Синтаксис в SPSS необходим!

Загляните за пределы стандартного графического интерфейса (GUI) SPSS!

Командный синтаксис (syntax) SPSS — это набор текстовых инструкций (фактически — язык программирования) для командного процессора пакета, которые включают управление настройками пакета, вызовы команд статистического анализа, загрузку, сохранение и преобразованиее данных, обеспечивают программные конструкции (циклы, условия) и взаимодействие пакета SPSS с внешней средой (в том числе и с другими языками программирования). Почти все пункты графического пользовательского меню имеют свои эквиваленты в синтаксисе SPSS. При этом возможность организации обработки данных как последовательности текстовых инструкций (в форме программы) обеспечивает пользователю протоколирование, легкость видоизменения и воспроизведения процедур обработки данных.

Работа через меню GUI удобна, не спорю. Однако, используя возможности синтаксиса наряду со стандартными меню, вы можете повысить свою производительность при решении простых и рутинных задач раз в 5—10. Для более масштабных и сложных вариантов обработки ускорение может достигать и 50 раз. Более того, доступ к некоторым возможностям SPSS даёт лишь синтаксис. Ещё одна приятная особенность: команды, написанные в форме синтаксиса, будут работать во всех версиях SPSS, не только в Windows-версии.

Здесь вы найдёте примеры синтаксиса на все вкусы:

• Какие-то из них делают достаточно простые вещи и снабжены множеством комментариев;
• Какие-то делают сложные вещи и либо не имеют комментариев вовсе, либо, наоборот, прокомментированы со всей тщательностью.
• Прочие находятся где-то между этими крайностями.

Знакомы ли вы с книгой Программирование и управление данными в SPSS (SPSS Programming and Data Management)?

Предложения и ваши примеры синтаксиса приветствуются. Поделитесь своими знаниями и сами узнайте больше!

Файлы синтаксиса сгруппированы по следующим темам:

1. Площадь под кривой (Area Under the Curve - AUC)
2. Пакетные (*.bat) файлы
3. Блочные эксперименты
4. Бутстреп оценки (bootstrap) и случайные числа и выборки
5. Таблицы и графики
6. Кластерный анализ
7. Сочетания, перестановки, взаимодействия
8. Вычисления
9. Конкатенация/модификация переменных (см. также Поэлементный разбор и маркировка данных)
10. Редактор данных
11. Проверка (валидация) данных
12. Дата и время (см. также Упражнения на работу с датами, временем и возрастом)
13. Распределения, доверительные интервалы
14. Экспорт, импорт (см. также ЧаВо)
15. Факторный анализ
16. Выделение и отбор наблюдений
17. Интерактивные графики — IGRAPH (см. также IGRAPH в разделе скриптов)
18. Анализ тестов
19. Метки, имена и форматы переменных
20. Сопоставление файлов данных
21. Работа с матрицами и язык Matrix
22. Мета-анализ
23. Множественные ответы
24. OMS — система управления результатами
25. Выбросы
26. Поэлементный разбор и маркировка данных (см. также Манипуляция строками)
27. Случайный отбор
28. Ранжирование, экстремумы, сортировка, группирование
29. Чтение, вывод и создание данных
30. Регрессия, повторные измерения
31. Замена символов, удаление наблюдений-дубликатов и лишних переменных
32. Преобразование структуры данных
33. Кривые ROC
34. Объём выборки, мощность статистического критерия
35. Самонастраивающийся синтаксис
36. Строки
37. Анализ выживаемости
38. Показатели неравенства
39. Проверка существования файла или переменной
40. Временные ряды
41. Преобразования переменных
42. T-критерии, средние, дисперсионный анализ
43. Разное
44. Работа с несколькими файлами данных (см. также работу с файлами с помощью скриптов)
45. Работа с пропущенными значениями
46. Совместный анализ
47. Анализ соответствий

Не все файлы до последнего проверены мной на работоспособность. Некоторые я поместил сюда, поскольку они показались мне интересными, но ещё не успел проверить программы в действии. Да, так много программ… так мало времени…

Если такая информация доступна, рядом с файлом синтаксиса, который написал не я, я помещаю имя автора. Обычно я не помещаю сюда e-mail авторов, чтобы снизить количество писем в их адрес. Если кто-то возражает против помещения его имени здесь, тот может написать мне письмо, и я быстренько удалю эту ссылку. С другой стороны, если у вас есть синтаксис, который окажется полезным другим посетителям сайта, я его с радостью выложу и дам ссылку на автора. Лучше, если такой синтаксис будет содержать пример данных внутри себя (в идеале посредством использования операторов DATA LIST или INPUT PROGRAM) и краткое описание своего предназначения.

---

Чтобы что-то улучшить, надо сначала это оценить!

---

NB: Файлы со значком добавлены или обновлены менее, чем 30 дней назад.

• Площадь под кривой (Area Under the Curve - AUC)

  1. Площадь под кривой с вычислением интеграла по формуле трапеций;
  2. Площадь под кривой выше базисного уровня.

     ▲ наверх

• Пакетные (*.bat) файлы

  1. Пример запуска синтаксиса в файле .sps через файл .bat;
  2. Запуск синтаксиса через пакетный файл или командную строку.

     ▲ наверх

• Блочные эксперименты (прислал Valentim R. Alferes. Спасибо!)

  1. Полностью рандомизированные планы (с равным или неравным количеством наблюдений на вариант)
  2. Случайное приписывание объектов к вариантам эксперимента. Для простых и обобщённых рандомизированных блочных планов и полностью рандомизированных планов (с равным числом объектов на вариант).

     ▲ наверх

• Бутстреп-оценки (bootstrap) и случайные числа и выборки

  Совет: если вы используете генератор случайных чисел и есть необходимость воспроизвести в точности полученные ранее результаты, используйте команду «SET SEED=число.» в начале вашего синтаксиса, где «число» - любое число. Можете, например, генерировать его, используя текущую дату и время: (т.е.«SET SEED=1120722.», если сейчас 7 часов 22 минуты 20 ноября). С такой установкой генератор случайных чисел будет давать одни и те же результаты.

  1. Доверительный интервал для дисперсии методом бутстреп;
  2. Доверительный интервал по методу бутстреп для альфы Кронбаха;
  3. Таблицы сопряжённости для множества бутстреп-выборок;
  4. Бутстреп-оценки МНК (для метода наименьших квадратов);
  5. Бутстреп-оценки для среднего и медианы;
  6. Генерация случайного мултьтиномиального вектора;
  7. Генерация случайных переменных многомерного гипергеометрического распределения;
  8. Генерация многомерного нормального вектора с заданной ковариационной матрицей (AnswerNet)
  9. Генерация триад случайных переменных;
  10. Случайные выборки разных объёмов и подсчёт выборочных статистик. (Сравнение распределений средних для одного и того же количества выборок разного объёма)
  11. Случайные выборки одного и того же объёма и подсчёт выборочных статистик. (Сравнение средних для k выборок объёма s)
  12. Выборочное распределение парного коэффициента корреляции.
      
      Бутстреп-оценки с использованием OMS (Output Management System - системы управления результатами), доступной с версии SPSS 12
  13. Бутстреп оценки коэффициентов линейной регрессии.

