Home

Pacote de Programas para a Análise e Gerenciamento de

Contents

1. e Valores de c digo podem ser definidos em qualquer ordem Notas 1 Se duas especifica es diferentes s o dadas para a mesma vari vel apenas a ltima utilizada 2 Especifica es de c digo para uma vari vel reverte o uso de registros de label de c digo do dicion rio para as vari veis fornecidas com o par metro VARS 12 7 Restri es 1 O n mero m ximo de vari veis ID 20 2 O n mero m ximo de c digos distintos que pode ser dado em uma especifica o de c digo 4000 Essa restri o pode ser ultrapassada usando se intervalos de c digos pois um intervalo de c digos conta como apenas dois c digos 12 8 Exemplos Exemplo 1 Checar a exist ncia de c digos ilegais em vari veis qualitativas e valores al m do intervalo em vari veis quantitativas os nicos c digos v lidos para as vari veis V10 V12 e V21 at V25 sao 1 a 5 e 9 c digo 9998 ilegal para vari vel V35 c digos 0 e 8 s o ilegais para vari veis V41 V44 V46 vari veis V71 a V77 devem ter valores dentro do intervalo 0 a 100 ou 999 casos s o identificados pelas vari veis V1 V2 e V4 valores de c digos do dicion rio n o s o utilizados 12 8 Exemplos 113 RUN CHECK FILES PRINT CHECK1 LST DICTIN STUDY1 DIC arquivo Dicion rio de entrada DATAIN STUDY1 DAT arquivo Dados de entrada SETUP ROTINA PARA PROCURAR CODIGOS ILEGAIS E VALORES FORA DO INTERVALO IDVARS V1 V2 V4 V10 V12 V21 V25 1 5 9 V3
2. Crit rio de raz o de verosimilhan a A i 1 Sn x a q 1 fe onde Aq os valores n o nulos oriundos da ltima equa o na se o anterior 50 2 C lculos para um Teste em uma An lise Multivariada 387 e f g h F ratio para o crit rio de raz o de verosimilhan a O programa usa a aproximacao F dos pontos percentuais da distribui o nula de A CAM k 2dfe dfn p 1 p dfn 2 AIk 2p dfn onde p dfn 4 p dfn 5 Esse um teste de signific ncia multivariado do efeito para todas as vari veis dependentes simultane amente Graus de liberdade do F ratio p dfn k 2dfe dfn p 1 p dfn 2 2 Se p 1 ou 2 e dfn 1 ou 2 k igualado a 1 nos casos onde p df 2 Vari ncias can nicas dos componentes principais da hip tese S o os lambdas calculados como descrito na se o Solu o da equa o determinadora acima Eles s o ordenados de maneira decrescente O n mero de lambdas que n o s o zeros para uma dada equa o igual a dfn o n mero de graus de liberdade associado com Mp ou p o n mero de vari veis dependentes o menor desses dois Coeficientes dos componentes principais da hip tese Reesolvendo equa o AcF Ma AeF AT 0 da origem a T para o qual F AZt Mp Aer TAT Isso pode ser reescrito como PE Un X X AZ FYT A equa o acima considerada como TE AZt Xp S onde Sh Sh
3. R ss Ajustamento pelos graus de liberdade N 1 A _ N p c l 380 An lise de Classifica o M ltipla c R quadrado m ltiplo ajustado Ele fornece uma estimativa da correla o m ltipla na popula o de onde a amostra retirada Note que uma estimativa da correla o m ltipla que seria obtida se os mesmos preditores mas n o necessariamente os mesmos coeficientes fossem usados para a popula o Ajustado R 1 A 1 R d R m ltiplo ajustado Esse o coeficiente de correla o m ltipla ajustado pelos graus de liberdade E uma estimativa do R que seria obtido se os mesmos preditores fosse aplicados popula o Ajustado R y1 A 1 R 49 4 Estat sticas de Resumo dos Res duos O res duo para o caso k rk yx predito Yk a M dia WkTk k W r b Vari ncia estimada R w D 03 were eee c Assimetria A assimetria da distribui o dos res duos medida por 15 a onde So we rk 7 ok m WF ma d Curtose A curtose da distribui o dos res duos medida por N m efe onde 49 5 Estat sticas de Categoria do Preditor para An lise de Vari ncia Univariada Ver o cap tulo An lise de Vari ncia Univariada para detalhes 49 6 Estat sticas para An lise de Vari ncia Univariada 381 49 6 Estat sticas para An lise de Vari ncia Univariada Ver o cap tulo An lise de Vari ncia Univariada para detalhes No
4. e escrita em forma de equa o de fator usual X FS Az Xn FTS Os coeficientes dos componentes principais da hip tese FT s o impressos pelo programa Escores dos componentes de contraste para efeitos estimados As linhas de S s o conjuntos de escores de fatores atribu veis a hip teses que possuem como vari ncias m ximas o A 388 An lise de Vari ncia Multivariada j Testes de Barlett cumulativos nas ra zes Os testes podem ser usados para determinar a dimen sionalidade da configura o Os lambdas ou ra zes s o ordenadas de forma crescente de magnitude Nos testes de Barlett todas as ra zes s o testadas primeiramente Ent o todas as outras com exce o da primeira todas as outras com exce o das duas primeiras e assim por diante O teste chi quadrado fornece um teste de signific ncia para a vari ncia contabilizada pelas n k ra zes depois da aceita o das primeiras k ra zes Inicialmente os lambdas s o escalonados dfn A normatizado x i dfe e ent o Chi quadrado calculado 1 s Taz ar dfr aa 3 In A normatizado D 2 i k 1 onde k o n mero de ra zes aceitas k 0 1 s 1 s o n mero de ra zes Os graus de liberdade s o DF p k g k 1 onde g igual ao n mero de n veis da hip tese k F ratios para testes univariados Esses s o os elementos da diagonal de AIM A71 O F ratio para a vari vel y exatamente o F
5. 313 314 Tabelas Multidimensionais e suas Apresenta es Gr ficas Requisitando percentagens Enquanto as frequ ncias s o mostradas por default qualquer tipo de per centagem deve ser requisitada explicitamente e Clique em Mudar Especifica o e voc obtem de volta o di logo com a sele o pr via de vari veis e D um clique duplo na vari vel de linha SCIENTIFIC DEGREF e voc v um di logo com caixas para Frequ ncia marcada por default Linha Coluna e Total Marque todas as caixas de percentagens da seguinte maneira Tabelas multidimensionais vari vel de linha x Nome 7 SCIENTIFIC DEGREE m Aninhamento Cancelar Vari vel pode ser aninhada com a vari vel pr viamente na lista ou pode estar no mesmo nivel default aninhada Matenha essa vari vel no mesmo n vel da vari vel anterior M m Distribui o IV Fregu ncia NV Linha M Coluna lV Total rm Sub totais Automatica Nenhum Personal e Clique em OK para aceitar essa mudan a e clique OK no di logo Defini o de tabla multidimensional Voc v a tabela multidimensional pr via com todas as percentagens 39 6 Como Mudar uma Tabela Multidimensional 315 ZLA e XTab2 10 x la x Arquivo Editar Ver Formato Mostrar Mudar Gr fico Executar Interativo Janela Ajuda 0 na reno ZAREK APP e EF E RS E PE PE Def
6. um comando de IDAMS especificando que o programa TABLES deve ser executado 2 Essa declara o sinaliza o in cio das defini es de arquivo para execu o 3 amp 4 O dataset IDAMS armazenado em dois arquivos separados Um cont m o dicion rio o outro os dados 5 Essa declara o sinaliza que transforma es dos dados s o requeridas As declara es seguintes a isso s o comandos espec ficos da facilidade Recode 6 7 Essas duas linhas uma original e uma continua o formam uma declara o da facilildade Recode indicando o agrupamento desejado para vari velde renda V12 seguindo o esquema explicitado antes O resultado da fun o BRAC armazenado na vari vel R101 8 Essa declara o designa um nome para a vari vel R101 9 SSETUP um comando que indica o fim das declara es de Recode e que declara es de controle do programa TABLES seguem 10 Isso um filtro que declara que os nicos casos de dados que devem ser usados s o aqueles onde a vari vel V11 tem um valor de c digo de 2 para feminino 11 Isso um t tulo que cont m o texto a ser usado nos resultados 12 Essa linha especifica os pincipais par metros Como apenas o asterisco dado todas as op es default para os par metros s o escolhidas para a execu o corrente 13 A palavra TABLES posta aqui para separar a informa o global precedente para a execu o inteira das especifica es para tabelas
7. 19 5 Dados de Sa da A sa da consiste de um arquivo com os mesmos atributos dos arquivos de entrada com os registros classificados dentro da ordem requisitada 158 Classifica o e Fus o de Arquivos SORMER 19 6 Dicion rio de Entrada Se os campos de classifica o est o sendo especificados com n meros de vari veis ent o um dicion rio do IDAMS contendo registros T pelos menos para essas vari veis deve ser utilizado como entrada Apenas dicion rios descrevendo dados com um registro por caso s o permitidos 19 7 Dados de Entrada Para classifica o um arquivo de dados usado como entrada contendo um ou mais campos ou vari veis cujos valores definem a ordem desejada Para fus o a entrada consiste de 2 16 arquivos de dados cada um com o mesmo formato de registro i e o mesmo comprimento de registro e campos definindo a ordem de classifica o nas mesmas posi es Cada arquivo deve ser classificado na ordem pelos campos de controle de fus o antes da fus o 19 8 Estrutura de Setup RUN SORMER FILES Especifica es de arquivo SETUP 1 T tulo 2 Par metros DICT condicional Dicion rio para vari veis de campo de classifica o fus o Arquivos para classifica o DICTxxxx dicion rio do IDAMS para vari veis de campo de classifica o omitir se DICT usado SORTIN dados de entrada DICTyyyy dicion rio de sa da SORTOUT dados de sa da Arquivos para a fus o DICTxxxx di
8. Agrupamento difuso uma generaliza o do particionamento que pode ser aplicada ao mesmo tipo de dado que o m todo PAM mas o algoritmo de natureza diferente Ao inv s de designar um objeto para um cluster particular FANNY d o seu grau de belonging coeficiente de filia o para cada cluster e portanto propicia informa o muito mais detalhada da estrutura dos dados 42 9 Agrupamento Hier rquico Aglomerativo AGNES 341 a b d Fun o objetivo A t cnica de agrupamento difuso usada em FANNY pretende minimizar a fun o objetivo r DD Mie the dy Fungao objetivo E PPT y 2 e 1 2 Uje j onde tic Uje s o fun es de filia o que est o sujeitas s restri es Uic gt 0 para i 1 2 N c 1 2 k XD uc 1 para i 1 2 N O algoritmo minimizando essa fun o objetivo iterativo e p ra quando a fun o converge Agrupamento difuso filia es Esses s o os valores de filia o coeficiente de filia o uic que fornecem o menor valor da fun o objetivo Eles indicam para cada objeto i qu o intensamente ele pertence ao cluster c Note que a soma dos coeficientes de filia o igual a 1 para cada objeto Coeficiente de parti o de Dunn Esse coeficiente Fk mede qu o duro um agrupamento difuso Ele varia de um m nimo de 1 k para um agrupamento completamente difuso onde todos uie 1 k at um valor de 1 para um agrupamento inteiramente duro onde
9. Estat sticas univariadas Diferentes estat sticas soma contagem m dia m ximo m nimo vari ncia desvio padr o para cada uma das vari veis de c lula podem ser obtidas ao dar se um clique duplo na vari vel na janela de defini o de tabela e marcar se as estat sticas requeridas F rmulas para c lculo da m dia vari ncia e desvio padr o podem ser encontradas na se o Estat sticas Univariadas do cap tulo Tabelas Univariadas e Bivariadas No entanto elas precisam ser ajustadas pois os casos n o s o ponderados Tratamento de dados perdidos O tratamento de dados perdidos default aplicado na primeira con stru o da tabela Ent o ele pode ser mudado utilizando se o menu Mudar A op o Valores de dados perdidos usada para indicar quais valores de dados pedidos se houverem devem ser usados para checar a exist ncia de dados perdidos em vari veis de linha e de coluna Ambos Valores ser o checados em rela o aos c digos de MD1 e em rela o ao intervalo de c digos definidos por MD2 MD1 Valores ser o checados somente em rela o aos c digos de MD1 MD2 Valores de vari veis ser o checados somente em rela o ao intervalo de c digos definidos por MD2 Neuhum C digos MD n o ser o utilizados Todos os valores de dados ser o considerados v lidos Por default ambos os c digos MD s o usados 39 3 Janela Tabelas Multidimensionais 307 A op o Manuseio de dados perdidos usada
