PaulDickman SAS monster statistiek funksies wat jy moet vertroud wees met veranderlike lyste voor die lees van hierdie bladsy. Monster statistieke vir 'n enkele veranderlike regoor alle waarnemings is maklik om te verkry deur gebruik te maak, byvoorbeeld, PROC beteken PROC eenveranderlike, ens Die eenvoudigste metode om soortgelyke statistieke oor verskeie veranderlikes te verkry in 'n waarneming is met 'n monster statistieke funksie. sumwtsum (van weight1 weight2 weight3 weight4 weight5) Let daarop dat dit gelykstaande is aan, maar is nie gelykstaande aan sumwtweight1 weight2 weight3 weight4 weight5 sedert die som funksie die som van nie-ontbrekende argumente terug, terwyl die operateur 'n vermiste waarde terug indien enige van die argumente mis. Die volgende is almal geldig argumente vir die bedrag funksie: som (van variable1-variablen) waar n 'n heelgetal groter as 1 som (van XYZ) som (van verskeidenheid-naam) som (van numeriese) som (van x - 'n ) waar x voorafgaan n in die PDV einde 'n komma afgebaken lys is ook 'n geldige argument, byvoorbeeld: som (x, y, z) Maar ek raai altyd met behulp van 'n argument voorafgegaan deur VAN, aangesien dit verminder die kans dat jy skryf iets soos sumwtsum (weight1-weight5) wat 'n geldige SAS uitdrukking, maar evalueer om die verskil tussen weight1 en weight5. Ander nuttige voorbeeld statistiek funksies is: Max (argument.) Gee terug Die grootste waarde MIN (argument.) Die kleinste waarde GEMIDDELDE terug terug Die rekenkundige gemiddelde (gemiddeld) N (argument.) Gee terug Die nommer van nonmissing argumente NMISS ((argument.) argument.) gee terug die nommer van ontbrekende waardes STD (argument.) gee terug die standaardafwyking stderr (argument.) gee terug die standaardfout van die gemiddelde VAR (argument.) gee terug die variansie voorbeeld gebruik Jy kan, byvoorbeeld, het weeklikse toets ingesamel tellings oor 'n 20-week-periode en wil die gemiddelde telling bereken vir alle waarnemings met dien verstande dat 'n maksimum van 2 punte word vermis. As nmiss (van test1-test20) le 2 dan testmeanmean (van test1-test20) anders testmean. Verwysings Function argumente: SAS taal, weergawe 6, eerste uitgawe, bladsye 50-51. Funksies: SAS taal, weergawe 6, eerste uitgawe, hoofstuk 11, bladsy 521. Tipe hulpfunksies in die command line toegang tot die aanlyn help. Proc Arimathéa Ontleding van tydreeksdata in die tydgebied gedoen met hierdie proses. Box-Jenkins metodologie (die pas van ARIMA modelle om tydreeksdata) en ook oordragsfunksie (insette tipe) modelle kan gebruik word. Frekwensiedomein tydreeksanalise kan gedoen word met behulp van Proc Spectra. Die raamwerk vir die ontleding is dat die waargenome tydreekse X (t) stilstaan en voldoen aan 'n ARMA vergelyking van die vorm waar Z (t) is 'n wit geraas proses. Die konstantes phi (1). phi (p) staan bekend as die outoregressiewe koëffisiënte en die aantal P is aan die orde van die outoregressiewe komponent genoem. Die konstantes theta (1). theta (Q) staan bekend as die bewegende gemiddelde koëffisiënte en die getal q is aan die orde van die bewegende gemiddelde komponent genoem. Dit is moontlik dat óf P of Q aan nul. Gebruik van processed ARIMA om ARMA modelle inpas bestaan uit 3 stappe. Die eerste stap is model identifikasie, waarin die waargeneem reeks omskep stilstaande te wees. Die enigste transformasie beskikbaar binne processed ARIMA is breukmetodes. Die tweede stap is model skatting, waarin die bestellings