Список SPSS макросов Страницы SPSS макросов Кирилла
| Макрос | Коллекция | Описание | Связанные макросы / см. также |
|---|---|---|---|
!KO_ACATBIN | Categorical - Binary recodings | Автоматическая перекодировка категориальных переменных в двоичные фиктивные (dummy). Создает фиктивные (индикаторные, dummy, one-hot) переменные из входящих целочисленных категориальных переменных. Создает «автоматически», т.е. для всех наличных значений в переменной. Для каждого наличного значения создастся из входящей переменной одна фиктивная переменная. Когда входящих переменных несколько, они не обязаны иметь одинаковые значения. | !KO_CATBIN !KO_ACATBIN2 !KO_HFREQ !KO_CATCONT !KO_MRDMRC !KO_FREQ |
!KO_ACATBIN2 | Categorical - Binary recodings | Автоматическая перекодировка категориальных переменных в двоичные фиктивные (dummy). Этот макрос – другая программная реализация !KO_ACATBIN; он похож опциями и тот же по результатам. С большими данными – обычно немного быстрее, чем тот макрос. | !KO_CATBIN !KO_ACATBIN !KO_HFREQ !KO_CATCONT !KO_MRDMRC !KO_FREQ |
!KO_ACORRD | Various proximities | Автокоррелятивное расстояние. Это расстояние придает значения различиям, которые систематичны в смысле однолаговой автокорреляции, т.е. продолжаются при переходе от наблюдения к следующему в массиве наблюдению. Математически это расстояние есть просто ненормированный коэффициент автокорреляции разниц между двумя сравниваемыми сериями, переменными X и Y. | |
!KO_AGGR | MATRIX – END MATRIX functions | Запрошенная описательная статистика (сумма, средняя, дисперсия, или нек. др.) в столбцах данных, по группам наблюдений и в целом. | !KO_AGGRV !KO_GDESCR |
!KO_AGGRTAB | MATRIX – END MATRIX functions | Многомерная частотная агрегация: частотное перекрещивание между любым числом переменных (столбцов данных) единовременно. Результат – в виде агрегата. Также выдается массив фиктивных переменных, соответствующих взаимодействию высшего порядка. | !KO_CROSSTAB !KO_BAGGRTAB |
!KO_AGGRV | MATRIX – END MATRIX functions | Замена значений в столбцах данных вычисленной из них описательной статистикой (сумма, средняя, дисперсия, или нек. др.), по группам наблюдений и в целом. | !KO_AGGR |
!KO_AHP | Analytic Hierarchy Process | Метод Анализа Иерархий Саати позволяют принять решение по выбору из альтернатив, когда построена иерархия элементов, ведущая к цели, а альтернативы являются элементами нижнего уровня иерархии. | |
!KO_AICBIC | Internal clustering criteria | Внутренние кластерные критерии: информационные индексы AIC и BIC. Индексы кластерной валидности, основанные на идее энтропии; разрешают смесь мерных и номинальных переменных. | !KO_RATLAN |
!KO_ALLCOMB | MATRIX – END MATRIX functions | Выдает все сочетания по k = 2, 3, ... элементов (из одного множества). | !KO_COMBK |
!KO_AMONGCATS | Compare proportions | Сравнение долей категорий в категориальной переменной либо долей положительного ответа в наборе двоичных переменных. Макрос (i) берет одну категориальную переменную и сравнивает размеры (доли) ее категорий между собой – это “multiclass”-сравнение. Либо (ii) берет набор двоичных переменных и сравнивает доли положительного ответа между ними – это “multilabel”-сравнение. Сравнения – попарные (биномиальный асимптотический или точный тест; асимптотический или точный тест Макнемара; post-hoc на базе теста Данна). Есть возможность сделать предварительно омнибусный тест (хи-квадрат согласия; тест Q Кокрена). Показ процентов и значимых результатов имитирует манеру Custom Tables. И вы можете заказать вычислить доверительные интервалы, нарисовать графики, и отчитаться деталями анализа. | |
!KO_AMRCMRD | Categorical - Binary recodings | Автоматическая перекодировка категориального набора множественного ответа (MRC) в дихотомический набор множественного ответа (MRD). Перекодирует целочисленные категориальные переменные с общим пулом значений в серию двоичных переменных, образующих дихотомический набор множественного ответа. Создает переменные «автоматически», т.е. для всех наличных значений совокупности входящих переменных. Для каждого наличного значения создастся из набора входящих переменных двоичная переменная. Есть опция учитывать повторения значений (создать переменные счетными). | !KO_MRCMRD !KO_AMRCMRD2 !KO_HFREQ !KO_MRDMRC !KO_MRFREQ |
!KO_AMRCMRD2 | Categorical - Binary recodings | Автоматическая перекодировка категориального набора множественного ответа (MRC) в дихотомический набор множественного ответа (MRD). Этот макрос – другая программная реализация !KO_AMRCMRD; он похож опциями и тот же по результатам. | !KO_MRCMRD !KO_AMRCMRD !KO_HFREQ !KO_MRDMRC !KO_MRFREQ |
!KO_APRIORI | MATRIX – END MATRIX functions | SPSS-реализация Априори-алгоритма, который подсчитывает частоты «достаточно частых» элементов и сочетаний элементов. Частота (называемая «поддержкой») – это подмножественная частота. Например, поддержка для {1,3} в данных {1,3}, {1,2,5}, {1,3,5}, {1,2,3,4} есть 3. | !KO_MRFREQ |
!KO_ASSCLU | Clustering | Сборка кластеров / приписание объектов к кластерам (входящие – квадратная матрица близостей). Этот макрос предназначен для (i) установления близостей между известными кластерами (вообще, между группами объектов по номинальной переменной), и (ii) для зачисления объектов, принадлежность которых к кластерам/группам неизвестна («новые объекты») в ближайшие им кластеры/группы. Близости (между кластерами, между кластерами и объектами) вычисляются методами связи теми, что в иерархическом кластерном анализе; есть 12 методов на выбор. | !KO_HIECLU !KO_HIECLUEX !KO_DBWCFRD !KO_DABWFRD !KO_DBWFFRD !KO_DBWNFRD |
!KO_BAGGRTAB | MATRIX – END MATRIX functions | Многомерная частотная агрегация (дихотомические данные). Это вариант функции !KO_AGGRTAB и он только для дихотомических данных. | !KO_AGGRTAB |
!KO_BFS | MATRIX – END MATRIX functions | SPSS-реализация алгоритма поиска в ширину в однодольном графе. Можно получить полное или усеченное дерево, а также лес деревьев. | !KO_DFS |
!KO_BINCNT | MATRIX – END MATRIX functions | Матрицы сочастот для двоичных данных. Для двоичных столбцов выдает матрицы частот A, B, C, D (частоты, известные еще как истинно-позитивные, ложно-негативные, ложно-позитивные, истинно-негативные). Многие меры близости, изобретенные для двоичных данных, могут быть вычисленены с ними. | |
!KO_BINOM | MATRIX – END MATRIX functions | Порождает вектор случайных значений из биномиального распределения с заданными параметрами (число испытаний и вероятность успеха). | |
!KO_BIPLOT | MATRIX – END MATRIX functions | Биплот это метод снижения размерности для столбцов и рядов прямоугольной матрицы. Он близко родствен главнокомпонентному анализу и анализу соответствий. Есть опция придания разного веса разным рядам и столбцам, а также гибкое наделение инерцией. | !KO_PCOMP !KO_CORRESP |
!KO_BISER | Various proximities | Вычисляет прямоугольную матрицу бисериальных коэффициентов корреляции между мерными и двоичными переменными, их значимости. | |
!KO_BIV | MATRIX – END MATRIX functions | Для двух переменных: ковариация, корреляция, косинус-сходство, коэффициент тождественности, отношение подобия. | !KO_COV !KO_CORR !KO_COSINE !KO_IDC !KO_SIMR !KO_RECT |
!KO_BLOCKDIAG | Clustering tendency | Блок-диагонализация методами VAT/IVAT и MDS переупорядочивает ряды/столбцы квадратной матрицы расстояний для сосредоточения малых расстояний вблизи диагонали. Макрос отображает блок-диагонализованную матрицу на «тепловой карте» (heatmap), откуда можно получить представление о присутствии кластерной структуры в данных и примерно оценить число кластеров. | !KO_VAT |
!KO_BLOCKIC | MATRIX – END MATRIX functions | Блок-врезка это косая (диагональная) состыковка двух матриц так, что одна из них врезана в другую на заданную глубину. | |
!KO_BORROW | Impute missing data | Заимствование значений у указанных других наблюдений. Переносит значения с определенных наблюдений-доноров на текущие наблюдения-реципиенты внутри тех же переменных. Значение будет заимствовано (импутировано), если удовлетворит заданному условию (к примеру, «пропуск у реципиента, но валидно у донора»). | !KO_HDIMPUTE !KO_HOTDECK |
!KO_BOXCOX | MATRIX – END MATRIX functions | Преобразование Бокса-Кокса. Преобразует количественную переменную монотонно степенно так, чтобы распределение в ней стало ближе к нормальному. Выбор значения параметра лямбда делается решетчатым поиском. | |
!KO_BRONKERB | MATRIX – END MATRIX functions | SPSS-реализация алгоритма перечисления максимальных клик Брона-Кербоша (pivot-версия). | !KO_BRONKERB2 |
!KO_BRONKERB2 | MATRIX – END MATRIX functions | SPSS-реализация алгоритма перечисления максимальных клик Брона-Кербоша (базовая версия). | !KO_BRONKERB |
!KO_BWSCAT | MATRIX – END MATRIX functions | Межгрупповая матрица рассеяния (between-group scatter) и объединенная внутригрупповая матрица рассеяния (pooled within-group scatter). | !KO_SSWFRD |
!KO_CALHARM | Internal clustering criteria | То же, что !KO_CALHARV, но входящие – матрица. | !KO_CALHARV |
!KO_CALHARV | Internal clustering criteria | Внутренние кластерные критерии: Calinski-Harabasz; SSW “elbow”; Log SS ratio. Индексы кластерной валидности, основанные на ANOVA. Входящие – переменные. | !KO_CALHARM |
!KO_CANCORR | MATRIX – END MATRIX functions | Канонический корреляционный анализ (экстракция канонических вариат, без тестов значимости). | !KO_DISCRIM !KO_REGRESS |
!KO_CARTP | MATRIX – END MATRIX functions | Декартово произведение двух множеств. Есть опция не спаривать элементы с одинаковыми порядковыми номерами. | !KO_NCARTP |
!KO_CASTOVAR | MATRIX – END MATRIX functions | Переструктурирование “наблюдения в переменные”, или “длинный в широкий формат”. Видоизменяет каждую группу из K наблюдений (рядов данных) в один ряд. Таким образом каждая переменная (столбец) разбивается на K столбцов. | !KO_VARTOCAS |
!KO_CATBIN | Categorical - Binary recodings | Перекодировать переменные в двоичные фиктивные (dummy). Создает фиктивные (индикаторные, dummy, one-hot) переменные для указанных пользователем значений входящих переменных. Для каждого заданного значения создастся из входящей переменной одна фиктивная переменная. Когда входящих переменных несколько, заданный пользоваелем набор значений един для них всех, так что каждая переменная породит одно и то же число двоичных переменных. Макрос имеет опцию принять множественные входящие переменные за «серию повторных замеров» с важностью их порядка – чтобы наложить дополнительное условие на перекодировку. | !KO_ACATBIN !KO_ACATBIN2 !KO_HFREQ !KO_MRDMRC |
