Сложный безповторный отбор

SPSS AnswerNet

Код решения:	 	100000760	
ПО:		 	SPSS Base 	
Версия:	 		
ОС:	 		
Тип вопроса:		 	Синтакс/пакетный режим/Скрипты
Подтип вопроса:		 	Преобразования данных
Заголовок:
Сложная выборка "с близнецами" без возвращения. 

Описание:

Вопрос. 
В файле данных есть записи о трёх типах испытуемых. Первый тип
представляет для меня особый интерес в моём исследовании. 
Второй испытуемых - это члены семьи первых. Третий тип - люди, которые не
связаны родственными отношениями с первыми двумя типами. 
Мне требуется сопоставить записи первого типа с записями первых двух типов
так, чтобы они подходили друг другу по полу и возрасту. При этом нужно 
гарантировать, что ни в какой паре не окажутся люди из одной и той же
семьи. А кроме того - что ни один человек не попадёт в выборку дважды.
Просто не знаю, в каком направлении начать поиски.

Ответ. 
Задача нетривиальная, но способ есть. Идея решения - 
для начала сопоставить каждому ID человека все ID других людей, 
которые подходят по комбинации пол/возраст.
Затем пары ID из таких перечней случайным образом отбираются в
выборку, после чего соответствующие ID исключаются из рассмотрения.
Найденные пары записываются в файл 'YOKED.SAV'. Те, для кого
пары не нашлось, записываются в файл 'UNPAIRED.SAV'.
Следующая программа может быть изменена таким образом, чтобы
допускать более, чем 20 записей в каждой различимой комбинации пол/возраст.

data list FREE/ FAMILY AGE GENDER Z PRIMARY. 

BEGIN DATA 
1 1 1 2 1 1 2 1 4 2 2 3 2 2 1 2 4 2 3 2 3 3 2 3 1 3 2 1 2 2 
4 4 2 3 1 4 3 2 1 2 5 1 1 3 1 5 2 2 2 2 6 3 1 2 1 6 4 1 2 2 
7 2 2 2 1 7 3 2 1 2 8 2 1 2 1 8 3 2 1 2 9 1 1 1 1 9 2 2 3 2 
10 3 2 9 1 10 2 1 1 2 11 2 1 2 1 11 2 1 2 2 12 3 1 2 1 12 3 2 1 2 
13 1 1 3 1 14 2 2 1 1 15 1 2 2 1 16 2 1 5 1 17 4 2 2 1 18 3 2 1 1 
19 4 1 5 1 20 4 1 1 1 21 1 2 5 1 22 3 2 4 1 23 4 1 5 1 24 2 2 8 1 
25 4 1 2 1 26 3 2 1 1 27 2 1 5 1 28 4 1 1 1 29 3 2 3 1 30 2 2 6 1 
31 4 1 4 1 32 3 1 2 1 33 1 2 2 1 34 3 1 1 1 35 4 2 1 1 36 2 1 4 1 
END DATA . 
COMPUTE OLDSEQ=$CASENUM. 
SAVE OUTFILE 'RAWDATA.SAV' . 

* Сделаем так, чтобы записи первого типа содержали информацию об объекте второго типа из той же семьи *. 
* Создадим для этого дополнительную переменную *. 
SORT CASES BY FAMILY (A) PRIMARY (D). 
IF FAMILY=LAG(FAMILY) TWIN=LAG(OLDSEQ). 

* Пересчитаем все записи внутри каждой страты ВОЗРАСТ/ПОЛ (AGE/GENDER) *. 
SORT CASES BY AGE GENDER . 
IF (MISSING(LAG(OLDSEQ))) STCNT=1. 
IF (AGE=LAG(AGE) AND GENDER=LAG(GENDER)) STCNT=LAG(STCNT) +1. 
IF (MISSING(STCNT)) STCNT=1. 

* Распределим информацию об ID-номерах всех кандидатов на "спаривание" по всем наблюдениям в пределах категории пол/возраст *. 
* Оставим только записи первого типа *. 
VECTOR ID_(20). 
COMPUTE ID_(STCNT)=OLDSEQ. 
AGGREGATE OUTFILE 'C:\\TEMP\\TMP.SAV' 
/ PRESORTED/ BREAK=AGE GENDER 
/ TWIN=FIRST(TWIN) / ID_X01 TO ID_X20 = MAX(ID_1 TO ID_20). 
SELECT IF PRIMARY=1. 
MATCH FILES FILE=* / TABLE='C:\\TEMP\\TMP.SAV' / BY AGE GENDER. 