10. Imprime descri o da tipologia resultante para o n mero de grupos especificados Default Descri o impressa depois de cada reagrupamento PRINT CDICT DICT OUTCDICT OUTDICT INITIAL TABLES GRAPHIC ROWPCT DISTANCES CDIC Imprime o dicion rio de entrada para as vari veis acessadas com registros C se houver DICT Imprime o dicion rio de entrada sem registros C OUTC Imprime o dicion rio de sa da com registros C se houver OUTD Imprime o dicion rio de sa da sem registros C INIT Imprime a hist ria da constru o da tipologia inicial TABL Imprime duas tabelas com classifica o de dist ncias GRAP Imprime o gr fico dos perfis ROWP Imprime percentuais de linha para categorias de vari veis qualitativas DIST Imprime tabela de dist ncias e deslocamentos para cada reagrupamento 38 10 Restri es 1 N mero m ximo de grupos iniciais 30 2 N mero total m ximo de vari veis 500 incluindo vari vel de pondera o vari vel chave vari veis a serem transferidas vari veis de an lise vari veis quantitativas n mero de categorias para vari veis qualitativas e vari veis usadas temporariamente em declara es de Recode 3 Se a vari vel de ID ou a vari vel a ser transferida alfab tica com largura gt 4 somente os quatro primeiros caracteres s o usados 4 Vari veis R n o podem ser usadas como vari veis ID ou como vari veis a serem transferidas 38 11 Exemplos Exemplo 1 Cr
11. MDVALUES BOTH MD1 MD2 NONE Quais valores de dados perdidos s o utilizados para as vari veis acessadas nessa execu o Ver o cap tulo O Arquivo Setup do IDAMS Casos com dados perdidos na an lise s o eliminados dessa an lise PRINT CDICT DICT CDIC Imprime o dicion rio de entrada para as vari veis acessadas com registros C se houver DICT Imprime o dicion rio de entrada sem registros C 4 Especifica es do subconjunto opcional Essas declara es permitem sele o de um subconjunto de casos para uma an lise em particular Exemplo FEMALE INCLUDE V6 2 Regras para codifica o Prot tipo nome declara o nome Nome do subconjunto 1 8 caracteres alfanum ricos iniciando se com uma letra Esse nome deve corresponder exatamente ao nome usado em especifica es de an lise subsequentes Espa os em branco intercalados n o ser o permitidos recomend vel que todos os nomes sejam justificados a esquerda declara o Defini o de subconjunto que segue a sintax da declara o de filtro padr o do IDAMS 5 QUANTILE A palavra QUANTILE nessa linha sinaliza que a especifica o de an lise seguir Ela deve ser inclu da para separar as especifica es de subconjunto das especifica es de an lise e deve aparecer apenas uma vez 6 Especifica es de an lise As regras de codifica o s o as mesmas como para os par metros Cada especifica o de an lise deve se iniciar em uma nova linha Ex
12. m Ocultar Mostrar IV Paredes IV Escala IV Nomes F Diagonais Rotacionar Jo Colunas Jo Linhas x Centro FO Para Ajuda pressione F1 Untitled 1 Untitled 2 Untitled 3 Untitled 4 Untitled 5 Weighted freque Column percenta Total percentage Weighted freque Row percentage Column percenta Total percentage CARIBBEAN TEMP SA TEMPERAT TROP SA TROPICAL SO MIDD SA MIDDLE SOUT Voc pode selecionar cores para nomes e escalas valores positivos e negativos paredes piso e fundo Use a mesma t cnica usada em gr ficos de Box Whisker Na parte direita da janela voc apresentado a uma lista de matrizes inclu das no arquivo Note que somente os primeiros 16 caracteres da descri o do conte do da matriz s o exibidos Se n o houver descri o GraphID exibe Untitled n Voc pode exibir a matriz desejada clicando na descri o do seu conte do A exibi o da matriz pode ser manipulada usando op es e comandos nos itens da barra de menu e ou cones equivalentes na barra de ferramentas 40 4 1 Barra de Menu e Barra de Ferramentas Arquivo e Editar Os mesmos comandos dos menus correspondentes na an lise de dataset exceto Fechar s o fornecidos Ver Barra de ferramentas Barra de status Cores Fonte para escalas Fonte para nomes Janela e Ajuda Exibe oculta a barra de ferramentas Exibe ocult
13. C digo 1 Label Masculin Feminino demog dic demog dat demog1 set idams Ist Pronto 78 Iniciando e Se voc quiser mudar algo no arquivo de setup enquanto estiver revendo os resultados clique na etiqueta demog1 set e fa a as modifica es exigidas Pressione Ctrl E para executar 7 8 Imprima os Resultados e Selecione Arquivo Imprimir Print 2x m Printer Name pserver b6 01 HP CI 05 Properties Status Ready Type HP Laserdet 4050 Series PCL 6 Where B13 43 Comment B13 43 LaserJet 4050 Series PCL 6 7 Print to file All Number of copies 1 Pages from fi to 7 Selection Li EGE IT Collate m Print range Copies Cancel e Selecione as p ginas que voc deseja imprimir e clique em OK Capitulo 8 Arquivos e Folders 8 1 Arquivos em WinIDAMS Arquivos do Usuario Eles s o criados pelo usu rio com ajuda de ferramentas fornecidas pela Interface do Usu rio do WinIDAMS ou eles s o produzidos por um procedimento do IDAMS como um produto final ou sa da para posterior processamento Todos os arquivos do usu rio em IDAMS s o arquivos de texto ASCII S o permitidos caracteres de tabula o eles s o automaticamente convertidos no n mero correto de espa os em branco Extens es de arquivo padr es s o usadas pela Interface para reconhecimento do tipo de arquivo e Arquivo Dados dat Qualquer arquivo de dados pode ser introduzido nos pr
14. Dados em IDAMS Note que apenas dicion rios descrevendo dados com um registro por caso podem ser criados renovados ou exibidos usando a janela Dicion rio Modificando a apar ncia da janela A apar ncia de cada espa o na janela pode ser modificado sepa radamente e a mudan a se aplica apenas para o espa o ativo As seguinte possibilidades de mudan a est o dipon veis para cada espa o de janela e Aumentando o tamanho da fonte use o bot o Zoom In da barra de ferramentas e Diminuindo o tamanho da fonte use o bot o Zoom Out da barra de ferramentas e Recuperando o tamanho default da fonte use o bot o 100 da barra de ferramentas e Aumentando Diminuindo a largura da coluna coloque o cursor do mouse na linha que separa duas colunas no cabe alho da coluna at o cursor se torna uma barra vertical com duas setas e mova o para a direita esquerda segurando o bot o esquerdo do mouse Os espa os das vari veis pode ser ainda mais modificado da seguinte maneira e Aumentando Diminuindo a altura das linhas coloque o cursor do mouse na linha que separa duas linhas no in cio da linha at que o cursor se torne uma barra horizontal com duas setas e mova o para cima baixo segurando o bot o esquerdo do mouse Definindo uma vari vel Coloque o cursor no espa o Vari veis preencha o n mero de vari veis pelo menos uma mandat rio vari veis subseqii ntes ser o numeradas adicionando se o valor 1 nome op cional
15. Intercorrela es entre os coeficientes das equa es normais Matriz de correla o de erro Em uma an lise de vari ncia multivariada o termo de erro uma matriz de vari ncia covari ncia Tal consiste naquele termo de erro antes do ajustamento dos covariates se houver algum reduzido a uma matriz de correla o Componentes principais da matriz de correla o do erro Os componentes est o em colunas S o os componentes do termo de erro antes do ajustamento para os covariates se houver algum da an lise Matriz de dispers o de erro e erros padr o da estima o Esse o termo de erro uma matriz de vari ncia covari ncia para a an lise A matriz ajustada para covariates se houver algum Cada elemento da diagonal da matriz exatamente o que apareceria em uma tabela de an lise de vari ncia convencional como o erro quadrado m dio intra para a vari vel Graus de liberdade s o ajustados para o processo de expans o se isso for requerido Erros padr o de estima o correspondem s ra zes quadradas dos elementos da diagonal da matriz Para an lise com covariate s Matriz de dispers o de erro ajustada s correla es Esse o termo do erro uma matriz de vari ncia covari ncia depois dos ajustamentos para os covariates reduzido a uma matriz de correla o Resumo de an lise de regress o Componentes principais da matriz de correla o de erro depois de ajustamentos nos covariates Os compo
16. PRINT resultados default IDAMS LST 28 9 Declara es de Controle de Programa 219 28 9 Declara es de Controle de Programa Reportar se ao cap tulo O Arquivo Setup do IDAMS para descri es mais aprofundadas das declara es de controle de programa itens 1 2 abaixo 1 T tulo mandat rio Uma linha contendo at 80 caracteres para nomear os resultados Exemplo MDSCAL EXECUTION ON DATASET X4952 2 Par metros mandat rio Para selecionar op es de programa Exemplo DMAX 5 ITER 75 WRITE CONFIG INPUT STANDARD LOWER SQUARE DIAGONAL WEIGHTS CONFIG STAN A entrada uma matriz quadrada do IDAMS i e fora da diagonal metade superior direita da matriz LOWE A matriz de entrada uma metade inferior esquerda da matriz SQUA A matriz de entrada uma matriz completa DIAG A matriz de entrada possui os elementos da diagonal WEIG Uma matriz de valores de pesos est sendo fornecida CONF A matriz de configura o inicial est sendo fornecida VARS lista de vari veis Lista de vari veis na matriz onde a an lise est sendo executada Default A matriz de entrada inteira utilizada FILE DATA WEIGHTS CONFIG DATA A matriz de dados de entrada est em um arquivo WEIG A matriz de pondera o est em um arquivo CONF A matriz de configura o de entrada est em um arquivo Default Todas as matrizes s o assumidas seguir um comando MATRIX na ordem dados peso configura o COEFF SIMILARITIES
17. mulheres No final da imagem voc pode observar tr s tabs Total MALE e FEMALE Total a tab da imagem corrente 39 6 Como Mudar uma Tabela Multidimensional TE WiniDAMs XTab2 10 x Arquivo Editar Ver Formato Mostrar Mudar Gr fico Executar Interativo Janela Ajuda lal x DEus snesc z BEM PPP 6P ha x Ss a es ae EN Default Setups Dataset C WinIDAMS 12 PTidata rucm dat Em Datasets Total para todas as p ginas Matrices n Linha SCIENTIFIC DEGREE Results Col CM POSITION IN UNIT HEAD S amp E TS Total Freq GE M dia GE Max GE Min ASS PRO HERO Till I Ei Pplica o Executado NUM Y Caso e Para ver a p gina para os homens clique na tab MALE TE WintDAMs XTab2 15 x T Arquivo Editar Yer Formato Mostrar Mudar Gr fico Executar Interativo Janela Ajuda lal x Dw S teMoc ZEBE DPP E ix x Gavan EE eee eae E EE Er 4 Setups Dataset C WinIDAMS 12 PTidata irucm dat Datasets Tabela de pagina para SEX MALE Matrices Col CM POSITION IN UNIT ERR een ieee Ee HEAD S amp E TS_ Total TEI i Executado Caso NUM h e Para ver a p gina para os mulheres clique na tab FEMALE
18. o de S ries Temporais e An lise de S ries Temporais abaixo Icones de barra de ferramentas Existem 9 bot es ativos na barra de ferramenta propiciando acesso direto aos mesmos comandos op es que os itens de menu correspondentes Eles s o listados aqui como eles aparecem da esquerda para a direita Abrir Histogramas caracter sticas estat sticas b sicas Copiar Autocorrela es e correla es cruzadas Imprimir Autoregress o Cores b sicas Informa o sobre TimeSID Fonte para escalas 41 3 2 A Janela de S ries Temporais FR An lise de S ries Temporais TimeSID J loj x Arquivo Editar Yer Transforma es An lise Janela Ajuda sal a w425 mlk 2 ER Gr ficos de s ries Pressione F1 para Ajuda A janela de s ries temporais dividida em tr s pain is o da esquerda para mudar as propriedades e para selecionar s ries vari veis o da direita superior para exibir v rias s ries temporais e o da direita inferior para exibir a s rie atual 332 An lise de S ries Temporais Mudando a apar ncia do painel Os dois pain is para exibir s ries temporais s o sincronizados e eles podem ser mudados usando os controles fornecidos no painel da esquerda Por default o painel direito superior est vazio e o seu tamanho reduzido O painel direito inferior exibe as s ries correntes mantendo as barras de rolagem e escalas vis veis O tamanho de cada painel pode ser mudado usando