!KO_CATCONT | Categorical into Contrast | Перекодировка категориальных переменных в контраст-переменные. Макрос создает из категориальных или количественных дискретных переменных контраст-переменные запрошенного типа и опционально их взаимодействия. Он также выдает матрицы контраст-коэффициентов (L-матрицы). Контрасты – это способы квантифицировать категориальные предикторы («факторы»), чтобы сравнивать между группами, уровнями фактора, либо проверять, не образуют ли уровни фактора под-лежащую непрерывность с (не)линейным эффектом на отклик. Назначение макроса – произвести контрасты физически: переменные в массиве данных. Вы можете использовать их как предикторы в простой регрессионной процедуре – т.е. такой, что не признаёт категориальные предикторы. Следующие типы контрастов можно получить: индикаторный (= фиктивные переменные), простой, отклонения (= эффекта), Хелмерта, разниц, повторительный, полиномиальный, взвешенный полиномиальный, определенный пользователем (посредством L-матрицы) контраст. | !KO_ACATBIN !KO_ACATBIN2 !KO_HFREQ !KO_FREQ |
!KO_CATEG | MATRIX – END MATRIX functions | Порождает матрицу случайных значений из категориального распределения с заданными параметрами (число категорий k и их вероятности). Категориальное распределение это мультиномиальное распределение с числом испытаний 1. | !KO_CATWOR !KO_SAMPLE |
!KO_CATWOR | MATRIX – END MATRIX functions | Выборка из категориального распределения без возвращения. Набирает случайную выборку n объектов из ограниченной совокупности объектов, принадлежащих разным категориям. Эта функция выдает случайные значения из k-категориального распределения, подобно функции !KO_CATEG, однако она делает выборку без возвращения и из ограниченной популяции. Действительная вероятность выбора объекта той или иной категории определяется отношением между двумя вероятностями – «спросом» (склонностью выскакивать) и «наличием» (в популяции, «на складе»), и она меняется динамически по ходу отбора, т.к. он идет без возвращения объектов в популяцию. В функции есть несколько вариантов упомянутого отношения между спросом и наличием. | !KO_CATEG !KO_SAMPLE |
!KO_CCCRITM | Internal clustering criteria | Кубический кластерный критерий, как в !KO_CCCRITV, но входящие – матрица. | !KO_CCCRITV |
!KO_CCCRITV | Internal clustering criteria | Внутренние кластерные критерии: кубический кластерный критерий (основан на ANOVA); log det ratio (основан на MANOVA). Индексы кластерной валидности. Входящие – переменные. | !KO_CCCRITM |
!KO_CCM | MATRIX – END MATRIX functions | Матрица путаности сочленства для двух разбиений. Матрица путаности сочленства (comembership confusion matrix) это такая 2×2 матрица путаности (confusion matrix), где элементом счета выступает пара объектов (а не объект). Эта матрица является основой для оценки сходства двух классифицаций (разбиений) одних и тех же объектов. | !KO_CLASAGREE |
!KO_CCUM | MATRIX – END MATRIX functions | Накопленные суммы в столбцах. Берет матрицу и выдает матрицу того же размера, чьи элементы в каждом столбце есть накопленные суммы в этом столбце исходной матрицы при суммировании в сверху вниз либо снизу вверх. | |
!KO_CELLS | MATRIX – END MATRIX functions | Доли и остатки в двумерной таблице сопряженности. Выдает табличные, рядные или столбцовые доли (проценты); ожидаемые частоты, частотные остатки, стандартизованные и приведенные остатки. | !KO_CROSSTAB !KO_CHITAB |
!KO_CENTER | MATRIX – END MATRIX functions | Центрация. Центрует столбцы матрицы данных (приводит среднее в них к 0). | !KO_ZSCORE !KO_GCENTER !KO_HRESC |
!KO_CHGRAH | MATRIX – END MATRIX functions | SPSS-реализация алгоритма Грэма (Грэхема) вычисления выпуклой оболочки на плоскости. | !KO_CHJARV |
!KO_CHISQ | MATRIX – END MATRIX functions | Порождает матрицу случайных значений из хи-квадрат-расределения с заданным числом степеней свободы. | |
!KO_CHITAB | MATRIX – END MATRIX functions | Статистика хи-квадрат (Пирсона и отношения правдоподобия) двумерной таблицы сопряженности. | !KO_CROSSTAB !KO_CELLS !KO_SCHITAB |
!KO_CHJARV | MATRIX – END MATRIX functions | SPSS-реализация алгоритма Джарвиса вычисления выпуклой оболочки на плоскости. | !KO_CHGRAH |
!KO_CINDEX | Internal clustering criteria | Внутренние кластерные критерии: C-index. Индекс кластерной валидности, сравнивающий внутрикластерные расстояния с «абсолютным идеалом» таковых. | !KO_RPBCLU |
!KO_CLASAGREE | Compare partitions | Меры сравнения разбиений-«классификаций» («разбиение» это номинальная переменная). Вычисляет меры согласия (подобия) между разбиениями – индексы, известные как индексы согласия классификаций или меры после-исполнительского качества классификаторов. В сравнении такого рода взаимооднозначное соответствие между группами двух сравниваемых разбиений известно, установлено. Другими словами, «метки групп» значимы и определены. Типично это есть сравнение среди классификаций либо между образцовым (ground truth) разбиением и предсказанной классификацией. Следующие индексы для двоичной (унитарной, класс-специфичной) классификации имеются: accuracy (Rand, simple matching), recall (sensitivity, true positive rate), specificity (true negative rate), precision (positive predictive value), negative predictive value (NPV), Youden’s, markedness, F1 (F-measure, Dice), F-beta (generalized or weighted F-measure), Kulczynski 2, log diagnostic odds ratio, discriminant power, Matthews (Phi) correlation, balanced classification rate (point AUC), GM measure, adjusted GM measure, optimized precision, Jaccard (Tanimoto). Вы можете выбрать, как усреднять двоичный индекс чрез классы, если вам нужно единственное значение для мультиклассового разбиения. Следующие индексы для собственно мультиклассовой (номинальной) классификации имеются: overall success rate (relative agreement, multiclass accuracy), Cohen’s kappa, Scott’s pi, Brennan-Prediger kappa, multiclass Matthews (Rk) correlation. | !KO_CLUAGREE !KO_CCM !KO_PROXBIN |
!KO_CLASSRES | MATRIX – END MATRIX functions | Процент правильной классификации. Вычисляет цифры «Процент правильно классифицированных» для классификационной частотной кросс-таблицы. | !KO_CROSSTAB |
!KO_CLOSEST | MATRIX – END MATRIX functions | Выяснить значение данных, ближайшее к заданному значению по величине, «снизу» или «сверху». | |
!KO_CLR | MATRIX – END MATRIX functions | Лог-отношенческая центрация (centered logratio transform). Суммы в столбцах приводятся к 1; затем значения делятся на геометрическую среднюю в столбце, и берется логарифм. В итоге в столбцах значения имеют нулевые средние. | |
!KO_CLUAGREE | Compare partitions | Меры сравнения разбиений-«кластеризаций» («разбиение» это номинальная переменная). Вычисляет меры согласия (подобия) между разбиениями – индексы, известные как внешние кластерные критерии или кластерные валидационные индексы с учителем. В сравнении такого рода взаимосоответствие между группами двух сравниваемых разбиений не известно, не установлено. Другими словами, не требуются «метки групп». Типично это есть сравнение среди кластерных решений либо между образцовым (ground truth) разбиением и кластерным решением. Следующие индексы, основанные на матрице путаности сочленсва, или меры пар объектов, имеются: Dice (F1-measure), Ochiai (Folkes-Mallows, cosine), Kulczynski 2, Jaccard, Sokal-Sneath 2, Sokal-Sneath 1, Rand (Simple Matching coefficient), Adjusted Rand, Russel-Rao, Rogers-Tanimoto, Phi correlation (normalized Hubert Г), dispersion, squared Euclidean distance (Hamming distance, and double of it is Mirkin distance), McNemar distance. Следующие индексы, основанные на частотной кросс-табуляции, имеются: overlap (purity), F clustering accuracy, homogeneity & completeness V, mutual information, variation of information distance, normalized mutual information, adjusted mutual information. | !KO_CLASAGREE !KO_GRMATCH !KO_PROXBIN |
!KO_COMBK | MATRIX – END MATRIX functions | Выдает сочетания по k = 2, 3, … элементов (из одного множества). | !KO_ALLCOMB |
!KO_COMBOPER | MATRIX – END MATRIX functions | Горизонтальные арифметические операции в сочетаниях переменных. Функция рассматривает все сочетания переменных (столбцов данных) по столько-то штук в сочетании, и в каждом сочетании вычисляет их сумму (или произведение и т.п.) горизонтально, внутри каждого наблюдения (ряда). | !KO_TURFLIKE |
!KO_CONCDISC | MATRIX – END MATRIX functions | Частоты конкордантных, дискордантных и связанных пар. Для двух мерных или порядковых переменных выдает количества, необходимые для вычисления таких мер связи как Гамма Гудмана-Краскела, коэффициент Сомера, корреляция Кендалла, и т.д. | !KO_CONCDISCT |
!KO_CONCDISCT | MATRIX – END MATRIX functions | Частоты конкордантных, дискордантных и связанных пар (из таблицы). Выдает те же количества, что !KO_CONCDISC, но вычисляет их из частотной кросс-таблицы, а не из столбцов данных. | !KO_CONCDISC !KO_CROSSTAB |
!KO_CORR | MATRIX – END MATRIX functions | Квадратная симметричная пирсоновская корреляционная матрица. | !KO_RECT !KO_BIV |
!KO_CORRCOV | MATRIX – END MATRIX functions | Конвертирует корреляционную матрицу в ковариационную (или матрицу косинус-сходств в SSCP матрицу). | !KO_COVCORR !KO_SWDIAG1 |
!KO_CORRESP | MATRIX – END MATRIX functions | Простой анализ соответствий анализирует двумерную таблицу сопряженности. Это биплот-анализ в приложении к таблице сопряженности. Вы можете выбрать хи-квадратовую или евклидовую предобработку таблицы. Есть опция придания пассивности некоторым рядам и столбцам, а также гибкое наделение инерцией. | !KO_BIPLOT |
!KO_COSINE | MATRIX – END MATRIX functions | Квадратная симметричная матрица косинус-сходств (коэффициенты пропорциональности, или конгруентности Такера). | !KO_RECT |
!KO_COUNT1 | MATRIX – END MATRIX functions | Счет значений (точное совпадение). Подсчитывает в рядах матрицы данных число элементов, совпадающих с любым из значений из заданного списка. | !KO_COUNT2 |
