Руководство по анализу данных с помощью самой мощной и популярной
жүктеу/скачать 8,54 Mb. Pdf көрінісі
|
А. Наследов - SPSS 19. Профессиональный статистический анализ данных - 2011
- Бұл бет үшін навигация:
- Глава 4. Управление данными 62
| Обработка пропущенных значений
В процессе работы с программой SPSS вы нередко будете сталкиваться с пробле- мой отсутствующих данных. Обратимся к переменным из примера ex01.sav . Впол- не вероятна ситуация, когда кто-либо из учеников отсутствовал при проведении тестирования или не ответил на вопрос о внешкольном увлечении, либо не опреде- лился с перспективой поступления в вуз. Подобные случаи приводят к тому, что в данных рабочего файла появляются пропущенные значения. Пропущенные значе- ния не только мешают осмысливать данные, но и могут оказывать нежелательное влияние на результаты анализа. Некоторые статистические процедуры игнориру- ют объекты (строки), в которых содержится хотя бы одно пропущенное значение. Глава 4. Управление данными 62 Если, к примеру, из 35 наблюдений 13 имеют пропущенные значения по разным переменным, то анализу будет подлежать немногим более 60 % данных файла, что, несомненно, исказит результаты. Большинство статистических методов SPSS позволяет учитывать пропуски в дан- ных двумя принципиально различными способами: построчно (listwise) и попарно (pairwise). При построчном учете пропусков SPSS перед выполнением операции проверяет строки (объекты) на наличие пропущенных значений и в случае об- наружения последних исключает соответствующие строки из анализа целиком. Этот способ позволяет получить наиболее корректные статистические результаты, однако потери данных при этом максимальны. При попарном учете пропусков об- работка выполняется без дополнительных проверок, и в процессе вычислений не выполняются только те операции, которые требуют наличия пропущенного зна- чения. Таким образом, в анализе участвуют все введенные данные, но результаты анализа содержат погрешности. Мы рекомендуем вам по возможности решать проблему пропущенных значений на этапе ввода и кодирования данных, а не полагаться на то, что SPSS сделает это за вас. В любом случае, чем больше пропусков в исходных данных, тем менее точ- ны и корректны результаты анализа. Для номинальной переменной проблема пропущенных значений решается легко: вы можете просто ввести для нее еще одну градацию, которая соответствует про- пуску в данных. Для количественной переменной (метрической или порядковой), имеющей множество возможных значений, в SPSS предусмотрены специальные процедуры заполнения пропусков: в меню Преобразовать есть команда Заменить пропущенные значения . При всем соблазне ее использовать следует помнить, что результаты обработки данных с заменой пропусков фиктивными значениями, на- пример средними, вряд ли могут вызвать доверие. Поэтому лучше на месте про- пуска честно оставлять пустую ячейку. А вопрос о построчном или попарном учете пропусков решать отдельно для каждого конкретного метода анализа данных. В справочной системе SPSS часто используется два термина: системные пропу- щенные значения (system missing values) и пользовательские пропущенные значе- ния (user missing values). Под физически пропущенными значениями понимаются значения, не введенные в компьютер. В редакторе данных пустые ячейки, не со- держащие значений, помечены точкой. Логически пропущенные значения — это специальные значения переменной, отражающие невозможность адекватного ко- дирования некоторой ситуации. Если, например, 1, 2 и 3 — тестовые оценки ис- пытуемого, 8 означает, что тест не завершен, а 9 фиксирует неявку испытуемого, то значения 8 и 9 относятся к логически пропущенным, поскольку их нельзя ин- терпретировать как результаты теста. жүктеу/скачать 8,54 Mb. Достарыңызбен бөлісу:
|