若想將整個欄位的資料移動到下一格，可使用函數LAG()，若想直接計算上下兩筆資料間的數值差，可使用函數DIF()，請參考以下的示範：
利用以下程式建立一個資料檔aa, 若想計算前後兩次門診的時間間隔，可直接利用dif(opd_date)計算兩次門診的時間差，若想將門診日期向下移動，可利用lag(opd_date)。
[程式一]
data aa;
input opd_date yymmdd10.;/*-門診日期-*/
lag_date=lag(opd_date);
以下為簡易的Dummy variable(虛擬變項)的建立，在回歸分析中，當解釋變數為類別型資料，例如藥物的濃度分為4類，其中一類為參考組，則每一組將與參考組作比較，比較的組數有3組。在回歸模式中不能直接放該類別變項(CON_GRP)，否則會視同連續型資料。
因此需要設3個Dummy variable，例如以下程式的CON_1~CON_3，當3個變項為0時(0,0,0)，該組為參考組，當CON_1為1時(1,0,0)，為第一組與參考組間的比較，其他以此類推。而Dummy variable的程式語法如[程式一]，CON_GRP=1時，CON_1=1；CON_GRP=2時，CON_2=1；CON_GRP=3時，CON_3=1，其他非1的數值，自動生成為0。
[程式一]
data aa1;
set aa;
CON_1=(CON_GRP=1); /*Dummy variable*/
CON_2=(CON_GRP=2);
CON_3=(CON_GRP=3);
run;
Logistic Regression與線性迴歸最大的不同是依變項性質的不同，使得兩者在參數估計與假設上也有所不同，前者的結果變項(outcome)為類別型資料(categorical data)，後者為數值型資料(numeric data)。Logistic Regression分析的假定：觀察值樣本在依變項上的機率分配呈S型分佈，此分佈又稱Logistic分配。
Logistic Regression最常應用在流行病學的Case-Control study，常見的指標是勝算比(Odds Ratio)，其意義為得病的人有暴露與未暴露的比值(勝算; odd)相對於未得病的人有暴露與未暴露的比值，該值=1表示疾病與暴露間的相關性不高。由exp(β)可求得Odds Ratio，β為Logistic Regression的估計參數。
SAS的程式如下：以proc logistic程序分析，dependent為結果變項, 通常1為有病，0為沒病，Group為解釋變數，在此為組別，通常為有暴露(EXPOSURE)或沒暴露(NON- EXPOSURE)於特定風險的兩個組別。descending為設定dependent=0為參考組，RISKLIMITS為列出95%信賴區間。以SAS的ODS功能(Output Delivery System)將parameterestimates(參數估計值)存成SAS檔，包含p value也一起存出來，存成檔案pp；以ODS 將oddsratio及其95%信賴區間存出，存成檔案qq。
最後利用merge指令將參數估計值與oddsratio的結果合併成一個檔案，即可直接整理至發表要用的表格上，如表格所示。
[程式一]
如果收回的問卷，在日期部份將年、月、日各別輸入資料檔中，但當要計算時間或年齡時卻不知所措，該怎麼辦？SAS的MDY(month,day,year)函數可以將年月日重新組成一個新的日期，如此就可進一步計算了。
以下建立一個資料檔為AA，輸入(INPUT) YEAR, MONTH, DAY等變數。利用MDY()產生一個新變項BIRTHDAY，這個變數是透過YEAR, MONTH, DAY所組成，年月日變數依MDY()中的MONTH,DAY, YEAR順序依序放入，再以FORMAT指令將BIRTHDAY變數轉成YYMMDD10.的格式，即西元年-月-日，就完成日期的組合。(參見程式與結果)
[ 程式 ]
data aa;
input year month day;
birthday=mdy(month,day,year);
format birthday yymmdd10.;
