SAS:n käyttö Työterveyslaitoksessa. Pertti Mutanen



Samankaltaiset tiedostot
Työhyvinvointia yhteisesti kehittämällä - TEDI

Työterveyslaitoksen työhygieeniset asiantuntijapalvelut

Health 2000/2011 Surveys. Statistical Analysis using SAS and SAS-Callable SUDAAN Packages Esa Virtala.

Dynaamista ja joustavaa ohjelmointia - maukasta makrokielellä

Tilastollisten menetelmien käyttö Kelan tutkimustoiminnassa

Gap-filling methods for CH 4 data

The CCR Model and Production Correspondence

Jakaumien merkitys biologisissa havaintoaineistoissa: Löytyykö ratkaisu Yleistetyistä Lineaarisista (Seka)Malleista?

Capacity Utilization

Efficiency change over time

Information on preparing Presentation

1.3Lohkorakenne muodostetaan käyttämällä a) puolipistettä b) aaltosulkeita c) BEGIN ja END lausekkeita d) sisennystä

Timo Hurme Maa- ja elintarviketalouden tutkimuskeskus MTT

Alternative DEA Models

Graph. COMPUTE x=rv.normal(0,0.04). COMPUTE y=rv.normal(0,0.04). execute.

FinFamily PostgreSQL installation ( ) FinFamily PostgreSQL

KONEISTUSKOKOONPANON TEKEMINEN NX10-YMPÄRISTÖSSÄ

Choose Finland-Helsinki Valitse Finland-Helsinki

DATA-vaiheen ohjelmoijan yleissivistys helposti unohtuvia asioita

Returns to Scale II. S ysteemianalyysin. Laboratorio. Esitelmä 8 Timo Salminen. Teknillinen korkeakoulu

On instrument costs in decentralized macroeconomic decision making (Helsingin Kauppakorkeakoulun julkaisuja ; D-31)

I. Principles of Pointer Year Analysis

C++11 seminaari, kevät Johannes Koskinen

On instrument costs in decentralized macroeconomic decision making (Helsingin Kauppakorkeakoulun julkaisuja ; D-31)

E80. Data Uncertainty, Data Fitting, Error Propagation. Jan. 23, 2014 Jon Roberts. Experimental Engineering

Frequencies. Frequency Table

Bounds on non-surjective cellular automata

7. Lohkominen ja sulautus 2 k kokeissa. Lohkominen (Blocking)

1.3 Lohkorakenne muodostetaan käyttämällä a) puolipistettä b) aaltosulkeita c) BEGIN ja END lausekkeita d) sisennystä

Otanta-aineistojen analyysi (78136, 78405) Kevät 2010 TEEMA 3: Frekvenssiaineistojen asetelmaperusteinen analyysi: Perusteita

Ruokahalu kasvaa syödessä lisää makrokielen herkkuja

ATH-aineiston tilastolliset analyysit SPSS/PASW SPSS analyysit / Risto Sippola 1

SIMULINK S-funktiot. SIMULINK S-funktiot

812336A C++ -kielen perusteet,

SPSS ohje. Metropolia Business School/ Pepe Vilpas

Datavaiheen taikoja - tietäjien perintönä

RULLARADAT RULLADAT ROLLER TABLES

Other approaches to restrict multipliers

Tässä harjoituksessa käydään läpi R-ohjelman käyttöä esimerkkidatan avulla. eli matriisissa on 200 riviä (havainnot) ja 7 saraketta (mittaus-arvot)

Perhevapaiden palkkavaikutukset

Dictionary taulut. Miten perus metadataa käytetään koodillisesti joustavuutta lisäämään

Makrojen mystinen maailma lyhyt oppimäärä

SAS/IML käyttö ekonometristen mallien tilastollisessa päättelyssä. Antti Suoperä

proc glm data = ex61; Title2 "Aliasing Structure of the 2_IV^(5-1) design"; model y = A B C D E /Aliasing; run; quit;

( ( OX2 Perkkiö. Rakennuskanta. Varjostus. 9 x N131 x HH145

Ohjelmoinnin peruskurssien laaja oppimäärä

Tynnyrivaara, OX2 Tuulivoimahanke. ( Layout 9 x N131 x HH145. Rakennukset Asuinrakennus Lomarakennus 9 x N131 x HH145 Varjostus 1 h/a 8 h/a 20 h/a

ECVETin soveltuvuus suomalaisiin tutkinnon perusteisiin. Case:Yrittäjyyskurssi matkailualan opiskelijoille englantilaisen opettajan toteuttamana

