r - 如何将要在 SAS、SPSS 或 STATA 中使用的数据导入 R？

Question

我正在尝试从 R 中的全国健康访谈调查中读取数据:http://www.cdc.gov/nchs/nhis/nhis_2011_data_release.htm .数据是样本成人。 SAScii 库实际上有一个函数 read.SAScii，其文档中有一个我想使用的相同数据集的示例。问题是它“不起作用”:

NHIS.11.samadult.SAS.read.in.instructions <- 
  "ftp://ftp.cdc.gov/pub/Health_Statistics/NCHS/Program_Code/NHIS/2011/SAMADULT.sas"
NHIS.11.samadult.file.location <- 
  "ftp://ftp.cdc.gov/pub/Health_Statistics/NCHS/Datasets/NHIS/2011/samadult.zip"

#store the NHIS file as an R data frame!
NHIS.11.samadult.df <- 
  read.SAScii ( 
    NHIS.11.samadult.file.location , 
    NHIS.11.samadult.SAS.read.in.instructions , 
    zipped = T, )

#or store the NHIS SAS import instructions for use in a 
#read.fwf function call outside of the read.SAScii function
NHIS.11.samadult.sas <- parse.SAScii( NHIS.11.samadult.SAS.read.in.instructions )

#save the data frame now for instantaneous loading later
save( NHIS.11.samadult.df , file = "NHIS.11.samadult.data.rda" )

但是，在运行它时我收到错误 Error in toupper(SASinput) : invalid multibyte string 533。

Stack Overflow 上的其他人也有类似的错误，但对于 read.delim 和 read.csv 等函数，建议尝试将参数更改为 例如 fileEncoding="latin1"。 read.SAScii 的问题是它没有这样的参数 fileEncoding。

参见: R: invalid multibyte string和 Invalid multibyte string in read.csv

Answer 1

以防万一有人遇到类似问题，我的问题和解决方案是在运行上述代码以供 read 之前运行 options( encoding = "windows-1252")。 SAScii 因为 ASCII 文件适用于 SAS，因此适用于 Windows。我正在使用 Linux。

SAScii 库的作者实际上还有另一个 Github 存储库 asdfree，他在其中拥有用于下载所有可用年份以及许多其他年份的 CDC-NHIS 数据集的工作代码来自各种调查的数据集，例如美国住房调查、FDA 药物调查等。

下面链接是作者对这个问题的解决方法。从那里，您可以轻松找到指向 asdfree 存储库的链接:https://github.com/ajdamico/SAScii/issues/3 .

就此数据集而言，https://github.com/ajdamico/asdfree/blob/master/National%20Health%20Interview%20Survey/download%20all%20microdata.R#L8-L13 中的代码可以解决问题，但是它没有将列正确编码为因子或数字。好消息是，对于 NHIS 年中的任何给定数据集，只有不到 10 到 20 个数字列，其中将这些列一个一个地编码为数字并不那么痛苦，而将其余列编码为数字只需要一个遍历非数字列。

对我来说最简单的解决方案是运行包含在http://www.cdc.gov/nchs/nhis/nhis_2011_data_release.htm根据需要对列进行编码。最后，我使用 proc export 将 sas 数据集导出到一个 CSV 文件，然后我在 R 中轻松打开该文件，除了处理缺失值外，没有对数据进行任何必要的编辑。

如果您想使用成人样本以外的 NHIS 数据集，值得注意的是，当我为 2010 年“成人癌症样本”(http://www.cdc.gov/nchs/nhis/nhis_2010_data_release.htm) 运行可用的 SAS 程序并将数据导出到 CSV 时，有当我尝试在 R 中读取 CSV 文件时，列名少于实际列的问题。跳过第一行可以解决此问题，但您会丢失描述性列名。但是，您可以轻松导入相同的数据，而无需使用 asdfree 存储库中的 R 代码进行编码。请阅读那里的文档以获取更多信息。