P en Q is gekies en die ooreenstemmende parameters beraam. Die derde stap is vooruitskatting, waarin die raming model word gebruik om toekomstige waardes van die waarneembare tydreekse voorspel. As 'n voorbeeld, sal die data lêer milk. dat bevat inligting oor melkproduksie uit roep ontleed. Hier is die instruksies wat gebruik kan word vir elk van die 3 stappe. Opsies vir die IDENTIFISEER STELLING: Die var verklaring vereis en bepaal die veranderlike (s) in die stel te ontleed data. Die opsionele getalle in hakies spesifiseer die lag waarteen verskille te bereken. In 'n verklaring varmilk sal analiseer die melk reeks sonder enige breukmetodes varmilk (1) sal die eerste verskil van melk varmilk (1,1) die tweede verskil van melk ontleed. Die var verklaring produseer 3 erwe vir die gespesifiseerde veranderlike: die monster outokorrelasie funksie, die monster omgekeerde outokorrelasie funksie, en die monster gedeeltelike outokorrelasie funksie. Hierdie ru erwe en tafels van hul waardes gedruk in die uitset venster. 'N hoër gehalte erwe geproduseer kan word deur die gebruik van ander opsies (hieronder uiteengesit) en processed GPLOT. Die nlag opsie veroorsaak dat die 3 erwe om waardes te druk om lag 30. As nie gespesifiseer, verstek is nlag24 of 25 van die aantal waarnemings, wat ook al die minste is. Die sentrum opsie trek die gemiddelde van die reeks wat deur die var verklaring. Die gemiddelde is teruggetel in outomaties tydens die voorspelling stap. Die outcov opsie plaas die waardes van die monster korrelasie funksies in 'n SAS datastel. Hierdie waardes kan gebruik word om 'n hoë gehalte erwe van hierdie funksies gebruik te maak van processed GPLOT produseer. Die veranderlikes uitset is: LAG. CODA (naam van die varible wat in die opsie var), CROSSVAR (naam van die veranderlike wat in die opsie crosscorr), N (aantal waarnemings wat gebruik word om die huidige waarde van die kovariansie of crosscovariance bereken), COV (waarde van die kruis kovariansies), CORR (waarde van die monster outokorrelasie funksie), stderr (standaardfout van die outokorrelasies), INVCORR (waardes van die monster omgekeerde outokorrelasie funksie), en PARTCORR (waardes van die monster gedeeltelike outokorrelasie funksie). Die noprint opsie onderdruk die uitset van die lae gehalte grafieke gewoonlik geskep deur die var verklaring. Hierdie opsie is hoofsaaklik gebruik met die opsie outcov. OPTIONS FOR die skatting STELLING: Die P1 Q3 opsies spesifiseer die motor-regressief en bewegende gemiddelde bestellings fiks te wees. Ander vorme van hierdie spesifikasies is: V (3) te spesifiseer dat slegs die parameter theta (3) toegelaat word om nie-nul p (12) (3) vir 'n seisoenale model (1-phi (12) B12) (1 - phi (3) B3) waar B is die backshift operateur p (3,12) vir 'n model waarin net phi (3) en phi (12) word toegelaat nie-nul te wees. Die nodf opsie gebruik die steekproefgrootte eerder as die grade van vryheid as die deler wanneer die beraming van die wit geraas stryd. Die metode opsie kies die skatting metode vir die parameters. Die keuses is ml vir 'n maksimum (Gauss) annneemlikheidsberaming, ULS vir onvoorwaardelike kleinste kwadrate, en CLS vir voorwaardelike kleinste kwadrate. Die plot opsie produseer dieselfde 3 erwe soos in die identifiseer verklaring vir die residue na die model parameters beraam. Dit is nog 'n nuttige tjek op wit van die residue. OPTIONS FOR die voorspelling STELLING: Die hoof opsie spesifiseer