Otanta-aineistojen analyysi

TM ETRS-TM35FIN-ETRS89 WTG

T Statistical Natural Language Processing Answers 6 Collocations Version 1.0

Hyvinvointia työstä. Työterveyslaitos

TM ETRS-TM35FIN-ETRS89 WTG

TM ETRS-TM35FIN-ETRS89 WTG

Metsälamminkankaan tuulivoimapuiston osayleiskaava

Uusi Ajatus Löytyy Luonnosta 4 (käsikirja) (Finnish Edition)

National Building Code of Finland, Part D1, Building Water Supply and Sewerage Systems, Regulations and guidelines 2007

On instrument costs in decentralized macroeconomic decision making (Helsingin Kauppakorkeakoulun julkaisuja ; D-31)

TM ETRS-TM35FIN-ETRS89 WTG

ETELÄESPLANADI HELSINKI

TM ETRS-TM35FIN-ETRS89 WTG

WindPRO version joulu 2012 Printed/Page :42 / 1. SHADOW - Main Result

TM ETRS-TM35FIN-ETRS89 WTG

Toppila/Kivistö Vastaa kaikkin neljään tehtävään, jotka kukin arvostellaan asteikolla 0-6 pistettä.

Tilastollinen vastepintamallinnus: kokeiden suunnittelu, regressiomallin analyysi, ja vasteen optimointi. Esimerkit laskettu JMP:llä

Valuation of Asian Quanto- Basket Options

LYTH-CONS CONSISTENCY TRANSMITTER

HARJOITUS- PAKETTI A

Laskennallisesti Älykkäät Järjestelmät. Sumean kmeans ja kmeans algoritmien vertailu

( ,5 1 1,5 2 km

Kvanttilaskenta - 2. tehtävät

A250A0050 Ekonometrian perusteet Tentti

TM ETRS-TM35FIN-ETRS89 WTG

Rotarypiiri 1420 Piiriapurahoista myönnettävät stipendit

Tietorakenteet ja algoritmit

I. AES Rijndael. Rijndael - Internal Structure

Otanta-aineistojen analyysi Kevät 2010 TEEMA 5: Tilastollinen mallinnus II Mallit, analyysimenetelmiä ja ohjelmia, PISA-esimerkki

Kaksitasoiset hierarkiset asetelmat (Two-Stage Nested Designs) 9. Muita koeasetelmia. 9.1 Hierarkiset asetelmat (Nested Designs)

Käyttöliittymät II. Käyttöliittymät I Kertaus peruskurssilta. Keskeisin kälikurssilla opittu asia?

TIEKE Verkottaja Service Tools for electronic data interchange utilizers. Heikki Laaksamo

19. Statistical Approaches to. Data Variations Tuomas Koivunen S ysteemianalyysin. Laboratorio. Optimointiopin seminaari - Syksy 2007

Use of spatial data in the new production environment and in a data warehouse


TM ETRS-TM35FIN-ETRS89 WTG

Business Opening. Arvoisa Herra Presidentti Very formal, recipient has a special title that must be used in place of their name

7.4 Variability management

Infrastruktuurin asemoituminen kansalliseen ja kansainväliseen kenttään Outi Ala-Honkola Tiedeasiantuntija

Information on Finnish Language Courses Spring Semester 2018 Päivi Paukku & Jenni Laine Centre for Language and Communication Studies

SAS ja R yhteiskäyttö

Naisnäkökulma sijoittamiseen Vesa Puttonen

2017/S Contract notice. Supplies

Network to Get Work. Tehtäviä opiskelijoille Assignments for students.

Statistical design. Tuomas Selander

TM ETRS-TM35FIN-ETRS89 WTG

make and make and make ThinkMath 2017

MTTTP5, luento Luottamusväli, määritelmä

,0 Yes ,0 120, ,8

anna minun kertoa let me tell you

WindPRO version joulu 2012 Printed/Page :47 / 1. SHADOW - Main Result

TIETEEN PÄIVÄT OULUSSA

Transkriptio:

SAS:n käyttö Työterveyslaitoksessa Pertti Mutanen

Edistämme työn terveellisyyttä ja turvallisuutta osana hyvää elämää

Työterveyslaitos Arbetshälsoinstitutet Itsenäinen julkisoikeudellinen yhteisö Sosiaali- ja terveysministeriön hallinnonalan sektoritutkimuslaitos Johtokunta ohjaa toimintaamme. Johtokunnassa ovat edustettuina sosiaali- ja terveysministeriö työ- ja elinkeinoministeriö työnantajajärjestöt (EK, Kunnallinen työmarkkinalaitos) työntekijäjärjestöt (AKAVA, SAK, STTK) omaa työtä tekevien järjestö (MTK)