!KO_COUNT2 | MATRIX – END MATRIX functions | Счет значений в рядах (попадание в диапазон). Подсчитывает в рядах матрицы данных число элементов, попадающих в любой из указанных диапазонов значений. | !KO_COUNT1 |
!KO_COV | MATRIX – END MATRIX functions | Квадратная симметричная ковариационная матрица. | !KO_COV2 !KO_RECT !KO_BIV |
!KO_COV2 | MATRIX – END MATRIX functions | Квадратная симметричная ковариационная матрица (на df=n). | !KO_COV !KO_RECT |
!KO_COVCORR | MATRIX – END MATRIX functions | Конвертирует ковариационную матрицу в корреляционную (или SSCP-матрицу в матрицу косинус-сходств). | !KO_CORRCOV !KO_SWDIAG1 |
!KO_CRONALPHA | MATRIX – END MATRIX functions | Альфа Кронбаха – одна из мер внутренней согласованности (однородности) | !KO_MCDOMEGA |
!KO_CROSSTAB | MATRIX – END MATRIX functions | Двумерная частотная перекрестная таблица (для всех значений). | !KO_FREQ !KO_CELLS !KO_CHITAB !KO_AGGRTAB !KO_CTABVAL |
!KO_CTABVAL | MATRIX – END MATRIX functions | Двумерная частотная перекрестная таблица (для заданных значений). | !KO_CROSSTAB |
!KO_CUMCLUG | Cumulative curves | Сравнение групп (кластерным анализом) по форме кумулятивного распределения в переменных. Вычисляет квадратную матрицу расстояний (манхэттенских, чебышевских или автокоррелятивных), которая показывает различия между указанными группами респондентов в отношении кумулятивного распределения, наблюдаемого в анализируемых переменных (переменные должны быть с дискретными значениями). И строит на основе этой матрицы кластерную дендрограмму (метод агломерации: дальнего соседа), на которой видны упомянутые различия. | |
!KO_DABWFRD | MATRIX – END MATRIX functions | Усредненные расстояния между группами (вычисление из матрицы различий). Берет матрицу расстояний (различий) между наблюдениями данных и группирование наблюдений. Вычисляет средние расстояния между группами. | !KO_DATOFRD !KO_ASSCLU |
!KO_DATOFRD | MATRIX – END MATRIX functions | Усредненные расстояния до групп (вычисление из матрицы различий). Берет матрицу расстояний (различий) между наблюдениями данных и группирование наблюдений. Вычисляет среднее расстояние от каждого наблюдения до каждой группы. | !KO_DABWFRD !KO_POINTCLUD |
!KO_DAVBOULM | Internal clustering criteria | То же, что !KO_DAVBOULV, но входящие – матрица. | !KO_DAVBOULV |
!KO_DAVBOULV | Internal clustering criteria | Внутренние кластерные критерии: Davies-Bouldin (основан на ANOVA); PBM (эклектичен). Индексы кластерной валидности. Входящие – переменные. | !KO_DAVBOULM |
!KO_DBWCFRD | MATRIX – END MATRIX functions | Расстояния между центроидами групп (вычисление из матрицы расстояний). Берет матрицу расстояний между наблюдениями данных и группирование наблюдений. Вычисляет расстояния между центроидами групп. | !KO_DTOCFRD !KO_AGGR !KO_SEUCLID !KO_ASSCLU |
!KO_DBWFFRD | MATRIX – END MATRIX functions | Расстояния между дальними соседями из групп (вычисление из матрицы различий). Берет матрицу расстояний (различий) между наблюдениями данных и группирование наблюдений. Выдает расстояния между дальними соседями между группами. | !KO_DTOFFRD !KO_ASSCLU |
!KO_DBWNFRD | MATRIX – END MATRIX functions | Расстояния между ближними соседями из групп (вычисление из матрицы различий). Берет матрицу расстояний (различий) между наблюдениями данных и группирование наблюдений. Выдает расстояния между ближними соседями между группами. | !KO_DTONFRD !KO_ASSCLU |
!KO_DCENTER | MATRIX – END MATRIX functions | Двойная центрация матрицы квадратных расстояний. Это «евклидово-геометрический» способ перевести расстояния между объектами (функция принимает расстояния за кв. евклидовы) в сходства, являющися скалярными произведениями (между векторами испускаемыми из центроида конфигурации). | !KO_SDCOSTH |
!KO_DENDRO | Clustering | Дендрограмма. Макрос строит/рисует дендрограмму по агломеративной истории. (Агломеративная история выдается макросом !KO_HIECLU или !KO_HIECLUEX. Но пользователь может ввести свою агломеративную историю.) | !KO_HIECLU !KO_HIECLUEX |
!KO_DFS | MATRIX – END MATRIX functions | SPSS-реализация алгоритма поиска в глубину в однодольном графе. Можно получить полное или усеченное дерево, а также лес деревьев. | !KO_BFS |
!KO_DIAGBOFF | MATRIX – END MATRIX functions | Величины отстояний элементов от полосы диагоналей матрицы. Когда матрица неквадратная, можно говорить, что у нее более одной диагонали – полоса диагоналей. Функция помечает нулем всю полосу диагоналей, а остальные элементы помечает величиной отстояния от этой полосы. | !KO_DIAGOFF |
!KO_DIAGNS | MATRIX – END MATRIX functions | Один из возможных коэффициентов, измеряющий степень концентрации больших (по абсолютной величине) значений матрицы вблизи ее главной диагонали. | |
!KO_DIAGOFF | MATRIX – END MATRIX functions | Величины отстояний элементов от диагонали матрицы. Помечает нулем диагональ матрицы размером, а остальные элементы помечает величиной их отстояния от диагонали. Вы можете выбрать диагональ. | !KO_DIAGBOFF |
!KO_DIJKSTRA | MATRIX – END MATRIX functions | SPSS-реализация алгоритма кратчайший путь / легчайший проход Дейкстры. | !KO_FLOWAR !KO_BFS |
!KO_DISCRIM | MATRIX – END MATRIX functions | Линейный дискриминантный анализ (только экстракция дискриминантных вариат, и без тестов значимости). | !KO_GACLASS !KO_GACLASS2 !KO_CANCORR |
!KO_DMATRIX | Matrix comparisons | Расстояния между столбцами матрицы близостей. | |
!KO_DONRECI | Multiple Response tools | Чистка категориального набора переменных другими категориальными переменными с теми же категориями. Если у вас есть два набора категориальных переменных с одними и теми же категориями, вы можете добавить/удалить/перекодировать данные одного набора, справляясь по существующим данным второго набора, чтобы положить согласие между наборами. | |
!KO_DSALLCOMB | MATRIX – END MATRIX functions | Выдает все сочетания по k = 2, 3, ... элементов, взятых из разных множеств. | !KO_DSCOMBK |
!KO_DSCOMBK | MATRIX – END MATRIX functions | Выдает сочетания по k элементов, взятых из разных множеств. | !KO_DSALLCOMB |
!KO_DTOC | MATRIX – END MATRIX functions | Расстояния до центроидов групп. Берет матрицу количественных данных и группирование наблюдений. Вычисляет расстояние от каждого наблюдения до центроида каждой группы. | !KO_DTOCFRD |
!KO_DTOCFRD | MATRIX – END MATRIX functions | Расстояния до центроидов групп (вычисление из матрицы расстояний). Берет матрицу расстояний между наблюдениями данных и группирование наблюдений. Вычисляет расстояние от каждого наблюдения до центроида каждой группы. | !KO_DTOC !KO_DBWCFRD !KO_DTOMFRD !KO_POINTCLUD |
!KO_DTOFFRD | MATRIX – END MATRIX functions | Расстояния до дальних соседей из групп (вычисление из матрицы различий). Берет матрицу расстояний (различий) между наблюдениями данных и группирование наблюдений. Выдает расстояние от каждого наблюдения до его дальнего соседа в каждой группе. | !KO_DBWFFRD !KO_POINTCLUD |
!KO_DTOMFRD | MATRIX – END MATRIX functions | Расстояния до медоидов групп (вычисление из матрицы различий). Берет матрицу расстояний (различий) между наблюдениями данных и группирование наблюдений. Выдает расстояние от каждого наблюдения до медоида каждой группы; и сами медоиды (их номера). | !KO_DTOCFRD !KO_POINTCLUD |
!KO_DTONFRD | MATRIX – END MATRIX functions | Расстояния до ближних соседей из групп (вычисление из матрицы различий). Берет матрицу расстояний (различий) между наблюдениями данных и группирование наблюдений. Выдает расстояние от каждого наблюдения до его ближнего соседа в каждой группе. | !KO_DBWNFRD !KO_POINTCLUD |
!KO_DUNN | Internal clustering criteria | Внутренние кластерные критерии: Dunn (несколько типов). Классический и «обобщенный» индекс кластерной валидности оценивает кластерную разделенность относительно размера кластеров. | |
!KO_EDPROXMX | Various proximities | Редактирование матрицы близостей (расстояний и т.п.). Инструмент редактирования квадратной матрицы, где ряды или столбцы – должны быть одни и те же предметы (т.е. речь об однодольном графе). Вы можете: (i) собрать матрицу в любом нужным вам, но правильном порядке; (ii) вычленить подматрицу; (iii) сделать кое-какие операции в теле матрицы (например, сделать асимметричную матрицу симметричной, прибавить константу, транспонировать, поставить диагональ, и т.д.); (iv) сохранить во вне диагональ или развернутые треугольники матрицы; (v) нарисовать теплокарту (heatmap) матрицы. | !KO_TRADD !KO_TRMULT !KO_TREXP !KO_UNFTRI !KO_SYMTRI1 !KO_SYMTRI2 |
!KO_EIG2X2 | MATRIX – END MATRIX functions | Собственночисловое разложение 2×2 матрицы. | !KO_SCHUR2X2 |
!KO_ERRDISP | Multiple Response tools | Проверка набивки типа DISPART. Вспомогательный макрос к !KO_STRMRC, !KO_STRMRD. | !KO_STRMRC !KO_STRMRD |
!FITCOV | Fit covariates | Подгонка переменных под квадратно-симметрическую матрицу коэффициентов. Итеративно изменяет значения входящих переменных так, чтобы переменные показывали друг с другом силу связи, близкую или равную коэффициентам указанной пользователем матрицы, корреляционной, ковариационной или SSCP. | !KO_FITVAR !KO_TOCOV |
!FITVAR | Fit covariates | Подгонка переменных под прямоугольную матрицу коэффициентов. Трансформирует переменные для достижения нужных значений коэффициентов связи (корреляции, ковариации или суммарные кросс-произведения). В отличие от !KO_FITCOV, он подгоняет переменные к коварьированию не друг с другом, а с третьими переменными, которые сами никак не изменяются макросом. | !KO_FITCOV !KO_YTOCOV |
!KO_FLOWAR | MATRIX – END MATRIX functions | SPSS-реализация алгоритма кратчайших путей / легчайших проходов Флойда-Уоршалла. | !KO_SFLOWAR !KO_DIJKSTRA |
!KO_FOLTRI | MATRIX – END MATRIX functions | Свертка двух векторов в треугольники квадратной матрицы. Эта функция выполняет действие, противоположное тому, что делает !KO_UNFTRI. | !KO_UNFTRI |
!KO_FREQ | MATRIX – END MATRIX functions | Частоты всех значений одном столбце данных. И фиктивные (dummy) переменные, соответствующие значениям. | !KO_CROSSTAB !KO_FREQVAL !KO_UNIQUE !KO_MRFREQ !KO_ACATBIN !KO_ACATBIN2 !KO_CATCONT |
!KO_FREQVAL | MATRIX – END MATRIX functions | Частоты заданных значений в столбцах данных. | !KO_FREQ !KO_CTABVAL !KO_COUNT1 |
!KO_FSC | MATRIX – END MATRIX functions | Коэффициенты факторных баллов. Вычисляет матрицу коэффициентов для получения факторных баллов в факторном анализе (и компонентных баллов в главнокомпонентном анализе). Методы: регрессионный (Терстоуна), Хорста, Бартлета, Андерсона-Рубина и Макдональда-Андерсона-Рубина, Грина. | !KO_PAF !KO_PCA |
