刚看了些书，可以用下面code实现对一个公司的resid再抽样，但是这个句子不能识别公司，但又不能加by语句，如何是好？
data n.boots;
  do sampnum=1 to 1000;
    do i =1 to nobs;
      x=round(ranuni(0)*nobs);
     set n.mydata nobs=nobs point=x;
      output;
     end;
    end;
stop;
run;

刚看了些书，可以用下面code实现对一个公司的resid再抽样，但是这个句子不能识别公司，但又不能加by语句，如何是好？
data n.boots;
  do sampnum=1 to 1000;
    do i =1 to nobs;
      x=round(ranuni(0)*nobs);
     set n.mydata nobs=nobs point=x;
      output;
     end;
    end;
stop;
run;

附上我的数据，希望高手帮帮忙！

将公司先编上序号t，然后将原数据分拆成t 个数据，进行再抽样，可以得到：假设only四个公司
%marco boot;
  data boots1 (where=(t=1))
          boots2 (where=(t=2))
          boots3 (where=(t=3))
           boots4 (where=(t=4));
  set mydata;
run;
data bootstrap;
   %do t=1 %to 4;
      do sample=1 to 1000;
         do i =1 to nobs;
          x=round(ranuni(0)*nobs);
         set boots&t  nobs=nobs point=x;
         output;
         end;
       end;
   %end;
stop;
run;
%mend;
%boot;
只是 抛砖引玉！如果现在我有2000家公司（t=1 to 2000）， 怎么能将这个语句子写得更简单些？？？
data boots1 (where=(t=1))
          boots2 (where=(t=2))
          boots3 (where=(t=3))
           boots4 (where=(t=4));
  set mydata;

1# funwin

Basically I followed by ‘版主’s instructions. I may not throughly understand your logic here; in my point of view, it may be just a stratified random sampling with replacement in a rate of 100%.

11# jingju11

非常感谢你的code，但最后的结果数据boots和之前数据original没有差别呀！
我想要的是对每家公司的resid进行有放回的再抽样，抽取的个数和该公司的resid的observations一样。这样的有放回的抽取一共进行1000次。

假如原数据boots如下：
t        co        date        resid
1        102361        198401        0.080947911
1        102361        198402        0.046933369
2        103164        199301        0.087001861
2        103164        199302        0.066154877
2        103164        199303        0.02525485
3        106384        199801        -0.034053486
3        106384        199802        0.047093365
3        106384        199803        0.052401688
3        106384        199804        0.025507634
4        107892        200501        -0.00497431
4        107892        200502        -0.007152377
我用了这个语句：
%macro boot (b=10);
Data boots1 (where=(t=1)) Boots2 (where=(t=2)) boots3 (where=(t=3)) Boots4 (where=(t=4));
Set boots;
Run;
Data bootstrap;
%do t=1 %to 4;
Do sample=1 to &b;
   Do i=1 to nobs;
     x=round(ranuni(&t)*nobs);
     Set boots&t nobs=nobs point=x;
     Output;
    End;
  End;
%end;
Stop;
Run;
%mend;
%boot;
最后得出bootstrap数据如下：
sample        i        t        co        date        resid
1        1        .        .        .        .
1        2        1        102361        198402        0.046933
2        1        1        102361        198401        0.080948
2        2        1        102361        198401        0.080948
3        1        1        102361        198402        0.046933
3        2        1        102361        198402        0.046933
4        1        1        102361        198401        0.080948
4        2        1        102361        198401        0.080948
5        1        1        102361        198401        0.080948
5        2        1        102361        198401        0.080948
6        1        1        102361        198402        0.046933
6        2        1        102361        198401        0.080948
7        1        1        102361        198402        0.046933
7        2        1        102361        198402        0.046933
8        1        1        102361        198402        0.046933
8        2        1        102361        198401        0.080948
9        1        1        102361        198401        0.080948
9        2        1        102361        198401        0.080948
10        1        1        102361        198402        0.046933
10        2        1        102361        198402        0.046933
1        1        2        103164        199301        0.087002
1        2        2        103164        199301        0.087002
2        1        2        103164        199302        0.066155
2        2        2        103164        199301        0.087002
2        3        2        103164        199301        0.087002
3        1        2        103164        199303        0.025255
3        2        2        103164        199302        0.066155
3        3        2        103164        199302        0.066155
4        1        2        103164        199302        0.066155
4        2        2        103164        199301        0.087002
4        3        2        103164        199302        0.066155
5        1        2        103164        199302        0.066155
5        2        2        103164        199303        0.025255
5        3        2        103164        199303        0.025255
6        1        2        103164        199302        0.066155
6        2        2        103164        199301        0.087002
6        3        2        103164        199301        0.087002
7        1        2        103164        199301        0.087002
7        2        2        103164        199302        0.066155
7        3        2        103164        199301        0.087002
8        1        2        103164        199301        0.087002
8        2        2        103164        199303        0.025255
8        3        2        103164        199301        0.087002
9        1        2        103164        199303        0.025255
9        2        2        103164        199303        0.025255
9        3        2        103164        199302        0.066155
10        1        2        103164        199302        0.066155
10        2        2        103164        199302        0.066155
10        3        2        103164        199302        0.066155
1        1        3        106384        199801        -0.03405
1        2        3        106384        199801        -0.03405
1        3        3        106384        199803        0.052402
2        1        3        106384        199802        0.047093
2        2        3        106384        199802        0.047093
2        3        3        106384        199802        0.047093
2        4        3        106384        199801        -0.03405
3        1        3        106384        199802        0.047093
3        2        3        106384        199803        0.052402
3        3        3        106384        199802        0.047093
3        4        3        106384        199802        0.047093
4        1        3        106384        199802        0.047093
4        2        3        106384        199801        -0.03405
4        3        3        106384        199801        -0.03405
4        4        3        106384        199803        0.052402
5        1        3        106384        199804        0.025508
5        2        3        106384        199802        0.047093
5        3        3        106384        199804        0.025508
5        4        3        106384        199803        0.052402
6        1        3        106384        199803        0.052402
6        2        3        106384        199801        -0.03405
6        3        3        106384        199801        -0.03405
6        4        3        106384        199802        0.047093
7        1        3        106384        199802        0.047093
7        2        3        106384        199802        0.047093
7        3        3        106384        199801        -0.03405
7        4        3        106384        199803        0.052402
8        1        3        106384        199801        -0.03405
8        2        3        106384        199801        -0.03405
8        3        3        106384        199802        0.047093
8        4        3        106384        199801        -0.03405
9        1        3        106384        199801        -0.03405
9        2        3        106384        199802        0.047093
9        3        3        106384        199802        0.047093
9        4        3        106384        199802        0.047093
10        1        3        106384        199804        0.025508
10        2        3        106384        199802        0.047093
10        3        3        106384        199803        0.052402
10        4        3        106384        199804        0.025508
1        1        4        107892        200502        -0.00715
1        2        4        107892        200502        -0.00715
1        3        4        107892        200501        -0.00497
1        4        4        107892        200501        -0.00497
2        1        4        107892        200501        -0.00497
2        2        4        107892        200501        -0.00497
3        1        4        107892        200501        -0.00497
3        2        4        107892        200501        -0.00497
4        1        4        107892        200501        -0.00497
4        2        4        107892        200501        -0.00497
5        1        4        107892        200501        -0.00497
5        2        4        107892        200501        -0.00497
6        1        4        107892        200502        -0.00715
6        2        4        107892        200502        -0.00715
7        1        4        107892        200502        -0.00715
7        2        4        107892        200501        -0.00497
8        1        4        107892        200501        -0.00497
8        2        4        107892        200501        -0.00497
9        1        4        107892        200501        -0.00497
9        2        4        107892        200502        -0.00715
10        1        4        107892        200501        -0.00497
10        2        4        107892        200501        -0.00497
但怎么会每家公司的第一次抽取数sample1与其他9次的抽取数不同呢？？
是哪儿出错了吗？