Lukuja Perustettu 1945 Talousarvio 2009: n. 69 milj. Valtionosuus 60 % Omat tuotot 40 % ulkopuolinen tutkimusrahoitus palvelutoiminnan tuotot koulutustuotot tiedonvälityksen tuotot Henkilöstömäärä valtionosuuteen oikeutettu henkilöstö: n. 600 ylimääräisillä tuotoilla palkattu henkilöstö: n. 200

TTL ratkoo työn ja hyvinvoinnin yhteyksiä Työttömät: työllistymisen edellytykset Nuoret: valmiudet toimia työelämässä Terveellinen, turvallinen, mielekäs työ osana hyvää elämää Ikääntyvät: houkutteleva työ Työkyvyttömät, vajaakuntoiset: toimiva palvelujärjestelmä, työhönpaluun mahdollisuudet

Organisaatio Toimipisteet: Helsinki, Kuopio, Lappeenranta, Oulu, Tampere, Turku

Alueellinen toiminta Tarjoamme kokonaisvaltaisia palveluja alueellisesti koko TTL:n osaaminen käytettävissä eri puolilla Suomea Otamme huomioon alueiden vahvat osaamiskeskittymät ja työpaikkojen palvelutarpeet Suuret ja pienet työpaikat, työterveyshuollot, työsuojelupiirit, tutkimuslaitokset, yliopistot ja ammattikorkeakoulut,. muut oppilaitokset, kunnat, TE-keskukset, viranomaiset, jne.. Turku.. Tampere Oulu. Helsinki Kuopio. Lappeenranta

Tilastotiedepalvelut Asiantuntijatoiminnan tavoitteena on edistää tilastotieteen menetelmien oikeata ja tehokasta käyttöä Työterveyslaitoksen kaikkien osaamiskeskusten tutkimusprojekteissa ja muissa toiminnoissa. Tilastotieteen asiantuntijat osallistuvat tutkimusten suunnitteluun, aineistojen tilastolliseen käsittelyyn sekä tulosten tulkintaan ja raportointiin. + tilastollista ohjelmistoa + sisäistä koulutusta + tilastollisten menetelmien ja laskentamahdollisuuksia tutkimusta

SAS-ohjelmisto SAS tuotteet: BASE STAT GRAPH EG, Enterprise Guide IML FSP INSIGHT

SAS käyttö Aineistojen tilastollinen käsittely -datan käsittely -tilastollinen analyysi -grafiikka, jäänyt vähemmälle -IML, makrot, analyysejä -INSIGHT, tutkija

SAS käyttö Datan käsittely -aineistojen muokkaus analyysiä varten -esimerkkejä

SAS käyttö Tilastollinen analyysi -raportointia Työ ja terveys haastattelututkimus, taulukkoraportointia FREQ, TABULATE, MEANS, CORR -tilastollista analyysiä SAS/Stat proseduurit GLM, MIXED, NLMIXED LOGISTIC, GENMOD TTEST, NPAR1WAY PHREG POWER

SAS Proc mixed -toistomittausanalyysiä The MIXED procedure fits a variety of mixed linear models to data and enables you to use these fitted models to make statistical inferences about the data. A mixed linear model is a generalization of the standard linear model used in the GLM procedure, the generalization being that the data are permitted to exhibit correlation and nonconstant variability. The mixed linear model, therefore, provides you with the flexibility of modeling not only the means of your data (as in the standard linear model) but their variances and covariances as well. Since Gaussian data can be modeled entirely in terms of their means and variances/covariances, the two sets of parameters in a mixed linear model actually specify the complete probability distribution of the data. The parameters of the mean model are referred to as fixed-effects parameters, and the parameters of the variance-covariance model are referred to as covariance parameters.