!KO_GACLASS | MATRIX – END MATRIX functions | Гауссов классификатор. Классифицирует наблюдения в классы с нормальным или около-нормальным распределением. Используется, в частности, как часть дискриминантного анализа. | !KO_DISCRIM !KO_GACLASS2 |
!KO_GACLASS2 | MATRIX – END MATRIX functions | Гауссов классификатор (с опцией "скользящий контроль-1"). Функция похожа на !KO_GACLASS, но классифирует только правилом, выведенным из самой входящей выборки. Зато она может классифицировать методом “leave-one-out cross-validation”. | !KO_DISCRIM !KO_GACLASS |
!KO_GAMMACLU | Internal clustering criteria | Внутренние кластерные критерии: гамма-статистика. Это гамма Гудмана-Краскела как индекс кластерной валидности. | |
!KO_GCENTER | MATRIX – END MATRIX functions | Центрация, по группам. Центрует столбцы матрицы данных (приводит среднее в них к 0), по группам наблюдений. | !KO_CENTER |
!KO_GCOV | MATRIX – END MATRIX functions | Ковариационная или корреляционная или рассеяностная (scatter) матрица, вычисленная по группам наблюдений, а также их усредненная (pooled). | !KO_COV !KO_COV2 !KO_CORR |
!KO_GDESCR | MATRIX – END MATRIX functions | Для одной переменной: минимум, максимум, средняя и дисперсия, по группам наблюдений и в целом. | !KO_MEAN !KO_VARIANCE |
!KO_GENCLU | Generate random clusters, mixtures | Порождение случайных кластерных/смесных данных. Порождает нечеткие (перекрывающиеся) или четкие (разграниченные) облака непрерывных данных, одно- или многомерных. Эти кластеры могут быть из нормального или более плоскогорбого (вплоть до равномерного) распределения и быть круглыми или вытянутыми. Вы можете манипулировать размерами кластеров и расстояниями между ними, а также их повернутостью в пространстве. | !KO_ROTCLU !KO_MVNORM !KO_UNIFBALL |
!KO_GOWER | Various proximities | Сходство Гауэра. Вычисляет квадратную матрицу меры сходства Гауэра между наблюдениями данных, на основе любой смеси количественных и категориальных переменных (мерных, порядковых, двоичных, номинальных, счетных признаков). Вы можете придать веса признакам, перевести сходство в гауэрово расстоянние, евклидизовать матрицу расстояний поправкой Линго или Кайе. | |
!KO_GREEDM | MATRIX – END MATRIX functions | Простое жадное паросочетание элементов между двумя множествами (напр. долями в двудольном графе, рядами и столбцами матрицы), чтобы максимизировать сумму значений в парах. | !KO_GREEDM2 |
!KO_GREEDM2 | MATRIX – END MATRIX functions | Простое жадное паросочетание элементов между двумя множествами (напр. долями в двудольном графе, рядами и столбцами матрицы), чтобы максимизировать сумму значений в парах. Для дискретных данных. | !KO_GREEDM |
!KO_GRMATCH | Compare partitions | Идентификация (спаривание) взаимосоответствующих групп. Макрос устанавливает взаимооднозначно соответствующие группы между разными разбиениями («разбиение» это номинальная переменная). Соответствующие или сочетающиеся группы – это те, которые состоят по большей части из тех же объектов (наблюдений массива данных). Если у вас есть разбиения с такими похожими группами, но последние кодированы неодинаково (имеют разные «метки») сквозь разбиения, то процедура поможет вам отождествить их и, опционально, перекодировать их в единообразные коды. (После перекодировки можно применить !KO_CLASAGREE для оценки того, как сильно разбиения похожи.) Сочетание групп между двумя сопоставляемыми разбиениями может быть проделано на базе их кросс-табличных сырых частот, частотных остатков или ячейковых F-мер; само же спаривание может быть венгерским либо жадным алгоритмами. | !KO_CLUAGREE !KO_GREEDM !KO_HUNGAR |
!KO_GSCALE | MATRIX – END MATRIX functions | Масштабирование, по группам. Масштабирует (нормирует) столбцы матрицы данных (приводит сумму квадратов значений к 1 или к n), по группам наблюдений. | !KO_SCALE |
!KO_GZSCORE | MATRIX – END MATRIX functions | Z-стандартизация, по группам. Стандартизует столбцы матрицы данных (приводит среднее в них к 0, а дисперсию к 1), по группам наблюдений. | !KO_ZSCORE |
!KO_HAT | MATRIX – END MATRIX functions | Матрица влияния (hat-матрица, проекционная матрица). Значения на ее диагонали известны в регрессии как рычаги (leverages) и связаны с махаланобисовыми расстояниями до центроида. | !KO_SMAHALC !KO_DCENTER |
!KO_HBINEF | Horizontal tools | Внутри наблюдений: категоризация (квантизация) на равночастотные, процентильные группы. Вы можете также создать переменные, показывающие точки насечения, и частоты в группах. | !KO_HRANK |
!KO_HBINEI | Horizontal tools | Внутри наблюдений: категоризация (квантизация) по горизонтали на равноинтервальные группы. Вы можете задать насечение (на равные поддиапазоны) или позволить макросу определять их автоматически. Насечение можно сделать одинаковым или неодинаковым для разных наблюдений массива. Вы можете также создать переменные, показывающие точки насечения, и частоты в группах. | |
!KO_HCOUNT | Horizontal tools | Внутри наблюдений: подсчет уникальных значений и повторов. Создает 5 переменных с горизонтальными счетами: (i) сколько есть различных значений, (ii) сколько значений из них не повторяются (не дублируются) и (iii) сколько повторяются (и опционально можно запросить конкретнее, сколько раз), (iv) и каково наибольшее и (v) наименьшее число повторений среди значений. Просматриваются все валидные значения в данных, но вы можете сузить рамки значений для анализа или предложить их список. | !KO_HFREQ !KO_VALVARS |
!KO_HDIMPUTE | Impute missing data | Колодная импутация пропущенных значений (тщательный алгоритм). Среди возможностей процедуры: частичное совпадение по фоновым переменным; «заединая» или «независимая» обработка импутационных переменных; учет корреляции между импутационными переменными. | !KO_HOTDECK !KO_BORROW |
!KO_HESS | MATRIX – END MATRIX functions | Хессенбергова матрица / тридиагональная матрица. Превращает квадратную матрицу в верхнетреугольную матрицу Хессенберга с заполненной также верхней поддиагональю. Если матрица была симметричная, получается тридиагональная матрица. | |
!KO_HFREQ | Horizontal tools | Внутри наблюдений: частоты значений. Частота всякого уникального значения будет посчитана, но вы можете сузить рамки значений для анализа или предложить их список. Непрерывные значения округляются или усекаются с желаемой точностью. На выходе – новый массив с переменной на каждое посчитанное значение, данные - счеты. Также, вы можете произвести двоичные/фиктивные переменные этим макросом. | !KO_CATBIN !KO_!ACATBIN !KO_!ACATBIN2 !KO_MRCMRD !KO_!AMRCMRD !KO_!AMRCMRD2 !KO_VALVARS !KO_FREQVAL !KO_MRFREQ |
!KO_HGAPS | Horizontal tools | Внутри наблюдений: статистика разрывов между значениями в вариационном ряду. Разрыв это расстояние между между двумя неравными последовательными значениями в распределении количественных данных. Для каждого наблюдения массива данных макрос рассмотрит возрастающий ряд его значений и выдаст описательные статистики (n, min, max, mean, st. dev.) о разрывах там. Они могут быть полезны в изучении выбросов и степени неоднородности в данных. | |
!KO_HIECLU | Clustering | Иерархический кластерный анализ (входящие – квадратная матрица близостей). На выбор 11 методов агломерации (связывания), включая «гибкие» методы средней связи. Макрос имеет ряд ценных опций, расширяющих функциональность: (i) кластеризовать не только одиночные объекты, но и их группы (иногда это эквивалентно частотному взвешиванию); (ii) задать предсуществующую произвольную кластерную структуру – для ее собирания в первую очередь, перед дальнейшей агломерацией; (iii) остановить агломерацию на любом шаге, произвольном или по выбранному критерию, и сохранить остаточную матрицу близостей; (iv) только приписать новые объекты к существующим кластерам, без агломерации. | !KO_HIECLUEX !KO_ASSCLU !KO_DENDRO |
!KO_HIECLUEX | Clustering | Иерархический кластерный анализ с экзотическими методами связывания (входящие – квадратная матрица близостей). Этот макрос довольно похож на !KO_HIECLU, но посвящен особым методам агломерации (связывания): расстоянию Хаусдорфа, модифицированному расстоянию Хаусдорфа и точечно-центроидному кросс-расстоянию. | !KO_HIECLU !KO_ASSCLU !KO_DENDRO |
!KO_HIESORT | MATRIX – END MATRIX functions | Иерархическая сортировка рядов в матрице. Ряды сортируются по значениям 1-го столбца; внутри одинаковых его значений - по значениям 2-го столбца; внутри одинаковых его значений - по значениям 3-го столбца; и т.д. | !KO_SORT !KO_RSORT !KO_RSORTC |
!KO_HOPCKARP | MATRIX – END MATRIX functions | SPSS-реализация алгоритма Хопкрофта-Карпа. Паросочетание элементов между двумя множествами (напр. долями в двудольном графе), чтобы максимизировать число связей. | !KO_HUNGAR |
!KO_HOTDECK | Impute missing data | Колодная импутация пропущенных значений (быстрый алгоритм). Более скоростная, но менее гибкая альтернатива !KO_HDIMPUTE. | !KO_HDIMPUTE !KO_BORROW |
!KO_HQSORT | Horizontal tools | Внутри наблюдений: быстрая сортировка порядка значений, горизонтально. Это облегченная (меньше опций) но более быстрая версия !KO_HSORT. | !KO_HSORT !KO_SORT !KO_RSORT |
!KO_HRANK | Horizontal tools | Внутри наблюдений: ранжирование данных. Доступны преобразования: обычные ранги (есть 5 опций относиться к совпадениям, ties); нормальные баллы (Blom, Tukey, rankit, Van der Waerden); равночастотные (процентильные) группы. | !KO_HBINEF |
!KO_HRESC | Horizontal tools | Внутри наблюдений: перешкалирование, стандартизация данных, и т.п. Доступны преобразования: z-стандартизация, центрация (отклонение от средней) либо от медианы, нормирование (масштабирование) к сумме квадратов 1 либо к сумме 1, приведение ширины диапазона 1, перешкалирование в диапазон [0,1], стандартизация среднеабсолютным отклонением, медианная стандартизация среднеабсолютным отклонением, медианная стандартизация медианноабсолютным отклонением, экспоненциальное нормирование (softmax), лог-отношенческая центрация (centered logratio transform). Есть опция дискретизовать (округлить или усечь с нужной точностью) значения после преобразования. | !KO_CENTER !KO_ZSCORE !KO_SCALE !KO_RESCALE !KO_NEF !KO_CLR |