怎么可能？这是一次抽样的结果，不应该和原始数据一模一样的

14# jingju11

让原数据original 如下：
co        date        resid
102361        198401        0.080947911
102361        198402        0.046933369
103164        199301        0.087001861
103164        199302        0.066154877
103164        199303        0.02525485
106384        199801        -0.034053486
106384        199802        0.047093365
106384        199803        0.052401688
106384        199804        0.025507634
107892        200501        -0.00497431
107892        200502        -0.007152377
proc sort out = Original;
by co;
run;
proc surveyselect data=Original method=urs samprate = 1 seed=11 out=SampleStrata;
   strata co;
run;
co        date        resid        NumberHits        ExpectedHits        SamplingWeight
102361        198401        0.080948        1        1        1
102361        198402        0.046933        1        1        1
103164        199301        0.087002        1        1        1
103164        199302        0.066155        1        1        1
103164        199303        0.025255        1        1        1
106384        199803        0.052402        2        1        1
106384        199804        0.025508        2        1        1
107892        200501        -0.00497        1        1        1
107892        200502        -0.00715        1        1        1
data boots;
set SampleStrata;
do _n_ = 1 to NumberHits by 1;
  output;
end;
drop NumberHits ExpectedHits SamplingWeight;
run;

co        date        resid
102361        198401        0.080948
102361        198402        0.046933
103164        199301        0.087002
103164        199302        0.066155
103164        199303        0.025255
106384        199803        0.052402
106384        199803        0.052402
106384        199804        0.025508
106384        199804        0.025508
107892        200501        -0.00497
107892        200502        -0.00715
不好意思，一次抽取的结果是有不同。

因为对这个语句不了解，我想问的是，samprate = 1 seed=11是什么意思？为什么是seed=11？还有执行了该语句后，我想再抽取一次，再用这个语句，发现得出同样的结果？不是再次抽样吗？？
如果我想重复执行100或1000次？是否需要macro语句？
非常感谢你能够再解答一下我的疑惑！