時間間隔的計算，在許多研究中是很重要的，包括用藥時間、存活時間、居住時間、曝露在特定污染環境的時間、住院時間等。所使用的SAS函數為INTCK('interval',from,to)。'INTERVAL'為起迄時間的時間間隔，單位可以是day, week, month, quarter, year等。FROM與TO各是「起」與「迄」的時間。
[程式一] 建立一組起迄時間，依序是start_date, end_date，日期格式是yymmdd10.，即西元年-月-日的格式。
[程式二] 在程式二中產生了5個變項(VARIABLE)，DAY, MONTH1, MONTH2, YEAR1, YEAR2。DAY為介於起迄間的天數；MONTH1為以SAS預設的MONTH計算起迄間的月數，從結果可知，SAS將取整數的月數(128個月)，小數點會被捨去(即無條件捨去)；MONTH2為以DAY除以30.475計算精準的月數(128.263個月)；同樣地YEAR1為以SAS預設的YEAR計算的起迄間的年數，從結果可知，SAS將取整數的年數(10年)，小數點會被捨去(即無條件捨去)；YEAR2為以DAY除以365.25(每4年潤年一次)計算精準的年數(10.6886年)。
[程式一];
data aa;
input id $ start_date yymmdd10. end_date yymmdd10.;
SAS的Libraries/Maps下有一個檔案Taiwan, 記錄了台灣各縣市的經緯度，透過SAS的proc gmap，我們可以將表格內容地圖化，以民國100年各縣市之標準化死亡率為例，透過地圖化，可以很快地看出死亡率的高低與各縣市的都市化程度有關。[參見台灣地圖]
[程式一] 建立民國100年各縣市之標準化死亡率資料檔，SDR為標準化死亡率。[註: 因為各縣市人口結果不同，故以2000年世界標準人口調整後的標準化率作比較]
[程式二] 為不同等級的死亡率設定在地圖上的色塊，例如 pattern5 v=ms c=brown; 其中V=MS指明區塊為實心，c=brown指明區塊顏色為棕色。
[程式三] 以 PROC FORMAT/VALUE介定區塊對應的標準化率值，並形成一個格式化名稱degfmt，任何一個變項套用這個格式，數值在300-400間的就被定義為'350-400'，其他以此類推。
[程式四] 以proc gmap畫地圖，map=maps.taiwan說明引用的地圖經緯來自目錄館為MAPS下的資料檔TAIWAN，繪圖的來源檔為data=aa。以各縣市(ID)標示區塊，並將將SDR以degfmt. 格式套用。
在臨床資料或健保資分析中，時間點的定義是很重要的，例如用藥後6個月、發病前1年、住院後7天等，至於這些時間點該如何標示，是今天要介紹的重點，通常我們會採用的時間函函數為 intnx( )。函數的語法為INTNX(interval, start-from, increment)
[程式一] 利用[程式一]建立一筆資料，共有2個欄位，身份證號(ID)、就醫日期(in_date)，日期格式為yymmdd10.，即yyyy-mm-dd格式，
[程式一];
data aa;
input id $ in_date yymmdd10.;
format in_date yymmdd10.;
cards;
健保資料庫的描述性統計中，常見的是計算患者的醫療費用、用藥天數、用藥的累積劑量或平均劑量等。究竟要如何透過程式語法依特定變項分層計算呢？今天將介紹SAS中的描述性統計: PROC MEANS指令。
[程式一] 建立檔案AA，檔案中有身份證號(ID)、性別(SEX)、居住地區(AREA)、醫療費用(FEE)、就醫日期(IN_DATE)等5個欄位的資料。
[程式二] 利用PROC MEANS計算檔案AA中的醫療費用(FEE)，但要依性別(SEX)、居住地區(AREA)分層計算，且描述醫療費用(FEE)的使用人數(n)、總和(sum)、平均值(mean)、中位數(median)，因此VAR後面放醫療費用(FEE)。CLASS指令後面放的是分層變數sex, area。將分層計算後的統計量存成檔案BB，檔案中的欄位名稱以與n、sum、mean、median統計量同名的名稱來命名，報表見[結果一]。