      ▲ наверх

• Таблицы и графики

  1. Независимые столбцовые диаграммы для каждой категории группирующей переменной;
  2. Отображение пустого столбца и нулевой частоты для пустой категории (из архивов AnswerNet);
  3. Отображение пустого столбца и нулевой частоты для пустой категории (обобщение на большое число файлов/переменных) (обратите внимание, что показать пустые категории в команде CTABLES не составляет труда. Достоточно указать EMPTY=INCLUDE в подкоманде /Categories);
  4. Сравнение (наложение) двух гистограмм. Может также быть использовано для построения половозрастной пирамиды (см. пример из раздела IGRAPH ниже);
  5. Подсчёт выбросов (отображение количества выбросов на ящичковой диаграмме);
  6. Подавление вывода категорий с малыми частотами в столбцовых диаграммах.
     Данный макрос полностью прокомментирован здесь.
     Новички, незнакомые с принципами работы макросов, могут прочесть это объяснение;
  7. Несколько гистограмм одинакового масштаба (демонстрация использования макроса Dograph.sps и шаблона Dograph.sct, рекомендуется для версий SPSS до 11 включительно);
  8. Графики накопленного процента уволившихся к определённому возрасту для разных категорий;
  9. Отображение накопленного процента на оси X;
  10. Отображение распределения ответов на вопрос;
  11. Гистограмма с процентами по оси Y вместо абсолютных частот (синтаксис особенно полезен для «ранних» версий SPSS);
  12. Помечаем конкретное наблюдение на графике;
  13. Помечаем конкретное наблюдение на графике (версия 2). Это обобщение приведённого выше синтаксиса с использованием шаблона графика Identify Your Own Data.sct (проверен в версии SPSS 10, для SPSS 12 и выше нужен другой шаблон);
  14. Вывод текущей даты в заголовок графика;
  15. Вывод текущей даты и времени в заголовок графика (тот же способ можно применять и для таблиц);
  16. Печать гистограммы или столбцовой диаграммы в зависимости от типа переменной (хороший пример на использование макросов);
  17. Вывод в заголовок графика или таблицы названия школы;
  18. Отображение средних значений на линейном графике;
  19. Показать 2 категории на одной и той же гистограмме;
  20. График для иллюстрации закона Зипфа (Zipf's law).
      
      Таблицы
      
  21. Создание таблицы результатов «вручную» в редакторе данных.SPS (хороший пример реструктурирования данных)
  22. Создание таблицы результатов «вручную» (пример 2).SPS (нетривиальное решение…)
  23. Построить частотную таблицу для категорий из множественных строковых переменных.SPS
  24. Ввести переменные в команду FREQUENCIES по убыванию медиан.SPS
  25. Вывести название группы в заголовок таблицы.SPS
  26. Построить таблицу «среднее плюс-минус стандартное отклонение».sps
  27. Поместить 4 переменные в одну частотную таблицу.SPS
  28. Отобразить «пустые» категории в таблице.SPS (из AnswerNet) Команда CTABLE для этого не требует дополнительного синтаксиса)
  29. Отобразить «пустые» категории в таблице (второй способ).SPS
  30. Указать число действительных наблюдений в примечании к таблице.SPS
  31. Таблица, где список переменных генерируется макросом. Пример использования конструкции !IF …!ELSE … !IFEND;
  32. Управление именами и метками переменных и значений в таблицах.
      
      Команда CTABLES (дополнительный модуль Tables)
      
  33. Статистика по подгруппам переменных;
  34. Отсортировать категории по убыванию частоты, поставив «Другое» на последнее место;
  35. Использование макроса и команды CTABLE.

      ▲ наверх

• Кластерный анализ

  1. Кластерный анализ с матрицей схожести (частотами) на входе.SPS
  2. Сохранить центры из иерархического КА в качестве начальных центров для КА методом K-средних.SPS

     ▲ наверх

• Сочетания, перестановки, взаимодействия

  1. Все сочетания по 3 числа из 9.SPS (см. обобщение «Найти все сочетания…» ниже)
  2. Все сочетания по 3 буквы из n.SPS (с возвращением)
  3. Построить взаимодействия между 2 категориальными переменными.SPS (в контексте регрессионного анализа)
  4. Создать новую переменную для каждой комбинации значений 2 переменных.SPS
  5. Найти все сочетания от 1 до n объектов из m объектов.SPS (может быть ресурсоёмким)
  6. Найти все сочетания по n объектов из m объектов.SPS (может быть ресурсоёмким)
  7. Найти перестановки чисел от 1 до n.SPS Максимальное число n = 7. В сочетании с командой RECODE, может использоваться для поиска перестановок строк и чисел.
  8. Сгенерировать случайные последовательности для блочного эксперимента.SPS
  9. Получить всевозможные произведения пар переменных.SPS (сопровождается комментариями)

     ▲ наверх

• Вычисления

  1. Автоматически рассчитать веса для данных.SPS
  2. Преобразование Бокса-Кокса.SPS Пересчитать var1, используя 31 значение для лямбда между -2 и 1 (с шагом 0.1).
  3. Число уникальных значений по 400 переменным.SPS
  4. Вычислить процент пациентов с переломом определённой категории.SPS
  5. Вычислить z = x / max(y), где max(y) - максимум по всем наблюдениям.SPS (иногда предпочтительнее использовать этот макрос)
  6. Подсчёт расстояний между 2 точками на земной поверхности.SPS (спасибо Симону Фрейдину (Simon Freidin))
  7. Вычислить среднее по m переменным, где m берётся из другой переменной.SPS
  8. Создать переменную со средними значениями другой переменной.SPS
  9. Найти кубический корень.SPS
  10. Обратить порядок цифр в целочисленной переменной.SPS
  11. Взвешивание по 2 и более переменным.SPS Спасибо Joao Duarte!

      ▲ наверх

• Конкатенация/модификация переменных

  (см. также Поэлементный разбор и маркировка данных)
  1. Особенность функции CONCAT.SPS Начинающим следует посмотреть этот пример.
  2. Объединение строковой и числовой переменных.SPS
  3. Конкатенация.SPS (построение строки-константы, объединяющей все значения второй переменной)
  4. Объединение данных с одним и тем же идентификатором.SPS
  5. Сцепление цифр из разных переменных в одну строку.SPS
  6. Сцепить значения 22 переменных через тире.SPS
  7. Перевести первую букву каждого слова в верхний регистр.SPS (Спасибо A. Paul Beaulne, который прислал этот код)
  8. Создать ключ, используя имя и дату рождения.SPS
  9. «Нормализовать» первые буквы.sps (сделать первую букву каждого слова прописной, остальные - строчными)
  10. «Нормализовать» строки.SPS (убрать пробелы в начале, точки в конце, сделать все буквы заглавными)
  11. Убрать инициалы из имени.SPS
  12. Убрать точку из строки.SPS (можно модифицировать для отсева других символов)
  13. Преобразовать имена.SPS (поставить фамилию перед инициалами)
  14. Преобразовать коды ASCII в символы.SPS

      ▲ наверх

• Редактор данных

  1. Уменьшить ширину колонок в редакторе данных.SPS
  2. Выравнивание строковых переменных по правому краю.SPS

