本期開始Dr. SAS將會系列介紹如何運用SAS EM進行模型建置前的各項資料處理，首先將介紹Sample node的使用方法。在SAS EM建模方法論SEMMA的工作循環裡，SAS EM告訴我們分析的第一步驟即為進行Sample,這裡的sample代表著樣本資料與抽樣方法。在模型建置程序裡須取用的資料為樣本資料(sample data)，而非母體的全體資料，同時取樣的樣本集必須具有母體代表性，如此模型才具有解釋意義，也才能真實被應用。

接續上期抽樣方法介紹，本期Dr.SAS將將繼續介紹在EM Sample node裡如何進行分群抽樣、分層抽樣，以及運用Sample node進行過度抽樣的方法。

抽樣的適當與否對於模型的準確性與可解釋性有很大的影響，因此抽樣設計在模型建置程序裡是很重要的研究議題，也因此Dr.SAS特闢系列專欄來詳細介紹抽樣方法與SAS EM sample node的各種抽樣方法的參數設定使用，希望各位讀者在詳加了解各種抽樣方法後，能適當的運用並將模型調整的更精緻。