没有什么。
samprate = 1 (100%).每个公司抽取的比例是100%， 和原始的记录一样多。seed = 11 ，也可以用1 ，12345， 因为是随机抽取所以sas要根据seed生成随机数。如果你再抽取一次，因为seed不变（0 除外），所以抽取的样本理应相同。因此第二次抽取时，seed应该改变。你可以人为改变，也可以用0，总在变。0的缺点是不可再生。

这个语句有问题，因为x有可能等于0，但是point不可能为0

另外，你可以把你bootstrap 分析 生成的data的过程简略地说一下吗？或者是sas程序。我对bootstrap的原理一直不很理解，许多paper对bootstrap的应用也很牵强，似是而非的。

x=round(ranuni(0)*nobs);

这个如果改成x=round(0.5+ranuni(0)*nobs)可以吗？

我试了一下，还是不行。

其实我想做的boostrap属于残值再取样的，具体步骤是这样的：

1, 对每家公司，按公式：Yi=ai+bi*Bi,t+ci*Ci,t 做时间序列回归。得出每家公司的ai,bi,ci,以及一组残值ei,t;

2, 然后对每家公司的残值进行有放回的再抽（抽取的数目与原来的数目一样），得出bootstrapping 残值（ebi,t）;

3, 假设a=0, 将ebi,t带回公式Ybi= bi*Bi,t+ci*Ci,t+ebi,t,得出一个新的Ybi （bootstrapping Y）;

4; 再用这个新生成的Ybi （bootstrapping Y）去做 Ybi =ai+bi*Bi,t+ci*Ci,t 时间序列回归，得出一个新的ai （我称之为ab）,boostrapping alpha.

5. 步骤2－4，重复1000次。也就是说每家公司最后有1000个boostrapping alpha.

这个就是我想要做的，不知您觉得什么语句对我来说更合适些呢？其实对SAS，我了解很少，主要是个工具来运用的。

如果哪位有非常好的语句，欢迎指教！

提供一种思路
写得很仓促，FORMAT替换很粗糙，希望能改进
思路是
放回随机抽取-->生成1-每个co下记录个数的随机整数-->替换整数为原值

希望是对的，对你有帮助

15# jingju11

用上面语句，是能实现resid的再抽样，但是它的排序是按照时间来排的，而且有的值重复抽取，会把这个重复抽取的值放在一起。

但是我想要得到的是：在resid中任抽一个放在第一个，放回，再抽一个放在第二个，放回。。。。。所以最后抽取出的结果，时间上一定是打乱的；而且重复抽到的值，不一定会在一起（有可能第5次抽到这个值，第10次再抽到这个值，但它们应该分布放在第5和第10的位置上）。

不知如何能够改进能够实现这个目的？

其实我原来的bootstrap语句(在13楼)能够做到这一点，但就是有错误，哪位帮忙看看，错在哪儿了？怎么改？


万分感激！

23# funwin
时间也要一起抽啊，多做个format了要......

25# jingju11

好像是我想要的！容我再好好研究一下！
非常感谢您的帮助！！

楼主是不是想求回归系数的置信区间？如果这样，对重复抽取的数据你如何处理？因为bootstrapping的本质就是有放回随机抽样，如果设定抽取的样本数等于原来的样本数，那么很大可能有重复的。
比如，你第一次回归后从残差如下：
1月 0.1
2月 0.2
3月 0.3
4月 0.4
，bootstrapping抽样后，会出现这种情况：
1月 0.1
1月 0.1
3月 0.3
4月 0.4
，其中1月份重复抽取了，你想如何处理上面的数据？

重复没有关系，因为抽取后的残值，我代回原公式，但是假设alpha=0，重新得到一组新的bootstrapping y。然后再用时间序列回归，算出bootstrapping的alpha. 这个是bootstrap的残值再取样的方法。

可能版主想问的是我怎么把残值代回公式。
任意一个抽取的残值放在第一月，就作为第一个月的新残值。然后再抽放在第二个月，依此类推。比如抽取出来的前三个是5月，12月，5月的，那么就把这三个作为1，2，3月的新残值来用。。。。。
只是我对bootstrap残值再取样的理解.

25# jingju11

Jingju11,您的语言非常好，实现了我想要的bootstrap residual resampling。非常感谢！现在还有个问题，不知用sas宏语句（或者其他语句）如何能完成下面这些目的？ 之前的求了100次的残值为
_1, _2,…, _100

co	date	X1	X2	t	pre	_1	_2	…..	_100
10001	200501			0.89		0.023	0.0025	0.023	…
…..	…..			0.89		0.0025	-0.0154	0.023	…
10001	200812			0.89		-0.0154	-0.0154	0.0025	…
10003
……

对每家公司：得到新的y：
y1=pre+_1, y2=pre+_2……y100=pre+_100; (同时为了节省空间把残值_1,_2…._100去掉). 用新的y,
对每家公司每个y值分别做时间序列回归，proc reg; model y1=x1 x2;
…….  
model y100=x1 x2; 每家公司得出100个intercept, intercept的t-statistics; 再得出这100个t-statistics中有多少个是大于等于t (原来的t-value)的，得出一个p_boot=大于等于t 的个数/抽样数100 . 希望再帮忙解决一下我的问题。万分感激！