     ▲ наверх

• Проверка (валидация данных)

  1. Проверка формата текстового поля.SPS
  2. Проверить шкалу Лайкерта и непрерывную переменную.SPS

     ▲ наверх

• Дата и время

  (см. также Упражнения на работу с датами, временем и возрастом)
  1. Добавить 60 дней к дате и найти последний день месяца.SPS
  2. Добавить ведущие нули к дате в строковом формате.SPS
  3. Вычислить возраст, если он введён как nnH nnD nnM и nnA.SPS
  4. Разложить период госпитализации по месяцам.SPS
  5. Вычислить возраст.SPS
  6. Вычислить разницу во времени в миллисекундах.SPS
  7. Вычислить среднюю дату и стандартное отклонение в днях.SPS
  8. Рассчитать число дней, попадающих в заданный интервал.SPS
  9. Подсчитать число минут между двумя временными отметками (в том числе, в разных сутках).SPS
  10. Вычислить число месяцев между 2 датами.SPS
  11. Вычислить время ожидания, когда время закодировано как hh min.SPS
  12. Получить число рабочих дней между 2 датами.SPS
  13. Получить число рабочих дней, исключить праздники.SPS
  14. Подсчитать время сна.SPS
  15. Ковертировать дату и время из формата SPSS в ACCESS.SPS
  16. Конвертация строки в число.SPS (переменная содержит возраст в одном из следующих представлений «7Y» — 7 лет, «3m»— 3 месяца, «28D» — 28 дней. Требуется всё это перевести в года.)
  17. Конвертация строки вида hhmmss в числовую переменную формата времени.SPS (Спасибо Jim Marks)
  18. Конвертация строки вида "01Jan1992" в формат даты.SPS
  19. Конвертация строки вида "1997-08-22" в формат даты.SPS
  20. Конвертация строки в формат даты и времени.SPS
  21. Преобразование строк вида «2006-04-28 18:20:01» в переменную формата даты и времени.SPS
  22. Преобразование строки в дату и отбор дат, выпадающих на выходные.SPS
  23. Конвертация строки вида 04Apri03 в дату.SPS
  24. Добавить 3 месяца к дате.SPS
  25. Что, если даты не убираются на графике.SPS (вариант решения)
  26. Извлечь время из строки, содержащей дату и время.SPS
  27. Конвертировать время из формата AM PM к «военному» формату.SPS
  28. Импорт из MS Excel (конвертировать число дней в дату).SPS
  29. Сохранить время при записи данных в текстовый файл.SPS
  30. Записать текущую дату в переменную.SPS
  31. Сосчитать последовательные 30-минутные интервалы когда наблюдалась гипоксия.SPS
  32. Вывести текущую дату в заголовок графика.SPS
  33. Поместить дату и время перед результатами статанализа.SPS
  34. Вывести день недели вместе с датой.SPS
  35. Считать время из текстовой строки, содержащей дату и время.SPS
  36. Сохранить файл с текущей датой в имени файла.SPS
  37. Отобрать наблюдения, попадающие во временной интервал.SPS
  38. Работа с системной переменной SPSS $Time.SPS

      ▲ наверх

• Распределения, доверительные интервалы

  1. Добавить переменные с границами доверительного интервала для среднего;
  2. Байесовские оценки долей и доверительные интервалы. Спасибо Евгению Ивашкевичу (можно построить доверительные интервалы для категории, не представленной в выборке);
  3. Значимость по хи-квадрат при заданных q и df;
  4. Вычисление 95% доверительного интервала для медианы (спасибо автору: Marta Garcia-Granero);
  5. Проверка Мак-Немара хи-квадрат(спасибо автору: Marta);
  6. Графики доверительных интервалов в случае повторных измерений (WSCI) Спасибо автору: Daniel B. Wright. Это ссылка на домашнюю страницу его книги и синтаксис SPSS;
  7. Доверительный интвервал Ходжеса-Лимана (Hodges-Lehmann) разности медиан (спасибо автору: Marta Garcia-Granero);
  8. Доверительные интервалы для долей, разностей долей и связанных с ними величин (ссылка на страницу Dr. Robert G. Newcombe);
  9. Точный доверительный интервал для параметра биномиального распределения;
  10. Проверка согласия для распределения Пуассона (спасибо автору — Marta Garcia-Granero);
  11. Нормализация баллов (raw scores) (автор — Valentim R. Alferes);
  12. Проверки и доверительные интервалы для долей (спасибо автору: Gwilym Pryce) Реализованы следующие алгоритмы для больших выборок:
      - проверка для одной доли;
      - доверительный интервал для одной доли;
      - проверка равенства двух долей;
      - доверительный интервал для разности двух долей.
  13. Проверка линейных ограничений в множественной регрессии (спасибо автору — Johannes Naumann). Макрос проверяет линейные гипотезы общего вида cb=d, где b - вектор коэффициентов регрессии, а c - матрица линейных ограничений;
  14. Одномерные и многомерные проверки на асимметрию и эксцесс (ссылка на страницу автора — Lawrence T. Decarlo's). Там же найдёте:
      - макрос SPSS для многомерных проверок на асимметрию по алгоритму Мардиа (Mardia);
      - синтаксис SPSS для моделей обнаружения сигналов как обобщённых линейных моделей.
       
      Подгонка распределений
      
  15. Подгонка моделей с избыточной дисперсией (экстра-вариация в распределении Пуассона).

      ▲ наверх

• Экспорт, импорт

  (см. также ЧаВо и Скрипты)
  1. Экспорт всех таблиц в MS Word.SPS (см. автоматизированное решение на странице Скрипты)
  2. Экспорт данных в Excel с метками значений вместо самих значений.SPS
  3. Экспорт содержимого редактора данных на конкретный лист рабочей книги Excel.SPS
  4. Экспорт из SPSS в ACCESS.SPS
  5. Экспорт из SPSS в ACCESS (метод 2).SPS
  6. Экспорт более, чем 256 переменных в Excel.SPS
  7. Экспорт некоторых переменных из SPSS на несколько листов рабочей книги Excel.SPS
  8. Импорт из ACCESS или LotusNotes.SPS (не требуется DSN - очень удобно. Спасбо автору - Tom Dierickx)
  9. Запись данных из файла SPSS 10 в базу данных через ODBC.SPS (из AnswerNet)

     ▲ наверх

• Факторный анализ

  1. Коэффициент конгруэнтности в факторном анализе (ссылка на макрос)
  2. Определение числа компонент с использованием параллельной процедуры и проверки MAP Велисера (ссылка на сайт Brian P. O'Connor)
  3. Факторный анализ с матрицей корреляций Спирмена на входе.SPS