die aantal tydsintervalle in die toekoms waarvoor voorspellings gemaak moet word. Deur die gebruik van die buite en printall opsies in die vooruitsig verklaring, sal 'n SAS dataset geskep wat die waardes van die oorspronklike reeks en die voorspelde waardes van die reeks met behulp van die model te alle tye sal bevat. Dit kan nuttig wees vir 'n ontleding van die prestasie in die verlede van die model. In die praktyk word 'n hele paar verskillende skatting state agtermekaar probeer om te sien watter model die beste pas by die data. Prok ARIMA is interaktief, in die sin van hierdie opeenvolgende pogings gemaak kan word sonder om weer te begin van die proses. dien bloot die opeenvolgende skatting state die oorspronklike identifiseer verklaring sal behou word. Oordragsfunksie modelle kan inpas deur die gebruik van die crosscorr opsie van die identifiseer verklaring en die insette opsie van die skatting verklaring. Die meganika van hierdie proses word geïllustreer vir 'n datastel vals wat twee tydreekse wat verband hou met 'n oordragsfunksie model bevat. In hierdie geval, Y is afhanklik van X. In die eerste plek die proses X is geskoei met behulp van die identifiseer en skatting state. Dan Y is geïdentifiseer en die kruis-korrelasie tussen die prewhitened prosesse X en Y word geskat. Die program kan lyk. Van die kruis korrelasie inligting, kan die lags waarteen die insette proses X beïnvloed Y tentatief geïdentifiseer. Let daarop dat slegs oorsaaklike modelle word toegelaat nie-nul kruis korrelasies by negatiewe lags kan nie geskoei op processed ARIMA. Vir illustrasie, sê die nie-nul lags 2 en 4. Die proses Y kan soos volg geskat. Die insette is van die vorm CB2 DB4 B2 (c DB2). Dit is hierdie laaste vorm wat die vorm van die insette verklaring gee. Let daarop dat die skatting verklaring altyd verwys na die mees onlangse identifiseer verklaring om te besluit watter veranderlike (s) is ingesluit moet word in die model. So breukmetodes en sentrering word outomaties hanteer (indien gebruik), behalwe dat breukmetodes uitdruklik vermeld word in die crosscorr verklaring. Vir meer besonderhede gaan na die online help onder SAS stelsel HELP - dit modelleren amp analise-instrumente - REEKS amp TYD EKONOMETRIE - ARIMA of die SAS / ETS Guide. Kopiereg afskrif 1997 deur Jerry Alan Veeh. Alle regte reserved. Stata: Data-analise en statistiese sagteware Nicholas J. Cox, Durham Universiteit, die Verenigde Koninkryk Christopher Baum, Boston College egen, MA () en sy beperkinge Statarsquos mees voor die hand liggend bevel vir die berekening van bewegende gemiddeldes is die ma () funksie van egen. Gegewe 'n uitdrukking, dit skep 'n - periode bewegende gemiddelde van daardie uitdrukking. By verstek, is geneem as 3. moet vreemd wees. Maar, soos die handleiding inskrywing dui, egen, MA () mag nie gekombineer word met die varlist:. en, net vir hierdie rede is dit nie van toepassing op paneel data. In elk geval, dit staan buite die stel instruksies wat spesifiek vir tydreekse geskryf sien tydreekse vir meer inligting. Alternatiewe benaderings tot bereken bewegende gemiddeldes vir paneel data, is daar ten minste twee keuses. Beide is afhanklik van die dataset nadat vooraf tsset. Dit is baie moeite werd te doen: nie alleen kan bespaar jy jouself herhaaldelik spesifiseer paneel veranderlike en tyd veranderlike, maar Stata optree slim enige gapings in die data gegee. 