داده های گمشده

نوشته شده توسط مشاور آماری . منتشر شده در R و S+

مدیریت داده های گمشده در نرم افزار R را در این مطلب به صورت ساده ارائه خواهیم نمود. 
در R، داده های گمشده  با NA ( اختصار عبارت not available) و  مقادیر غیر ممکن (مانند تقسیم بر صفر) با نماد NaN ( اختصار عبارت not a number) نمایش داده می شوند. بر خلاف SAS، نرم افزار R  از نماد یکسان برای دادهای عددی و حرفی استفاده می کند.
آزمون برای مقادیر گمشده:
is.na(x) # returns TRUE of x is missing
y <- c(1,2,3,NA)
is.na(y) # returns a vector (F F F T)
لازم به ذکر است توابع مشابه دیگری مانند is.nan وجود دارند که جنبه های دیگری را آزمون می نمایند.
 
کدبندی مقادیر برای داده های گمشده:
در دستور زیر مقدار 99 به عنوان داده ی گمشده معرفی می شود:
# recode 99 to missing for variable v1
# select rows where v1 is 99 and recode column v1 
mydata[mydata$v1==99,"v1"] <- NA
 
حذف  دادههای گمشده از تحلیل:

توابع حسابی بر روی داده های گمشده،  مقادیر گمشده را نتیجه می دهتد به عنوان  مثال در مورد تابع میانگین داریم:

x <- c(1,2,NA,3)
mean(x) # returns NA
mean(x, na.rm=TRUE) # returns 2
نتیجه تابع ()complete.cases یک بردار منطقی می باشد که مشخص می کنید کدوم آزمودنی کامل (مخالف گمشده) می باشد، 
# list rows of data that have missing values 
mydata[!complete.cases(mydata),]
 
تابع  ()na.omit شی ای را بر می گرداند که مقادیر گمشده آن به صورت کلی (likewise) حذف می گردد. (توجه شود که نوع دیگری از حذف داده های گمشده به صورت جفتی (pairwise)   که در نرم افزار SPSS نیز موجود می باشد)
# create new dataset without missing data 
newdata <- na.omit(mydata)
 
مدیریت پیشرفته داده های گمشده
اغلب تابع های مدلبندی در R گزینه هایی را برای رفتار با مقادیر گمشده پیشنهاد می کنند. شما  می توانید ورای حذف کلی یا جفتی مقادیر گمشده از طریق روش هایی از قبیل انتساب چندگانه (multiple imputation) حرکت کنید. لارم به ذکر است که در R، پیاده سازی های خوب را می توان از طریق بسته هایی همچون mitools یا Amelia II انجام داد.

جهت درخواست آموزش نرم افزار R و یا انجام پروژه های آماری از یکی از روش های زیر می توانید باتیم آی آر آمار در ارتباط باشید. لازم به توضیح می باشید فرآیند مشاوره و همچنین پاسخگویی به سوالات کوتاه به صورت کاملا رایگان ارائه می گردد.

 

شماره تماس:   09300023999

رایانامه:  این آدرس ایمیل توسط spambots حفاظت می شود. برای دیدن شما نیاز به جاوا اسکریپت دارید

Tags: نرم افزارهای آماری مقالات رایگان

نوشتن دیدگاه


تصویر امنیتی
تصویر امنیتی جدید

دفاتر ما

تماس با ما آمادگی داریم تا با شبکه ای از همکاران و مشاوران در هر یک از شهرهای بزرگ (تهران-اصفهان-مشهد-زنجان-... )در کنار شما باشیم 

 با ما در تماس باشید

آمار سایت