19. STRMIN 01 n M nimo esfor o O procedimento de escalonamento terminar se o esfor o alcan a o valor m nimo SFGRMN 0 0 n Valor minimo do valor do fator de escala do gradiente O procedimento de escalonamento termi nara se o gradiente alcangar esse valor minimo SRATIO 999 n O quociente de esfor o O procedimento de escalonamento para se o quociente de esfor o entre passos sucessivos alcan a n ACSAVW 66 n O fator de pondera o para o valor absoluto m dio do cosseno do ngulo entre gradientes suces sivos COSAVW 66 n O fator de pondera o para o cosseno m dio do ngulo entre sucessivos gradientes STRESS SQDIST SQDEV SQDI Computa o esfor o utilizando a padroniza o pela soma das dist ncias quadradas SQDE Computa o esfor o utilizando a padroniza o pela soma dos desvios quadrados da m dia WRITE CONFIG Produz a configura o final de cada solu o em um arquivo PRINT MATRIX SORTCONF LONG SHORT MATR Imprime a matriz de dados de entrada e a matriz de pesos se uma fornecida SORT Classifica cada dimens o da configura o final e imprime isso LONG Imprime matrizes em linhas longas SHOR Imprime matrizes em linhas curtas 28 10 Restri es 1 A capacidade do programa de 1800 pontos de dados 1800 elementos da matriz de similaridade ou dissimilaridade Isso equivalente a um tri ngulo de uma matriz 60 x 60 ou a uma matriz quadrada de 42 x 42 2 Vari veis podem ser escalonadas
20. coloque o cursor do mouse na linha que separa duas linhas bem no in cio da linha at que o cursor se torne uma barra horizontal com duas flechas e ent o movemente para cima baixo mantendo o bot o esquerdo do mouse apertado e Posicionando colunas no in cio marque as colunas desejadas e use o comando de menu Ver Congelar coluna use o comando de menu Ver Descongelar colunas para coloc las de volta e Exibindo dados em espa os m ltiplos use o comando de menu Janela Dividir Voc obter uma cruz para determinar o tamanho de quatro espa os Esse tamanho pode ser mudado mais tarde usando se a t cnica padr o do Windows Os seus dados completos s o exibidos quatro vezes A quebra horizontal pode ser removida atrav s de um clique duplo na linha horizontal a quebra vertical pode ser removida atrav s de um clique duplo na linha vertical e todas as quebras podem ser removidas atrav s de um clique duplo no centro Entrando com um novo caso Clique o primeiro campo em uma linha vazia e comece a entrar os valores dos dados Pressione Enter ou Tab para aceitar um valor de dados para a vari vel e mova para a pr xima vari vel ou Shift Tab para mover se para a vari vel anterior Note que desde que um pequeno l pis apare a no in cio da linha o caso ainda n o est salvo Pressionando Enter na ltima vari vel salva o caso e move o cursor para o in cio da pr xima linha Uma nova linha pode ser inserida antes ou depois da linha evid
21. dividido em m partes e pontos m dios s o computados para esses novos intervalos O ponto de quebra ent o o ponto m dio apropriado e Se um ponto de quebra se localiza entre dois valores que s o id nticos o procedimento envolve tanto o c lculo de novos pontos m dios quanto interpola o linear Seja k o valor m a frequ ncia com a 354 Fun es de Distribui o e de Lorenz qual ele ocorre e d a dist nica m nima entre itens no vetor V O intervalo k min d 1 2 dividido em m partes e pontos m dios s o computados para esses novos intervalos Ent o interpola o linear executada entre os dois novos pontos apropriados 45 3 Pontos de Quebra da Fun o de Lorenz Para determinar os pontos de quebra da fun o de Lorenz o vetor de dados ordenado acumulado e a cada passo o total acumulado dividido pelo total geral Ent o os pontos de quebra s o encontrados do mesmo jeito que descrito acima 45 4 Curva de Lorenz A fun o de Lorenz plotada contra a propor o da popula o ordenada fornece a curva de Lorenz que est sempre contida no tri ngulo inferior do quadrado unit rio O programa QUANTILE usa dez subintervalos para a curva de Lorenz Note que os valores da fun o de Lorenz s o chamados de fra o de riqueza na impress o 45 5 O coeficiente de Gini O coeficiente de Gini representa duas vezes a rea entre a fun o de Lorenz e a diagonal impressa no quadrado unit rio Ele
22. frequ ncia ponderada da vari vel dependente categ rica ou valores ponderados das vari veis dependentes dicot micas z valor do covariate w valor do peso k subscrito para caso j subscrito para c digo de categoria da vari vel dependente ou subscrito para vari veis dependentes dicot micas m n mero de c digos da vari vel dependente ou n mero de vari veis dependentes dicot micas g subscrito para grupo g 1 indica a amostra completa i subscrito para grupos finais n mero de grupos finais Ng n mero de casos no grupo g W soma dos pesos no grupo g N n mero de casos no grupo final i Wi soma dos pesos no grupo final i N n mero total de casos W soma total de pesos 56 1 An lise de M dias Esse m todo pode ser usado ao analisar se uma vari vel dependente intervalo ou dicot mica e v rios preditores Seu objetivo o de criar grupos que fornecer o a melhor predi o dos valores da vari vel dependente a partir da m dia do grupo Em outras palavras grupos criados devem fornecer as maiores diferen as entre m dias de grupos Portanto o crit rio de parti o varia o explicada baseado em m dias de grupos a Estat sticas de tra o Essas s o estat sticas calculadas na amostra completa para g 1 em tentativas de parti es para grupos parentes como tamb m para cada grupo resultando de uma parti o tima i SOMA wT N mero de casos Ng se a vari vel de pondera
23. n mero de vari veis s l m subscritos para dimens es columns t n mero de dimens es 43 1 Configura o Centrada As vari veis s o centradas dentro de cada dimens o pela subtra o da m dia de cada coluna de cada elemento na coluna X Qis i n Centrado ais ais Depois da aplica o dessa f rmula a m dia das coordenadas das n vari veis zero para cada dimens o 43 2 Configura o Normalizada A soma dos quadrados de todos os elementos da matriz A dividido pelo n mero de vari veis n d a m dia dos segundos momentos das vari veis Cada elemento da matriz normalizado pela raiz quadrada desse valor Qi Normalizado ajs dd Hal Depois dessa normaliza o a soma dos quadrados dos elementos ais igual a n 43 3 Solu o com Eixos Principais A configura o rotacionada de maneira que as dimens es sucessivas sejam respons veis pela maior vari ncia poss vel Seja A a configura o a ser rotacionada e B a configura o na forma de eixos principais 346 An lise de Configura o C lculo da matriz B A matriz sim trica A de dimens es t t computada primeiro Ent o os vetores pr prios T de A A s o determinados usando o m todo de diagonaliza o de Jacobi A matriz A transformada em uma matriz B de elementos tal que B AT B possuem n linhas e t colunas como a matriz A 43 4 Matriz de Produtos Escalares SP gt Ais Ajs S
24. o Estat sticas univariadas Os seguintes s o impressos para cada vari vel referenciada incluindo filtro de plotagem e vari veis de pondera o valores m nimos e m ximos m dia e desvio padr o e o n mero de casos com valores de dados v lidos Chave para o esquema de codifica o usada nas plotagens Uma tabela mostrando a correspond ncia entre as frequ ncias atuais e os c digos usados nas plotagens Plotagem e estat sticas Para cada plotagem requisitada um diagrama de dispers o de 8 1 2 polegadas por 12 polegadas impresso Estat sticas univariadas m dias desvios padr es e estat sticas bivariadas r de Pearson a constante de regress o A e o coeficiente n o padronizado da regress o B s o impressos no topo da plotagem 35 4 Dataset de Entrada A entrada um arquivo Dados descrito por um dicion rio do IDAMS Todas as vari veis de an lise e de filtro de plotagem devem ser num ricas elas devem ter valores inteiros ou decimais Vari veis com decimais s o multiplicadas por fator de escala para obter se valores inteiros Esse fator calculado como 10 onde n o n mero de decimais obtido do dicion rio para vari veis V e do par metro NDEC para vari veis R ele impresso para cada vari vel 35 5 Estrutura de Setup 271 35 5 Estrutura de Setup RUN SCAT FILES Especifica es de arquivo RECODE opcional Declara es de Recode SETUP 1 Filtro opcional 2 Titulo 3 Par metr
25. o SELECT retorna o valor da vari vel ou constante na lista FROM mantendo a mesma posi o do valor da vari vel BY Aten o Se o valor da vari vel BY for menor que 1 ou maior que o n mero de vari veis na lista FROM um erro fatal ocorrer Podem haver at 50 itens na lista FROM O valor m ximo da vari vel BY portanto 50 Uma fun o SELECT pode ser combinada com outras fun es opera es e vari veis para formar uma express o complexa Note A fun o SELECT seleciona o valor de uma dentre um conjunto de vari veis a declara o SELECT seleciona a vari vel a ser usada para o resultado Ver a se o especial Declara es de Designa o Especial para descri o da declara o SELECT Prot tipo SELECT FROM lista de vari veis e ou constantes BY vari vel 4 8 Fun es Aritm ticas 43 Exemplo R10 SELECT FROM R1 R3 9 BY V2 R10 assumir o valor de R1 R2 R3 or 9 para valores de 1 2 3 ou 4 respectivamente de V2 SQRT A fun o SQRT retorna o valor que a raiz quadrada do argumento passado para a fun o Prot tipo SQRT arg Onde arg qualquer express o aritm tica Exemplo R5 SQRT V5 STD A fun o STD retorna o desvio padr o dos valores de um conjunto de vari veis Valores perdidos s o exclu dos O argumento MIN pode ser usado para especificar o n mero m nimo de valores v lidos para que seja calculado o desvio padr o Caso contr rio o valor default de valor perdido de
26. o da vari vel traduzida e impressa em um formato localiza o inicial largura Por exemplo para uma vari vel nas colunas 22 24 do terceiro registro de um arquivo de dados de m ltiplos registros comprimento do registro de 80 por caso a localiza o inicial ser 182 2 80 22 e a largura 3 Nota 2 Se h mais de um registro por caso e o comprimento do registro n o 80 ent o a nota o da localiza o inicial e da largura do campo devem ser usadas nos registros T A localiza o inicial contada a partir do in cio do primeiro registro Por exemplo para registros de comprimento 121 a localiza o inicial do campo na posi o 11 do segundo registro para o caso seria 132 Registros de c digo label Registros C O dicion rio pode opcionalmente conter esses registros para quaisquer vari veis Eles seguem imediatamente depois do registro T da vari vel a que eles se aplicam e propiciam c digos e suas labels para diferentes valores poss veis da vari vel Eles s o utilizados em programas como TABLES para imprimir as labels da linha e da coluna juntamente dos c digos correspondentes Eles tamb m podem ser usados como a especifica o de c digos v lidos para uma vari vel durante a entrada de 16 Dados em IDAMS dados na Interface do Usu rio do WinIDAMS com o programa CHECK Colunas Conte do 1 C 2 5 N mero da vari vel 6 9 N mero de refer ncia opcional pode ser usado para conter alguma refer ncia alfa
27. o dos preditores na equa o Ry vetor coluna das correla es da vari vel dependente e preditores indicados pelo preditor i Sigma Beta Esse o erro padr o do coeficiente beta uma medida da confiabilidade do coeficiente Sigma 8 sigma B ps 8 y R quadrado parcial Essas s o correla es parciais ao quadrado entre os preditores e a vari vel dependente y com a influ ncia das outras vari veis na equa o de regress o eliminada O coeficiente de correla o parcial ao quadrado uma medida do grau que aquela parte da varia o na vari vel dependente n o explicada por outros preditores pode ser explicada pelo preditor i r2 oy tjl Y jl yi jl T p2 1 Ry il R _ R2 47 9 Residuos 369 f g h onde Rj ijt R quadrado m ltiplo com preditor i Re ju R quadrado m ltiplo sem preditor R quadrado marginal Isso o aumento na vari ncia explicada ao adicionar se o preditor 7 aos outros preditores na equa o de regress o R 2 ae PO r marginal R us y ijl t ratio Pode ser usado para testar a hip tese que 8 ou B igual a zero isto que o preditor nao possui nenhuma influ ncia linear na vari vel dependente Sua signific ncia pode ser determinada da tabela de t com N p 1 graus de liberdade Bi sigma b B sigma B A Quociente de covari ncia O quociente de covari ncia de x o quadrado do co