1. Skryf jou eie definisie met behulp genereer Gebruik time-reeks operateurs soos L. en F.. gee die definisie van die bewegende gemiddelde as die argument om 'n te genereer verklaring. As jy dit doen, jy, natuurlik, nie beperk tot die gelyke gewigte (ongeweegde) gesentreer bewegende gemiddeldes bereken deur egen, MA (). Byvoorbeeld, ewe-geweeg drie-tydperk bewegende gemiddeldes sal deur gegee word en 'n paar gewigte kan maklik gespesifiseerde: Jy kan natuurlik, spesifiseer 'n uitdrukking soos log (myvar) in plaas van 'n veranderlike naam soos myvar. Een groot voordeel van hierdie benadering is dat Stata doen outomaties die regte ding vir paneel data: voorste en agter waardes uitgewerk binne panele, net soos logika dikteer hulle behoort te wees. Die mees noemenswaardige nadeel is dat die command line eerder lank kan kry as die bewegende gemiddelde behels verskeie terme. Nog 'n voorbeeld is 'n eensydige bewegende gemiddelde wat slegs gebaseer is op vorige waardes. Dit kan nuttig wees vir die opwekking van 'n aangepaste verwagting van wat 'n veranderlike sal suiwer gebaseer op inligting tot op hede: wat kan iemand voorspelling vir die huidige tydperk gebaseer op die afgelope vier waardes, met behulp van 'n vaste gewig skema (A 4-tydperk lag kan wees veral algemeen gebruik met kwartaallikse tijdreeksen.) 2. gebruik egen, filter () van SSC gebruik die gebruiker geskryf egen funksie filter () van die egenmore pakket op SSC. In Stata 7 (opgedateer na 14 November 2001), kan jy die pakket installeer deur waarna help egenmore punte om besonderhede oor filter (). Die twee voorbeelde hierbo sou word gelewer (In hierdie vergelyking genereer die benadering is dalk meer deursigtig, maar ons sal 'n voorbeeld van die teenoorgestelde in 'n oomblik sien.) Die lags is 'n numlist. lei dat negatiewe lags: in hierdie geval -1/1 brei om -1 0 1 of lei 1, lag 0, lag 1. Die Coëf ficients, 'n ander numlist, vermeerder die ooreenstemmende sloerende of leidende items: in hierdie geval die items is F1.myvar. myvar en L1.myvar. Die effek van die opsie normaliseer is aan elke koëffisiënt skaal deur die som van die koëffisiënte sodat Coëf (1 1 1) normaliseer is gelykstaande aan koëffisiënte van 1/3 1/3 1/3 en Coëf (1 2 1) normaliseer is gelykstaande om koëffisiënte van 1/4 1/2 1/4. Jy moet nie net die lags, maar ook die koëffisiënte spesifiseer. Omdat egen, MA () gee die ewe geweegde geval, die belangrikste rasionaal vir egen, filter () is om die ongelyk geweegde geval, waarvoor jy moet koëffisiënte spesifiseer ondersteun. Dit kan ook gesê word dat die verpligting om gebruikers te koëffisiënte spesifiseer 'n bietjie ekstra druk op hulle om te dink oor wat koëffisiënte wat hulle wil. Die belangrikste rede vir gelyke gewigte is, ons dink, eenvoud, maar gelyke gewigte het gemeen frekwensiedomein eienskappe, om net 'n oorweging te noem. Die derde voorbeeld hierbo kan óf waarvan net omtrent so ingewikkeld as die genereer benadering. Daar is gevalle waar egen, filter () gee 'n eenvoudiger formulering as genereer. As jy 'n nege-termyn binomiaal filter, wat klimatoloë nuttig vind wil, kyk dan miskien minder aaklig as, en makliker om reg as kry, net soos met die genereer benadering, egen, filter () werk behoorlik met paneel data. Trouens, soos hierbo genoem, dit hang af van die dataset nadat vooraf tsset. 