!KO_HSORT | Horizontal tools | Внутри наблюдений: сортировка или рандомизация порядка значений, горизонтально. Вы можете выбрать сортировать (или рандомизовать) в каждом наблюдении массива данных индивидуально, либо только в одном наблюдении – другие же будут подхвачены в сортировку, делаемую в нем. Можно исключить некоторые наблюдения из участия в процедуре. При сортировке вы имеете возможность оставить пропуски на своих местах, а также избавиться от дубликатов значений. | !KO_HQSORT !KO_SORT !KO_RSORT |
!KO_HUNGAR | MATRIX – END MATRIX functions | SPSS-реализация венгерского (Kuhn-Munkres) алгоритма. Паросочетание элементов между двумя множествами (напр. долями в двудольном графе, рядами и столбцами матрицы), чтобы максимизировать сумму значений в парах. | !KO_HOPCKARP !KO_HUNMATCH |
!KO_HUNMATCH | Make Paired samples | Оптимальное спаривание Венгерским алгоритмом. Создание данных с паросочетанными наблюдениями для использования в анализе парных выборок. | !KO_HUNGAR |
!KO_ICCOW | MATRIX – END MATRIX functions | Разные версии внутриклассового коэффициента корреляции (ICC) для однофакторного случайного дизайна. | !KO_ICCOWB |
!KO_ICCOWB | MATRIX – END MATRIX functions | Разные версии внутриклассового коэффициента корреляции (ICC) для однофакторного случайного дизайна. Классы – сбалансированные. | !KO_ICCOW |
!KO_IDC | MATRIX – END MATRIX functions | Квадратная симметричная матрица коэффициентов тождественности [Zegers, ten Berge]. | |
!KO_IJ | MATRIX – END MATRIX functions | Выдает позицию (пару индексов) одного элемента в матрице, равного заданному значению. Вы можете установить порядок поиска (приоритетность) на тот случай, когда таких элементов в матрице существует более одного. | !KO_INDX !KO_RINDX !KO_RANDINDX |
!KO_IMAGE | MATRIX – END MATRIX functions | Ковариационная матрица образов или антиобразов. Она дает коэффициенты множественной корреляции и помогает вычислить коэффициенты частной корреляции внутри набора переменных. | |
!KO_INDIC | MATRIX – END MATRIX functions | Создает двоичную матрицу, помечающую наблюдения, равные заданным профилям значений. | |
!KO_INDICES | MATRIX – END MATRIX functions | Выдает позиции ненулевых элементов вектора. | !KO_INDICES2 |
!KO_INDICES2 | MATRIX – END MATRIX functions | Выдает позиции ненулевых и позиции нулевых элементов вектора. | !KO_INDICES |
!KO_INDICESM | MATRIX – END MATRIX functions | Выдает позиции ненулевых элементов матрицы (и опционально сами элементы). | !KO_INDICES !KO_RAM !KO_VRAM !KO_NZLIST |
!KO_INDX | MATRIX – END MATRIX functions | Выдает позицию первой (самой левой) встречи заданного значения в ряду/рядах. | !KO_RINDX !KO_IJ !KO_RANDINDX |
!KO_INTLACE | Job tools | Переплетение списков. Придумка в помощь работе с синтаксисом. Вы задаете списки некоторых элементов, и макрос переплетает элементы списков. Например, три списка (разделенные ~): X1 X2 ~ Y1 Y2 ~ Z1 Z2 будут переупорядочены в список: X1 Y1 Z1 X2 Y2 Z2. | |
!KO_KMEANS | MATRIX – END MATRIX functions | Кластерный анализ методом k-средних. Разбивает наблюдения мерных данных в заданное число кластеров. Инициальные центры пользователь должен предложить. | !KO_KMINI |
!KO_KMINI | Clustering | Начальные центры для кластеризации k-средних. Макрос создает разными методами инициальные центры для последующего кластерного анализа методом k-средних. Методы: центроиды случайных подвыборок, случайно выбранные точки, дальние точки (бегущий выбор), дальние точки (простой выбор), случайные дальние точки (k-means++), точки-представители групп, иерархическая кластеризация методом Уорда. | !KO_KMEANS |
!KO_KNNP | MATRIX – END MATRIX functions | K ближних соседей (выписка), версия "plus". Берет расстояния (различия) и выдает для каждой точки K ближайших к ней соседей. В случае, если расстояния дискретны, результат может отличаться от !KO_KNNR. | !KO_KNNR !KO_KNNPRED |
!KO_KNNPRED | MATRIX – END MATRIX functions | Анализ K-ближних соседей с зависимой переменной в его базовой форме (без подбора K и отбора предикторов). | !KO_KNNR !KO_KNNP |
!KO_KNNR | MATRIX – END MATRIX functions | K ближних соседей (выписка), версия "random". Берет расстояния (различия) и выдает для каждой точки K ближайших к ней соседей. В случае, если расстояния дискретны, результат может отличаться от !KO_KNNP. | !KO_KNNP !KO_KNNPRED |
!KO_KURTOSIS | MATRIX – END MATRIX functions | Эксцессы (хвостности) в столбцах данных. | |
!KO_LIGAMMA | MATRIX – END MATRIX functions | Нижняя неполная гамма-функция. | |
!KO_MCDOMEGA | MATRIX – END MATRIX functions | Омега Макдональда – одна из мер внутренней согласованности (однородности) | !KO_CRONALPHA |
!KO_MEAN | MATRIX – END MATRIX functions | Средние арифметические в столбцах данных. | !KO_GDESCR !KO_AGGR |
!KO_MEDIAN | MATRIX – END MATRIX functions | Медианы в столбцах данных. | !KO_PTILE |
!KO_MERGE | MATRIX – END MATRIX functions | Смешение двух матриц. В матрицу (“основу”) добавляются все ряды или столбцы другой матрицы (“врезки”), образуя объединенную матрицу. Ряды (столбцы) врезки займут в ней позиции, указанные пользователем. | !KO_SPLIT |
!KO_MESTIM | MATRIX – END MATRIX functions | M-оцениватели положения (Huber’s, Andrew’s, Tukey’s). | !KO_ROBUSTADP !KO_ROBUSTLTS !KO_TRIMMEAN |
!KO_MHTESTS | Marginal homogeneity | Критерии краевой однородности для спаренных выборок. Stuart–Maxwell и Bhapkar для номинальных переменных, Agresti для порядковых или дискретных интервальных переменных. | |
!KO_MRCMRD | Categorical - Binary recodings | Перекодировка категориального набора множественного ответа (MRC) в дихотомический набор множественного ответа (MRD). Перекодирует категориальные переменные с общим пулом значений в серию двоичных переменных, образующих дихотомический набор множественного ответа. Интересующие значения пользователь должен указать. Для каждого заданного значения создастся из набора входящих переменных двоичная переменная. Есть опция учитывать повторения значений у респондента (например – создать переменные счетными). | !KO_AMRCMRD !KO_RANKREV !KO_HFREQ !KO_MRDMRC |
!KO_MRDMRC | Categorical - Binary recodings | Перекодировка дихотомического набора множественного ответа (MRD) в категориальный набор множественного ответа (MRC). Или перекодировка набора фиктивных переменных в одну категориальную переменную. Макрос перекодирует серию двоичных переменных или любых других числовых переменных, передающих статус двоичного признака (есть признак или же нет, либо сколько раз он есть), в категориальные переменные. | !KO_MRCMRD !KO_AMRCMRD !KO_AMRCMRD2 !KO_CATBIN !KO_ACATBIN !KO_ACATBIN2 !KO_RAM |
!KO_MRDNA | Multiple Response tools | Снабжение дихотомических наборов множественного ответа переменной «нет ответа». Эта переменная – «негатив» суммы остальных переменных набора: она 1 там, где они все 0, и она 0 в ином случае. | |
!KO_MRFREQ | MATRIX – END MATRIX functions | Частоты всех значений в «категориальном наборе множественного ответа». Функция подобна !KO_FREQ, но анализирует не один столбец данных, а несколько, понимаемых как набор переменных с общим пулом категориальных значений. Выдается также набор двоичных (или же счетных) переменных, соответствующих категориям; это «двоичный набор множественного ответа». | !KO_FREQ !KO_RAM !KO_APRIORI !KO_AMRCMRD !KO_AMRCMRD2 |
!KO_MSPLIT | MATRIX – END MATRIX functions | Разделение матрицы горизонтально на несколько, по группам. Эта функция для рутинной работы – разбивает матрицу данных на несколько, по группам наблюдений (рядов). Ряды входящих данных должны быть уже сортированы по группам. | !KO_SPLIT |
!KO_MVNORM | MATRIX – END MATRIX functions | Порождает случайные данные – n наблюдений из нормально распределенной популяции с заданными параметрами: ковариационной матрицей и центроидом (средними). | !KO_NORMAL !KO_WISHART !KO_TOCOV |
!KO_NBCLASS | MATRIX – END MATRIX functions | Наивный байесов классификатор для категориальных данных. | |
!KO_NCARTP | MATRIX – END MATRIX functions | Декартово произведение n множеств. | !KO_CARTP |
!KO_NEF | MATRIX – END MATRIX functions | Экспоненциальное нормирование (softmax-функция). В каждом столбце значения преобразуются экспоненциально так, что они лежат в диапазоне [0,1] и их сумма равна 1. | |
!KO_NEIPLOT | Neighbourhood chains | Граф соседств. Макрос «рисует» в текстовом формате древовидный ориентированный граф (точки и стрелки между точками), визуализируя этим информацию одной или более «таблиц соседств», выводимых макросом !KO_NEITAB. | !KO_NEITAB |
!KO_NEITAB | Neighbourhood chains | Таблица соседств. Макрос берет квадратную матрицу чисел, своей величиной показывающих степень какого-л. парного «сродства» внутри набора объектов, и создает из нее «таблицу соседств», в которой для каждого объекта указан его сосед (только один; по умолчанию это ближайший сосед). Замкнутая на себе цепочка соседей образует соседство. В соседстве можно различить объекты ядерные, периферийные и промежуточные. | !KO_NEIPLOT |
!KO_NORMAL | MATRIX – END MATRIX functions | Порождает матрицу случайных значений из стандартного нормального распределения. | !KO_RVNORM !KO_MVNORM |
!KO_NZLIST | MATRIX – END MATRIX functions | Разреженную матрицу в список ненулевых значений. Выписывает из матрицы (или вектора) все ненулевые элементы в один столбец, и прилагает к нему столбец, содержащий номера столбцов матрицы, из которых взяты выписанные элементы. Также выдает информацию, сколько элементов выписано из каждого ряда матрицы. | !KO_NZUNLIST !KO_INDICESM |
!KO_NZUNLIST | MATRIX – END MATRIX functions | Список в разреженную матрицу. Создает (разреженную) матрицу, вписывая в пустую матрицу значения из списка. Эта функция выполняет действие, противоположное тому, что делает !KO_NZLIST. | !KO_NZLIST |
!KO_ORTROT | MATRIX – END MATRIX functions | Ортогональные аналитические вращения. Делает ортогональные повороты, которые часто употребляются в факторном анализе: варимакс, квартимакс, эквамакс, парзимакс, факпарз, и заказное. | !KO_PAF !KO_PROMAX !KO_PCA |
!KO_PAF | MATRIX – END MATRIX functions | Факторный анализ методом главных осей (только экстракция факторов). Производит нагрузки ортогональных факторов из матрицы ассоциаций (ковариационной, корреляционной и т.п.). Вы должны задать число факторов. | !KO_PCA !KO_ORTROT !KO_PROMAX !KO_FSC |