28. o inicial gerada arbitrariamente ou fornecida pelo usu rio e produz itera es usando um procedimento tipo steepest descent ao longo de sucessivas configura es de teste a cada vez comparando a ordem de posi o das diferen as inter pontuais na configura o de teste com a ordem de posi o da medida correspondente nos dados Uma medida de mal ajuste coeficiente de esfor o computada a cada itera o e a itera o arranjada novamente de acordo para melhorar o ajuste aos dados at idealmente a ordem de posi o das dist ncias na configura o seja perfeitamente monot nica com a ordem de posi o das dissimilaridades dadas pelos dados o esfor o ser zero Na pr tica a computa o do escalonamento p ra em qualquer n mero de dimens es por que o esfor o alcan a um valor suficientemente pequeno STRMIN o fator de escala magnitude do gradi ente alcan a um valor suficientemente pequeno SRGFMN o esfor o vem melhorando muito vagarosamente SRATIO ou o n mero presente m ximo de itera es alcan ado INTERATIONS O programa inter rompido em qualquer uma das condi es que aconte a primeiro O mesmo procedimento repetido para a pr xima dimensionalidade menor usando os resultados anteriores como configura o inicial at que um n mero m nimo de dimens es especificado seja alcan ado Durante a computa o o cosseno do ngulo entre gradientes sucessivos possui um papel im
29. o n o for especificada ou n mero ponderado de casos W no grupo g 414 Busca de Estrutura ii M DIA Y Valor m dio da vari vel dependente y no grupo g Ng Do Wk Yak ae k 1 g W iii VAR Y Vari ncia da vari vel dependente y no grupo g Ng gt Wk Ygk Us 2 be Ys T Wg W VE o iv VARIA O Soma dos quadrados da vari vel dependente como na an lise de vari ncia univariada no grupo g Ng Vg X we Ygk g T k 1 v VAR EXPL Varia o explicada medida pela diferen a entre a varia o no grupo parente e a soma da varia o nos dois grupos crian a Ela fornece para cada preditor a quantidade de varia o explicada pela melhor parti o para esse preditor i e o maior valor obtido em todas as parti es para esse preditor Fa a g e g2 denotar dois subgrupos grupos crian a obtidos em uma parti o do grupo parente g e Vg e Vg suas respectivas varia es A varia o explicada por tal parti o do grupo g calculada da seguinte maneira EV Vg Va Vo Ent o esse valor maximizado ao longo de todas as parti es poss veis para o preditor vi VARIA O EXPLICADA Esse o percentual da varia o total explicado pelos grupos finais EV TV onde EV e TV s o respectivamente a varia o explicada pelos grupos finais e a varia o total ver 1 b abaixo Percentual 100 b An lise univariada de grupos finais Essas s o estat sticas de an lise de vari n
30. recodifica o 30 103 especifica o de subconjunto em POSCOR 251 em QUANTILE 193 em TABLES 288 espectro 334 espectro cruzado 334 estat sticas bivariadas 283 de EBM 283 descritivas 97 98 196 269 283 305 306 357 411 419 EBM 424 gama 283 422 lambda 283 308 423 ro de Spearman 283 422 tau 283 308 422 univariadas 97 98 207 283 estima o de tend ncia 333 explora o gr fica de dados 317 exporta o de dados 135 de datasets 6 de matrizes 6 135 439 de tabelas multidimensionais 308 fator de repeti o em TABLES 288 filtro com vari veis R 49 declara o de controle 25 local em ONEWAY 244 em QUANTILE 194 em SCAT 272 em TABLES 288 localiza o 25 regras de codifica o 25 verifica o de sintaxe 92 filtros de frequ ncia 334 Fisher teste exato 283 424 teste F 207 225 242 367 391 folders default 80 usados em WinIDAMS 80 fun o de distribui o 191 353 de Lorenz 191 354 discriminante 185 350 fundindo arquivos 157 gama estat stica 283 308 422 Gini coeficiente 191 354 gr ficos de box whisker 323 histogramas 322 333 IDAMS dataset 11 constru o 103 declara es de controle 25 dicion rio 14 execu o de programas 92 manuseio de resultados 92 matriz 16 exporta o 135 importa o 135 mensagens de erro 435 setup 21 prepara o 91 verifica o 92 importa o de dados 89 90 1
31. regress o Ng Ng Vg DD Wk Ygk Ta bg X De Wk Ygk Yq Zgk Zg k 1 k 1 onde b a inclina o da linha de regress o no grupo g vi VAR EXPL Varia o explicada EV Ver 1 a v acima para informa es gerais e 2 a v acima para detalhes sobre V varia o usados na an lise de regress o vii VARIA O EXPLICADA Eo percentual da varia o total explicada pelos grupos finais Ver 1 a vi acima e 2 b abaixo b An lise univariada de grupos finais S o as estat sticas resumo para os grupos finais Ver 1 b acima para informa es gerais e 2 a v e 2 a vi acima para detalhes a cerca de medidas de V e EV usadas na an lise de regress o 416 Busca de Estrutura c Tabela de resumo de parti o A tabela fornece o valor da m dia de grupo vari ncia e varia o P grupo G da vari vel dependente a cada parti o como tamb m a varia o explicada por aquela parti o Ela tamb m fornece o valor m dio e vari ncia do covariate Ver 2 a acima para f rmulas Al m disso as seguintes estat sticas de regress o s o calculadas para cada parti o i INCLINA O a inclina o da vari vel dependente y no covariate z no grupo g ver 2 a iv acima ii INTERCEPTO o termo constante da equa o de regress o ag Yg bg Zg onde b a inclina o no grupo g iii CORR Coeficiente de correla o r de Pearson entre a vari vel dependente y e o covariate z no grupo g 2 g 5 Wk Yg
32. varn uma lista de vari veis dummy cujos valores s o definidos por esta declara o Elas podem ser vari veis R ou V podem ser listadas como valores nicos ou intervalos e devem vir separadas por v rgulas e g R1 R3 R10 R7 R9 V20 A ordem especificada preservada e Refer ncias dobradas R1 R3 R1 s o v lidas e var qualquer vari vel R ou V O valor dessa vari vel testado em rela o s listas de valores vall val2 etc para calcular o valor apropriado das vari veis dummy e vall val2 valn s o listas de valores usados para ajustar os valores das vari veis dummy Deve haver o mesmo n mero de listas e de vari veis dummy varl var2 varn Listas de valores podem conter constantes nicas ou intervalos ou ambos e express o qualquer express o aritm tica que usada como o valor para todas as vari veis dummy quando o valor da vari vel var n o um dos valores das listas O valor default de express o a constante 0 e O valor da vari vel var testado em rela o s listas de valores o n mero de listas de valores deve ser igual ao n mero de vari veis dummy se var possuir um valor na primeira lista de valores a primeira vari vel dummy igualada a 1 as outras a 0 se o valor de var ocorre na segunda lista de valores a segunda vari vel dummy igualada a 1 as outras a 0 etc Se o valor de var n o ocorre em nenhuma lista de valores todas as vari veis dummy s o igual
33. 3 1 35 1 1 1 NOME DO RESPONDENTE 21 IDADE 22 RENDA 25 NO LOCAIS DE TRAB 35 T TULO CIENT 1 21 29 129 201 20 1 ere ON Capitulo 12 Verifica o de C digos CHECK 12 1 Descri o Geral CHECK verifica se vari veis possuem valores de dados v lidos e lista todos os c digos inv lidos por ID de caso e n mero de vari vel Especifica o de c digos Existem duas maneiras nas quais os c digos para vari veis a serem checadas podem ser especificados Primeiro as declara es de controle de programa incluem um conjunto de especi fica es de c digo com os quais se definem as vari veis e seus c digos v lidos Segundo o usu rio pode fornecer uma lista de vari veis cujos c digos v lidos devem ser retirados dos registros C no dicion rio Em qualquer execu o de CHECK o usu rio deve aplicar o primeiro m todo para algumas vari veis e o segundo m todo para outras Especifica es de c digo para vari veis em um setup revertem as especifica es do dicion rio M todo usado para checagem de valores de dados Valores de dados para vari veis tanto num ricas quanto alfab ticas s o checados em rela o aos c digos especificados v lidos na base de caracter por caracter Portanto se uma especifica o de c digos v lida de V2 02 03 dada ent o um valor de 2 nos dados ser inv lido um espa o em branco no in cio dos dados n o considerado igual a zero Se valores de c digo s
34. 404 405 de similaridades entrada em CLUSFIND 175 entrada em MDSCAL 217 de somas de quadrados 207 365 366 exporta o formato livre 137 importa o formato livre 137 inversa 207 366 no setup de entrada 22 proje o 325 quadrada 17 NDICE retangular 18 vetor de m dias e DP s 18 mensagens de erro 435 Minkowski m trica r 215 374 nome de vari vel 15 normaliza o de configura o 345 371 de matriz de rela o 261 406 outliers defini o 229 279 detec o e elimina o 228 identifica o e impress o 276 padroniza o de medidas 173 337 de vari veis 428 palavras chave para par metros comuns 30 regras de codifica o 29 tipos 28 par metros apresenta o no Manual 27 comuns BADDATA 30 INFILE 30 MAXCASES 30 MDVALUES 30 OUTFILE 30 VARS 31 WEIGHT 30 declara es de par metro 27 localiza o 27 regras de codifica o 29 tipos de palavras chave 28 valores default 27 parti o ao redor de medoides 174 338 340 parti es bin rias 275 413 415 416 Pearson coeficiente de correla o r 255 397 412 Phi estat stica 308 plotando diagramas de dispers o 269 ponderando dados 30 prefer ncia estrita 262 exemplo 263 fraca 262 tipos de 262 401 quantis 191 285 353 420 Recode acessando a facilidade Recode 22 constantes de caracteres 35 num ricas 35 declara es 46 elementos de linguagem 35 express es 36 a
35. 46 11Fatores Rotacionados q mui pa ee ER E a o ee A S DES 364 AG AZREEren Clas 2 a es aea AR Oe eee ach Qh a oe eh ob BLL RE ee ae yaad 364 Regressao Linear 365 Ai Estat sticas Univariadas spice 24 eS e bok LED AU Eee Be Ps 365 47 2 Matriz de Soma Total de Quadrados e Produtos Cruzados 000 365 47 3 Matriz de Soma de Quadrados Residuais e Produtos Cruzados 366 47 4 Matriz de Correla o Total acter i o a ti a E a e ea a aaa a ee 366 47 5 Matriz de Correla o Parcial aaau ee 366 47 60 Matriz Inversa ana a o wee A ae es eed ee a E eee e Pg CRS RD ee E apa 366 47 7 Estat sticas de Resumo de An lise aoaaa aaa ee 367 47 8 Estat sticas de An lise para Preditores 2 2 aa ee 368 AGO Residues 2 sp Ma a a EAE EE ae a a a dd Se ee Be 369 47 10Nota sobre Regress o Stepwise ooo 369 47 11Nota sobre Regress o Descendente 2 0 200000 ee 370 47 12Nota sobre Regress o com Intercepto Zero ooa ee 370 Escalonamento Multidimensional 371 48 1 Ordem de Computa es 1 ee aa 371 ASi22Wonhguracao Inicial Eye Fe cele Pee se oe Ge x at ae oe D Da at be Pd Ragen adhe Nae Ee RO 0 o 8 A 371 48 3 Centragem e Normaliza o da Configura o 2 ee ee 371 48 4 Hist ria de C lgulos su int e OE Bee A ee PE ee Lee le E 372 48 5 Esfor o para Configura o Final aaa ee 374 48 07 Conheura o Pinal neeo ae Ge psa Sots Ss MRE os ae oh Se Ga et a eae GA enh gor 374 48 7 Configur
36. A matriz SP de dimens es n n uma matriz quadrada e sim trica de produtos escalares de vari veis O produto escalar de uma vari vel por ela mesma o seu segundo momento Se cada vari vel centrada e normalizada m dia 0 desvio padr o 1 a matriz SP se torna a matriz de correla o 43 5 Matriz de Dist ncias Entre Pontos DIST X ais x ajs S DIST uma matriz quadrada e sim trica de dist ncias euclidianas entre vari veis 43 6 Configura o Rotacionada A rota o pode ser executada somente em duas dimens es por vez E fun o do usu rio selecionar as dimens es e g 2 e 5 coluna 2 e coluna 5 e o ngulo de rota o em termos de graus Novas coordenadas s o calculadas da seguinte maneira ay aycosd t dim sin aim a1 Sind aim cosd O c lculo executado para cada valor de i e tantas vezes quantas ainda existirem vari veis Na matriz A as colunas e m se tornam os vetores das novas coordenadas calculadas como indicado acima 43 7 Configura o Translada A transla o pode ser executada apenas em uma nica dimens o uma coluna por vez O usu rio especifica a constante T a ser adicionada a cada elemento da dimens o e a coluna onde isso ser aplicado Para todas as coordenadas de n coordenadas dado que h n vari veis A aq au T 43 8 Rota o Varimax a Os elementos ais de A s o normalizados pela raiz quadrada das comunidades correspondentes