[程式三] 但 [程式二] 的DATA=AA之後為何要加NWAY指令? 這個指令的用意在於取SEX, AREA分層的最大組合，什麼意思呢？若將[程式二] 的NWAY ,以及OUT=BB(DROP=_TYPE_ _FREQ_)中的(DROP=_TYPE_ _FREQ_)刪除，結果將如[結果二]所呈現。其中，_TYPE_=0為完成不分層的情況，_TYPE_=1或_TYPE_=2為以AREA或SEX變數分層的結果，_TYPE_=3為同時考慮SEX與AREA 2個變數的組合下的分層結果， DATA=AA之後加NWAY指令的目的即是取_TYPE_=3的統計結果。[見結果二]
健保資料庫中的國際疾病分類碼(ICD9-CM)在資料分析中，可以用來定義感興趣的疾病，在『門診處方及治療明細檔』有3個欄位記錄國際疾病分類碼；『住院醫療費用清單明細檔』則有5個欄位。究竟要如何透過國際疾病分類碼定義疾病？一般的作法是請益臨床的醫師或其他專業人員，以瞭解一個疾病是透過幾個分類號(ICD9_CM)構成，例如糖尿病是ICD9-CM前3碼為250的分類號。但病歷登錄時，有時會登錄到4位碼(例如2500為未提及併發症之糖尿病)，有時會登錄到5碼(例如25003為第一型糖尿病，未提及併發症，無法控制)。若不需要分類到4位或是5位碼，只是以3位碼250代表所有的糖尿病，程式將如何撰寫？今日將介紹子字串函數：SUBSTR( VARIABLE, POSITION, LENGTH)。
[程式一] 建立3個患者的資料，以INPUT指令讀入ID (身份證號)、ICD9_CM1~ICD9_CM3(國際疾病分類號一至國際疾病分類碼三)，資料型態皆為文字型($)。
[程式二] 以PROC CONTENTS 指令查看資料檔AA的資料結構，在CONTENTS後面加上POSITION，是為了以資料建立時的欄位順序呈現資料結構，否則會以欄位名稱的字母作排序。在輸出的結果中可看到每一個欄位的順序, 欄位名稱，以及資料型態，透過這支程式可以快速建立譯碼簿(CODE BOOK)。
[程式三] 透過IF指令擷取ICD9_CM中，前3碼為250(糖尿病)以及493(氣喘)的患者，因為『門診處方及治療明細檔』有3個欄位記錄國際疾病分類碼，因此每一個欄位都要檢查看看，是否有前3碼為250以及493的代號。因為文字串的資料都是左靠，因此可以由每一個ICD9_CM的最左邊的第一個字元，向右取3個字元，如此即將前3碼為250(糖尿病)或493(氣喘)的患者取出。substr(ICD9_CM1,1,3)係指被擷取部份子字串的欄位是ICD9_CM1，從第1個欄位開始擷取，擷取的寬度是3個字元。此外程式中以IN 代替等號"="，且將要定義的疾病碼放在括號 ( )中，如此，可在括號( )中放2個以上的代碼，使程式更為精簡。結果，只有2個患者有250或493的代碼(參見[結果])。
是不是很簡單呢?
今天要介紹另一支「歸戶」程式，主要的指令是SORT與NODUPKEY。昨天的主要語法是first.var=1，透過1與0指定擷取的資料為第一筆或非第一筆。NODUPKEY指令則在刪除重覆的資料，言下之意是只取第一筆，如何定義第一筆呢？
[程式三] 首先要以SORT指令將id,birthday排序，如此一來，就可以一目瞭然地看到哪幾筆資料是同一人的，藉此就可以定義排在最前面的id, birthday是第一筆，之後為重覆，加了NODUPKEY之後，重覆的筆數就被刪除。被排序的資料檔為aa ，指令為data=aa；輸出的結果為bb ，指令為out=bb，是不是比FIRST.VAR=1的指令簡單呢？
[程式四] 若大家還記得昨天的資料，A01患者的就醫日期還沒排序呢，因此排序時要多加in_date，但是...這支程式執行的結果會是什麼呢？就是...以id, birthday取完每一個人的第一筆之後，再考慮一個人有好幾筆不同的就醫日期，每筆就醫日期都不重覆，於是所有的就醫日期都納入了，最後，等於沒有歸戶，因為所有的資料又全被擷取回來，該怎麼辦呢？方法很簡單的，不用耽心。
[程式五] 為先單獨將id, birthday, in_date排序，再執行SORT與NODUPKEY的指令，就能找到真正的第一筆了。
然而，想擷取資料庫中的最後一筆，該如何執行呢？