     ▲ наверх

• Выделение и отбор наблюдений

  1. Исключить «выбросы» из анализа.SPS (где выбросы определяются как значения, выходящие за 2 станд. откл. от среднего)
  2. Отметить наблюдения, содержащие в строковой переменной заданное слово.SPS
  3. Отметить наблюдения, в которых переменные содержат повторяющиеся значения.SPS
  4. Отметить 5% наиболее высоких зарплат.SPS
  5. Отметить наблюдение, если оно само, либо предшествующее ему, либо последующее наблюдение для одного и того же человека удовлетворяет некоторому условию.SPS
  6. Пометить первую и последнюю дату наблюдения (в пределах каждого ID).SPS
  7. Сохранить только записи пациентов, наблюдавшихся несколько раз.SPS
  8. Вывести частотную таблицу для n наиболее или наименее часто встречающихся категорий.SPS
  9. Отобрать пациентов, которым лекарство №1 назначалось перед лекарством №2.SPS
  10. Отобрать наблюдения, для которых одна и та же буква появлялась в строке дважды.SPS
  11. Осложнённый поиск в текстовой строке.SPS (данные со сканера, часть символов ошибочно распознана как буквы (например, B) вместо цифр (например, 8); синтаксис отмечает такие случаи)

      ▲ наверх

• Интерактивные графики — IGRAPH

  (см. также IGRAPH на странице скриптов)
  1. Кластеризованные столбцовые диаграммы с процентами от численности кластера.SPS
  2. Пример графика поверхности.SPS
  3. Рисование пользовательской функции.SPS
  4. Отображение эффекта взаимодействия во множественной регрессии.SPS
  5. Как ускорить построение графиков.SPS (можно использовать для разных типов графиков)
  6. Возрастные пирамиды.SPS
  7. Масштабирование графика.SPS
  8. Одна ящичковая диаграмма на каждую категорию переменной.SPS (синтаксис можно адаптировать под любой другой тип графика)

     ▲ наверх

• Анализ тестов (анализ вариантов)

  1. Синтаксис для анализа тестов.SPS По материалам SPSS's White Paper on Item Analysis. Использует этот пример данных.

     ▲ наверх

• Метки, имена и форматы переменных

  1. Добавить в имена переменных первый символ (или заменить его).SPS
  2. Закончить имена переменных обозначением «_99».SPS
  3. Создать метки значений из значений строковой переменной.sps
  4. Приписать одну и ту же метку нескольким переменным.SPS
  5. Приписать порядковые метки значений вектору переменных.SPS
  6. Скопировать метку переменной и метки её значений на другие переменные.SPS
  7. Переименовать переменные автоматически.SPS
  8. Автоматическое переименование или копирование переменных.SPS
  9. Поменять формат у 600 переменных.SPS
  10. Изменить формат переменной.SPS (см. также мастер-класс. Если не знакомы с макросами, ознакомьтесь со страничкой для начинающих).
  11. Создание фиктивных переменных.SPS (называемых также индикаторными или двоичными)
  12. Создание фиктивных переменных (AnswerNet).SPS
  13. Создать переменную с частотами значений переменной var1.SPS
  14. Определить глобальную переменную.SPS (полезный приём в программировании)
  15. Задать метки переменных через макрос.SPS
  16. Удалить все метки переменных в заданном .sav-файле.SPS
  17. Удалить переменные по списку (некоторые могут отсутствовать в файле).SPS
  18. Удалить переменные, все значения которых равны нулю.SPS
  19. Переупорядочивание и удаление столбцов (переменных).SPS
  20. Удаление меток множества переменных.SPS
  21. Группировка данных и создание соответствующих меток (категоризация).sps
  22. Перечислить переменные, расположенные между двумя заданными переменными.SPS (раздел избранных макросов)
  23. Объединить файл описанных переменных и файл данных.SPS
  24. Вывести метки переменных и значений в одной и той же частотной таблице.SPS
  25. Прочесть имена и метки переменных и значений из ASCII-формата.SPS
  26. Продублировать переменные так, что имя var1 становится varx и т.д.SPS
  27. Удаление символа подчёркивания из имён переменных.SPS (можно адаптировать под любой символ)
  28. Переименование векторных переменных.SPS
  29. Переименовать все переменные так, что t2abc становится t1abc и т.д.SPS
  30. Дать переменным из файла 1 такие же имена, как в файле 2.SPS
  31. Обратить порядок категорий и их меток.SPS
  32. Округлить значения и поменять формат у всех числовых переменных.SPS
  33. Отображение 0.45 вместо .45.SPS
  34. Расположить переменные в алфавитном порядке (AnswerNet).SPS
  35. Расположить переменные в алфавитном порядке — 2.sps (автор A. Paul Beaulne)
  36. Расположить переменные в алфавитном порядке — 3.sps
  37. Записать метки значений в ASCII-файл (AnswerNet).SPS
  38. «Развернуть» векторные имена переменных.SPS

      ▲ наверх

• Сопоставление файлов данных

  1. Сравнение 2 файлов данных.SPS Спасибо автору: Simon Freidin
  2. Записать окончательный файл, если две его версии совпадают.SPS (две версии вводились 2 разными людьми и затем были слиты в один файл)
  3. Контроль и отсев записей-дубликатов.SPS
  4. Контроль ошибок ввода в 2 файлах (данные введены дважды).SPS
  5. Слияние «один-ко-многим» по ключу из 4 переменных.sps
  6. Слияние двух файлов по условияю вхождения дат.SPS
  7. Слияние двух файлов по принципу «много-ко-многим».SPS

     ▲ наверх

• Работа с матрицами и язык Matrix

  1. Примеры чтения, записи, создания и преобразования матриц;
  2. Экспорт ковариационной матрицы в файл ASCII;
  3. Экспорт ковариационной матрицы в .sav-файл;
  4. Вычисление обратной матрицы;
  5. Построение нечёткой таблицы сопряжённости с использованием команды MATRIX (файл .pdf, 256 Кб);
  6. Макрос, генерирующий исходные данные в пустом редакторе данных. Спасибо автору, Fernando Cartwright;
  7. Вывод матрицы корреляций переменных и главных компонент в файл данных;
  8. Максимизация следа матрицы. Может быть ресурсоёмким. Требует проверки всех перестановок строк в поиске максимального следа. Для матрицы 7*7 (максимальный размер, поддерживаемый макросом в ранних версиях SPSS) проверяется 5 040 перестановок;
  9. Чтение матриц;
  10. Анализ надёжности (пригодности) на основе корреляционной матрицы;
  11. Растянуть матрицу в вектор.

      ▲ наверх

• Мета-анализ

  (см. также страницу с учебными материалами по мета-анализу от David B. Wilson)
  1. [English] META-SPSS.ZIP An exhaustive set of syntax files written by Marta Garcia-Granero as well as sample data files and supporting documents. This is the [English] Read Me First documentation.
  2. Мета-анализ: модели с постоянными и случайными эффектами. (Спасибо автору — Valentim R. Alferes) Этот синтаксис выполняет метаанализ на наборе исследований с проверками на равенство 2 средних по независимым выборкам. Применяется статистика d Кохена (Cohen's d). Пользователь может комбинировать до 10 режимов ввода агрегированных данных.

     ▲ наверх

• Множественные ответы

  1. Подсчёт уникальных вариантов во множественном ответе.SPS
  2. Создание дихотомий из неупорядоченных категорий множественного ответа.SPS
  3. Разбор множественных ответов в виде букв, разделённых запятыми.SPS

     ▲ наверх

• OMS

  (Output Management System - система управления результатами)
  1. Кросстабуляция, хи-квадрат и фи — в одной таблице.SPS
  2. Макросы и OMS.SPS 

     ▲ наверх

• Выбросы.