37. As vari veis independentes a serem utilizadas nessa an lise N o h default PARTIALS lista de vari veis Computa e imprime uma matriz de correla o parcial com as vari veis especificadas removidas da lista de vari veis independentes Default Nenhuma parcial FORCE lista de vari veis For a as vari veis listadas a entrarem na regress o stepwise METH STEP ou a permanecerem na regress o stepwise descendente METH DESC Default N o for a FINRATIO 001 n O valor do F ratio abaixo do qual uma vari vel n o entrar no procedimento stepwise esse o F ratio a ser entrado O ponto decimal deve ser entrado FOUTRATIO 0 0 n O valor do F ratio acima do qual uma vari vel permanecer no procedimento stepwise esse o F ratio a ser removido O ponto decimal deve ser entrado 212 Regressao Linear REGRESSN CONSTANT 0 Somente para dados brutos como entrada O termo constante requerido ser igual a zero e nenhum termo constante sera estimado Default Um termo constante sera estimado WRITE RESIDUALS Res duos devem ser escritos como um dataset do IDAMS OUTFILE OUT yyyy Aplic vel somente se WRITE RESI especificado Um sufixo ddname de 1 4 caracteres para os arquivos Dicion rio e Dados de res duos de sa da Se produzindo res duos de mais de 1 an lise o ddname default OUT s poder ser usado uma vez PRINT STEP RESIDUALS ERESIDUALS INVERSE STEP Aplica se a regress o stepwise apenas im
38. Caracter sticas de an lises s o ativadas atrav s de comandos no menu An lise FR An lise de S ries Temporais TimeSID 0 x Arquivo Editar Yer Transforma es An lise Janela Ajuda j Ra S T A2 25 Estatisticas Autocorrela es e correla es cruzadas ec Gr ficos de s ries Tend ncia param trica Autoregressao Espectro Espectro cruzado Filtros de frequ ncia Fonte de escala MH ca Em Estat sticas cria uma tabela com m dia desvio padr o valores m nimo e m ximo como tamb m a tabela com estat sticas para testar a hip teses randomicidade versus tend ncia para a s ries temporal sele cionada Ele tamb m exibe um histograma para essa s rie Autocorrela es e correla es cruzadas cria uma nova janela com um conjunto de c lulas contendo gr ficos de autocorrela es e correla es cruzadas para o conjunto de s ries temporais especificadas Tend ncia param trica cria uma nova s rie temporal como produto da estima o de um modelo param trico de tend ncia para s ries temporais especificadas O modelo de tend ncia e as s ries s o selecionadas em uma caixa de di logo Autoregress o estimativas de um modelo de autoregress o para previs o de curto prazo para as s ries temporais especificadas Espectro an lise espectral cria uma tabela de valores de espectro frequ ncia per odo densidade gr fico de estima o de espe
39. Declara es de Controle de Programa 00004 Restri es mais e A boto A RA he eo OM Pd td ie Ae 8 Exemplo ss Bese a RS ty in a ee BA EME ee ee 36 Busca de Estrutura SEARCH xiii 234 235 236 236 238 238 241 241 241 242 242 243 243 244 245 247 247 247 248 248 248 249 249 252 252 255 255 255 256 256 257 257 257 259 259 261 261 262 262 263 264 265 266 267 269 269 269 270 270 271 271 272 272 275 xiv 36 1 36 2 36 3 36 4 36 5 36 6 36 7 36 8 36 9 Descri o Geral s diie Gon BAD RG hp a it i AA Caracter sticas Padr o do IDAMS 2 Resultados is eo ae ee ee eae Ae ee Reed e De Dataset de Res duos de Sa da 2 0 2000004 Dataset de Entrada cc cccccccc o Estrutura de Setup cc ccclcll ee ee Declara es de Controle de Programa ReStricoes a os ahd easy es ea o RR a ee Ee Th e AP A Exemplos 22 wl ene toe eh ee Be ee eee ae oe BS 37 Tabelas Univariadas e Bivariadas TABLES 37 1 37 2 37 3 37 4 37 5 37 6 37 7 37 8 37 9 Descri o Geral e i sim pane ede eee Qo ee We ee AY E Caracter sticas Padr o do IDAMS Resultados 3 oe Sah eee ai a Tb RE RE E MESES EO ee io Tabelas Univariadas Bivariadas de Sa da Matrizes de Estat sticas Bivariadas de Saida Dataset de Entrada 2 2 ee ee Estrutura de Setup gt o oan sce r eed Penk be
40. Exemplo INCLUDE V1 10 20 30 AND V12 1 3 7 2 T tulo mandat rio Uma linha contendo at 80 caracteres para nomear os resultados Exemplo CORRECTION OF ALPHA CODES IN 1968 ELECTION 3 Par metros mandat rio Para selecionar op es de programa Exemplo PRINT CORRECTIONS IDVARS V4 INFILE IN xxxx Um sufixo ddname de 1 4 caracteres para os arquivos Dicion rio e Dados de entrada Default ddnames DICTIN DATAIN MAXCASES n O n mero m ximo de casos depois da filtragem a ser utilizado do arquivo de entrada Se MAXC 0 todas as instru es de corre o ser o checadas em rela o a erros de sintaxe mas nenhum dado ser processado Default Todos os casos ser o utilizados IDVARS lista de vari veis At 5 n meros de vari veis para os campos de identifica o de casos Se mais de um campo de ID de caso for especificado os n meros das vari veis devem ser dados da maior para a menor ordem de campo de classifica o N o h default CKSORT YES NO Indica se os casos de dados ter o seus campos de ID de caso checados em rela o ao ordenamento sequencial ascendente A execu o termina se um caso fora da ordem detectado OUTFILE OUT yyyy Um sufixo ddname de 1 4 caracteres para os arquivos Dicion rio e Dados de sa da Default ddnames DICTOUT DATAOUT PRINT DELETIONS CORRECTIONS CDICT DICT DELE Lista aqueles casos para os quais a op o delete especificada em instru es de corre o CORR Lista c
41. Exemplo INCLUDE V10 3 AND V20 1 9 2 T tulo mandat rio Uma linha contendo at 80 caracteres para nomear os resultados Exemplo DATA THESIS DATA VERSION 1 12 6 Declara es de Controle de Programa 111 3 Par metros mandat rio Para selecionar op es de programa Exemplo IDVA Vi V4 VARS V22 V26 V101 V102 INFILE IN xxxx Um sufixo ddname de 1 4 caracteres para os arquivos Dicion rio e Dados de entrada Default ddnames DICTIN DATAIN MAXCASES n O n mero m ximo de casos depois da filtragem a ser usado do arquivo de entrada Default Todos os casos ser o utilizados START 1 n O n mero seqtiencial do primeiro caso a ser checado VARS lista de vari veis Vari veis cujos c digos v lidos devem ser retirados dos registros C no dicion rio MAXERR 100 n N mero m ximo de casos com c digos inv lidos permitido se esse n mero ultrapassado a execu o terminada IDVARS lista de vari veis At 20 vari veis cujos valores devem ser impressos quando um c digo inv lido for encontrado Isso consistir no m nimo das vari veis que identificam um caso mas podem ser inclu das outras que forne am informa o adicional para o usu rio As vari veis podem ser alfab ticas ou num ricas N o h default PRINT CDICT DICT CDIC Imprime o dicion rio de entrada para todas as vari veis com registros C se houver DICT Imprime o dicion rio de entrada sem registros C 4 Especifica es de c
42. IDAFORM DIC Arquivo Dicion rio de sa da DATAOUT IDAFORM DAT Arquivo Dados de sa da SETUP IMPORTING DIF FORMAT DATA TO IDAMS FIXED FORMAT DATA IMPORT DATA NAMES CODES BADD MD1 MAXERR 20 FORMAT DIF DECIM COMMA 16 9 Exemplos 143 Exemplo 3 Um conjunto de matrizes retangulares criado pelo programa TABLES exportado valores ser o separados por um ponto e v rgula e v rgulas ser o utilizadas na nota o decimal labels e c digos de coluna e linha ser o inclu dos no arquivo matriz de entrada matrizes de entrada s o impressas RUN IMPEX FILES PRINT EXPMAT LST DATAIN TABLES MAT arquivos com matrizes retangulares DATAOUT EXPORTED MAT arquivos com matrizes exportadas SETUP EXPORTING IDAMS RECTANGULAR FIXED FORMAT MATRICES TO FREE FORMAT MATRICES EXPORT MATRIX NAMES CODES PRINT DATA FORMAT DELIM WITH SEMI DECIM COMMA STRINGS QUOTE Exemplo 4 Importando uma matriz quadrada contendo medidas de distancia de 10 objetos numerados de 1 a 10 apenas valores inteiros s o inclu dos e s o separados por um sinal c digos de colunas e linhas tanto quanto vetores de m dias e desvios padr es s o inclu dos no arquivo de matriz RUN IMPEX FILES PRINT IMPMAT LST DATAOUT IMPORTED MAT arquivo com a matriz importada SETUP IMPORTING A FREE FORMAT MATRIX TO THE IDAMS SQUARE FIXED FORMAT MATRIX IMPORT MATRIX CODES MATSIZE 10 FORMAT DELIM WITH USER DELCH DATA PRINT 1 2 3h 4 5
43. Juntamente com o t tulo de execu o o n mero de casos vari veis i e pontos que s o representados dado No lado direito de cada gr fico s o impressos n mero de pontos que n o podem ser impressos para aquela ordenada pontos parcialmente coinci dentes n mero de pontos que n o foram pass veis de representa o n mero da p gina Fatores rotacionados Opcional ver o par metro ROTATION A vari ncia calculada para cada matriz de fatores em cada itera o da rota o usando o m todo VARIMAX impressa seguida pela comunidade de vari veis antes e depois da rota o terminando com a tabela de fatores rotacionados Mensagem de finaliza o No final de cada an lise uma mensagem de finaliza o impressa com o tipo de an lise executada 26 4 Dataset s de Saida 197 26 4 Dataset s de Sa da Dois arquivos Dados cada um com um dicion rio IDAMS associado podem opcionalmente ser constru dos No dataset de fatores de caso os registros correspondem aos casos tanto ativos quanto passivos as colunas correspondem s vari veis incluindo a identifica o de caso e vari veis transferidas e fatores No dataset de fatores de vari vel os registros correspondem a vari veis de an lise enquanto as colunas cont m as identifica es de vari vel n meros de vari vel originais e fatores Vari veis de sa da s o numeradas sequencialmente come ando de 1 e elas possuem as seguintes caracter st
44. Qualquer dado com registros em formato fixo ASCII pode ser utilizado diretamente pelos programas do IDAMS Praticamente todos os pacotes estat sticos e de base de dados possuem uma fun o de exporta o o convers o para produzir arquivos de dados em modo de caracteres de formato fixo Um dicion rio do IDAMS deve ser preparado para descrever os campos requeridos pelos dados Arquivos de dados em formato livre com Tab v rgula ou ponto e v rgula usados como separadores podem ser importados diretamente atrav s da Interface do Usu rio do IDAMS Ver o cap tulo Interface do Usu rio para detalhes Arquivos de texto em formato livre qualquer caracter sendo usado como delimitador incluindo espa os em branco e em formato DIF podem tamb m ser importados usando o programa IMPEX Dados armazenados em uma base de dados CDS ISIS podem ser importados pelo IDAMS usando se o programa WinIDIS 2 5 2 Matrizes O programa IMPEX pode ser usado para importar matrizes em formato livre Al m disso matrizes produzi das fora do IDAMS por exemplo uma matriz de uma publica o pode tamb m ser armazenada de acordo com o formato dado acima Capitulo 3 O Arquivo Setup do IDAMS 3 1 Conte do e Finalidade Para executar programas IDAMS o usu rio prepara um arquivo especial chamado arquivo Setup que controla a execu o dos programas Esse arquivo cont m declara es de controle e comandos do IDAMS necess rios para e