!KO_PCA | MATRIX – END MATRIX functions | Анализ главных компонент (входящие - матрица). Извлекает главные компоненты (нагрузки и т.п.) из матрицы ассоциаций (ковариационной, корреляционной и т.п.). Есть опция придания разного веса разным переменным. | !KO_PCOMP !KO_PCOMP2 !KO_PCOORD !KO_PAF |
!KO_PCOMP | MATRIX – END MATRIX functions | Анализ главных компонент. Входящие – данные. Результаты можно получить в «сыром» или «стандартизованном» виде. | !KO_PCOMP2 !KO_PCA !KO_BIPLOT |
!KO_PCOMP2 | MATRIX – END MATRIX functions | Анализ главных компонент (для n<p). То же, что !KO_PCOMP, но удобнее, когда число переменных больше числа наблюдений. | !KO_PCOMP !KO_PCA |
!KO_PCOORD | MATRIX – END MATRIX functions | Анализ главных координат (метрическое многомерное шкалирование Торгерсона) – это простейший метод многомерного шкалирования, тесно связанный с главнокомпонентным анализом. | !KO_PCA |
!KO_PLOTDIS | Plot latents | Показ дискриминант на диаграмме рассеяния данных – в виде осей, выложенных дискриминантными баллами. | !KO_DISCRIM |
!KO_PLOTPC | Plot latents | Показ главных компонент на диаграмме рассеяния данных – в виде осей, выложенных компонентными баллами. | !KO_PCOMP |
!KO_POINTCLUD | Clustering | Расстояния между объектами и кластерами (входящие – квадратная матрица близостей). Вычисляет расстояния между объектами и существующими (заданными пользователем) кластерами (или группами) объектов. Расстояния – до ближних или дальних соседей, средние расстояния, расстояния до центроидов или до медоидов. | !KO_DTOCFRD !KO_DATOFRD !KO_DTOFFRD !KO_DTONFRD !KO_DTOMFRD |
!KO_PRICECRVS | Cumulative curves | Кривые ценовой чувствительности (price sensitivity meter, PSM) Ван Вестендорпа. Макрос для маркетинговых изучения цены. основанный на кумулятивных частотах, он вычисляет и строит графически: категории покупателей и непокупателей на разных уровнях цены; четыре «ценовые точки» (IPP, OPP, PMC, PME); оборот (доход). Данные можно автоматически почистить; анализ можно проделать по подвыборкам; графики можно сгладить. | !KO_CUMCLUG |
!KO_PRIM | MATRIX – END MATRIX functions | SPSS-реализация алгоритма минимального остовного дерева Прима. Граф может быть полным или разреженным. | |
!KO_PRIME | MATRIX – END MATRIX functions | Помечает в каждом ряду и столбце матрицы не более одного элемента, равного заданному значению. (Примечание: это взаимооднозначное спаривание рядов со столбцами не обязательно максимизирует число таких пар; используйте алгоритмы максимального паросочетания для максимизации.) | !KO_HUNGAR !KO_HOPCKARP !KO_GREEDM |
!KO_PROCR | MATRIX – END MATRIX functions | Ортогональный прокрустов поворот одной конфигурации точек в другую, с ней связанную. С опциями отражения и изомасштабирования. | !KO_PROCRUST |
!KO_PROCRUST | Procrustes analysis | Ортогональный и неортогональный прокрустов анализ. Прокрустов анализ для двух конфигураций находит способ максимально совместить два облака точек в пространстве, при условии, что точке одного облака заведомо назначена в соответствие точка другого. | !KO_PROCR |
!KO_PROD | MATRIX – END MATRIX functions | Произведение элементов матрицы. Перемножает все элементы матрицы. | |
!KO_PROMAX | MATRIX – END MATRIX functions | Косоугольное вращение промакс и промай. Делает упомянутые косоугольные повороты, которые часто употребляются в факторном анализе. | !KO_ORTROT !KO_PAF !KO_PCA |
!KO_PROPAG | MATRIX – END MATRIX functions | Размножает ряды матрицы в количество (подряд идущих) копий, указанное пользователем. Для разных рядов можно указазать одно или разное количество копий. Число копий 0 исключает ряд из матрицы. | |
!KO_PROXBIN | Various proximities | Разные попарные меры близости для двоичных (binary) данных. Вычисляет квадратную матрицу заказанной меры сходства или расстояния/различия на основе двоичных (1 vs 0) данных. Вычисление меры близости возможно между наблюдениями данных или между переменными (признаками). Есть опция перешкалировать вычисленное сходство разными способами (напр., поправка на базовую независимость, поправка на предельное достижимое значение). Вы можете перевести полученные расстояния в сходства или наоборот. Следующие меры доступны: (i) «Порядковые» или «однополюсные» сходства, считающие основанием похожести сочетание 1-1, но не сочетание 0-0: Russel-Rao (simple joint probability), Jaccard (Tanimoto, community coefficient, similarity ratio), Dice (Czekanowski, Sorenson, identity or coincidence coefficient), Kulczynski 2, McConnaughey, Ochiai (cosine, Otsuka, Sorgenfrei), Fager's corrected cosine, Simpson (overlap), Braun-Blanquet (Savage), Sokal-Sneath measure 2, Kulczynski 1, Mountford, Forbes, Point mutual information (Gilbert-Wells) , Alroy (modified Forbes); (ii) «Номинальные» или «двуполюсные» сходства, считающие основанием похожести как сочетание 1-1, так и сочетание 0-0: Rand (simple matching, Sokal-Michener), Pearson chi-square, Yates corrected chi-square, Stiles, Contingency coefficient, Phi (Pearson) correlation, Doolittle, Pole-rescaled phi correlation (Cole’s C7), Tetrachoric correlation (pearsonian approximate formula), Dispersion (covariance), Goodman-Kruskal lambda, Anderberg's D, Yule's association Q (Goodman-Kruskal gamma), Yule's colligation Y, Digby, Hamann, Rogers-Tanimoto, Sokal-Sneath measures 1 (Gower-Legendre), 3, 4 (Anderberg 2), 5 (Anderberg 1), Binary Gower, Goodman-Kruskal measure 1, Michael, Hawkins-Dotson, Tarwid, Dennis, Cohen's kappa (Adjusted Rand), Scott's pi, Loevinger (Benini), Cole, Maxwell-Pilliner, Fleiss, Eyraud, Gilbert; (iii) Промежуточные «порядково-номинальные» сходства: Baroni-Urbani & Buser 1 and 2, Faith 1 and 2; (iv) Различия/расстояния: Euclidean, Squared Euclidean (Hamming), Chord, Hellinger, Lance-Williams (Bray-Curtis), Size difference (Baulieu), Shape difference, Pattern difference (Sneath), Q0 difference, Variance dissimilarity, McNemar distance; (v) Наблюдаемые частоты или Ожидаемые частоты сочетаний 1-1, 1-0, 0-1, 0-0. | !KO_PROXQNT |
!KO_PROXQNT | Various proximities | Разные попарные меры близости для количественных данных. Вычисляет квадратную матрицу заказанной меры сходства или расстояния/различия на основе количественных данных (например, мерных или счетных/долевых; допустимы и двоичные данные). Вычисление меры близости возможно между наблюдениями данных или между переменными (признаками). Вы можете выбрать из разных нормирований данных перед вычислениями, перевести полученные расстояния в сходства или наоборот. Следующие меры доступны: (i) Меры для данных с любыми значениями: Euclidean distance, Manhattan (city-block) distance, Minkowski distance, Chebyshev (supremum) distance, Canberra distance/divergence, Clark distance, Cosine similarity (Tucker, Orchini) / Pearson correlation, Chord (Orloci) distance, Arc cosine distance, Sine dissimilarity, Identity coefficient (quantitative Dice) similarity, Similarity ratio (Kohonen, Jaccard), Aitchison distance; (ii) Меры для данных с неотрицательными значениями: Bray-Curtice distance (Czekanowski, Sorensen, Dice, F1, Renkonen, Motyka), Ellenberg similarity, Gleason similarity, Pandeya similarity, Kulczynski dissimilarity 1, Kulczynski dissimilarity 2, Soergel dissimilarity (Ruzicka, Jaccard), Hedges wave dissimilarity, Pinkham-Pearson similarity (with parameter 0 or 1), Roberts similarity, Intersection similarity, Morisita-Horn similarity, Harmonic mean similarity, Geometric mean similarity; (iii) Меры, часто используемые для векторов вероятностей: Bhattacharyya distance and coefficient (fidelity), Hellinger (Matusita) distance and affinity, Chi-square distance for probabilities, Pearson/Neyman chi-square divergence, Kullback-Leibler asymmetric (Information gain) and symmetric divergence (Jeffreys divergence), K-divergence asymmetric and symmetric (Topsoe distance), Jensen difference (Information radius), Taneja distance; (iv) Меры, часто используемые в суждении подобия профилей: Penrose size difference, Scatter difference, Penrose shape distance, Standardized shape distance, Cattell pattern similarity, McCrae profile agreement, Intraclass correlation coefficient; (v) Меры, рассматривающие корреляции: Mahalanobis (centered and noncentered) distance, Butler (centered and noncentered) distance. | !KO_PROXBIN |
!KO_PTILE | MATRIX – END MATRIX functions | Запрошенные процентили в столбцах данных. Несколько методов вычисления. | !KO_MEDIAN |
!KO_PWMINK | MATRIX – END MATRIX functions | Квадратная симметричная матрица степенных взвешенных расстояний Минковского. (Вычистяет в том числе манхэттенские и евклидовы расстояния.) | !KO_PWMINKR !KO_SEUCLID |
!KO_PWMINKR | MATRIX – END MATRIX functions | Прямоугольная матрица степенных взвешенных расстояний Минковского. (Вычистяет в том числе манхэттенские и евклидовы расстояния.) | !KO_PWMINK !KO_SEUCLIDR |
!KO_QRDC | MATRIX – END MATRIX functions | QR-разложение матрицы методом отражений Хаусхолдера на верхнетреугольную матрицу R и ортонормированную матрицу Q. | |
!KO_QREIG | MATRIX – END MATRIX functions | Собственночисловое разложение (вариант Шура). Делает собственночисловое разложение квадратной матрицы (симметричной или асимметричной) методом “Implicit QR iterations on recursively splitted Hessenberg matrix with double (Francis) shifts”. «Вариант Шура» значит, что собственные векторы вычисляются ортогональными. | !KO_SCHUR2X2 |
!KO_RAM | MATRIX – END MATRIX functions | Утрамбовка по горизонтали ненулевых элементов или их индексов. Сдвигает в каждом ряду матрицы все ненулевые элементы к левому или правому краю, уплотняя их (между ними не будет нулей). Есть опция оперировать не самими значениями, а их индексами (номерами столбцов, где они находились). Плюс есть опция добавить к сдвижке рандомизацию порядка. | !KO_VRAM |
!KO_RANDINDX | MATRIX – END MATRIX functions | Выдает позицию случайной встречи заданного значения в ряду/рядах. Т.е. если встреч несколько, выбирается одна из них случайно. | !KO_INDX !KO_RINDX !KO_SAMPLE |
!KO_RANKREV | Series Response tools | Перевод переменных с рангами в переменные-ранги или обратно. Переструктурирует данные, собранные в задании на ранжирование, между двумя способами хранения: переменные-это-пункты/значения-это-ранги и переменные-это-ранги/значения-это-пункты. | !KO_VALVARS |