SAS Proc mixed -toistomittausanalyysiä

SAS Proc mixed -toistomittausanalyysiä PROC MIXED <options> ; CLASS variables ; MODEL dependent = <fixed-effects> </ options> ; RANDOM random-effects </ options> ; REPEATED <repeated-effect></ options> ; PARMS (value-list)...</ options> ; LSMEANS fixed-effects </ options> ; PROC MIXED data=pr method=ml covtest; CLASS Person Gender; MODEL y = Gender Age Gender*Age / s; REPEATED / type=un subject=person r; RUN;

Sleep Restriction and Multitasking Performance PROC MIXED -toistomittausnalyysi ods output RCorr=rcorr1; title " mt50, paivat 2-7, lajennettu CS-malli "; proc mixed data=dataf method=reml COVTEST noclprint ; class apip group day day2 idnroday idnro time2 dayapiptime ; model mt50 = group day apip time3 time3*day*group / DDFM=SATTERTH s OUTP=predi1; repeated dayapiptime / type=lin(4) ldata=rmalli1 sub=idnro rcorr r ; random time3 / type=un /* sub=idnro */ sub=iddayapip s ; parms (5000) (170000) (200000) (50000) (15000) ; /* parms (100) (1000) (1000) (100) (100) ; */ run; ods output ; run;

SAS Proc mixed -toistomittausanalyysiä

SAS Proc mixed -toistomittausanalyysiä TYPE=covariance-structure specifies the covariance structure of the R matrix. The SUBJECT= option defines the blocks of R, and the TYPE= option specifies the structure of these blocks. Valid values for covariance-structure and their descriptions are provided in Table 56.13 and Table 56.14. The default structure is VC. Table 56.13 Covariance Structures Structure Description Parms th element ANTE(1) Ante-dependence AR(1) Autoregressive(1) 2 ARH(1) Heterogeneous AR(1) ARMA(1,1) ARMA(1,1) 3 CS Compound Symmetry 2 CSH Heterogeneous CS FA( )... LIN( ) TOEP... Factor Analytic General Linear Toeplitz

SAS Proc mixed -toistomittausanalyysiä TYPE=LIN(q) specifies the general linear covariance structure with q parameters (Helms and Edwards 1991). This structure consists of a linear combination of known matrices that are input with the LDATA= option. This structure is very general, and you need to make sure that the variance matrix is positive definite. By default, PROC MIXED sets the initial values of the parameters to 1. You can use the PARMS statement to specify other initial values. Structure Description Parms (i,j)th element LIN(q) General Linear q LDATA=SAS-data-set reads the coefficient matrices associated with the TYPE=LIN(number) option. The data set must contain the variables Parm, Row, Col1 Col n or Parm, Row, Col, Value. The Parm variable denotes which of the number coefficient matrices is currently being constructed, and the Row, Col1 Col n, or Row, Col, Value variables specify the matrix values, as they do with the RANDOM statement option GDATA=. Unspecified values of these matrices are set equal to 0. repeated / type=lin(4) ldata=rmalli1 sub=idnro rcorr ;

SAS Proc mixed -toistomittausanalyysiä LIN(q) General Linear q repeated / type=lin(4) ldata=rmalli1 sub=idnro rcorr ; parm=1; parm=2; parm=3; parm=4; diagonaali-parametri, kaikille yhteinen arvo diagonaalilla varianssiparametri yksilölle = parm1+parm2 diagonaali ja ei-diagonaali, kaikille yhteinen arvo sekä diagonaalilla että ei-diagonaalilla kovarianssiparametri = parm2 5:n havainnon keskinäinen ei-diagonaali-arvo, kovarianssi näiden viiden havainnon välillä = parm2+parm3+parm4 saman päivän sisällä ap-ip-kovarianssi, kovarianssi saman päivän sisällä olevien aamu ja iltapäivä-havaintojen välillä = parm2 + parm4

SAS Proc mixed -toistomittausanalyysiä SAS-tulosteesta poimittua, estimated R Correlation Matrix

SAS Proc mixed -toistomittausanalyysiä SAS-tulosteesta poimittua Covariance Parameter Estimates Standard Z Cov Parm Subject Estimate Error Value Pr Z UN(1,1) idnro 5953.91 2281.85 2.61 0.0045 LIN(1) idnro 189804 11614 16.34 <.0001 LIN(2) idnro 221528 77631 2.85 0.0043 LIN(3) idnro 51476 9496.20 5.42 <.0001 LIN(4) idnro 31458 10916 2.88 0.0040 Fit Statistics -2 Res Log Likelihood 17564.5 AIC (smaller is better) 17574.5 AICC (smaller is better) 17574.6 BIC (smaller is better) 17579.5