45. Um caso n o produzido se um ou mais dos seus tipos de registro est o faltando 2 DELETE ALLMISSING Um caso n o produzido se nenhuma ID de registro v lido encontrada para uma particular ID de caso 3 DELETE NEVER O programa nunca exclui do arquivo de sa da um caso faltando um ou mais registros Ao contr rio ele constr i um registro para cada tipo de registro faltando e preenche seus conte dos com espa os em branco ou valores fornecidos pelo usu rio Ver o par metro PADCH e PAD nas descri es do Record Preenchimento ocorre em localiza es de coluna diferentes dos campos do caso e da ID do registro O caso apropriado e ID s do registro s o sempre inseridos pelo programa Op es para manusear casos com registros duplicados Um registro duplicado aquele contendo o mesmo ID do caso e ID do registro de outro registro sem considerar se os conte dos dos dois registros O usu rio especifica qual duplicata deve ser mantida se houver mais de um registro de entrada carregando o mesmo ID do caso e ID do registro Poe exemplo a op o DUPKEEP 1 faz com que o programa retenha o primeiro registro e descarte quaisquer outros O caso n o transferido para o arquivo de sa da se menos do que n c pias forem encontradas onde DUPKEEP n i e para deletar casos com registros repetidos especifique o valor alto para n Precau o Pode acontecer que registros com ID s duplicadas n o contenham os mesmos dados prerrogat
46. a seguinte paraa E Ap plan 1 pe Giz 2 Ph Gipr Pk Pr i tm para a Ay pr ai o Ao lidar se com dados representando uma sele o n o ordenada de alternativas prefer ncia fraca as sumido que todas as alternativas selecionadas est o a um mesmo n vel de prefer ncia De acordo com essa hip tese a regra de transforma o 1 para a Ak pr ai l m para a Ay pr ai Como resultado das transforma es definidas acima os dados de prefer ncia ou escolha de prioridade devem para os pr ximos passos da an lise vir na foma Pll P12 cer Pli cr Pim P21 P22 cr Pa ter Pam Pp F am Pki Ph t Pki t Pkm 54 2 M todo Baseado em L gica Cl ssica Nesse m todo a matriz P usada como dado inicial para a an lise No que diz respeito caracter stica estrita ou fraca da rela o de prefer ncias deve ser notado que ela importante somente nos passos que levam matriz P Nos passos seguintes da an lise o procedimento contolado por outros par metros como a diferen a de ranks para concord ncia e a diferen a de ranks para discord ncia ver abaixo O procedimento de ordenamento baseado em l gica cl ssica consiste de dois grandes passos a constru o das rela es e b identifica o dos n cleos a Constru o das rela es Nesse passo duas rela es que funcionem a rela o de concord ncia e a rela o de discord ncia s
47. da O sa da a uni o dos conjuntos A e B 18 4 Dataset de Saida 151 3 MATCH A Qualquer caso que aparece no dataset A inclu do no dataset de sa da enquanto um caso que aparece apenas no dataset B n o inclu do Se um caso encontrado apenas no dataset A vari veis do dataset B recebem valores de dados perdidos no dataset de sa da para aquele caso O sa da o conjunto A 4 MATCH B O mesmo que a op o 3 exceto que o dataset B define os casos inclu dos no dataset de sa da O sa da o conjunto B Manuseando casos duplicados Quando um dos dois datasets de entrada cont m mais de um caso com o mesmo valor nas vari veis de emparelhamento o dataset dito conter casos duplicados Normalmente i e quando o par metro DUPBFILE n o especificado o programa imprime uma mensagem sobre a ocorr ncia de duplicatas e ent o trata cada uma delas como um caso separado Os casos realmente escritos no arquivo de sa da dependem da op o MATCH selecionada A pr xima figura mostra como isso funciona Fundindo arquivos com duplicatas DUPBFILE n o especificado Enrtada Sa da MATCH UNION MATCH A ID N1 N2 ID N1 N2 01 MARY 01 JOHN 01 MARY JOHN 01 MARY JOHN 01 MARY JOHN MATCH B MATCH INTER l l l l l l l ID Ni N2 ID Ni N2 l l l l 01 MARY JOHN 01 ANN 02 PETER 01 ANN ____ 01 ANN ____ 02 JANE PETER 02 JANE PETER 02 JANE 03 MIKE 02 JANE PETER 02 JANE PETER 03 ___
48. da diagonal podem ser calculados usando se desvios padr es que est o inclu dos no arquivo da matriz ver ponto 7 abaixo No exemplo da matriz de 4 vari veis acima o arranjo completo antes de entrar em formato quadrado seria o seguinte vars 1 3 9 10 1 1 000 011 174 033 3 011 1 000 131 105 9 174 131 1 000 133 10 033 105 133 1 000 A parte do arranjo que armazenada vars 1 3 9 10 1 011 174 033 3 131 105 9 133 10 Cada linha desso arranjo reduzida inicia um novo registro e escrito de acordo com a especifica o de formato do dicion rio da matriz ver acima Um vetor de m dias das vari veis Os n valores s o gravados de acordo com a declara o de formato do dicion rio da matriz Um vetor de desvios padr es das vari veis Os n valores s o gravados de acordo com a declara o de formato do dicion rio da matriz 2 4 2 A Matriz Retangular do IDAMS A matriz retangular difere da matriz quadrada no sentindo de que o arranjo de valores pode ser quadrado e n o sim trica ou retangular Al m disso dado que as linhas de algumos larranjos n o s o indexadas por vari veis e g uma tabela de freqti ncia a matriz retangular pode ou n o conter registros de identifica o de vari veis a matriz retangular n o possui m dias de vari veis nem desvios padr es de vari veis Programas que usam produzem matrizes retangulars Essas matrizes s o criadas pelos programas
49. es da barra de ferramentas equivalentes ou teclas de atalho Ctrl X Ctrl C e Ctrl V respectivamente 92 Interface do Usu rio Dois comandos de verifica o de setup s o fornecidos no menu Checar para permitir a verifica o de sintaxe de conjuntos de declara es de Recode e declara es de filtro Sintaxe de Recode ativa a verifica o de sintaxe em declara es de Recode inclusos no setup Todos os erros encontrados s o reportados no espa o Mensagens dando o n mero de conjunto de Recode linha da declara o com erro s caracter es causador es do problema de sintaxe Um clique duplo no texto da linha com erro ou na mensagem de erro no espa o Mensagens mostra essa linha no espa o Setup com uma flecha amarela Voc pode corrigir os erros e repetir a verifica o de sintaxe antes de enviar o setup para a execu o Sintaxe de filtro ativa a verifica o de sintaxe de erros nas declara es de filtro inclu das no setup Todos os erros encontrados s o reportados no espa o Mensagens dando o n mero da declara o de filtro linha da declara o errada e caracter es causando o problema de sintaxe Um clique duplo no texto da linha com erro ou na mensagem de erro no espa o Mensagens mostra essa linha no espa o de Setup com uma flecha amarela Note que apesar da maioria dos erros de sintaxe nas declara es de filtro e de Recode puderem ser detectados e corrigidos aqui outra verifica o de sintaxe sistematicamente exec
50. fmn S o as freqii ncias observadas nas c lulas ij hl e mn respectivamente Vari ncia de S E a vari ncia de S quando existir Um empate est presente nos dados se mais de um caso aparecer em uma dada linha ou coluna N N 1 2N 5 Et 1 2f 5 5 DAU F f Qu a E sl AJ Os 18 gt ES f 2 z fi fi f 2 j h 9N N 1 N 2 gt T i E fille T 2N N 1 Desvio padr o de S Os y 02 Desvio normal de S Fornece um teste de signific ncia em grandes amostras para tau ou gama com empates O 1 no numerador uma corre o para continuidade se S negativo o 1 ser adicionado O valor pode ser consultado em uma tabela da distribui o normal O teste condicional distribui o de empates S 1 Os Z 422 J k 1 Tabelas Univariadas e Bivariadas Tau a O r de Kendall uma medida da associa o para dados ordinais Tau a assume que n o h empates nos dados ou que empates se presentes representam uma falha de medida que est propriamente refletida por uma intensidade reduzida de relacionamento Tau a pode variar de 1 0 a 1 0 S N N 1 2 Ta Tau b Tau b como o tau a exceto que empates s o permitidos i e pode haver mais de um caso em uma dada linha ou coluna da tabela bivariada Tau b pode assumir o valor de 1 somente quando o n mero de linhas for igual ao n mero de colunas Th Ee D n px 1 n onde n Dig
51. localiza o se n o colocado ser designado o valor de 1 para a primeira vari vel e para vari veis subseqii ntes a localiza o ser calculada pela adi o da largura da vari vel precedente e largura man dat rio Outros campos possuem valores default que voc pode aceitar ou modificar ou eles s o opcionais e podem ser deixados em branco Pressione Enter ou Tab para aceitar um valor em um campo e mover para o pr ximo campo ou Shift Tab para mover para um campo anterior Note que desde que um pequeno l pis apare a no in cio da linha a linha n o salva Pressione Enter para aceitar a defini o completa da vari vel Um asterisco no cabe alho da linha indica que essa a pr xima linha e voc pode entrar uma nova descri o de vari vel Definindo os c digos e as labels dos c digos para uma vari vel Mude para o espa o de janela C digos a preencha os campos de c digo e label de c digo Preencha o valor de c digo ent o pressione Enter ou Tab e entre com a label do c digo ent o Enter ou Tab para aceitar a linha e v para a pr xima linha Quando todos os c digos e labels tiverem sido definidas mude para o espa o Vari veis para continuar com outra defini o de vari vel Modificando o campo no espa o Vari veis ou no espa o C digos Clique no campo e entre o novo valor entrando o primeiro caracter do novo valor limpa o campo Depois de dar um clique duplo em um campo seu valor corrente pode ser modif
52. na lista VARIAVEIS DE CELULA abre o seguinte di logo Tabelas multidimensionais vari vel de c lula x Nome zage Cancelar m Estat sticas univariadas O Soma O Contagem M dia O M x e M dia marcado por default Marque M x e M n Ent o clique OK aqui e no di logo Defini o de tabla multidimensional Voc agora v a tabela multidimensional 312 Tabelas Multidimensionais e suas Apresenta es Gr ficas TE WintpaMs XTab2 5 x la Arquivo Editar Ver Formato Mostrar Mudar Gr fico Executar Interativo Janela Ajuda lal x D na renco ABEM PP Pl e ha xi E Defaut a oe ee ee a a Setups Dataset C WinIDAMS 12 PTidata rucm dat q Datasets Total para todas as paginas Matrices Results Linha SCIENTIFIC DEGREE SEX Col CM POSITION IN UNIT EA aplica o Pronto Caso NUM AZ 39 6 Como Mudar uma Tabela Multidimensional Requisitando tabelas separadas Suponha que agora voc deseje ver uma tabela separada para homens e mulheres e Clique em Mudar Especifica o e voc obt m de volta o di logo com a sele o pr via de var veis e Use a t cnica de Drag and Drop para mover a vari vel SEX da lista VARI VEIS DE LINHA para a lista VARIAVEIS DE PAGINA e clique em OK e Voc observa a primeira imagem que o total para todas as vari veis tomadas juntas homens e
53. ncia Isso aquele termo de erro reduzido a uma matriz de correla o A matriz de correla o calculado usando Sw O erro intra ou a soma dos produtos intra si Re 82 SuSe 50 2 C lculos para um Teste em uma An lise Multivariada 385 onde Sw a soma dos produtos intra classes 2 s os valores da diagonal de Sw Re a matriz dos coeficientes de correla o das vari veis que estimam os valores populacionais Se o usu rio especificar que a soma dos quadrados intra subclasses deve ser aumentado para formar o termo de erro tal aumento acontece antes da matriz ser reduzida a correla es g Componentes principais da matriz de correla o de erro Essa uma an lise padr o de componentes principais da matriz Re Indica a estrutura de fatores das vari veis encontradas na popula o sob estudo Os valores pr prios ou ra zes s o impressos abaixo dos componentes h Matriz de dispers o de erro Esse o termo do erro uma matriz de vari ncia covari ncia para a an lise A matriz ajustada para as covari veis se houver alguma Cada elemento da diagonal da matriz ser exatamente o que apareceria em uma tabela de an lise de vari ncia convencional como o erro quadrado m dio intra para a vari vel Sw Me e dfe onde Sw asoma dos produtos intra subclasses dfe os graus de liberdade para o erro ajustados para o aumento se isso tiver sido requisitado Se o aumento n o for requisi