'N Grafiese punt Na die berekening van jou bewegende gemiddeldes, sal jy waarskynlik wil hê om te kyk na 'n grafiek. Die gebruiker geskrewe tsgraph is slim oor tsset datastelle. Installeer dit in 'n up-to-date Stata 7 deur SSC Inst tsgraph. Wat van subsetting met as een van die bogenoemde voorbeelde maak gebruik van as beperkings. Om die waarheid te egen, sal ma () nie toelaat dat indien gespesifiseer word. Soms mense wil gebruik as die berekening bewegende gemiddeldes, maar die gebruik daarvan is 'n bietjie meer ingewikkeld as wat dit is gewoonlik. Wat sou jy verwag van 'n bewegende gemiddelde bereken met as. Kom ons identifiseer twee moontlikhede: Swak interpretasie: Ek dont wil enige resultate vir die uitgesluit Waarnemings sien. Sterk interpretasie: Ek dont selfs wil hê jy moet die waardes vir die uitgesluit waarnemings. Hier is 'n konkrete voorbeeld. Veronderstel as gevolg van 'n paar as voorwaarde, waarnemings 1-42 ingesluit maar nie Waarnemings 43 op. Maar die bewegende gemiddelde vir 42 sal afhang, onder andere, op die waarde vir waarneming 43 as die gemiddelde strek heen en weer en is van lengte ten minste 3, en dit sal op soortgelyke wyse afhanklik van 'n paar van die waarnemings 44 en verder in sekere omstandighede. Ons raaiskoot is dat die meeste mense sal gaan vir die swak interpretasie, maar of dit korrek is, beteken egen, filter () nie ondersteun as óf. Jy kan altyd ignoreer wat jy donrsquot wil of selfs ongewenste waardes stel om daarna ontbreek deur die gebruik van te vervang. 'N Nota oor vermiste resultate aan die einde van 'n reeks Omdat bewegende gemiddeldes is funksies van sloerings en lei, egen, MA () produseer ontbreek waar die lags en lei nie bestaan nie, aan die begin en einde van die reeks. 'N opsie nomiss dwing die berekening van korter, uncentered bewegende gemiddeldes vir die sterte. In teenstelling hiermee het nie genereer word nie egen, filter () doen, of laat, niks spesiaal ontbreek resultate te vermy. Indien enige van die waardes wat nodig is vir die berekening ontbreek, dan is dit gevolg ontbreek. Dit is aan gebruikers om te besluit of en watter korrektiewe chirurgie nodig is vir sulke waarnemings, vermoedelik na te kyk na die datastel en die oorweging van enige onderliggende wetenskap wat tot bear. The voorbeeld kode op die blad Full Kode gebring kan word illustreer hoe om die bewegende bereken gemiddelde van 'n veranderlike deur 'n hele datastel, oor die afgelope n waarnemings in 'n datastel, of oor die afgelope n waarnemings binne 'n bY-groep. Hierdie voorbeeld lêers en kode voorbeelde word verskaf deur SAS Institute Inc. soos sonder waarborge van enige aard, uitdruklik of geïmpliseer, insluitend maar nie beperk tot die geïmpliseerde waarborge van verhandelbaarheid en geskiktheid vir 'n spesifieke doel. Ontvangers erken en aanvaar dat SAS Institute nie aanspreeklik sal wees vir enige skadevergoeding hoegenaamd voortspruitend uit hul gebruik van hierdie materiaal. Daarbenewens sal SAS Institute geen ondersteuning vir die materiaal wat hierin vervat is voorsien. Hierdie voorbeeld lêers en kode voorbeelde word verskaf deur SAS Institute Inc. soos sonder waarborge van enige aard, uitdruklik of geïmpliseer, insluitend maar nie beperk tot die geïmpliseerde waarborge van verhandelbaarheid en geskiktheid vir 'n spesifieke doel. Ontvangers erken en aanvaar dat SAS Institute nie aanspreeklik sal wees vir enige skadevergoeding hoegenaamd voortspruitend uit hul gebruik van hierdie materiaal. Daarbenewens sal SAS Institute geen ondersteuning vir die materiaal wat hierin vervat is voorsien. Bereken die bewegende gemiddelde van 'n veranderlike