  Внимание: перед заменой или удалением выбросов прочтите предостережение в начале синтаксиса № 3.
  1. Исключить наблюдения, большие, чем среднее плюс 2 стандартных отклонения.SPS
  2. Заменить выбросы средними случаев, имеющих схожие характеристики.SPS
  3. Заменить значения, отклоняющиеся от среднего более, чем на +/- n станд. откл..SPS
  4. Винсоризовать среднее.SPS

     ▲ наверх

• Поэлементный разбор и маркировка данных

  (см. также Манипуляция строками)
  1. Сделать побитовое разложение целого числа.SPS
  2. Извлечь часть строки.SPS (строка содержит имя и фамилию. Требуется извлечь первые 3 буквы фамилии)
  3. Извлечь часть строки, начинающуюся с цифры.SPS
  4. Извлечь индекс из поля адреса.SPS
  5. Извлечь 2 числа из строки.SPS (т.е. строка «120/90» становится числами 120 и 90)
  6. Пометить, если последние символы в строке - 'Esq'.SPS
  7. Разбить строку на значения односимвольных переменных.SPS
  8. Выделить в строке числа, разделённые запятыми.SPS
  9. Разнести по разным переменным данные, разделённые символом «/».SPS
  10. Извлечь доменное имя из адреса электронной почты.SPS
  11. Разложить значения, разделённые запятыми, по разным переменным и закодировать результат.SPS
  12. Разбор строк, имеющих в себе символы возврата строки и перевода каретки.SPS (спасибо Bjarte Aagnes)
  13. Убрать букву в конце строки и конвертировать остаток в числовую переменную.SPS
  14. Разбить строку на имена истца и ответчика.SPS
  15. Разбор строки со значениями, разделёнными символом «/».SPS (переменное число значений в строке)
  16. Отсеять буквы из строки и преобразовать остаток в число.SPS

      ▲ наверх

• Случайный отбор

  1. Сложный безповторный отбор.sps
  2. Отбор без возвращения (случайная перестановка номеров).sps
  3. Генерация случайных телефонных номеров.sps (синтаксис использует файл данных)
  4. Рандомизированное составление пар для t-проверки.sps
  5. Найти случайные пары с теми же характеристиками (поиск «близнецов»).sps
  6. Отметить n случайно отобранных наблюдений из каждой подгруппы.SPS
  7. Осуществить 2 независимых выборки с отбором по условию.sps
  8. Осуществить 2 случайных выборки индивидов одного и того же пола, возраста, образования.sps (по сути, аналог предыдущего примера)
  9. Осуществить n независимых случайных выборок объёма m из одного и того же файла.SPS
  10. Случайно отобрать x% наблюдений из каждой страты.SPS
  11. Случайно отобрать n наблюдений из каждой страты.SPS
  12. Осуществление нескольких выборок из одного и того же файла.sps
  13. Вывести случайные номера по 10 штук в строке.SPS
  14. Подобрать контрольную группу, подобную экспериментальной.SPS (Сопоставление на основе т.н. propensity scores. Подбирает наблюдения, которые не обязательно совпадают по ключевому параметру, но имеют похожие значения.)
  15. Пропорциональный отбор без возвращения.sps
  16. Пропорциональный случайный отбор.sps
  17. Пропорциональный отбор без возвращения (версия).sps
  18. Случайная выборка n мужчин и n женщин.sps
  19. Случайные выборки с заданными значениями пола, возраста и образования.sps
  20. Разделить файл на 2 файла случайным образом.SPS
  21. Рандомизировать переменную n раз и сохранить результаты.SPS
  22. Переставить цифры в номере социальной страховки.sps
  23. Отобрать по 2 наблюдения из каждой группы.sps
  24. Осуществить случайные выборки из каждой группы.sps
  25. Осуществить n случайных разбиений файла на 2 части.sps
  26. Случайным образом разбить файл на 10 групп одинакового размера.SPS
  27. Систематическая выборка заданного объёма.sps

      ▲ наверх

• Ранжирование, экстремумы, сортировка, группирование

  1. Агрегирование с медианой.SPS
  2. Создать переменную с накопленной суммой другой переменной.SPS
  3. Вычислить моду в пределах блока вопросов каждого наблюдения.SPS
  4. Найти число уникальных значений в пределах наблюдения.SPS
  5. Стандартизировать значения в пределах наблюдения.SPS
  6. Перекодировка на основе процентилей по подвыборке.SPS
  7. Вычислить некоторые процентили по подгруппам наблюдений.SPS (Спасибо, Tom Dierickx). Обратите внимание, что процентили появляются в редакторе данных, не в Output.
  8. Вычислить проценты на основе значений первого наблюдения.SPS
  9. Группировка на квинтили на основе равных вкладов в общую сумму.SPS
  10. Для каждого наблюдения найти наиболее раннее значение за предшествующие 7 дней.SPS(сложный алгоритм)
  11. Найти 5 наибольших значений в пределах одного наблюдения.SPS
  12. Найти 2 последних значения в ряде повторных измерений.SPS
  13. Поиск всех модальных значений для подгрупп наблюдений.SPS
  14. Определить 3 наибольших значения в каждом наблюдении.SPS
  15. Назвать переменные, содержащие минимум для наблюдения.SPS (Автор: Maciek Lobinski)
  16. Создать переменную с накопленной суммой в пределах одного id.SPS
  17. Последовательная нумерация в пределах одного id.SPS
  18. Случайный порядок.SPS
  19. Создать интервалы равной ширины между минимумом и максимумом переменной.SPS
  20. Ранжирование на основе процента положительных ответов.SPS
  21. Расположить переменные по именам в алфавитном порядке.SPS
  22. Ранжирование внутри наблюдений.SPS
  23. Заменить пропущенные значения медианой по строке.SPS
  24. Округляем в бóльшую сторону до 0.5.SPS
  25. Сохранить доверительный интервал для среднего (по подгруппам).SPS
  26. Проверить тест по ключу.SPS (автор: A. Paul Beaulne)
  27. Сортировка значений в пределах наблюдения (метод «пузырька»).SPS
  28. Группировка значений в интервалы.SPS
  29. Сортировка внутри наблюдений: некоторые популярные алгоритмы.SPS (Спасибо Кириллу Орлову)

      ▲ наверх

• Чтение, вывод и создание данных

  
            Создание данных

  1. Добавление новых наблюдений через синтаксис.SPS
  2. Создание переменной как итоговой функции другой переменной.SPS
  3. Несколько простых примеров INPUT PROGRAM.SPS (краткий курс)
  4. Выделение из каждой записи типа 1 новой записи типа 0.SPS
  5. Добавление записей, продолжающих список.SPS
  6. Создать константу для каждого непропущенного значения даты.SPS
  7. Определение новых переменных в пустом файле данных.SPS
  8. Определение переменных от varX до varY.SPS
  9. Продублировать наблюдение n раз, где n — значение переменной.SPS (см. также следующий пример)
  10. Восстановить таблицу сопряжённости в исходный файл данных.SPS (разукрупнить данные)
  11. Размножить наблюдения x и y раз.SPS например, из наблюдения, где возраст=20, муж=5 и жен=6, сделать 5 наблюдений, где возраст=20 и пол=1 и 6 наблюдений, где возраст=20 и пол=0
  12. Создать наблюдения с недостающими категориями переменной.SPS
  13. Генерация случайных дат из заданного интервала.SPS
  14. Пример INPUT PROGRAM для генерации случайных данных.SPS
  15. Вставить пропущенные наблюдения (в пределах одного id).SPS
  16. Вставить наблюдения с пропущенными датами (в пределах одного id).SPS
  17. Вывод даты и времени в окне результатов.SPS
      
