proc mixed data=long; class id time; model y = time / solution ddfm=bw; repeated time / type=cs subject=id r; run;

PROC MIXED 纵向数据分析

SAS中处理纵向数据的常用过程是PROC MIXED，它可以处理不平衡数据和缺失值。基本语法如下：PROC MIXED DATA=dataset; CLASS subject time; MODEL outcome = predictors / SOLUTION; REPEATED time / SUBJECT=subject TYPE=结构; RANDOM 随机效应 / SUBJECT=subject; RUN;

重复测量数据的准备

纵向数据需要长格式，即每个观测是一个时间点的记录。使用PROC TRANSPOSE可以将宽格式转为长格式。例如：proc transpose data=wide out=long; by id; var time1-time4; run; 然后添加时间变量。

协方差结构的选择

常见协方差结构有CS（复合对称）、AR(1)（一阶自回归）、UN（无结构）。使用TYPE=选项指定，如TYPE=CS。可以通过比较AIC、BIC选择最佳结构。

处理缺失数据

PROC MIXED使用最大似然估计（MLE）自动处理缺失数据，不需要删除或插值。确保数据为长格式，SAS会根据主体ID处理不完整观测。

随机截距和随机斜率模型

添加RANDOM intercept / subject=id; 或 RANDOM intercept slope / subject=id; 来建模个体差异。测试随机斜率是否显著：RANDOM slope / subject=id test;

结果解释

固定效应P值检验组间差异，估计值和置信区间显示效应大小。协方差参数表显示变异分解，如残差方差和个体间方差。

FAQ
Q: 纵向数据必须是长格式吗？
A: 是，长格式便于PROC MIXED处理重复测量。
Q: 如何选择协方差结构？
A: 比较模型的AIC和BIC值，选择值最小的。
Q: 缺失数据怎么处理？
A: PROC MIXED自动用MLE处理，无需手动干预。
Q: 随机效应什么时候用？
A: 当个体间存在变异时，用来捕捉个体差异。