54. ncia de um registro T de entrada ou registro C est em branco ele preenchido com o n mero da vari vel 11 5 Dicion rio de Entrada Este descreve aquelas vari veis que devem ser selecionadas para o sa da O formato descrito no cap tulo Dados em IDAMS com a coluna 64 no registros T sendo utilizada para especificar uma regra de recodi fica o para espa os em branco em uma vari vel com se segue blank nenhuma recodifica o para campos em branco 0 recodifique campos em branco com zeros 1 recodifique campos em branco com o 1 c digo de dados perdidos da vari vel 2 recodifique campos em branco com o 2 c digo de dados perdidos da vari vel 9 recodifique campos em branco com 9 s Note A janela Dicion rio da Interface do Usu rio n o d acesso coluna 64 Portanto use o Editor Geral do WinIDAMS Arquivo Abrir Archivo com Editor Geral ou qualquer outro editor de texto para preencher essa coluna 11 6 Dados de Entrada Os dados podem ser qualquer arquivo de registros de comprimento fixo com um ou mais registros por caso desde que haja o mesmo n mero de registros por cada caso O arquivo deve ser classificado por tipo de 106 Constru o de um Dataset IDAMS BUILD registro na ID do caso Os valores para qualquer vari vel deve estar localizado nas mesmas colunas do mesmo registro para todos os casos Se os dados de entrada contiverem mais de um registro por caso MERCHECK deve ser sempre
55. ncia de um valor ao longo de um conjunto de vari veis Logaritmo na base 10 Valor m ximo Valor do c digo de valor perdido Valor da m dia Valor m nimo N mero de valores de dados perdidos N mero de valores de dados n o perdidos N mero rand mico Recodifica o multivariada Selecionando o valor de um conjunto de vari veis de acordo com uma vari vel ndice Raiz quadrada Desvio padr o Soma de valores Recodifica o bivariada Parte inteira do valor de um argumento Vari ncia ABS A fun o ABS retorna um valor que o valor absoluto do argumento passado fun o Prot tipo ABS arg Onde arg uma qualquer express o aritm tica de onde o valor absoluto de ve ser calculado Exemplo R5 ABS V5 V6 BRAC A fun o BRAC retorna o valor que obtido quando empregam se opera es espec ficas regras em uma nica vari vel Prot tipo Onde BRAC var TAB i ELSE valor regral regra n e var qualquer vari vel do tipo R ou V cujos valores s o testados e TAB i numera o conjunto de regras e o ELSE associado que foi estabelecido nesse uso de BRAC opcional ou faz refer ncia a um conjunto de regras estabelecidas em um uso pr vio de BRAC Note A cl usula ELSE considerada parte do conjunto de regras e ELSE valor usado quando o valor de var n o puder ser encontrado nas regras dadas Se ELSE valor omitido ELSE 99 assumido i e BRAC sempre recodificar e
56. o impressas para todos os casos exatamente como s o lidos do arquivo de dados de entrada Dicion rio de sa da Opcional ver o par metro PRINT Dados de sa da Opcional ver o par metro PRINT Valores para todos os casos e todas as vari veis s o dados 10 valores por linha na mesma ordem das linhas de dados de entrada Exporta o de dados Dicion rio de entrada Opcional ver o par metro PRINT Registros de descri o de vari veis e registros C se houver apenas para vari veis usadas na execu o Dados de sa da Opcional ver o par metro PRINT Valores para todos os casos para cada vari vel R ou V s o dados 10 valores por linha Para vari veis alfab ticas apenas os 10 primeiros caracteres s o impressos Importa o de matrizes Matriz de entrada Opcional ver o par metro PRINT Uma matriz contida no arquivo ASCII de entrada impressa com ou sem labels de coluna e c digos de coluna Exporta o de matrizes Matrizes de entrada Opcional ver o par metro PRINT Matrizes contidas no arquivo de matriz do IDAMS de entrada s o impressas com ou sem registros de descri o de vari vel ou registros de c digo label 16 4 Arquivos de Sa da Importa o A sa da um dataset do IDAMS ou uma matriz do IDAMS dependendo se a importa o de dados ou matrizes requisitada No caso de um dataset do IDAMS valores de vari veis num ricas s o editados de acordo com as regras do IDAMS ver
57. o Modo de p gina 9 11 Criando Renovando Arquivos em Formato Texto e RTF WinIDAMS possui um Editor Geral que permite a voc abrir e modificar qualquer tipo de documento em formato caracter Contudo sua fun o b sica oferecer uma facilidade para editar arquivos Texto e oferecer op es sofisticadas de formata o e edi o Manipula o de arquivos Dicion rio Dados ou Setup usando o 94 Interface do Usu rio Editor Geral deve ser evitada e manipula o de arquivos Matriz deve ser feita com cuidado A janela Texto chamada quando e voc cria um novo arquivo Texto o comando de menu Arquivo Novo Text file or RTF file ou o bot o Novo da barra de ferramentas e voc abre um arquivo Matriz com extens o mat exibido na janela Aplica o d um clique duplo no nome do arquivo requerido na lista Matrices e voc abre um arquivo de caracter que n o est na janela Aplica o o comando de menu Arquivo Abrir File Using General Editor ou o bot o Abrir da barra de ferramentas L WinIDAMS ttt txt 10 x Arquivo Editar Ver Inserir Fonte Par grafo Tabela Executar Interativo Janela Ajuda l x Tae xix EN Default 5 Setups J Datasets C Matrices O Results Page 1 Line 1 Col 1 ttt twt Pplicagao O Editor Geral propicia um n mero de comandos de edi o padr o que s o conhecidos pelos usu rios do Windows E
58. o de grupos Cancela o agrupamento Chama a caixa de di logo para especificar gr ficos a serem exibidos nas c lulas diagonais e suas propriedades Chama a caixa de di logo para especificar tipos de linhas de regress o linhas de suaviza o e suas propriedades Chama a caixa de di logo para selecionar vari veis a serem usadas como eixos para diagramas de dispers o de 3D e rota o Seleciona cancela modo direcionado Chama a caixa de di logo para selecionar vari veis e cores para a exibi o de gr ficos de Box Whisker Executa o jittering de casos projetados Mascara os casos dentro do pincel Restaura passo a passo casos mascarados Aplicar mascaramento salvo Mascara os casos que estavam mascarados e salvos na sess o pr via Diagrama agrupado Janela Chama a caixa de di logo para selecionar vari veis de linha e de coluna para construir tabelas bi dimensionais e vari veis X e Y para projetar o diagrama de dispers o dentro das c lulas da tabela O menu cont m a lista de janelas abertas e comandos Windows para arranj las Ajuda Manual do WinIDAMS Sobre GraphID Fornece acesso ao Manual de Refer ncia do WinIDAMS Exibe informa o sobre a vers o e direitos autorais de GraphID e um link para acessar a p gina na Web do IDAMS no escrit rio da UNESCO 320 Explora o Gr fica de Dados Icones da barra de ferramentas H 21 bot es na barra de ferramentas fornecendo acesso direto aos me
59. opcionalmente inclu dos no c mputo das percentagens e es tat sticas bivariadas Isso pode ser feito utilizando se o par metro de tabela MDHANDLING 4 Casos com dados perdidos em uma vari vel de c lula s o sempre exclu dos das tabelas univariadas e bivariadas 5 Casos com dados perdidos s o sempre exclu dos do c mputo das estat sticas univariadas 37 3 Resultados Dicion rio de entrada Opcional ver o par metro PRINT Registros de descri o de vari veis e registros C se houver somente para vari veis usadas nessa execu o Uma tabela de conte dos para os resultados Os conte dos mostram cada tabela produzida e d o n mero da p gina onde est localizada As seguintes informa es s o fornecidas 37 3 Resultados 285 n meros de vari vel de linha e de coluna 0 se n o houver n mero da vari vel para o valor m dio vari vel da c lula 0 se n o houver n mero da vari vel de pondera o 0 se n o houver valores m nimo e m ximo da linha 0 se n o houver valores m nimo e m ximo da coluna 0 se n o houver nome do filtro e nome do fator de repeti o percentuais linha coluna e total T requerido F n o requerido RMD dados perdidos da vari vel linha T delete F n o delete CMD dados perdidos da vari vel coluna T delete F n o delete CHI chi quadrado T requerido F n o requerido TAU tau a b ou c T requerido F n o requerido GAM gamma T r
60. ou dos z scores se as vari veis s o requisitadas a serem padronizadas Uma das duas dist ncias pode ser escolhida euclidiana ou city block a Dist ncia euclidiana b Dist ncia city block p dij gt lay tjp f 1 42 4 Matriz de Dissimilaridade Computada de uma Matriz de Similaridade Se a entrada consiste de uma matriz de similaridade com elementos sij os elementos d da matriz de dissimilaridade s o calculados da seguinte maneira dij Sij 42 5 Matriz de Dissimilaridade Computada de uma Matriz de Correla o Se a entrada consiste de uma matriz de correla o com elementos r j os elementos di da matriz de dissim ilaridade s o calculados usando uma das duas f rmulas SIGN ou ABSOLUTE Ao se usar a f rmula SIGN vari veis com uma correla o positiva alta recebem um coeficiente de dissimilar idade pr ximo a zero de outro modo vari veis com uma correla o negativa forte ser o consideradas muito dissimilares dij 1 rij 2 Ao usar a f rmula ABSOLUTE vari veis com uma correla o negativa ou positiva alta receber o uma pequena dissimilaridade dig 1 ri 42 6 Parti o ao Redor de Medoids PAM O algoritmo busca k objetos representativos medoides que est o centralmente localizados nos clusters que eles definem O objeto representativo de um cluster o medoide o objeto para o qual a dissimilaridade m dia de todos os objetos no cluster m nima De fato o algor
61. para cada cluster ID de objeto representativo n mero de objetos e lista de objetos pertencentes a esse cluster dist ncia m dia e m xima a cada medoide representa o gr fica dos resultados i e uma plotagem da silhueta para cada cluster pertencendo a cada cluster opcional ver o par metro PRINT Resultados da an lise AGNES cont m o seguinte ordenamento final dos objetos identificados pelas suas ID e dissimilaridades entre eles representa o gr fica dos resultados i e uma plotagem de banner de dissimilaridades opcional ver o par metro PRINT Resultados da an lise DIANA cont m o seguinte ordenamento final dos objetos identificada pelas suas ID e di metros dos clusters representa o gr fica dos resultados i e uma plotagem de banner de dissimilaridades opcional ver o par metro PRINT Resultados da an lise MONA cont m o seguinte tra o de splits opcional ver o par metro PRINT com para cada passo o cluster a ser separado a lista de objetos identificados pelas seus valores de vari vel de ID em cada um dos dois subconjuntos e da vari vel usada para separa o o ordenamento final dos objetos representa o gr fica dos resultados i e uma plotagem de separa o com a lista de objeto sem cada cluster e a vari vel usada para separa o opcional ver o par metro PRINT 22 4 Dataset de Entrada O dataset de entrada um arquivo Dados descrito por um dicion rio do IDAMS Todas as va
62. rias declara es s o conectadas pelas palavras chave THEN AND e ELSE 50 Facilidade Recode Prot tipo IF test THEN stmtl AND stmt2 AND stmt n ELSE estmt1 AND estmt2 AND estmt n Onde e test pode ser qualquer combina o de express es l gicas incluindo fun es l gicas conectadas por AND ou OR e precedidas opcionalmente por NOT Pode ser mas n o necessita ser colocada entre par nteses e stmtl stmt n estmtl estmt n pode ser qualquer designa o ou declara o de controle exceto CONTINUE e A s declara o es entre o THEN e ELSE s o executadas se o teste verdadeiro e A s declara o es depois do THEN e ELSE s o executadas se o teste falso Se nenhuma cl usula ELSE est presente a pr xima declara o executada e As palavras chave THEN e ELSE podem cada uma ser seguidas de qualquer n mero de declara es cada uma conectada pela palavra chave AND Exemplos IF V5 EQ V6 THEN Ri 1 ELSE R1i 2 Faz R1 igual a 1 se o valor de V5 igualar o de V6 caso contr rio faz R1 igual a 2 IF MDATA V7 V10 V12 THEN R6 MD1 V7 AND R10 99 ELSE R6 V7 V10 V11 AND R10 V12 V7 Iguala R6 ao primeiro valor de dados perdidos de V7 e R10 a 99 se quaisquer das vari veis V7 V10 V11 V12 forem iguais aos seus c digos de valores perdidos Caso contr rio iguala R6 a soma de V7 V10 e V11 e tamb m iguala R10 ao produto de V12 e V7 IF V5 NE 7 AND R8 EQ 9 THEN V3 1 ELSE V3 0 Faz V3 i