* Проверяем, находится ли текущая запись в той же страте, что и предыдущая *.
* Если так, эта запись "наследует" перечень ID-номеров кандидатов на "спаривание" *. 
* (IMHO, проверка и копирование лишние - предыдущая команда MATCH FILES уже размножила нужные ID - А.Б.)
COUNT MAXVALID=ID_X01 TO ID_X20 (LO THRU HI). 
DO IF AGE=LAG(AGE) AND GENDER=LAG(GENDER) . 
+ DO REPEAT ID=ID_X01 TO ID_X20 . 
+ COMPUTE ID = LAG(ID) . 
+ END REPEAT. 
END IF. 

* Зададим вектор с ID возможных кандидатов *. 
VECTOR ID_X=ID_X01 TO ID_X20 . 

* Важно не сопоставить запись самой себе! *. 
DO IF NOT MISSING (ID_X(STCNT) ). 

* Обнулим флаги состояния *. 
+ DO REPEAT INIT=TAKEN FOUND NTRYS . 
+ COMPUTE INIT=0. 
+ END REPEAT. 

* Ведём случайный отбор пар ID в векторе, копируем в YOKE и уничтожаем оригинал *. 
+ LOOP. 
+ COMPUTE WHICH=TRUNC(UNIFORM(MAXVALID))+1. 
+ IF WHICH <> STCNT YOKE=ID_X(WHICH). 
+ DO IF (NOT (ANY(YOKE,TWIN,OLDSEQ,$SYSMIS))) . 
+ COMPUTE ID_X(WHICH)=$SYSMIS . 
+ COMPUTE ID_X(STCNT)=$SYSMIS . 
+ COMPUTE FOUND=1. 
+ END IF . 
+ END LOOP IF FOUND. 
ELSE. 
COMPUTE TAKEN=1. 
END IF. 

* Разделим все записи на нашедшие пару и ненашедшие. Оставим информацию об их ID * . 
TEMPORARY . 
SELECT IF (MISSING (YOKE) AND NOT(TAKEN) ). 
SAVE OUTFILE 'UNPAIRED.SAV' . 
SELECT IF (NOT (TAKEN) AND NOT MISSING (YOKE) ). 
SAVE OUTFILE 'TMP' / KEEP OLDSEQ YOKE. 
GET FILE 'TMP'. 
COMPUTE GROUP=$CASENUM . 

* Преобразуем пары из одной записи в пары записей *. 
VECTOR V = OLDSEQ TO YOKE . 
LOOP X=1 TO 2. 
COMPUTE OLDSEQ=V(X). 
XSAVE OUTFILE 'TMP2' / KEEP GROUP X OLDSEQ . 
END LOOP. 
EXECUTE. 

* Добавим к полученным ID исходные данные, не участвовавшие в отборе * В ДАННОМ СЛУЧАЕ - ПЕРЕМЕННАЯ Z * . 
GET FILE 'TMP2'. 
SORT CASES BY OLDSEQ. 
MATCH FILES FILE = * / TABLE = 'RAWDATA.SAV' / BY OLDSEQ . 
SORT CASES BY GROUP. 
******************************************************** . 
* Распространим значения данных на пары записей: * . 
* вам потребуется сделать обобщение этой процедуры на несколько переменных * . 
* КАК-ТО ТАК... * . 

* VECTOR ID(2). * . 
* DO REPEAT VAR = Y Z . * . 
* VECTOR VAR(2) . * . 
* COMPUTE VAR(X) = VAR . * . 
* END REPEAT . * . 
* AGGREGATE ...../ Y1 Y2 Z1 Z2 = MAX(Y1 Y2 Z1 Z2).* . 
******************************************************** . 
VECTOR Z(2) / ID(2). 
COMPUTE Z(X) = Z. 
COMPUTE ID(X)=OLDSEQ. 
AGGREGATE OUTFILE * / PRESORTED / BREAK=GROUP GENDER AGE 
/ Z1 TO Z2 = MAX(Z1 TO Z2) / ID1 TO ID2 = MAX(ID1 TO ID2). 
SAVE OUTFILE 'YOKED.SAV'. 
LIST. 

* Результаты! * . 
GROUP GENDERAGE Z1 Z2 ID1 ID2 
1 1 1 2 3 1 9 
2 1 1 1 3 17 25 
3 2 1 2 5 27 33 
4 1 2 2 4 15 48 
5 1 2 2 1 21 20 
6 1 2 5 4 28 2 
7 1 2 5 2 39 6 
8 2 2 2 2 13 10 
9 2 2 1 3 26 18 
10 2 2 8 6 36 42 
11 1 3 2 2 11 23 
12 1 3 2 1 44 46 
13 2 3 2 3 3 5 
14 2 3 9 3 19 41 
15 2 3 1 1 30 8 
16 2 3 4 1 34 38 
17 1 4 5 2 31 12 
18 1 4 1 5 32 35 
19 1 4 2 1 37 40 
20 2 4 3 1 7 47 
21 2 4 2 3 29 4 
Number of cases read: 21 Number of cases listed: 21