Очистка данных от ошибочных значений
Можно предложить 3 варианта очистки данных от ошибочных значений:
Исправить данные в исходной таблице. Недостатки: данные удаляются безвозвратно, восстановить их уже не удастся, а это может потребоваться, так как проведенный анализ ошибок может оказаться не безгрешным. Кроме того, поиск в большой коллекции данных является трудоемким и длительным занятием.
Исключить из анализа пациентов, если хотя бы один показатель является ошибочным. Это легко достигается и также легко отменяется в среде обработки, но при этом и все остальные показатели этих пациентов исключаются из обработки.
Создать новую переменную, очищенную от ошибочных значений. Оптимальный путь, избавленный от недостатков предыдущих и легко достижимый с помощью средств SPSS.
Создание новой переменной ad_sist, очищенной от ошибок переменной adsist.
Выполнить пункт меню Transform/Compute.
В диалоговом окне определения новой переменной в поле Target variable ввести имя новой переменной ad_sist.
В поле Numeric expression перенести из списка название переменной adsist. Тем самым устанавливается, что значения создаваемой переменной ad_sist будут равны значениям имеющейся переменной adsist.
Щ
елкнуть
по кнопке if и в
открывшемся окне Compute
Variable: If
Cases выбрать опцию Include
if case satisfies condition
ввести условие, при котором будут присваиваться значения новой переменной. Оно выглядит таким образом:
adsist >=60 & adsist < 250
После введения условия клик по кнопке Continue возвращаемся на форму Compute Variable и жмем ОК. После выполнения этой операции в общей таблице появляется новая переменная ad_sist.
Провести анализ данной переменной. В отчете отметить назначение этой переменной и количество отфильтрованных ошибок.
Самостоятельно провести фильтрацию переменных grukro, addiast:
ad_diast очищенную от ошибочных значений addiast с помощью условия
addiast >=40 & addiast <160
и gru_kro очищенную от неудачных значений с помощью условия
grukro <= 4
В отчете указать количество отфильтрованных ошибок по переменным grukro, addias.
Анализ данных.
Анализ влияния ошибочных и неудачных значений на результаты обработки.
Возраст и группа крови.
Найти средние значения возраста для различных значений переменной grukro. Обращаемся к главному меню Analyze/Compare Means/Means появляется диалоговое окно Means
В поле Dependent List (зависимый список) вводим переменную vozrast в поле Independent List (независимый список) вводим переменную grukro и нажимаем ОК. получаем таблицу и начинаем анализировать ее содержимое.
Report
VOZRAST
GRUKRO |
Mean |
N |
Std. Deviation |
1 |
46,07 |
244 |
14,05 |
2 |
48,01 |
156 |
14,44 |
3 |
48,79 |
75 |
14,82 |
4 |
44,33 |
27 |
13,64 |
5 |
62,92 |
63 |
15,64 |
Total |
48,76 |
565 |
15,27 |
Вывод: средний возраст для значения grukro = 5 существенно превышает остальные значения. В эту группу попали пациенты старшего возраста. ПОЧЕМУ?
Систолическое и диастолическое давление.
Найти коэффициенты корреляции переменных adsist – addiast и ad_sist – ad_diast.
Д
ля
решения этой задачи в главном меню
выбираем Analyze/Correlate/Bivariate
появляется диалоговое окно, выбираем
переменные adsist –
addiast и нажимаем
ОК.
Результат: 0,369** достаточно высокий, но судить о сильной связи этих переменных нельзя. Почему?
Возможно ответ будет более ясным если вы исследуете переменные ad_sist – ad_diast.
Ответы в отчет вместе с таблицами.