Initiation à SAS
Date de publication : 24/04/2008 , Date de mise à jour : 24/04/2008
Par
Fabrice MORLAIS (Fabrice MORLAIS)
Ce tutoriel a pour objectif de vous initier au logiciel SAS à travers une courte présentation
de ces diverses fonctionnalités. Vous trouverez aussi quelques exemples de programmation pour vous
permettre de bien débuter tout en comprenant la logique du langage utilisé sur SAS.
Introduction
I. Un fonctionnement en produits (ou modules)
II. Les interfaces de SAS
II-A. Les fenêtres d'écriture des programmes
II-B. Le "journal" ou "fenêtre des erreurs" ou "LOG"
II-C. La "fenêtre de résultat" ou "OUTPUT"
II-D. L'explorateur
IV. Le fonctionnement de SAS
IV-A. Etape DATA
IV-B. Procédure PROC
Les procédures PROC : Permettent l'analyse et le reporting.
IV-B-1. Un premier exemple
IV-B-2. Plus de détails
IV-B-3. La gestion des sorties
IV-C. Langage MACRO
Conclusion
Ressources utilisées pour la rédaction de l'article
La communauté SAS de developpez.com
Internet
Livre
Remerciements
Introduction
SAS est né suite à une idée de son créateur Anthony J. BARR lorsqu'il était étudiant
à North Carolina (Etats-Unis). Cette « révélation », très inspirée des travaux du
statisticien Maurice KENDALL, lui vint entre 1962 à 1964 lorsqu'il voulu créer
un programme informatique réalisant une analyse de variance.
A peine sa première idée développée, il rajouta à son outil un programme
lui permettant de réaliser des régressions multiples.
A partir de 1969, le projet devenant certainement trop vaste pour un seul homme,
BARR s'est associé avec d'autres membres. Ce partenariat a non seulement permis
l'ajout de nombreuses autres analyses statistiques, mais aussi la gestion de reporting
et la création d'un langage de programmation orienté utilisateur : le macro langage.
En 1976, la société SAS Institute Incorporation est créée.
Aujourd'hui acteur majeur du décisionnelle, SAS a su élargir son champ de compétences
au cours de son histoire pour s'adapter au marché, aux nouvelles technologies
et techniques. Cette stratégie lui a permis de devenir l'un des leaders mondiaux
du marché du
Business Intelligence.
SAS couvre maintenant toute la chaîne du décisionnel.
Actuellement, SAS en est à la version 9.1.3, sa politique étant de garantir
la rétrocompatibilité (les programmes et objets SAS fonctionnent d'une version à l'autre)
Rappel : ETL
Les outils
ETL (Extract, Transform and Load) sont chargés d'extraire les données
de différentes sources, de les nettoyer et de les charger dans un entrepôt de données.
Le but étant de faciliter les multiples analyses multidimensionnelles.
On peut schématiser le fonctionnement d'un Système d'Information de la façon suivante :
I. Un fonctionnement en produits (ou modules)
Avant toute chose il est intéressant de signaler que le logiciel SAS est prévu pour
fonctionner sur de nombreux systèmes d'exploitation tels que Windows, Macintosh, Unix,
Mainframe.
SAS est un logiciel fonctionnant en modules : les modules sont en quelques sortes des sous
parties du logiciel SAS. Par exemple pour réaliser des opérations de type ETL il est
indispensable de posséder le module lié aux ETL (non inclus dans la version basique).
Comme les modules sont généralement ciblés sur des profils de besoins d'utilisateur,
il n'est pas rare d'observer une certaine redondance des fonctions.
Vous pouvez par exemple tout aussi bien éditer un graphique de type histogramme
en programmation SAS qu'à l'aide d'une fenêtre graphique de type click-bouton.
L'offre SAS dans l'ensemble a plus tendance à s'adapter aux besoins de l'utilisateur
que l'inverse : le grand nombre de module expliquant certainement cette remarque.
En fonction de ses besoins, l'utilisateur choisira les modules les plus adaptés :
l'offre de SAS peut en quelque sorte être considérée comme « une offre à la carte ».
Ci-dessous une liste non exhaustive des modules de SAS avec une légère description
de leurs propriétés.
| Module |
Description |
| SAS/ACCESS |
Module orienté base de données, il permet un accès à de nombreux systèmes
de bases de données tels que DB2, INFORMIX, ODBC, ORCALE,
SYSBASE, SQL SERVER. |
| SAS/AF |
Développement d'interfaces utilisateur (Frame) à l'aide
du langage SCL orienté objet. |
| SAS/ASSIST |
Utilise les principales caractéristiques de SAS/BASE en mode fenêtres.
