&i.;
        RUN;

        /* 2. 合并抽样后的数据集 */
        DATA combined_data_&i.;
            SET pos_sampled_&i. neg_sampled_&i.;
        RUN;

        /* 3. 执行逻辑回归，保存模型参数和预测结果 */
        /* 替换成你自己的自变量列表 */
        PROC LOGISTIC DATA=combined_data_&i. OUTEST=model_params_&i. COVOUT;
            MODEL target_label(event='1') = var1 var2 var3 var4;
            /* 可选：保存每个样本的预测概率 */
            OUTPUT OUT=predicted_data_&i. P=pred_prob;
        RUN;

        /* 可选：计算每次模型的AUC，评估性能稳定性 */
        PROC LOGISTIC DATA=combined_data_&i. NOPRINT;
            MODEL target_label(event='1') = var1 var2 var3 var4;
            OUTPUT OUT=roc_data_&i. P=pred_prob;
        RUN;

        PROC AUC DATA=roc_data_&i.;
            VAR target_label pred_prob;
            OUTPUT OUT=auc_result_&i. AUC=auc_value;
        RUN;
    %END;

    /* 4. 合并所有循环结果，方便后续对比分析 */
    DATA all_model_params;
        SET model_params_1 - model_params_&num_runs.;
        run_id = _n_; /* 标记是第几次循环的结果 */
    RUN;

    DATA all_auc_results;
        SET auc_result_1 - auc_result_&num_runs.;
        run_id = _n_;
    RUN;
%MEND auto_logistic;

/* 调用宏，启动50次循环 */
%auto_logistic(num_runs=50);

关键细节提示 #

1. 抽样可靠性：用PROC SURVEYSELECT代替手动ranuni()抽样，它能严格实现简单随机抽样，避免偏差，SEED参数带循环索引（比如123&i.）能保证每次抽样的随机性和可重复性。
2. 结果不覆盖：所有循环生成的数据集都带&i.后缀（比如pos_sampled_1、combined_data_5），不会互相覆盖。
3. 结果复用：OUTEST参数保存的模型参数、合并后的all_model_params和all_auc_results，可以直接用来分析50次模型的稳定性和参数分布。
4. 适配调整：记得把代码里的your_original_dataset、target_label、var1/var2/var3/var4替换成你实际的数据集和变量名。如果正负样本总数不足3000，可以把SAMPSIZE改成SAMPRATE（抽样比例）。

内容的提问来源于stack exchange，提问作者Clément Hurel