SAS Proc mixed -toistomittausanalyysiä SAS, LDATA-tiedoston rakenteen tarkastelua, print parm=1 Obs parm col1 col2 col3 col4 col5 col6 col7 col8 col9 col10 col11 1 1 1 0 0 0 0 0 0 0 0 0 0 2 1 0 1 0 0 0 0 0 0 0 0 0 3 1 0 0 1 0 0 0 0 0 0 0 0 4 1 0 0 0 1 0 0 0 0 0 0 0 5 1 0 0 0 0 1 0 0 0 0 0 0 6 1 0 0 0 0 0 1 0 0 0 0 0 7 1 0 0 0 0 0 0 1 0 0 0 0 8 1 0 0 0 0 0 0 0 1 0 0 0 9 1 0 0 0 0 0 0 0 0 1 0 0 10 1 0 0 0 0 0 0 0 0 0 1 0 11 1 0 0 0 0 0 0 0 0 0 0 1

SAS Proc mixed -toistomittausanalyysiä SAS, LDATA-tiedoston rakenteen tarkastelua, print parm=2 Obs parm col1 col2 col3 col4 col5 col6 col7 col8 col9 col10 col11 61 2 1 1 1 1 1 1 1 1 1 1 1 62 2 1 1 1 1 1 1 1 1 1 1 1 63 2 1 1 1 1 1 1 1 1 1 1 1 64 2 1 1 1 1 1 1 1 1 1 1 1 65 2 1 1 1 1 1 1 1 1 1 1 1 66 2 1 1 1 1 1 1 1 1 1 1 1 67 2 1 1 1 1 1 1 1 1 1 1 1 68 2 1 1 1 1 1 1 1 1 1 1 1 69 2 1 1 1 1 1 1 1 1 1 1 1 70 2 1 1 1 1 1 1 1 1 1 1 1 71 2 1 1 1 1 1 1 1 1 1 1 1

SAS Proc mixed -toistomittausanalyysiä SAS, LDATA-tiedoston rakenteen tarkastelua, print parm=3 Obs parm col1 col2 col3 col4 col5 col6 col7 col8 col9 col10 col11 col12 col13 col14 col15 col16 121 3 0 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 122 3 1 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 123 3 1 1 0 1 1 0 0 0 0 0 0 0 0 0 0 0 124 3 1 1 1 0 1 0 0 0 0 0 0 0 0 0 0 0 125 3 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 126 3 0 0 0 0 0 0 1 1 1 1 0 0 0 0 0 0 127 3 0 0 0 0 0 1 0 1 1 1 0 0 0 0 0 0 128 3 0 0 0 0 0 1 1 0 1 1 0 0 0 0 0 0 129 3 0 0 0 0 0 1 1 1 0 1 0 0 0 0 0 0 130 3 0 0 0 0 0 1 1 1 1 0 0 0 0 0 0 0 131 3 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 0 132 3 0 0 0 0 0 0 0 0 0 0 1 0 1 1 1 0 133 3 0 0 0 0 0 0 0 0 0 0 1 1 0 1 1 0 134 3 0 0 0 0 0 0 0 0 0 0 1 1 1 0 1 0 135 3 0 0 0 0 0 0 0 0 0 0 1 1 1 1 0 0 136 3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

SAS Proc mixed -toistomittausanalyysiä SAS, LDATA-tiedoston rakenteen tarkastelua, print parm=4 Obs parm col1 col2 col3 col4 col5 col6 col7 col8 col9 col10 col11 col12 181 4 0 1 1 1 1 1 1 1 1 1 0 0 182 4 1 0 1 1 1 1 1 1 1 1 0 0 183 4 1 1 0 1 1 1 1 1 1 1 0 0 184 4 1 1 1 0 1 1 1 1 1 1 0 0 185 4 1 1 1 1 0 1 1 1 1 1 0 0 186 4 1 1 1 1 1 0 1 1 1 1 0 0 187 4 1 1 1 1 1 1 0 1 1 1 0 0 188 4 1 1 1 1 1 1 1 0 1 1 0 0 189 4 1 1 1 1 1 1 1 1 0 1 0 0 190 4 1 1 1 1 1 1 1 1 1 0 0 0 191 4 0 0 0 0 0 0 0 0 0 0 0 1 192 4 0 0 0 0 0 0 0 0 0 0 1 0 193 4 0 0 0 0 0 0 0 0 0 0 1 1

SAS Proc mixed -toistomittausanalyysiä LDATA-tiedoston teko data-vaiheessa data rmalli1(keep=parm row col1-col60); length parm row 8; array mat{60} col1-col60; parm=1; do i=1 to 60; do ii=1 to 60; mat{ii}=0; end; row=i; do j=1 to 60; if j=i then arvo=1; else arvo=0; mat{j}=arvo; end; output; end; parm=2; do i=1 to 60; row=i; do ii=1 to 60; mat{ii}=1; end; output; end; parm=3;... jne