A l'avantage d'offrir au débutant une vue du langage SAS généré lors des tâches
exécutées en mode fenêtre. |
| SAS/BASE |
Importation, manipulation et exportation des données |
| SAS DATA INTEGRATOR |
ETL de SAS. |
| SAS/ENTERPRISE BI SERVER |
Plateforme décisionnelle de SAS. |
| SAS/ENTERPRISE MINER |
Système de fenêtre pour réaliser du DATA MINING. |
| SAS/ETS |
Fonctionnalités statistiques avancées pour la prévision, modélisation
et simulation. |
| SAS/GIS |
Manipulation de données géographiques. |
| SAS/GRAPH |
Gestion des sorties graphiques. |
| SAS/IML |
Programmation en langage matricielle. |
| SAS/INSIGHT |
Manipulation interactive pour explorer et analyser les données. |
| SAS/INTRNET |
Interaction avec Internet pour faciliter la publication des rapports obtenus
sur SAS. |
| SAS/MACO |
Module complémentaire à SAS/BASE, Langage permettant d'automatiser certaines tâches. |
| SAS OLAP CUBE STUDIO |
Création de cubes. |
| SAS/OR |
Fonctionnalités de Recherche Opérationnelle. |
| SAS/QC |
Outils statistiques pour le contrôle qualité. |
| SAS/STAT |
Ensemble des fonctionnalités statistiques courantes et poussées. |
| SAS/TOOLKIT |
Outil pour l'écriture d'extensions SAS. |
| SAS/WAREHOUSE ADMINISTRATOR |
Création et manipulation de DATA WAREHOUSE ET DATA MART. |
Licence
SAS est un logiciel payant dont la licence doit être renouvelée tous les ans.
L'extension d'utilisation se fait par l'intermédiaire d'un fichier
(pas besoin de réinstaller le logiciel).
II. Les interfaces de SAS
On distingue principalement quatre types de fenêtre:
II-A. Les fenêtres d'écriture des programmes
Il existe deux fenêtres permettant l'écriture de code SAS : les fenêtres
"Program Editor" et "Enhanced Editor". Elles sont toutes les deux très similaires.
Par la suite, nous ne nous intéresserons qu'à l' "Enhanced Editor".
II-B. Le "journal" ou "fenêtre des erreurs" ou "LOG"
Cette fenêtre est très certainement la plus importante de l'environnement
de programmation de SAS. C'est avec cette fenêtre que vous percevrez la réaction
du logiciel au code soumis.
L'aspect visuel du texte généré dans cette fenêtre suite à une soumission de code
permet d'interpréter le comportement de SAS vis-à-vis de cette exécution :
- Si la couleur du texte est bleue : SAS n'a détecté aucune erreur.
- Si la couleur est verte cela signifie que certaines erreurs
« non fatales » à l'exécution ont été détectées.
- Si la couleur est rouge : des erreurs graves ont été détectées,
empêchant l'exécution du programme.
Ci-dessous quelques exemples visuels de code générés :
Un programme correctement exécuté :
Un programme avec des erreurs :
Nous verrons plus en détails dans la prochaine partie un exemple explicitant
ces erreurs lors d'exécution.
II-C. La "fenêtre de résultat" ou "OUTPUT"
Cette fenêtre affiche les résultats des analyses statistiques lancées
par l'intermédiaire des procédures ou fonctions SAS.
II-D. L'explorateur
Il permet la navigation parmi les objets SAS (données et catalogues) et
parmi votre espace de travail.
Pour naviguer dans vos données SAS vous devez cliquer sur Bibliothèque (LIBNAME).
Les bibliothèques sont en quelques sortes un raccourci pointant vers un répertoire.
En créant vos propres bibliothèques vous pouvez vous pouvez ainsi sauvegardé
vos données et/ou vos macro pour ainsi pouvoir les réutiliser facilement.
La création de bibliothèques est très importante car il faut savoir que par défaut
SAS ne stocke pas en mémoire les manipulations d'une session à l'autre.
En effet au cour d'une même session toutes vos données sont par défaut sauvegarder
dans une bibliothèque temporaire (WORK) qui est vidée à chaque fermeture
du logiciel SAS.
Pour créer vos propres bibliothèque de travail vous devez cliquer
sur « Nouvelle Bibliothèque » sur la barre de commande SAS.
Vous pouvez aussi en créer une par le code suivant :
| LIBNAME MonEspace « c:\MesDocs\SAS » ;
|
Le gros avantage de l'utilisation des bibliothèques provient du fait
qu'elles permettent le stockage des bases de données : utilisées, modifiées
ou créées lors de vos sessions SAS. Un autre avantage non négligeable est le stockage
des macros compilées.
