〔SAS〕以PROC COMPARE比較資料檔

比較資料檔的工作，常見在問卷採用雙重資料鍵入(double data entry)，比較兩次鍵入資料檔的差異性。

PROC COMPARE的語法不複雜，依據慣例先建立範例資料檔以供後續練習。

DATA Keyin_1; INPUT id name$ sex$ age v1 v2 v3 v4 v5; CARDS; 1 Allan M 43 1 1 2 3 4 2 Bobby M 32 2 2 3 4 1 3 Cindy F 19 4 4 4 2 1 4 Daisy F 25 4 3 2 3 3 5 Eric M 54 2 3 1 4 2 ; RUN; DATA Keyin_2; INPUT id name$ sex$ age v1 v2 v3 v4 v5; CARDS; 3 Cindy F 19 3 4 4 2 1 1 Allan M 34 1 1 2 3 4 4 daisy M 25 4 3 2 3 2 2 Bobby M 32 2 2 3 4 1 5 Eric F 54 2 3 2 4 2 ; RUN;

假設Keyin_1與Keyin_2分別為兩次鍵入的資料檔，很不幸這兩個檔案，只有ID＝2這一筆資料完全一致，其他筆資料均有不同之處。

PROC COMPARE BASE= Keyin_1 COMPARE= Keyin_2 NOVALUES; RUN;

以最簡單的語法執行，其中BASE指令為基礎資料檔，COMPARE指令為比較的資料檔，NOVALUES指令能不顯示詳細數值的比較（之後再說明），結果如下圖

結果顯示，這兩個檔案沒有任何一筆資料相同，剛剛不是有說至少ID＝2相同，但結果卻不是如此，這是因為我們使用ID作為判斷依據時，必須使用ID指令。在使用ID指令前，要先將變項排序，程式與結果如下。

PROC SORT DATA = Keyin_1; BY id; RUN; PROC SORT DATA = Keyin_2; BY id; RUN; PROC COMPARE BASE= Keyin_1 COMPARE= Keyin_2 NOVALUES; ID id; RUN;

當可以跑出正確的比較後，將NOVALUES指令刪除，重新在執行一次，如果不想看綜合報表可以是用NOSUMMARY指令將其關閉。

PROC COMPARE BASE= Keyin_1 COMPARE= Keyin_2 NOSUMMARY; ID id; RUN;

無使用NOVALUES下，可得詳細的比較結果，會依據「變項」將各ID比較不一致的結果呈現，如在sex變項中，同時有ID=4和ID=5兩筆資料不相同。

如果想看同一個ID錯誤的狀況可以加上BY指令，即可依據ID呈現結果。

PROC COMPARE BASE= Keyin_1 COMPARE= Keyin_2 NOSUMMARY; BY id; ID id; RUN;

以PROC COMPARE能找出「鍵入不相同的資料」，稍微加工一下，就可以找出「鍵入完全相同的資料」，語法如下，這裡就不詳細說明，有興趣者可自行學習。

PROC COMPARE BASE= Keyin_1 COMPARE= Keyin_2 noprint OUT=Keyin_compare  outnoequal outbase outcomp outdif; IDid; RUN; proc sql;     create table Keyin_diff_id as     select  distinct id     from Keyin_compare     order by id     ; quit; proc sql;     create table Keyin_same_id as     select  a.*     from Keyin_1 as a left join Keyin_diff_id as b on a.id=b.id     group by b.id     having count(b.id)=0     order by id     ; quit;

最後在資料檔「Kyein_diff_id」可以看到不相同的ID，而在「Keyin_same_id」則可以看到鍵入相同的ID。

PROC COMPARE的應用其實不只可於資料鍵入使用，有時候我們在處理資料過程中，不確定能否產生相同或些許差異的資料檔，也可以透過PROC COMPARE來完成資料檔的比較。