deur 'n hele datastel, oor die afgelope N waarnemings in 'n datastel, of oor die afgelope N waarnemings binne 'n BY-Groep verantwoord som, gemiddeld en NMISS funksies in SAS en SPSS Die som funksie in SAS en in SPSS klink soos 'n groot hulpmiddel om te gebruik vir scoring 'n toevoeging skaal. Dit is nie, maar wees versigtig as jy 'n vermiste data. As jy met behulp van SAS, kyk na die onderstaande programme, uitset en verduidelikings. As jy 'n SPSS gebruiker, spring na 'n voorbeeld gebruik van SPSS. SAS Let daarop dat ontbrekende waardes as nulle behandel deur die som funksie, tensy die waarneming ontbreek op al die veranderlikes in die lys. INDIEN NMISS (VAN var lys) GT dan ------------------------------- program 2 -------- ------------------- data toets insette (x1-x3) (1.) tot1 som (van x1-x3) tot2 x1x2x3 INDIEN NMISS (vAN X1-X3) 0 DAN TOT3. NÓG TOT3 som (VAN X1-X3) mx GEMIDDELDE (van x1-x3) tot4 3 mx kaarte 121 212 21 2 processed druk ----------------------- --------- uitset ----------------------------- OBS X1 X2 X3 TOT1 TOT2 TOT3 MX TOT4 1 1 2 1 4 4 4 1,33 4,0 2 2 1 2 5 5 5 1,67 5,0 3 2 1. 3. 1,50 4,5 4. 2 2. 2,00 6,0 ------------------- ----------- verduideliking -------------------------- Let daarop dat Waarnemings 3 en 4 het vermiste data. Die veranderlike tot1, geskep met die som van funksie, terug nonmissing somme vir diegene waarnemings, selfs al het hulle ontbreek data - som van eenvoudig behandel ontbrekende waardes as nulle. Hoe meer omslagtig tot2X1X2X3 behandel die vermiste data die manier wat ek wou som van nie, maar as jy antwoorde moes 'n baie vrae sou dit baie omslagtig wees om 'n stelling soos die tot2 stelling hierbo skryf. Nou kyk na hoe die NMISS funksie kan gebruik word met som van die gewenste resultate te bereik: INDIEN NMISS (VAN X1-X3) 0 sal TOT3. NÓG TOT3 som (VAN X1-X3) Die IF. Dan sit TOT3 te ontbreek indien enige van die veranderlikes in die lys ontbreek data. CODA NMISS (VAN var lys) In sommige gevalle mag dit redelik wees om ontbrekende waardes te vervang met die gemiddelde van die vakke antwoorde op die nonmissing items in die lys. Berekening van die gemiddelde van die nonmissing waardes en dan is dit beteken vermenigvuldig met die aantal veranderlikes in die lys (soos gedoen met tot4 in die program hierbo) sal jy so 'n geskatte totale te gee vir vakke met ontbrekende data. Jy sal waarskynlik eers te besluit hoeveel ontbreek datapunte 'n geval kan hê en steeds behou word. Byvoorbeeld, veronderstel ons het 'n 119-item opname en ons wil weet, vir elke vak, hoeveel ontbreek datapunte is daar: data kj infile D: StatDataKJ. dat insette (Q1-q119) (. 1) diffq3-q68 adiffabs (verskil) mis NMISS (van Q1-q119) indien q119. dan X 1 anders X 0 processed freq tafel Mej run mis Frequency Persent Frequency Persent 0 139 90,26 139 90,26 1 9 5,84 148 96,10 2 2 1,30 150 97,40 3 1 0,65 151 98,05 11 1 0,65 152 98,70 13 1 0,65 153 99,35 16 1 0,65 154 100.00 Nou besluit jy waar om die streep te trek. Veronderstel dat ek besluit dat ek sal hou elk geval dat nie meer as 3 ontbreek datapunte het. Verder dink dat ek wil bereken vir elke geval die som van antwoorde op al 119 items. Vir die paar items wat vermis word op 12 gevalle, sal ek die gemiddelde reaksie vir so 'n geval op die oorblywende items te vervang: VAR GEMIDDELDE (VAN var lys) data slag stel kJ as Mej Dit 4 meantot GEMIDDELDE (van Q1-q119) sumtot 119meantot processed beteken var meantot sumtot hardloop Veranderlike