      Чтение данных
      
  18. Пример работы DATA LIST.SPS
  19. Пример работы INPUT PROGRAM.SPS
  20. Прочесть данные с разным числом записей на одно наблюдение.SPS
  21. Прочесть файл ASCII (значения каждой переменной собраны в 5 строк шириной в 10 колонок).SPS
  22. Прочесть файл ASCII с использованием FILE TYPE.SPS
  23. Прочесть файл ASCII с использованием INPUT PROGRAM.SPS
  24. Прочесть файл ASCII с косой чертой в качестве разделителя.SPS
  25. Прочесть файл ASCII с двумя разделителями: запятой и дефисом.SPS
  26. Прочесть файл ASCII с разными десятичными разделителями: запятой и точкой.SPS
  27. Прочесть файл ASCII, разделённый запятыми, с запятыми внутри кавычек.SPS
  28. Прочесть файл ASCII, где есть фиксированный и свободный формат данных.SPS
  29. Пример чтения файла ASCII с фиксированным форматом данных.SPS
  30. Читаем файл ASCII с ПОВТОРЯЮЩИМИСЯ блоками данных.SPS
  31. Импорт файла, разделённого запятыми, с запятыми внутри строковых значений.SPS
  32. Загрузка данных с комментариями между строк.SPS
  33. Чтение файла сложной структуры.SPS
  34. Чтение записей из файла без символов окончания строки.SPS (из AnswerNet). Данные - сплошной поток без разделения на записи, поля и без символов возврата каретки
  35. Импорт данных с идущими подряд запятыми-разделителями.SPS
  36. Прочесть файл, созданный скриптом CGI.SPS
  37. Чтение файла, где каждое наблюдение имеет 4 числовые записи и неопределённое число строковых.SPS  (иллюстрирует использование команды REREAD)
  38. Экспорт смешанного файла, данные по объекту — в разных записях.SPS
  39. Прочесть текстовый файл, пропустив n ненужных столбцов.SPS (n варьируется от файла к файлу)
  40. Пропустить первые 6 записей.SPS
  41. Пропустить одну строку при чтении файла.SPS
      
      Запись данных
      
  42. Запись файла с разделителями «,» или TAB.SPS
  43. Запись частотного распределения в файл данных.SPS
  44. Запись пропущенных значений как точек в текстовый файл.SPS
  45. Экспортировать данные в файл ASCII особой структуры.SPS
  46. Запись меток значений вместо самих значений.SPS

      ▲ наверх

• Регрессия, повторные измерения

  1. Регрессия на уровне наблюдений с записью коэффициентов в файл;
  2. Проверки Breusch-Pagan & Koenker на гетероскедастичность (спасибо автору — Marta Garcia-Granero);
  3. Вычисление прогноза (одномерный дисп. анализ);
  4. Проверка Чоу (Chow test) на равенство параметров регрессии;
  5. Сравнение коэффициентов регрессии (спасибо автору — A. Paul Beaulne);
  6. Сопоставить коэффициенты для моделей в разных подгруппах;
  7. Условная логистическая регрессия;
  8. Построить все простые уравнения линейной и логистической регрессий (спасибо автору — Marta Garcia-Granero);
  9. Построить регрессии со всеми комбинациями независимых переменных;
  10. [English] Generalized Estimation Equations (GEE).zip (thanks to Terry Duncan, PhD, Oregon Research Institute). GEE is a macro for analyzing longitudinal data. The SPSS macro uses the GEE approach of Liang and Zeger (1986) to model longitudinal data for a general class of outcome variables including gaussian, poisson, binary and gamma outcomes;
  11. Макрос для построения логистической регрессии (см. также этот практикум);
  12. Нелинейная регрессия (NLR) с дисперсией остатков как функцией потерь (нетривиальное решение);
  13. Сплайновая (кусочная) регрессия;
  14. Построение таблицы прогнозных значений;
  15. Регрессия внутри цикла;
  16. Регрессия с k «проверочными» (hold-out) наблюдениями;
  17. Регрессия с корреляционной матрицей на входе;
  18. Регрессия с нормированными весами;
  19. Макрос для автоматизации анализа повторных измерений;
  20. Гребнёвая регрессия (макрос ридж-регрессии поставляется с SPSS);
  21. Проверки для предикторов в логистической регрессии;
  22. Гетероскедастично-состоятельные стандартные ошибки в форме Уайта (White's SEs) (спасибо автору — Gwilym Pryce). См. также практикум по гетероскедастичности;
  23. Проверка Уайта (White's test) на гетероскедастичность: статистика и значимость (спасибо автору — Marta Garcia-Granero).

      ▲ наверх

• Замена символов, удаление наблюдений-дубликатов и лишних переменных

  1. Удаление наблюдений со сторнированными суммами.SPS
  2. Удаление дубликатов в пределах одного наблюдения.SPS (спасибо автору — Maciek Lobinski) Например, если для данного наблюдения значение var1 совпадает с var2, синтаксис заменит var2 пропуском.
  3. Ищем и удаляем дубликаты наблюдений.SPS
  4. Удаление кавычек по краям строковой переменной.SPS
  5. Удаление дубликатов наблюдений.SPS
  6. Удаление переменных-констант из нескольких файлов.SPS
  7. Убрать лишние пробелы.SPS
  8. Замена отдельных символов в строке.SPS (см. также Упражнения по преобразованию строк)
  9. Копирование дубликатов во внешний файл.SPS

     ▲ наверх

• Преобразование структуры данных.