「歸戶」是健保資料庫的資料處理過程中少不了的步驟，因為健保資料不是為學術目的而生成，而是為申請健保費用而存在的，因此資料庫中記載了每一次的就醫日期、就醫診斷、處置與費用等。若我們想知道每一個費用申報年有多少病人就醫？就必須透過「歸戶」的程序將一人多筆的資料轉為一人一筆，即可知每一個費用申報年有多少病人就醫。今天要介紹的是 first.var=1的語法。
[程式一] ：以程式寫入1個資料檔aa，放入id(身份證號)、birthday(生日)、in_date(就醫日期)、icd9_cm1(國際疾病診斷碼)，id與 icd9_cm1為文字型態的欄位；birthday,in_date為日期格式yymmdd10. 。format birthday in_date yymmdd10.;係指定birthday, in_date的SAS格式是yymmdd10.，這種型式指的是西元年-月-日，寬度共10個位元(byte)。
[程式二] ：若大家有留意，會發現二件事：(一)資料檔aa中的第一筆資料非id為A01患者的第一筆就醫日期，(二)A01的第4筆出生日期與前3筆不同，若研究者想取每人的一筆資料，而且是每一個費用申報年的第一筆，資料就必須利用SORT指令先將id, birthday, in_date排序。為什麼要加入birthday？因為國人的戶政會出現不同的人擁有相同id的情況，因此認定資料是否為同一人的條件必須同時加入id與birthday。再加入in_date的目的，是為了讓入院日期由前排到後。接下來，利用DATA指令產生新的檔bb，且由SET指令讀取檔案aa。by id birthday; 這段程式說明以下的擷取第一筆的動作，要以id, birthday辨別哪幾筆是同一人的資料。 if (first.id=1 & first.birthday=1) | (first.id=0 & first.birthday=1);這段程式是歸戶的主要動作，簡略地表達，可以將左式改為IF A | B; A=(first.id=1 & first.birthday=1)，意即先取每人的id與birthday的第一筆；B=(first.id=0 & first.birthday=1)，即在相同的id中，若id不是第一筆，但birthday第一次出現，要取出來。如此即完成擷取每人的第一筆資料的歸戶動作，檔案aa中包含3個人的資料，您的程式寫對了嗎？(見[結果])
大家練習看看，若要依每一個就醫年度去擷取每人的第一筆，歸戶程式該如何寫？
[程式一];
健保資料庫的資料處理過程有許多資料合併的步驟，可知道您在合併什麼嗎？過去常有人問門診檔與住院檔要怎麼合併？用SET？還是用MERGE？其實要看您的研究目的，以及您要合併的檔案內容。無論用什麼方式，或選用什麼樣的軟體，合併前必須注意三件事，首先要注意串聯兩個檔的關鍵變項(KEY VARIABLE)之名稱、屬性(文字、數值、日期)、資料寬度是否一致，其次，兩個檔案間是否還有除了關鍵變項以外，名稱與屬性一樣的變項，它會干擾合併的結果。
[程式一] 以程式寫入2個資料檔bb, cc，都放入id(身份證號)、date(就醫日期)、fee(醫療費用)，id為文字型態的欄位；date為日期格式yymmdd10. ；fee為數值型態。但檔案bb與檔案cc的date與fee內容並不一樣。format date yymmdd10.;係指定date的SAS格式是yymmdd10.，這種型式指的是 西元年-月-日，寬度共10個位元(byte)。
[程式二]利用MERGE將兩檔串聯起來， id為關鍵變項。根據結果一，會發現檔案dd的第一筆date與fee都被檔案cc的第一筆取代，這真的是研究者要的結果嗎？(見結果一)
[程式三]若要同時保留所有資料檔的訊息，可以將其中的一個檔的date與fee重新命名，利用RENAME指令進行修改，將date改成date1；fee改成fee1，結果請見結果二。
很簡單的步驟，但真的要知道自己在合併什麼？而且一定要檢查合併結果是否符合預期。
在分析健保資料庫時，資料的合併是一個很重要的過程，但往往出錯的地方也是在此，今日要以數學「集合」的觀念來探討資料的合併，曾經有醫師抱怨這個部份很難懂，若以圖像的方式來解說，那麼就可一目瞭然了。
首先，利用 [程式一] 與 [程式二]寫入一組資料檔，第一組的檔名為aa，第二組的檔名為bb。利用INPUT指令放入一個變項 ID，"$"符號說明ID屬於文字變項，@@宣告即將輸入一列多筆的資料。