Ainsi vous pouvez rappeler ces marcos sans forcément avoir besoin de le recompiler.
On fera remarquer que par défaut les tables sont enregistrées dans la librairie Work.
Cette librairie à l'avantage ou l'inconvénient, cela dépend de l'utilisation,
de supprimer toutes les tables créées lors d'une session.
IV. Le fonctionnement de SAS
Le logiciel SAS fonctionne par l'intermédiaire du langage SAS. Ce code visible
lorsque l'on développe des programmes sur console est invisible lorsque l'on utilise
le mode interactif.
La programmation SAS peut être découpée en trois parties :
- Les étapes DATA : elles permettent au mettre titre que SQL une manipulation
des données.
- Les procédures PROC : elles permettent les analyses statistiques de bases
de données.
- Le langage macro : il sert à automatiser les programmes et réaliser des
manipulations plus sophistiquées sur les données.
Le langage SAS doit être écrit dans l'« Enhanced Editor » et exécuter en cliquant
sur le bouton soumettre de la barre de menu SAS
(symbolisé par un petit bonhomme qui court).
IV-A. Etape DATA
Une étape DATA commence toujours par le mot clé DATA, suivi du nom d'une
ou de plusieurs bases que l'on désire créer, et finit par le mot clé RUN.
Dans la suite de ce tutorial les mots clés seront écris en majuscule.
DATA nomBase ;
…….
Jacques 8 14
RUN ;
|
Nous allons maintenant créer une table en saisissant les données directement sur SAS :
DATA base ; /*La nouvelle table se nommera base*/
INPUT nom$ var1 var2 ; /*On déclare 3 variable : une qualitative (suivi d'un $) nom et deux numériques v1 et v2*/
CARDS ; /*Mode saisie des données*/
Pierre 10 12
Paul 11 13
Jacques 8 14
;
RUN ;/*Fin de l'étape DATA*/
|
Il est important de signaler que le respect de la ponctuation est de première
importance dans SAS, l'oubli ou le mauvais placement de ceux-ci peuvent génèrer
des erreurs.
Après exécution du code, vous devez aller dans la fenêtre « Journal »
pour voir s'il des erreurs sont apparues.
Vous devez normalement avoir le texte ci-dessous dans votre journal, si ce n'est pas
le cas vérifiez bien la ponctuation « ; » :
1 DATA base ; /*La nouvelle table se nommera base*/
2 INPUT nom$ var1 var2 ; /*On déclare 3 variable : une qualitative ($) nom et deux numériques v1 et v2*/
3 CARDS ;
NOTE: La table WORK.BASE a 3 observations et 3 variables.
NOTE: L'étape DATA a utilisé (Durée totale du processus) :
temps réel 0.13 secondes
temps processeur 0.01 secondes
3 ! /*Mode saisie des données*/
7 ;
8 RUN;
|
N'ayant que du bleu vous pouvez déjà vous dire que votre programme ne contient
pas d'erreurs. Ce qui est bien le cas quand on regarde dans le détail :
SAS vous dit que la table SAS a été enregistrée dans la « bibliothèque Work»
avec le nom « Base ». Cette table contenant 3 observations et 3 variables,
ce qui est effectivement le cas.
Pour enregistrer votre base dans une bibliothèque définie par l'utilisateur
vous devez procéder comme suit :
LIBNAME test "D:\temp";
DATA test.base ; /*Stockage de la table base dans maLibrairie*/
INPUT nom$ var1 var2 ;
CARDS ;
Pierre 10 12
Paul 11 13
Jacques 8 14
;
RUN;
|
Dans ce tutorial nous n'entrerons pas dans d'autres détails de manipulation
de bases de données sur SAS car cette partie à elle seule pourrait largement couvrir un nouveau tutorial.
Sachez que pour la gestion de bases de données sur SAS vous pouvez dans la version
classique importer des données issues de fichier de formats très divers,
manipuler vos données et créer de nouveaux fichiers.
IV-B. Procédure PROC
Les procédures PROC : Permettent l'analyse et le reporting.
IV-B-1. Un premier exemple
La syntaxe classique d'une procédure est la suivante :
PROC nomProcedure / OPTIONS ;
……
RUN;
|
Une procédure commence toujours par le mot clé PROC et finit toujours par
le mot clé RUN. Entre ces deux mots clés vous pouvez paramétrer votre procédure
de façon à obtenir le résultat voulu.
Je vais ci-dessous vous donner un exemple de procédure réalisant un calcul
de moyenne : la PROC MEANS. Pour calculer notre moyenne nous devons spécifier
à cette procédure le fichier contenant la variable dont on souhaite calculer
la moyenne.