  Часто встречающийся термин «широкие» данные означает структуру, когда повторные измерения одного или нескольких параметров на одном и том же объекте наблюдения представлены в соседних переменных так, что все измерения по объекту убираются в одну строку. Напротив, «узкие» (длинные, высокие) данные — такие, где информация о повторных однотипных измерениях представлена в разных строках; при этом одна переменная обязательно содержит код объекта, к которому относится та или иная строка — примеч. перев.
  1. Распределить dummy-переменные (дихотомии) по 24 часам (часам суток).SPS
  2. Автоматизированное преобразование данных из «высокой» таблицы в «широкую».SPS
  3. Реструктурирование данных с сохранением группирующего параметра.SPS (автор: Kevin Hynes)
  4. Из «длинного» в «широкий» (помещение повторяющихся записей в одно наблюдение).SPS (автор: Hillel Vardi). А это пример данных.
  5. «Уплотнение» данных множественного ответа за счёт удаления «пустых» переменных.SPS
  6. Устранить дубликаты, сохранив максимум информации.SPS (маленькая забавная задачка)
  7. Исправление структуры файла, где каждая переменная занимает 10 колонок и 5 строк.SPS (ещё одна интересная ситуация)
  8. «Сжать» данные, объединив непрерывные отрезки времени.SPS
  9. Объединение нескольких наблюдений в одно, пример 1.SPS
  10. Объединение нескольких наблюдений в одно, пример 2.SPS
  11. Преобразование данных из «узкого» вида в «широкий» при наличии текстовых значений.SPS
  12. Преобразование к «широкому» виду с особым порядком переменных.SPS
  13. Реструктурирование файла от «широкого» к «узкому» виду.SPS
  14. Из «широкого» к «узкому» с индикатором наличия наблюдения.SPS
  15. Пример переструктурирования файла данных — 1.SPS
  16. Пример переструктурирования данных — 2.SPS
  17. Пример переструктурирования данных — 3.SPS
  18. Сбор информации об объекте из разных строк в одну с вычислением % вклада каждой категории в общую сумму.SPS
  19. Переход от «высокого» набора данных к «широкому» — общее решение.SPS (интересный макрос…)
  20. Реорганизация данных об одновременных активностях испытуемых (временнáя матрица).SPS
  21. Преобразование данных для вычисления статистики kappa.SPS
  22. Транспонирование данных со строковыми значениями.SPS
  23. Преобразование от «широкого» к «узкому» с добавлением старых имён переменных в качестве меток значений.SPS
      
      Следующие примеры требуют версий 12 и выше
  24. Преобразования структуры файла с использованием CASESTOVARS и VARSTOCASES.SPS

      ▲ наверх

• Кривые ROC

  1. Кривые ROC и индекс Юдена (Youden's Index).SPS Синтаксис также вычисляет отношения правдоподобия и расстояния Кульбака-Лейблера для определения диагностического потенциала тестов (требует версии 12 или более поздней).

     ▲ наверх

• Объём выборки, мощность статистического критерия

  1. Примеры анализа мощности критерия.SPS  Автор: Bruce Weaver
  2. Размер выборки для статистических выводов о средних.SPS Автор: Marta Garcia-Granero. Набор макросов, выполняющих расчет размера выборки для построения доверительных интервалов и проверки гипотез (одно- и двухвыборочные критерии, с равными и неравными объемами выборок), а также — расчет мощности статистической проверки.
  3. Размер выборки для статистических выводов о долях.SPS Автор: Marta Garcia-Granero. Набор макросов, выполняющих расчет размера выборки для доверительных интервалов и проверки гипотез (одно- и двухвыборочные критерии), а также — расчет мощности статистических тестов.
  4. Размер выборки для проверки гипотез о корреляциях.SPS Спасибо, Марта!

     ▲ наверх

• Самонастраивающийся синтаксис

  (другие примеры подобного рода раскиданы по всему сайту)
  1. Преобразование структуры данных от «узкой» к «широкой».SPS
  2. INCLUDE в зависимости от содержимого файла данных.SPS
  3. Определить из данных конец цикла !DO в макросе.SPS
  4. Выполнение отдельных блоков синтаксиса.SPS см. также советы по команде INCLUDE
  5. Из 2 файлов — в один «широкий».SPS
  6. Изменение алгоритма обработки в зависимости от имени файла.SPS

     ▲ наверх

• Строки

  1. Проверка вхождения в строковую переменную всех слов заданной фразы.SPS
  2. Проверка наличия в строковой переменной КАЖДОГО из слов заданной фразы.SPS
  3. Перевод строковых переменных в нижний регистр.SPS
  4. Преобразование числовых переменных в строковые.SPS
  5. Перевести строку '250 млн' в число.SPS (или '16 млрд' и т.д.)
  6. Конвертирование строк в числовую переменную.SPS
  7. Реализация алгоритма фонетического сравнения Soundex.SPS

     ▲ наверх

• Анализ выживаемости

  1. 95%-е доверительные интервалы на графике выживаемости;
  2. Пример проведения анализа выживаемости.

     ▲ наверх

• Показатели неравенства

  1. Индекс различия (показатель расхождения).SPS (формулы взяты из книги Karl and Alma Taeuber "Negroes in Cities" (1965))
  2. Несколько показателей неравенства (версия 5).SPS   (этот шаблон графика подходит для использования с синтаксисом на SPSS до 12 версии)

  Этот синтаксис (формулы взяты с poorcity.richcity.org) вычисляет следующие показатели:

     - индекс Аткинсона (коэффициент спроса);
     - энтропийный коэффициент (показатель избыточности) Тейла;
     - коэффициент резервов;
     - коэффициент D&R = коэффициент Кульбака-Лейблера;
     - показатель избыточности Кульбака-Лейблера (KULLBACK-LIEBLER redundancy);
     - коэффициент Хувера (HOOVER coefficient);
     - коэффициент Коултера (COULTER coefficient);
     - индекс Джини.

  Строится кривая Лоренца. При наличии данных за ряд периодов коэффициенты можно отобразить в динамике на графике. В конце файла даны 9 примеров использования синтаксиса.

  ▲ наверх

• Проверка существования файла или переменной

  1. Проверка существования файла.SPS
  2. Подключать синтаксис к обработке в зависимости от наличия переменной.SPS
  3. Определение имён числовых и строковых переменных.SPS (на выходе — 2 макроса, один из которых содержит имена всех числовых, другой — всех строковых переменных)

     ▲ наверх

• Временные ряды

  1. Фильтр Гаусса.

     ▲ наверх

• Преобразования переменных

  1. Трансформация переменной в интервал от 0 до 1;
  2. Трансформация переменной в заданный интервал. Сначала частное решение, а затем 2 обобщения в макросах;
  3. Преобразование числа в строку с сохранением ведущих нулей;
  4. Создание стандартизированной копии переменной;
  5. Извлечение первой или первых двух цифр из целого числа;
  6. «Глобальное» автоматическое перекодирование. Перекодирование блока строковых переменных с сохранением единой схемы кодирования (скажем, «a»=1, «b»=2 и т.д.) вне зависимости, встречаются ли все эти значения во всех переменных;
  7. Подстановка обезличенных кодов вместо персональных идентификационных номеров;
  8. Замена значений, превосходящих x, на среднее по прочим значениям;
  9. Замена буквы на «9999» с последующей конвертацией в число;
  10. Замена буквенных кодов на числовые. («5A» становится «5.1», «7B» — «7.2» и т.д.).