大家若稍微觀察一下將發現，檔案bb比aa多了17 、 18、 19 、 20 、 21、 22 、 23 、 24 、 25 等ID；檔案aa比bb多了26 、 27 、 28 、 29 、 30 、 31 、 32 、 33 、 34等ID，利用這兩個檔，我們來練習看看，如何進行資料的水平合併(Merge)。 [註: SET指令後方若放兩組以上的檔案，稱為垂直合併，新的資料筆數是所有檔案的筆數總合]
[程式三]是大家至為熟悉的程式，DATA指令後面指定新的檔案名稱為cc，透過MERGE(合併)指令將檔案aa與檔案bb合併起來。但兩個檔案的後面分別加了(in=a)、(in=b)的指令，它的目的即將檔案aa命名為集合a，將檔案bb命名為集合b，再以BY指令指定合併的關鍵字(KEY WORD)為ID，寫上RUN(執行)即已完成，此時兩檔的所有資料都被合併進來，如圖1所示。
[程式四]是[程式三]的加強說明，在by id之後，若加上if a|b;，即說明納入的ID是來自a集合或b集合，是聯集的概念。其意義與[程式三]是一致的，但我們一般不會畫蛇添足地多寫這麼一段。(見圖1) [ a|b的'|'為英文字 "or"之意 ]
當我們將大批有規律的檔名讀進來，並經由巨集指令(Macro language)轉換成流水號形式的檔名，但最終還是要將每一個檔合併起來，若不以巨集指令合併檔案，傳統的作法即如[程式一]所示，利用SET語法將468個檔案合併起來，利用DATA指令宣告新的檔名為e.cd，因此需要把檔名書寫468次，過程必須如屢薄冰般的謹慎。今日將以巨集指令的兩個範例─[程式二]與[程式三]，示範大批資料的合併。
[程式一]
data e.cd;
set e.cd1 e.cd2 e.cd3 e.cd4 e.cd5 e.cd6 e.cd7 e.cd8 e.cd9 e.cd10 .......e.cd468;
run;
[程式二] 的%macro宣告將執行巨集指令，且巨集名稱(macro name)為m1，並未給定任何參數，%mend說明巨集結束於此。巨集的迴圈為程式段[%do i=1 %to 468; ]。利用DATA指令將新的檔案命名為e.cd，以SET指令讀取一個空的檔，檔名為_NULL_，NULL這個英文字即是零或虛無的意思，因為讀取零筆資料，所以DATA指令所建立的新檔案E.CD也是空的。這是一個預備動作，彷彿拿了一個空籃子，準備將球一個一個丟進來，而空藍子指得是哪一個檔呢？ [答案; E.CD]
過去已介紹檔案間沒有關鍵字將如何合併？(資料的合併)利用該程式，今日要教各位如何讀取大批命名有規律的檔。
自「全民健康保險研究資料庫」釋出後，大型資料的研究已是台灣學術研究的優勢，在國際學術期刊上已有亮麗成績，「衛生福利資料科學中心」如今亦開放健保資料庫、癌症登記檔與死亡檔的資料比對，但面對全國性的龐大資料檔，光是讀檔案的步驟，就是惱人的大工程。不用著急，也毋需土法煉鋼，今天的程式可以讓大家以後讀檔更輕鬆了。
以下將以讀取「衛生福利資料科學中心」之健保民國87-99年「門診處方及治療明細檔」為例，其中一個檔名為h_nhi_opdte8702_01。如何拆解這個檔名呢？h_nhi_opdte 在龐大的檔案群是固定的，87為年份，02為月份，01為西醫(02、03為牙醫與中醫)，因此所有檔案讀進來，一年有36個檔，13年有468個檔，如何讀取這麼龐大的檔案群呢？
[程式一] 利用程式寫入3個資料檔，第一個資料檔檔名為year，僅放入民國年資料；第二個資料檔檔名為month，僅放入月份資料；第三個資料檔檔名為group，僅放入醫療型態(西醫、牙醫、中醫)資料。
當資料合併時必須要有一組關鍵字(KEY WORD)存在於每一個欲合併起來的檔案中，但沒有關鍵字時結果將如何?
舉以下的例子來聊聊
以下有一個經過3個資料檔合併後的檔案，這3個檔各只有一個變項: year(87~99), month(01~12), group(10~30)，且3個檔的內容完全不同
但彼此間沒有關鍵字。過去我們將會寫以下這麼一隻程式(如程式一)，如下所示, 其中合併後的檔案為ymg，3個檔案的檔名依序為year, month, group，結果資料合併後如結果一。
data year; /*--檔案1 --*/
do year= 86 to 98;