PROC MEANS DATA=base; /*Ceci est un commentaire pouvant être sur plusieurs lignes*/
RUN;
|
Une fois le code exécuté, allez dans la fenêtre « Journal » pour voir
s'il s'est bien déroulé.
Vous devez avoir le texte ci-dessous dans votre journal :
9 PROC MEANS DATA=base; /*Ceci est un commentaire pouvant être sur plusieurs lignes*/
10 RUN;
NOTE: 3 observations copiées de la table WORK.BASE.
NOTE: La procédure MEANS a utilisé (Durée totale du processus) :
temps réel 1.93 secondes
temps processeur 0.06 secondes
10 !
|
De même que pour l'étape DATA, il apparaît clairement que votre code ne
contient pas d'erreur.
Nous allons maintenant générer volontairement une erreur « en omettant
le premier point virgule » pour observer la réaction de SAS.
PROC MEANS DATA=base
RUN;
|
Nous visualisons dans la fenêtre « Journal » le texte suivant :
11 PROC MEANS DATA=base
12 RUN;
---
22
-
200
ERREUR 22-322: Erreur de syntaxe ; syntaxe requise : ;, (, ALPHA, CHARTYPE, CLASSDATA, CLM, COMPLETETYPES, CSS, CV, DATA,
DESCEND, DESCENDING, DESCENDTYPES, EXCLNPWGT, EXCLNPWGTS, EXCLUSIVE, FW, IDMIN, KURTOSIS, LCLM, MAX,
MAXDEC, MEAN, MEDIAN, MIN, MISSING, N, NDEC, NMISS, NONOBS, NOPRINT, NOTHREADS, NOTRAP, NWAY, ORDER, P1,
P10, P25, P5, P50, P75, P90, P95, P99, PCTLDEF, PRINT, PRINTALL, PRINTALLTYPES, PRINTIDS, PRINTIDVARS,
PROBT, Q1, Q3, QMARKERS, QMETHOD, QNTLDEF, QRANGE, RANGE, SKEWNESS, STDDEV, STDERR, SUM, SUMSIZE, SUMWGT,
T, THREADS, UCLM, USS, VAR, VARDEF.
ERREUR 200-322: Le symbole n'est pas reconnu et sera ignoré.
|
On voit très clairement que SAS ne comprend pas notre code.
Cet exemple illustre l'importance de la lecture du « journal »
après l'exécution d'un programme, ainsi que l'utilité du point-virgule
dans le langage SAS.
Ceux-ci doivent toujours être placés à la fin d'une instruction.
Par exemple :
PROC MEANS DATA=base
MEAN; /*1ère instruction*/
VAR v1; /*2ème instruction*/
RUN; /*3ème instruction*/
|
Avec le « Journal » suivant :
PROC MEANS DATA=base
MEAN; /*1ère instruction*/
VAR v1; /*2ème instruction*/
RUN; /*3ème instruction*/
NOTE: 3 observations copiées de la table WORK.BASE.
NOTE: La procédure MEANS a utilisé (Durée totale du processus) :
temps réel 0.01 secondes
temps processeur 0.01 secondes
|
Le dernier exemple illustre une petite partie des nombreuses options
des procédures. En effet si vous ne voulez que le calcul de moyennes
dans votre sortie, vous devez le signifier dans votre procédure à travers
l'ajout d'options (dans cet exemple l'ajout de l'option MEAN permet l'obtention
de la moyenne seule).
Pour visualiser les résultats statistiques de votre code vous devez cliquer
sur la fenêtre « Sortie ».
IV-B-2. Plus de détails
Le nombre de procédures sur SAS est considérable, chaque méthode statistique
possède sa où ses propres procédures. Chaque procédure possède elle aussi
un grand nombre d'options permettant de paramétrer tout aussi bien les
entrées (bases de données) que les sorties (résultats). Ce qui fait qu'au final
SAS est un logiciel dont on ne peut connaître toutes les options :
l'utilisation de l'aide en ligne est à ce titre très précieuse de même que
le forum et la
FAQ SAS de développez.com
L'aide en ligne SAS donne une description des diverses procédures
tant au niveau des sorties générées qu'au niveau des synthaxes.
Cette aide en ligne est le premier outil à prendre en considération
pour tout développeur SAS.
Pour illustrer la diversité des options SAS, je vais prendre l'exemple
d'un calcul du chi2. Cette mesure sert à quantifier le degré de dépendance
(identique à la notion corrélation entre variable numérique) d'au moins
deux variables qualitatives (non numérique). Une variable qualitative étant
une variable du style : 1 = homme, 2 = femme.