!KO_RATLAN | Internal clustering criteria | Внутренние кластерные критерии: Ratkowsky-Lance. Индекс кластерной валидности, основанный на ANOVA и хи-квадрате; разрешает смесь мерных и номинальных переменных. | !KO_AICBIC |
!KO_READ | MATRIX – END MATRIX functions | Считка встраиваемых данных. Эта функция (помощник в рутинной работе) читает предложенные вами в синтаксисе значения и конструирует из них матрицу. К примеру, прямоугольная матрица {1,2,3;4,5,6} может быть создана написанием элементов просто через пробел: 1 2 3 4 5 6. | !KO_READ2 |
!KO_READ2 | MATRIX – END MATRIX functions | Считка встраиваемых данных (без раскавычки). Эта функция похожа на !KO_READ. | !KO_READ |
!KO_RECODE1 | MATRIX – END MATRIX functions | Перекодировка значений (точное совпадение). В матрице данных заменяет значения одного заданного списка на соответствующие значения другого заданного списка. Есть опция фильтрации наблюдений для этой процедуры. | !KO_RECODE2 |
!KO_RECODE2 | MATRIX – END MATRIX functions | Перекодировка значений (попадание в диапазон). В матрице данных заменяет значения, попадающие в заданные диапазоны «от…до», на соответствующие значения заданного списка. Есть опция фильтрации наблюдений для этой процедуры. | !KO_RECODE1 |
!KO_RECT | MATRIX – END MATRIX functions | Прямоугольная матрица ковариаций/корреляций/косинус-сходств. | !KO_COV !KO_COV2 !KO_CORR !KO_COSINE |
!KO_REGMRC | Multiple Response tools | Ремонт категориального набора множественного ответа: придание правильного строения, разупорядочение набивки, устранение повтора ответов, устранение конфликта несовместимых ответов, сброс пустых переменных, слитие наборов. | |
!KO_REGRESS | MATRIX – END MATRIX functions | Простая или множественная линейная регрессия (без тестов значимости). | !KO_CANCORR |
!KO_RESCALE | MATRIX – END MATRIX functions | Линейное перешкалирование. Перешкалирует данные к нужным величинам статистик: минимум, максимум, средняя, ст. отклонение. Вы задаете значения для любых двух статистик из этих четырех, и данные будут приведены к этим величинам. Например, указав min и max, вы перешкалируете наблюдаемый диапазон в этот. | !KO_CENTER !KO_ZSCORE !KO_HRESC |
!KO_RESCR | Various proximities | Перешкалированный коэффициент корреляции Пирсона. Макрос вычисляет r Пирсона между входящими переменными и перешкалирует его значение относительно предела/ов, которые r мог бы реально достичь в условиях этих данных (т.е. при наблюдаемых краевых распределениях). Эти актуальные пределы в большинстве случаев уже теоретических границ [-1,1]. Предлагается перешкалирование к одному полюсу или к обоим полюсам. Если матрица перешкалированных r окажется не положительно определенной, вы можете частично отозвать сделанное преобразование коэффициентов, чтобы «вылечить» матрицу. Вы также можете изменить значения входящих переменных, заставив их воспроизвести перешкалированные коэффициенты. | !KO_TOCOV |
!KO_RINDX | MATRIX – END MATRIX functions | Выдает позицию последней (самой правой) встречи заданного значения в ряду/рядах. | !KO_INDX !KO_IJ !KO_RANDINDX |
!KO_ROBUSTADP | MATRIX – END MATRIX functions | Робастные к выбросам статистики. Вычисляет среднюю и ст. отклонение после исключения заданной доли самых отстоящих крайних наблюдений. Используется метод, употребляемый SPSS-процедурой Automated Data Preparation. | !KO_ROBUSTLTS !KO_TRIMMEAN !KO_MESTIM |
!KO_ROBUSTLTS | MATRIX – END MATRIX functions | Робастные к выбросам статистики. Вычисляет среднюю и ст. отклонение после исключения заданной доли самых отстоящих крайних наблюдений. Используется метод Least Trimmed Squares. | !KO_ROBUSTADP !KO_TRIMMEAN !KO_MESTIM |
!KO_ROTCLU | Generate random clusters, mixtures | Случайный поворот (кластерных) данных в пространстве. Кластеры данных могут быть повернуты (вокруг их центроидов) независимо или согласованно, а также могут повернуться в свои главные компоненты. | !KO_GENCLU |
!KO_RPBCLU | Internal clustering criteria | Внутренние кластерные критерии: точечно-бисериальная корреляция; McClain-Rao. Индексы кластерной валидности, сравнивающие внутрикластерные и межкластерные расстояния между объектами. | !KO_CINDEX |
!KO_RSORT | MATRIX – END MATRIX functions | Сортировка рядов в матрице по значениям ее указанного столбца. | !KO_SORT !KO_RSORTC !KO_HIESORT |
!KO_RSORTC | MATRIX – END MATRIX functions | Сортировка рядов в матрице по значениям внешнего столбца. | !KO_SORT !KO_RSORT !KO_HIESORT |
!KO_RUNS | MATRIX – END MATRIX functions | Пометка прямых цепочек. В двоичной матрице помечает прямые (горизонтальные или вертикальные) цепочки подряд идущих единиц. Можно выбрать, как помечать элементы цепочек конкретной длины (например, 1 1 1 1 пометить как 2 2 2 2 или 3 3 3 3 или 4 4 4 4 или 1 2 3 4). | !KO_RUNS2 |
!KO_RUNS2 | MATRIX – END MATRIX functions | Пометка прямых цепочек (другой алгоритм). Эта функция похожа на !KO_RUNS. | !KO_RUNS |
!KO_RVNORM | MATRIX – END MATRIX functions | Порождает случайные значения из нормального распределения с заданными параметрами (средние и стандартные отклонения). | !KO_NORMAL |
!KO_RVUNIF | MATRIX – END MATRIX functions | Порождает случайные значения из непрерывного равномерного распределения с заданными параметрами (минимумы и максимумы). | |
!KO_SAMPLE | MATRIX – END MATRIX functions | Выбирает случайно и в случайном порядке n разных номеров из номеров 1,2,...,k. Эта функция удобна для формирования случайной подвыборки ("без возвращения") из массива, а также для случайной сортировки наблюдений массива. | !KO_CATWOR !KO_SORT !KO_RANDINDX |
!KO_SBUTLER | MATRIX – END MATRIX functions | Квадратная симметричная матрица квадратных расстояний Батлера. Это (квадратные) евклидовы расстояния в косоугольной системе координат (углы между осями могут передавать, например, корреляции). Махаланобисовы расстояния также вычислимы этой функцией. | !KO_SEUCLID !KO_SMAHAL |
!KO_SCALE | MATRIX – END MATRIX functions | Масштабирование к SS=1. Масштабирует (нормирует) столбцы матрицы данных (приводит сумму квадратов значений к 1). | !KO_ZSCORE !KO_ZSCORE2 !KO_GSCALE !KO_HRESC |
!KO_SCHI2C | MATRIX – END MATRIX functions | Входящая матрица данных с числом рядов NC должна содержить неотрицательные значения, которые трактуются как счетные количества (частоты). Для каждой пары рядов, т.е. для их частотной таблички 2×NC, функция вычисляет статистику хи-квадрат (или фи-квадрат) Пирсона. Она может считаться мерой различия между двумя этими рядами: хи-квадрат расстояние (квадратное). Выдается квадратная матрица расстояний. Это одна из мер близости между счетными данными. | |
!KO_SCHITAB | MATRIX – END MATRIX functions | Матрица квадратных хи-квадрат-расстояний между рядами в таблице сопряженности. Хи-квадрат расстояние - это такое взвешенное евклидово расстояние, которое, в частности, пытается отобразить анализ соответствий в пространстве сниженной размерности. | !KO_CROSSTAB !KO_CORRESP |
!KO_SCHUR2X2 | MATRIX – END MATRIX functions | Собственночисловое разложение 2×2 матрицы (вариант Шура). «Вариант Шура» значит, что собственные векторы вычисляются ортогональными. | !KO_EIG2X2 !KO_QREIG |
!KO_SDCOSTH | MATRIX – END MATRIX functions | Конвертация матрицы угловых сходств в квадратные расстояния по теореме косинусов. Это «евклидово-геометрический» способ перевести сходства между объектами (функция принимает сходства за скалярные произведения) в расстояния. Диагональные значения входящей матрицы используются как квадраты отклонений объектов (концов векторов) от точки 0 пространства. | !KO_DCENTER |
!KO_SEQSIM | Compare sequences | Сравнение последовательностей (или документов) и мера их сходства. Макрос сравнивает между собой попарно последовательности каких-либо элементов («слов») и вычисляет меру сходства. Вы можете сравнить входящие как составы из «слов» – просто как документы, не взирая на порядок в них. Но вы можете затребовать брать во внимание порядок смежных, подряд-идущих «слов», – таким образом сравнивая входящие как последовательности. Кроме того, вы можете учесть общую координацию частей – занимают ли одинаковые куски содержимого одинаковые места в документах. Также, вы можете установить «словам» разные релевантности, и их «синонимию». Вы можетое физически экстрагировать длиннейшую общую цепочку. Сходство, начисляемое макросом – выводится из фиксированной матрицы совстреч «слов», образуемой сравниваемой парой последовательностей/документов. Таков подход макроса. Вы можете выбрать метод начисления сходства: жадное либо венгерское максимальное паросочетание, (простое) максимальное выравнивание, максимальная общая цепочка, и некоторые простейшие методы начисления. Балл сходства может быть нормирован в коэффициент сходства разными путями. | !KO_SLANT !KO_SLANT2 !KO_GREEDM !KO_GREEDM2 !KO_HUNGAR !KO_DIAGOFF !KO_DIAGBOFF |
!KO_SETDO | MATRIX – END MATRIX functions | Двуместные операции с множествами. Для двух множеств элементов выдает их объединение, пересечение, разность или симметричную разность. | |
!KO_SEUCLID | MATRIX – END MATRIX functions | Квадратная симметричная матрица квадратных евклидовых расстояний. | !KO_SEUCLIDR !KO_PWMINK |
!KO_SEUCLIDR | MATRIX – END MATRIX functions | Прямоугольная матрица квадратных евклидовых расстояний. | !KO_SEUCLID |
!KO_SFLOWAR | MATRIX – END MATRIX functions | SPSS-реализация алгоритма кратчайших путей / легчайших проходов Флойда-Уоршалла (симметричная матрица). | !KO_FLOWAR |
!KO_SHIFT | MATRIX – END MATRIX functions | Смещение рядов по горизонтали. Передвигает в матрице ряды элементов вправо или влево относительно друг друга на заданные величины. | |
!KO_SILDEV | Internal clustering criteria | Силуэт-статистика типа отклонений (“simplified”) для случая: входящие – переменные. | !KO_SILHOU |
!KO_SILHOU | Internal clustering criteria | Внутренние кластерные критерии: силуэт-статистика (несколько типов). Индекс кластерной валидности, оценивающий, по расстояниям, оправданность того, что объект зачислен в кластер, в который зачислен, а не в другой ближайший. | !KO_SILDEV |
!KO_SIMR | MATRIX – END MATRIX functions | Квадратная симметричная матрица коэффициентов отношений подобия (similarity ratio, сходства Кохонена). | |
!KO_SKEWNESS | MATRIX – END MATRIX functions | Асимметрии (скошенности) в столбцах данных. | |
