داده های گمشده در نرم افزار R
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)
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$v1==99,"v1"] <- NA
# select rows where v1 is 99 and recode column v1
mydata[mydata$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
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),]
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)
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.
+ نوشته شده در چهارشنبه ۲۹ آذر ۱۳۹۱ ساعت ۱۱:۱۹ ب.ظ توسط نورالله تازیکه
|
این وبلاگ برای کلیه دوست داران آماری مکانی برای درج مطالب آماری ، ارائه مقالات تخصصی خواهد بود.