La base de données initiale peut être de deux formes :
| SEXE |
MALADIE |
| 1 |
0 |
| 1 |
1 |
| 2 |
0 |
| 1 |
0 |
| 2 |
0 |
| 1 |
0 |
| 1 |
1 |
| 2 |
1 |
| 2 |
1 |
| 2 |
1 |
| 2 |
0 |
| 2 |
0 |
DATA base;
INPUT sexe maladie;
CARDS;
1 0
1 1
2 0
1 0
2 0
1 0
1 1
2 1
2 1
2 1
2 0
2 0
;
RUN;
|
Ou de cette forme (tableau de contingence):
| |
Maladie |
| |
0 |
1 |
| Homme |
3 |
2 |
| Femme |
4 |
3 |
DATA base2;
INPUT sexe maladie effectif;
CARDS;
1 0 3
1 1 2
2 0 4
2 1 3
;
RUN;
|
Une des procédures permettant entre autre le calcul du chi2 est la procédure FREQ,
celle-ci intègre bien évidemment la possibilité de lecture des deux
types de tables ci-dessus dans ces options.
Pour la première table :
PROC FREQ DATA=base;
TABLE sexe*maladie/CHISQ;
RUN;
|
Pour la deuxième table :
PROC FREQ DATA=base2;
TABLE sexe*maladie/CHISQ;
WEIGHT effectif;
RUN;
|
L'ajout de l'option WEIGHT spécifie l'existence d'une variable de poids,
SAS comprend alors que la base de données est sous la forme d'un tableau
de contingence.
Pour calculer la valeur du test du chi2 vous devez rajouter l'option « CHISQ »,
l'ajout d'options se faisant avec la / option1 option2 … .
Dans cet exemple sans cet ajout :
PROC FREQ DATA=base2;
TABLE sexe*maladie;
WEIGHT effectif;
RUN;
|
Nous n'aurions pas obtenu le calcul du chi2 car cette option n'est pas définie
par défaut.
Le but des deux premiers exemples étaient de pouvoir montrer les principales
utilisations des options des procédures en vue de l'obtention
du résultat souhaité. Je vais ci-après vous indiquer comment récupérer
vos résultats dans une table et dans un fichier Word.
IV-B-3. La gestion des sorties
Pour imprimer les informations de cette table dans la fenêtre résultat
vous devez utiliser la procédure PRINT. Cette dernière étant assez différente
des autres car elle ne fait qu'imprimer les données d'une table, contrairement
aux autres procédures qui font des calculs sur les bases.
PROC MEANS DATA=base;
OUTPUT OUT=sortie;
PROC PRINT DATA=sortie ;
RUN;
|
L'autre notion de gestion des sorties sous SAS couvre la présentation des
résultats dans un éditeur à partir de SAS. Nous allons ci-dessous détailler
le code « imprimant les résultats » dans l'éditeur de texte Word.
ODS RTF FILE="D:\resultats.doc";
PROC MEANS DATA=base;
RUN;
ODS RTF CLOSE;
|
IV-C. Langage MACRO
Une macro commence par « %MACRO nomFonction ; » et finit par « %MEND ; ».
Les paramètres de la macro sont initialisés de la façon suivante, par exemple
pour deux paramètres par1 et par2 : « %MACRO maFonction(par1,par2) ».
%MACRO maFonction(par1,par2) ;
PROC MEANS DATA=&par1 ; /*Pour appeler les paramètres on utilise le &*/
VAR &par2 ;
RUN;
%MEND ;
%maFonction(base,v1) ;/*On exécute la macro*/
|
Le but de ce présent article étant une présentation générale de SAS il ne nous
est pas apparu utile d'approfondir les subtilités du langage MACRO dans ce tutorial.
Conclusion
Au terme de ce tutoriel vous posséder maintenant une vue d'ensemble du fonctionnement
de SAS tant au niveau des principales fonctionnalitées qu'au niveau du langage
informatique classiquement utilisé.
Ressources utilisées pour la rédaction de l'article
La communauté SAS de developpez.com
Internet
Livre
Maitriser SAS BASE et SAS MACRO (SAS 9 et versions antérieures) :
Hélène Kontchou Kouomegni et Olivier decourt
Remerciements
Copyright © Fabrice MORLAIS. Aucune reproduction, même partielle, ne peut être faite
de ce site et de l'ensemble de son contenu : textes, documents, images, etc
sans l'autorisation expresse de l'auteur.
Sinon vous encourez selon la loi jusqu'à 3 ans de prison et jusqu'à 300 000 E
de dommages et intérêts.
Cette page est déposée à la
SACD.