!KO_SLANT | MATRIX – END MATRIX functions | Пометка косых цепочек. В двоичной матрице помечает косые (сверху-слева вниз-вправо или сверху-справа вниз-влево) цепочки подряд идущих единиц. Можно выбрать, как помечать элементы цепочек конкретной длины (например, 1 1 1 1 пометить как 2 2 2 2 или 3 3 3 3 или 4 4 4 4 или 1 2 3 4). | !KO_SLANT2 |
!KO_SLANT2 | MATRIX – END MATRIX functions | Пометка косых цепочек (другой алгоритм). Эта функция похожа на !KO_SLANT. | !KO_SLANT |
!KO_SMAHAL | MATRIX – END MATRIX functions | Квадратная симметричная матрица квадратных расстояний Махаланобиса. | !KO_SEUCLID !KO_SBUTLER |
!KO_SMAHALC | MATRIX – END MATRIX functions | Вектор квадратных расстояний Махаланобиса до центроида. Также, можно получить это расстояние между двумя группами (их центроидами) из одной популяции. | !KO_SMAHAL |
!KO_SORT | MATRIX – END MATRIX functions | Сортировка элементов в векторе по их значениям. | !KO_RSORT !KO_RSORTC !KO_HIESORT |
!KO_SPLIT | MATRIX – END MATRIX functions | Растаскивание матрицы на две. Из матрицы вырезаются ее ряды либо столбцы с заданными пользователем номерами, образуя матрицу-вырезку. Оставшиеся ряды (столбцы) образуют матрицу-остаток. | !KO_MERGE !KO_INDICES2 !KO_MSPLIT |
!KO_SRSREF | Series Response tools | Ручная набивка вопроса «выберите и потом оцените выбранные пункты» является проблемой: надо искать переменную, в которую набить рейтинг-данное. Есть быстрые пути набить такие данные - уплотненным способом. Макрос распакует такую сжатую набивку оценок в переменные-пункты, готовые к анализу. | !KO_DERAND |
!KO_SSWFRD | MATRIX – END MATRIX functions | Внутригрупповые суммы квадратов отклонений (вычисление из матрицы расстояний). Берет матрицу расстояний между наблюдениями данных и группирование наблюдений. Вычисляет суммы квадратов отклонений в группах. | !KO_GCOV !KO_BWSCAT !KO_AGGR |
!KO_STRMRC | Multiple Response tools | Развертка текстовой переменной в категориальный набор множественного ответа. Если вы набили ответы вопроса на множественный ответ в единую текстовую переменную, макрос создает набор категориальных переменных, готовых для анализа. | !KO_STRMRD !KO_ERRDISP |
!KO_STRMRD | Multiple Response tools | Развертка текстовой переменной в дихотомический набор множественного ответа. Если вы набили ответы вопроса на множественный ответ в единую текстовую переменную, макрос создает набор двоичных переменных, готовых для анализа. | !KO_STRMRC !KO_ERRDISP |
!KO_SWCENTR | MATRIX – END MATRIX functions | Переключение MSCP-матрицы на новый центроид данных. MSCP-матрица это SSCP-матрица, деленная на размер выборки n. Ковариационная матрица это MSCP-матрица после того, как центроид данных перенесли в точку 0 (центрация). Данной функцией можно, например, конвертировать ковариационную матрицу в «сырую» (до центрации) MSCP-матрицу, не имея самих данных, но имея координаты центроида (т.е. средней). | |
!KO_SWDIAG1 | MATRIX – END MATRIX functions | Переключение матрицы сходств между объектами (которые функция принимает за скалярные произведения, напр. ковариации, корреляции или косинусы) на новую диагональ – сохраняя при этом углы между векторами объектов. Этой функцией можно, например, превратить ковариационную матрицу в корреляционную или наоборот. | !KO_COVCORR !KO_CORRCOV !KO_SWDIAG2 |
!KO_SWDIAG2 | MATRIX – END MATRIX functions | Переключение матрицы сходств между объектами (которые функция принимает за скалярные произведения, напр. ковариации, корреляции или косинусы) на новую диагональ – сохраняя при этом расстояния между объектами. | !KO_SWDIAG1 |
!KO_SYMTRI1 | MATRIX – END MATRIX functions | Симметризация квадратной матрицы: замена верхнего треугольника нижним или нижнего верхним. | !KO_SYMTRI2 |
!KO_SYMTRI2 | MATRIX – END MATRIX functions | Симметризация квадратной матрицы: замена большего элемента меньшим или меньшего большим, в каждой паре симметричных элементов. | !KO_SYMTRI1 |
!KO_TETRACH | Various proximities | Вычисляет матрицу тетрахорических коэффициентов корреляции (пирсоновская аппроксимация) между двоичными переменными. [Старый макрос. !KO_PROXBIN тоже вычисляет этот коэффициент.] | !KO_PROXBIN |
!KO_TOCOV | MATRIX – END MATRIX functions | Преобразовать переменные точно к заданным ковариациям. Преобразование такое, чтобы наблюдаемые ковариации или корреляции между переменными стали точно равны заданным пользователем. | !KO_YTOCOV !KO_MVNORM !KO_FITCOV |
!KO_TRADD | MATRIX – END MATRIX functions | Прибавление константы к элементам верхнего или нижнего треугольника матрицы. | !KO_TRMULT !KO_TREXP |
!KO_TREXP | MATRIX – END MATRIX functions | Экспоненциирование константой элементов верхнего или нижнего треугольника матрицы. | !KO_TRADD !KO_TRMULT |
!KO_TRIMMEAN | MATRIX – END MATRIX functions | Усеченная средняя. | !KO_ROBUSTADP !KO_ROBUSTLTS !KO_MESTIM |
!KO_TRINEQ | MATRIX – END MATRIX functions | Проверка треугольного неравенства в матрице различий. В квадратной матрице расстояний (различий) проверяет, есть ли расстояния, нарушающие (строгую или нестрогую) «аксиому треугольного неравенства». | |
!KO_TRMULT | MATRIX – END MATRIX functions | Умножение на константу элементов верхнего или нижнего треугольника матрицы. | !KO_TRADD !KO_TREXP |
!KO_TRSUM | MATRIX – END MATRIX functions | Сумма наддиагональных или поддиагональных элементов матрицы. Суммирует элементы верхнего или нижнего треугольника матрицы. | |
!KO_TURFLIKE | MATRIX – END MATRIX functions | Функция, вычисляющая некоторые количества на базе горизонтальных сумм или средних в сочетаниях переменных (столбцов). В частности, она может помочь сделать так наз. TURF-анализ. | !KO_COMBOPER |
!KO_UNFTRI | MATRIX – END MATRIX functions | Развертка треугольников квадратной матрицы в векторы. Векторизует оба треугольника, выдает индексы-памятки, а также индексы, помогающие моментально векторизовать подобным образом всякую матрицу того же размера. | !KO_FOLTRI |
!KO_UNIFBALL | MATRIX – END MATRIX functions | Нормальное облако в равномерный шар. Функция уменьшает эксцесс в облаке данных, поджимая с той или иной, заданной пользователем, силой периферию (хвосты распределения). Функция ожидает, что входящие данные – из нормального распределения с единичной ковариационной матрицей. В этом случае можно превратить нормальное круглое облако в равномерно распределенный (гипер)шар. | !KO_NORMAL |
!KO_UNIFORM | Regular clouds | Облака на основе решетки равномерного распределения. | !KO_UNIFBALL |
!KO_UNIQUE | MATRIX – END MATRIX functions | Список уникальных (различных) значений в векторе и позиций их первого появления. | !KO_FREQ |
!KO_VALVARS | Series Response tools | Макрос предназначен для задач типа «перевод значений в переменные, а переменных в значения»: если Vari=Valj, тогда создать NewVarj=NewVali. Это более общий, чем !KO_RANKREV, макрос, рассчитанный не только на ранговые данные и предлагающий больше возможностей. | !KO_RANKREV !KO_HFREQ !KO_HCOUNT |
!KO_VARIANCE | MATRIX – END MATRIX functions | Дисперсии в столбцах данных. | !KO_GDESCR !KO_AGGR |
!KO_VARIANCE2 | MATRIX – END MATRIX functions | Дисперсии (на df=n) в столбцах данных. | !KO_AGGR |
!KO_VARTOCAS | MATRIX – END MATRIX functions | Переструктурирование “переменные в наблюдения”, или “широкий в длинный формат”. Видоизменяет каждую группу из K переменных (столбцов данных) в один стобец. Таким образом каждое наблюдение (ряд) разбивается на K рядов. | !KO_CASTOVAR |
!KO_VAT | MATRIX – END MATRIX functions | Блок-диагонализация методом VAT/IVAT (Bezdek, Hathaway, 2002; Havens, Bezdek, 2012) переупорядочивает ряды/столбцы квадратной матрицы расстояний для сосредоточения малых расстояний вблизи диагонали. Если блок-диагонализованную матрицу отобразить на «тепловой карте» (heatmap), можно получить представление о присутствии кластерной структуры в данных и примерно оценить число кластеров. | !KO_BLOCKDIAG |
!KO_VRAM | MATRIX – END MATRIX functions | Утрамбовка по вертикали ненулевых элементов или их индексов. Эта функция – как !KO_RAM, только сдвигает элементы по вертикали, а не горизонтали. | !KO_RAM |
!KO_WEIGR | Frequency weighting | Взвешивание групп. Выполняет одномерное взвешивание (или «ячейковое» – по одной переменной или комбинации нескольких) либо многомерное взвешивание («ободочное» – “rim”, или “raking”) наблюдений массива данных. Пользователь задает нужные размеры (доли или количества) группам наблюдений (респондентов), и макрос вычисляет весовую переменную, которой и взвешивает массив. Целевой полный размер выборки может быть сохранён начальный или сделан любой пользовательский. Вы можете проделать взвешивание для подвыборок раздельно, в параллель, и вы можете учесть исходные, фоновые веса. Также, есть опция установить сдерживание изменению веса в отдельных наблюдениях или в подгруппах. | |
!KO_WHITE | MATRIX – END MATRIX functions | Матрица отбеливания (сферизации). Отбеливание или сферизация – это преобразование многомерных данных такое, что их ковариационная матрица становится единичной матрицей (т.е. декореллированные и стандартизованные переменные). Функция получает из ковариационной или корреляционной матрицы матрицу «отбеливания», которая осуществит вам такое преобразоваание. Есть несколько методов вычислить эту матрицу (PCA-отбеливание, ZCA-отбеливание, отбеливание Холецкого). | !KO_PCOMP !KO_PCA !KO_PROCR |
!KO_WISHART | MATRIX – END MATRIX functions | Случайная матрица из распределения Уишарта. Выдает ковариационную матрицу, которая является случайной реализацией заданной популяционной ковариационной матрицы, в условиях заданного размера выборки n. В популяции предполагается нормальное распределение. | !KO_MVNORM |
!KO_YTOCOV | MATRIX – END MATRIX functions | Преобразовать переменную точно к заданным ковариациям с другими переменными. Преобразовать переменную, чтобы ее наблюдаемые ковариации или корреляции с «внешними» переменными стали точно равны заданным пользователем. | !KO_TOCOV !KO_FITVAR |
!KO_ZSCORE | MATRIX – END MATRIX functions | Z-стандартизация. Стандартизует столбцы матрицы данных (приводит среднее в них к 0, а дисперсию к 1). | !KO_ZSCORE2 !KO_CENTER !KO_SCALE !KO_GZSCORE !KO_HRESC |
!KO_ZSCORE2 | MATRIX – END MATRIX functions | Z-стандартизация (df=n). Стандартизует столбцы матрицы данных (приводит среднее в них к 0, а дисперсию к 1). Стандартизующее ст. отклонение посчитано на df=n. | !KO_ZSCORE !KO_SCALE |