N Gemiddelde Std Dev Minimum Maksimum meantot 151 2.8861920 0.2374971 2.1008403 3.7394958 sumtot 151 343.4568531 28.2621494 250.0000000 445.0000000 SPSS Bereken vAR som (var lys) die gebruik van dieselfde data as in program 1 hierbo, SPSS (kliek herskep Bereken indien jy nie tik sintaksis) bereken sum1 som (X1 AAN X3) geproduseer presies dieselfde resultate as gedoen SAS. Bereken VAR som (var lys) Die gebruik van dieselfde data as in program 2 hierbo, SPSS bereken TOT1 som (X1 om X3) geproduseer dieselfde resultate as SAS som (VAN X1-X3) - dit wil sê, is vermiste data behandel as tellings van nul, tensy die geval was daar geen geldige data, in welke geval die bedrag is gestig om die ontbrekende waarde. In SPSS, bereken TOT2 X1X2X3 geproduseer dieselfde resultate as SAS TOT2 X1X2X3 - dit wil sê, 'n geval van een of meer ontbrekende data punte wat 'n vermiste waarde vir die som. Bereken VAR NMISS (var lys) Om 'n verspreiding van die aantal van die vermiste items te kry op 'n stel veranderlikes, gebruik die NMISS funksie - byvoorbeeld bereken ARmiss NMISS (AR1 om ar2). Gebruik dan die frekwensies prosedure om die frekwensie verspreiding verkry vir verskeie items wat weggelaat is. Bereken VAR som. (Var lys) SPSS bied 'n maklike manier om die som funksie verander sodat dit 'n vermiste waarde sal terugkeer as die geval 'n minimum aantal nonmissing tellings vir die veranderlikes wat die argument van die som funksie is nie het nie. Al wat jy hoef te doen is voeg 'n tydperk ná die som en volg dit met die minimum aantal nonmissing tellings. Byvoorbeeld, vir die data mees onlangs bespreek, bereken SUM.3 (X1 AAN X3) geproduseer totale van 4 en 5 vir die eerste twee gevalle (wat geen vermiste data het), maar ontbrekende waardes vir die tweede twee gevalle (wat elk het minder as drie nonmissing tellings). Bereken SUM.2 (X1 om X3) geproduseer totale van 4, 5, 3, en ontbreek aan die vier gevalle. Bereken VAR beteken. (Var lys) Veronderstel jy besluit wat jy wil ontbrekende waardes te vervang met die gemiddelde van die vakke antwoorde wat nie ontbreek nie, tensy die onderwerp minder as twee nonmissing antwoorde gehad. Begin met bereken GEMIDDELDE MEAN.2 (X1 AAN X3). Jy kry middel van 1.33, 1.67, 1.5, en ontbreek. Pretty cool As jy net terug na somme moet kry, al wat jy hoef te doen is vermeerder hierdie wyse deur die aantal argumente, 3 in hierdie geval. Bereken TOT5 3MEAN produseer totale van 4, 5, 4.5, en ontbreek. Hier is 'n voorbeeld van die navorsing van een van my nagraadse studente. Sy wil om te score 'n tien-item skaal. Die item veranderlikes name rse1 om rse10. Na die ondersoek na die verspreiding van ontbrekende waardes, besluit sy om 'n telling vir elk geval wat minstens nege nonmissing waardes het bereken. Die skaal telling sal bereken word as 'n totale (som). Vir elke vak met minstens nege nonmissing waardes, sal sy die gemiddelde item telling bereken en vermenigvuldig dit dan deur tien. Sy het reeds gehercodeerde daardie items wat aangespreek moet word om te keer-aangeteken. Van die data oog, Anne kliek herskep bereken. Sy name die teiken veranderlike RSE. In die Numeriese Expression boks gaan sy quot10MEAN.9 (rse1 om rse10) quot en dan druk sy OK. Die skaal telling is geskep. Ek verkies gewoonlik om middele eerder as som te bereken, so ek sou die quot10quot laat. Terug na die SAS Hulp Page Terug na die SPSS lesse Page This page mees onlangs hersien op 9-10-11.
No comments:
Post a Comment