      ▲ наверх

• T-критерии, средние, дисперсионный анализ

  1. Двухфакторный дисперсионный анализ (спасибо автору: Valentim Alferes). Вычисление некоторых дополнительных статистик дисперсионного анализа плана A*B: компоненты дисперсии, меры связи, сила эффекта, наблюдаемая мощность критерия. Работает как с исходными данными, так и с опубликованными агрегированными результатами.
  2. Воспроизводство результатов однофакторного дисперсионного анализа (автор: Valentim Alferes). Метод 1: даны N, средние, SD. Метод 2: даны N, средние, дисперсии. Метод 3: даны N, средние, стандартные ошибки. Метод 4: даны средние, степени свободы числителя/знаменателя и стандартные ошибки;
  3. Критические значения для проверок Хартли и Кочрена на равенство дисперсий (это не синтаксис, а просто таблицы значений для 5% и 1% уровней значимости. Спасибо, Marta Garcia-Granero);
  4. Cравнение данных по каждому наблюдению со средним значением по всем прочим наблюдениям (небольшой макрос);
  5. t-проверка по обобщенным данным (только средние, стандартные отклонения и размеры выборок, эквивалент с дисперсионным анализом);
  6. t-проверка с независимыми выборками по агрегированным данным (спасибо, Marta Garcia-Granero). Включает проверку Хартли, стандартный t-критерий и проверку Велча (Welch), а также доверительные интервалы для разности;
  7. Многомерный критерий T-квадрат Хотеллинга и анализ профилей (спасибо, Richard MacLennan);
  8. Множественные проверки Манна-Уитни (использование макроса для выполнения процедур «внутри» цикла LOOP);
  9. Однофакторный дисперсионный анализ по сгруппированным данным (I). Дополнительно выполняются несколько проверок на равенство дисперсий по агрегированным данным. Спасибо, Marta Garcia-Granero;
  10. Однофакторный дисперсионный анализ по сгруппированным данным (II). Случай нескольких подмассивов в одном файле. Автор: Marta Garcia-Granero;
  11. Стандартизированные показатели величины эффекта (Гласса, Хеджеса и Кохена) (спасибо, Marta). Показатели эффекта и их стандартные ошибки добавляются в файл данных;
  12. t-критерий на шкалах Лайкерта: эксперимент;
  13. Статистика на основе t-критерия: эффект, неперекрытие, мощность (автор: Valentim Alferes). Можно использовать первичные данные, либо воспроизвести выдачу процедуры SPSS T-Test по статистикам из журнальных статей.

      ▲ наверх

• Разное

  1. Поправки для собственных уровней значимости при множественных сравнениях.SPS Спасибо автору: Marta Garcia-Granero за улучшенную версию её программы. Ссылки на литературу прилагаются.
     Программа рассчитывает скорректированные p-values с использованием следующих 8 методов:
     Одношаговые: Бонферрони, Сидака;
     Нисходящие: Бонферрони (Холмса), Сидака (тж. Холмса-Сидака) и Финнера;
     Восходящие: Хоммеля, Хокберга, Саймса.
  2. Вычисление процента от суммарного веса вопросов.SPS
  3. Вычисления с триадами столбцов.SPS
  4. Макрос расчета канонических корреляций.sps (поставляется с SPSS)
  5. Заполнение пропусков значениями из предыдущих строк.SPS
  6. Заполнение пропусков значениями из предыдущих строк с учётом ID.SPS
  7. Проверка взаимодействия в факторном плане с негауссовой зависимой переменной.SPS Спасибо автору: Marta Garcia-Granero за этот код.
  8. Временная приостановка и возобновление выдачи в окно результатов (output).SPS
  9. Найти LAG(var1,var2).SPS (переменный сдвиг)

     ▲ наверх

• Работа с несколькими файлами данных

  (см. также соответствующий раздел на странице «Скрипты»)
  1. Объединение множества файлов данных с одними и теми же переменными.SPS
     - альтернатива 1: этот скрипт работает даже когда имена файлов заранее неизвестны
     - альтернатива 2: использовать команду DOS copy *.txt newfile.txt для объединения всех файлов .txt в один в текущей папке (спасибо за совет Скотту Кларку (Scott Clark))
  2. Слить любое число последовательно поименованных файлов, по 50 файлов за итерацию.SPS
  3. Объединить множество файлов .xls в один .sav-файл.SPS
  4. Объединить 2 файла данных по принципу «много-ко-многим».SPS
  5. Использование шаблонного DATA LIST, который находится вне основного синтаксиса.SPS (пример того, как синтаксис может быть модифицирован через синтаксис)
  6. Удаление из основного файла данных копий наблюдений, находящися в другом файле.SPS
  7. Сохранить в основном файле лишь те наблюдения, копии которых есть в другом файле.SPS
  8. Удаление файлов.SPS
  9. Первый пример использования команды UPDATE.SPS
  10. Второй пример использования команды UPDATE.SPS
  11. Вычислить средние по 3 разным файлам данных.SPS
  12. Вызвать 200 файлов синтаксиса на исполнение через макрос.SPS
  13. Макрос для удаления файлов по списку.SPS
  14. Объединение множества файлов из множества папок.SPS
  15. Обработать все файлы .xls в заданной папке.sbs (Это скрипт. Он работает вместе с этим файлом синтаксиса)
  16. Запустить макрос ля обработки нескольких файлов.SPS
  17. Выбор файла для обработки на основе содержимого файла данных.SPS
  18. Выполнить макрос для всех файлов, чьи имена перечислены в .sav-файле.SPS
  19. Сохранить файлы с именами file1, file2, file3, и т.д. с помощью макроса.SPS
  20. Расщепить большой файл на несколько файлов по категориям.SPS (создать отдельный .sav-файл на каждое уникальное значение категориальной переменной числового формата)
  21. Расщепить большой файл на несколько файлов по категориям строковой переменной.SPS (создать отдельный .sav-файл на каждое уникальное строковое значение переменной)
  22. Расщепить файл, имеющий k*n наблюдений на k файлов по n наблюдений в каждом.SPS
  23. Нестандартное слияние файлов.SPS
  24. Подсчёт числа различий между 2-мя файлами данных.SPS (контроль двойного ввода).
      Дополнительные примеры см. в разделе Сопоставление файлов данных

      ▲ наверх

• Работа с пропущенными значениями.

  NB! Замена пропущенных значений валидными — не та процедура, которая может быть выполнена полностью автоматически. См. страницу Дэвида Хоуэла (David C. Howell) по этому вопросу: «Обработка пропущенных данных» (англ.)
  
  1. Замена пропусков средним значением с дополнительными условиями;
  2. Замена средним значением с органичением на долю пропусков;
  3. Удаление «пустых» переменных;
  4. Определение трёх типов пропущенных значений;
  5. Замена пропусков по стратам методом «hot deck» (автор программы: Theo van der Weegen);
  6. Формирование перечня/сводки пропущенных значений;
  7. Замена определенного числа пропусков в аддитивной шкале средним значением;
  8. Пропущенные значения и конструкция DO IF;
  9. Заменить пропусками определенные даты;
  10. Подстановка данных из предыдущих строк в «пустые» ячейки;
  11. Подставить среднее значение по категории на место пропуска;
  12. Замена пропусков медианой по наблюдению;
  13. Замена пропусков случайными значениями той же переменной (см. метод «hot deck» выше; там дано более универсальное решение);
  14. Замена пропусков средним значением по наблюдению.

      ▲ наверх

• Совместный (Conjoint) анализ

  1. Методическое приложение (файл .pdf, 708 Кб);
  2. Пример анализа плана 2 x 2.

     ▲ наверх

• Анализ соответствий (Correspondence Analysis)

  1. Простой и множественный анализ соответствий… (файл .pdf, 1.48 Мб). Выпусная квалификационная работа студента ГУ—ВШЭ Марка Шафира, ныне — директора исследовательской компании «Радар».

     ▲ наверх