SAS Mixed GLM/Manova vertailua, 2 ajankohtaa PROC MIXED data=dataf1 method=reml covtest NOCLPRINT; CLASS ID ; MODEL mase = time koekont1 sukup aika Amasenriski Avalmistautu koekont1*time sukup*time aika*time amasenriski*time Avalmistautu*time / s ; REPEATED / type=un subject=id r; RUN; PROC GLM data= dataf2 ; MODEL Amasennus Cmasennus = koekont1 sukup aika Avalmistautu amasenriski / nouni ; REPEATED Time 2 (1 3) / summary printe; QUIT; RUN;

SAS käyttö, datan käsittely, esimerkki 1 Lähtödata datan muokkaus eri proseduureilla Tulosdata Obs sukup syntyv ammx sta95 sta00 sta04 sta05 lkm 1 1 1931 21 1 1 1 3 1 2 1 1931 21 1 1 3 3 2 3 1 1931 21 1 3 2 3 1 4 1 1931 21 1 3 3 3 52 5 1 1931 21 1 3 3 4 1 jne, N=7785 Obs year age S1TOT1 S1TOT2 S1TOT3 S1TOT4 W1W1 W1W2 W1W3 W1W4 1 1995-16 321 144 23 1 0.01 0.00 0.05 1.00 jne 2 1995-15 634 284 57 2 0.01 0.00 0.02 0.50 3 1995-14 895 388 65 3 0.00 0.00 0.02 0.33 4 1995-13 1163 503 105 5 0.00 0.00 0.01 0.20 5 1995-12 1228 592 133 2 0.00 0.00 0.01 0.50 6 1995-11 1369 604 116 7 0.00 0.00 0.01 0.14 jne, N=125

SAS käyttö, datan käsittely, esimerkki 1 alkutila 1 data-vaihe, siirtymät 1995-2000 tabulate data sort data data data data.., siirtymät 2000-2004 data.., siirtymät 2004-2005 alkutila 2, alkutila 3, data datan tulostus txt-tiedostoon SAS-rivejä yli 1000 Analyysi(R-ohjelmistolla)

SAS käyttö, datan käsittely, esimerkki 1 title "Tiedosto= &dfile sex= &sex alkut= &alkutila "; ods output Table=table1 ; proc tabulate data=apu noseps ; class ika95 ika00 ika04 ika05 sta95 sta00 sta04 sta05; tables ika04, (sta05 all)* (N*F=7.0 ) / RTS=10 ; freq lkm ; where sta04= &alkutila; run; data table2; set table1; year=2004; age=ika04; drop ika04; if _TYPE_="11"; run; proc sort data=table2; by age sta05; run; jne, rivejä yli 1000

SAS käyttö, datan käsittely, esimerkki 2 Lähtödata datan muokkaus eri proseduureilla Tulosdata Obs jarjnro SVV KVV Laak1 L1AIKAVV SA1 SA2 SA3 SA4 818 511 1931....... 819 407 1927 1997 427 86.... 820 165 1918... 37... 821 671 1937...... 89 822 477 1930 2000 427 93 34... 823 779 1941... 73... 824 171 1919 1991 342 89.... jne, N=nn jne, paljon muuttujia jnro SVV TVV tapalkm KVV xt1 xt2 xt3 xt4 xv1 xv2 xv3 xv4 511 1931 1945 3. 713 300.. 1983 1983.. 407 1927 1961 6 1997 427 153 153. 1986 1996 1997. 165 1918 1952 4.. 491... 1974.. 671 1937 1960 2. 492... 1989... 477 1930 1948 6 2000. 491 427 410. 1986 1993 1993 jne, N=nn

SAS käyttö, datan käsittely, esimerkki 2 DATA datafile2; length tapahty $ 8;... set datafile1;... array maaral{6} LAAKX1-LAAKX6 ; array maarav{6} L1ALKUVV L2ALKUVV L3ALKUVV L6ALKUVV;... array mat1{40} evkoo1-evkoo40; array mat3{40} evvv1-evvv40;... /* muuttuja-arvojen talletus matriiseihin */... do i=2 to 40; do j=1 to i-1; koodi1=mat1{i};... icd1=koodi1;... if icd1=icd2 and mat4{i} NE 7 and mat4{j} NE 7 then do; aika1=mat2{i}*30+mat3{i}*365;... end; end; end; /* paljon matriisikäsittelyä, data-vaiheita */ run;