有个关于SAS循环的问题求大家帮忙。我很少用SAS，主要用R。但是下面的分析用R我没有搞定。



我需要修改下面的SAS程序。目前的程序，我每次只能运行一个plots，通过设置“if plots=6;”。如果我运行一个plots，结果如下：
Parameter   Estimate      Standard Error     DF   t Value   Pr > |t|    Alpha      Lower      Upper   Gradient
a           -35.7527    52.2230      6     -0.68     0.5191     0.05    -163.54    92.0324   -0.00002
b            0.01587    0.02638      6      0.60     0.5694     0.05   -0.04868    0.08042   -0.03539
alpha         0.3721     0.2290      6      1.63     0.1553     0.05    -0.1882     0.9325    -8.6E-6


我想修改一下这个程序，可以同时运行很多个plots，如10个plots （1,2,3,4,5,6,7,8,9,10） <我的实际数据有上千个plots>. 最后得到一个总结性的结果表，如下（添加了一列“plots”）：

Parameter	Estimate	Standard Error	DF	t Value	Pr>|t|	Alpha	Lower	Upper	Gradient	plots
a	-35.7527	52.223	6	-0.68	0.5191	0.05	-163.54	92.0324	-0.00002	1
b	0.01587	0.02638	6	0.6	0.5694	0.05	-0.04868	0.08042	-0.03539	1
alpha	0.3721	0.229	6	1.63	0.1553	0.05	-0.1882	0.9325	-8.60E-06	1
a	-35.7527	52.223	6	-0.68	0.5191	0.05	-163.54	92.0324	-0.00002	2
b	0.01587	0.02638	6	0.6	0.5694	0.05	-0.04868	0.08042	-0.03539	2
alpha	0.3721	0.229	6	1.63	0.1553	0.05	-0.1882	0.9325	-8.60E-06	2
a	-35.7527	52.223	6	-0.68	0.5191	0.05	-163.54	92.0324	-0.00002	3
b	0.01587	0.02638	6	0.6	0.5694	0.05	-0.04868	0.08042	-0.03539	3
alpha	0.3721	0.229	6	1.63	0.1553	0.05	-0.1882	0.9325	-8.60E-06	3
a	-35.7527	52.223	6	-0.68	0.5191	0.05	-163.54	92.0324	-0.00002	4
b	0.01587	0.02638	6	0.6	0.5694	0.05	-0.04868	0.08042	-0.03539	4
alpha	0.3721	0.229	6	1.63	0.1553	0.05	-0.1882	0.9325	-8.60E-06	4

下面是我的SAS程序：
********
proc import out=trees datafile='C:\GNMM_AW\p.gnmmData.dbh91n.ASRD.STD.xls'
        dbms=xls replace;
        run;

data trees;
    set trees;
    if plots=6;
    *proc print data=trees;
run;



******** FIT GENERALIZED NONLINEAR MIXED MODEL************* ;

proc nlmixed data=trees;                         parms a=0.1 b=-0.002;                                                         
        eta = a + b*year;                                 
        p_ann_mort = exp(eta)/(1+exp(eta));                        
        p_ann_surv = 1-p_ann_mort;                                                
        p_surv = p_ann_surv**yr_interval;                                 
        p_mort = 1-p_surv;
        mean_mort = live_off*p_mort;
        ll=lgamma(1/alpha + n_dead) - lgamma(1 + n_dead) - lgamma(1/alpha)
                + n_dead*log(alpha*mean_mort)
                - (1/alpha + n_dead)*log(1 + alpha*mean_mort);        * log likelihood function for negative binomial regression ;
        model n_dead ~ general(ll);
        predict live_off*p_mort out=predobs1;
run;




不知道哪位高手是否有时间帮我修改一下这段程序。

多谢了~