63. teses s o ent o obtidas por subtra o A matriz de correla o de erro e os componentes principais da matriz s o computados depois do ajustamento de Se para os covariates Capitulo 51 An lise de Vari ncia Univariada Nota o valor da vari vel dependente valor do peso subscrito para caso subscrito para categoria da vari vel de controle n mero de casos na categoria soma dos pesos para categoria i n mero total de casos soma total dos pesos A a o da os ces II n mero de categorias de c digo da vari vel de controle com graus de liberdade n o zero 51 1 Estat sticas Descritivas para Categorias da Vari vel de Con trole a M dia gt Wik Yik _ k Yi W b Desvio padr o estimado W gt Wik Yor Wik vir i N k k 55 m d Soma de y Soma y 5 Wik Yik k 390 An lise de Vari ncia Univariada e Percentual Soma y 5 Soma y i f Soma de y quadrado Percentual 2 2 Soma y Wik Yik k g Total A linha total fornece as estat sticas 1 a at 1 e acima computadas com todos os casos exceto em categorias de c digo com zero graus de liberdade h Graus de liberdade para a categoria i df W N 1 Ni Categorias com zero graus de liberdade n o s o inclu das na computa o das estat sticas de resumo 51 2 Estat sticas de An lise de Vari ncia a Soma total de quadrados D va TSS 5 E vus Se
64. tr s possibilidades 1 uma base de dados completamente nova pode ser constru da 2 dados transferidos podem ser adicionados a uma base de dados j existente como registros novos 3 registros de uma base de dados j existente podem ser atualizados com os dados transferidos 1 9 Estrutura deste Manual 7 1 9 Estrutura deste Manual Todas as caracter sticas gerais do IDAMS incluindo a facilidade Recode s o descritas na Parte 1 deste Manual Parte 2 inclui instru es de instala o descri o dos arquivos e folders usados no WinIDAMS uma se o intitulada Iniciando que conduz o usu rio pelos passos necess rios para executar tarefas simples e descri o da Interface do Usu rio do WinIDAMS Descri es aprofundadas de cada programa do IDAMS s o dadas nas Partes 3 e 4 Essas descri es cont m as seguintes se es Descri o Geral Uma descri o dos prop sitos b sicos do programa Caracter sticas Padr o do IDAMS Declara es sobre as possibilidades de sele o de caso e vari vel transforma o de dados capacidades de pondera o e manuseio de dados perdidos Resultados Detalhes dos resultados a serem impressos ou revisados na tela Descri o dos arquivos de entrada e sa da Uma se o para cada dataset IDAMS cada matriz e cada arquivo de entrada ou sa da dando a descri o dos seus conte dos Estrutura de Setup Uma designa o das especifica es do arquivo comandos do IDAMS e
65. veis Se os coeficientes n o convergem dentro dos limites colocados pelo usu rio o programa imprime seus resultados na base da ltima itera o O n mero de itera es teis depende de uma certa maneira do n mero de preditores usados na an lise e na fra o especificada para toler ncia Se h menos do que 10 preditores usualmente tem se achado satisfat rio especificar 10 como o n mero m ximo de itera es Detec o e tratamento de intera es O programa assume que o fen meno sendo examinado pode ser entendido em termos de um modelo aditivo Se aprioristicamente vari veis particulares s o suspeitas de interagirem MCA pode ser usado para de terminar a extens o da intera o da seguinte maneira Se um preditor especificado MCA executa uma an lise de vari ncia univariada Tal an lise pode ajudar a detectar e eliminar intera es de preditores O procedimento completo como se segue ver tamb m Exemplo 3 224 An lise de Classifica o M ltipla MCA 1 Determina um conjunto de preditores suspeitos de interagirem 2 Forma uma nica vari vel de combina o usando esses preditores e a declara o de Recode COM BINE 3 Executa uma an lise de MCA usando os preditores suspeitos para obter o R quadrado ajustado 4 Executa a an lise de MCA com a vari vel de combina o como o controle em uma an lise de vari ncia univariada para obter o eta quadrado ajustado que ser maior ou igual ao
66. veis arquivos dll arquivos de par metros do sistema arquivo com o manual on line em formato de HTML Help e arquivos prot tipos de setup Arquivos de controle de sistema Idams def defini es de arquivo default fornecendo conex es entre os nomes de arquivos l gico e f sicos para os arquivos do usu rio e arquivos tempor rios de trabalho lt application nome gt app um arquivo por aplica o contendo atalhos para o folder Dados folder Trabalho e folder Tempor rio lastapp ini arquivo contendo o nome da ltima aplica o utilizada graphid ini arranjos de configura o para o componente GraphID tmlini arranjos de configura o para o componente TimeSID Arquivos tempor rios de trabalho Eles n o devem preocupar o usu rio pois eles s o definidos e removidos automaticamente Eles possuem extens es de nome de arquivo tmp e tra 8 2 Folders em WinIDAMS Arquivos utilizados no WinIDAMS s o armazenados nos seguintes folders arquivos de sistema no folder Sistema arquivos Aplica o no folder Aplica o arquivos Dados Dicion rio e Matriz no folder Dados arquivos Setup e Resultados no folder Trabalho e arquivos tempor rios de trabalho no folder Tempor rio e folder Transposto Cinco folders obrigat rios para a aplica o default devem sempre estar presentes no folder lt system dir gt Eles s o definidos e criados inicialmente durante o processo de instala o Ent o quand
67. vel de pondera o pode conter valores inteiros ou decimais Quando o valor da vari vel de pondera o para o caso for zero negativo perdido ou n o num rico ent o o caso evitado o n mero de casos tratados dessa maneira impresso 276 Busca de Estrutura SEARCH Tratamento de dados perdidos Casos com dados perdidos em uma vari vel dependente continua ou covariate s o deletados automaticamente Casos com dados perdidos em uma vari vel dependente categ rica podem ser exclu dos usando se uma declara o de filtro ou especificando se c digos v lidos com o par metro DEPVAR Casos com dados perdidos nas vari veis preditoras n o s o automaticamente exclu dos Contudo a declara o de filtro e ou o par metro CODES pode ser usado para esse prop sito 36 3 Resultados Dicion rio de entrada Opcional ver o par metro PRINT Registros de descri o de vari veis e registros C se houver somente para vari veis usadas na execu o Outliers Opcional ver o par metro PRINT Outliers com os valores de vari vel de ID e os valores da vari vel dependente Tra o Opcional ver as op es dos par metros PRINT TRACE e FULLTRACE O tra o das parti es para cada preditor para cada parti o contendo os grupos candidatos parti o todas as parti es eleg veis para cada preditor a melhor parti o para cada preditor e o grupo split on Resumo de an lise contendo as distribui es de an lise d
68. 223 226 produzidos por REGRESSN 206 208 produzidos por SEARCH 275 276 ro de Spearman 283 422 rota o de configura o 179 345 rota o varimax de fatores 364 da configura o 180 346 de fatores 196 s ries temporais an lise 329 transforma o 332 salvando vari veis recodificadas 165 selecionando casos com filtro 25 Spearman ro de 283 422 Student teste t 283 426 t tulo declara o de controle 27 localiza o 27 regras de codifica o 27 tabelas bivariadas 283 multidimensionais 307 univariadas 283 taus de Kendall 283 308 422 testando declara es de controle de programa 30 declara es de Recode 35 teste chi quadrado 283 308 420 D de Kolmogorov Smirnov 191 194 354 de Durbin Watson 207 369 F de Fisher 207 225 242 367 391 nao param trico Fisher exato 283 424 Mann Whitney 283 425 Wilcoxon signed ranks 283 425 t de Student 283 426 transforma o de configura o 346 442 de s ries temporais 332 de configura o 179 de dados 59 165 univariadas estatisticas 196 207 269 283 305 306 322 333 357 411 419 tabelas 283 307 apresentacao grafica 308 produzidas por TABLES 286 V de Cramer 283 308 421 valida o de dados 57 109 valores de dados nao num ricos 13 deteccao 103 edi o 30 103 valores pr prios 359 360 valores rand micos geracao por Recode 41 vari veis categ ricas na regress o 205 dummy
69. 64 Th 8 9 10 1 2438 3472425 4424453417 57 64 26 76 18 BL48 25 63 157 61 7H127 50 7 427 87 8 8 19 7 13 4 14 41 15 9429437434421 424435434 5 10 32 57 29 45 26 284 744 24461 46 15 7 7119 74738 9 19 34 256 49 11 847 897 1 237 28 12 20735 8437 Capitulo 17 Lista de Datasets LIST 17 1 Descri o Geral LIST pode ser usado para imprimir valores de dados de um arquivo vari veis recodificadas e informa o do dicion rio IDAMS associado Vari veis espec ficas podem ser selecionadas para impress o ou os dados inteiros e ou dicion rio pode ser listado Cada registro em um arquivo de dados um fluxo cont nuo de valores de dados Quando impressos como est o se torna dif cil distinguir os valores de vari veis adjacentes LIST elimina este incoveniente ao oferecer formato de impress o de dados que separa os valores das vari veis Um dicion rio do IDAMS pode ser impresso sem o arquivo Dados correspondente ao fornecer se um arquivo dummy i e um arquivo nulo ou vazio ao definir se o arquivo Dados 17 2 Caracter sticas Padr o do IDAMS Sele o de casos e vari veis Casos podem ser selecionados utilizando se um filtro ou a op o de pular casos SKIP A op o de pular se usada especifica que o primeiro e cada n simo caso subsequente deve ser impresso Se um filtro especificado a op o de pular se aplica aos casos que passarem no filtro Dos casos selecionados os valores de dados s o l
70. 7 R Vi9 C V52 WEIGHT V9 FILT MD 8 ROWV V54 V62 STATS TAUA GAMMA PRINT MATRIX N WRITE MATRIX Capitulo 38 Tipologia e Classifica o Ascendente TYPOL 38 1 Descri o Geral TYPOL cria uma vari vel de classifica o resumindo um grande n mero de vari veis O uso de uma vari vel inicial de classifica o definida a priori vari vel chave ou uma amostra aleat ria de casos ou uma amostra por passos s o permitidas serem o n cleo inicial dos grupos Um procedimento iterativo refina os resultados ao estabilizar os n cleos Os grupos finais constituem as categorias da vari vel de classifica o procuradas O n mero de grupos da tipologia pode ser reduzido usando se um algoritmo de classifica o ascendente hier rquica As vari veis ativas s o as vari veis em cuja base o agrupamento e reagrupamento de casos executado Pode se tamb m buscar pelas estat sticas principais de outras vari veis dentro dos grupos constru dos de acordo com as vari veis ativas Tais vari veis que n o possuem influ ncia na constru o dos agrupamentos s o chamadas de vari veis passivas TYPOL aceita tanto vari veis quantitativas quanto qualitativas as ltimas sendo tratadas como quantitati vas depois de uma completa dicotomiza o de suas categorias respectivas resultando na constru o de tantas vari veis dicotomizadas 1 0 quanto o n mero de categorias da vari vel qualitativa tamb m poss vel padronizar as v
71. A por o de pot ncia explanat ria que se deseja perder para obter simetria expressa em per centual EXPL 0 8 n Aumento m nimo em pot ncia explanat ria requerido para uma parti o expresso em percentual 36 7 Declaragoes de Controle de Programa 279 OUTDISTANCE 5 n N mero de desvios padroes em rela o a m dia do grupo parente definindo um outlier Note que outliers sao reportados se PRINT OUTL for especificado mas eles nao s o exclu dos da an lise IDVAR n mero de vari vel Vari vel a ser produzida com os res duos e ou impressa com cada caso classificado como outlier WRITE RESIDUALS CALCULATED BOTH Res duos e ou valores calculados devem ser escritos como um dataset de IDAMS RESI Produz os valores de res duos apenas CALC Produz os valores calculados apenas BOTH Produz ambos res duos e valores calculados OUTFILE OUT yyyy Aplic vel somente se WRITE especificado Um sufixo ddname de 1 4 caracteres para os arquivos Dicion rio e Dados de res duos de sa da Default ddnames DICTOUT DATAOUT PRINT CDICT DICT TRACE FULLTRACE TABLE FIRST FINAL TREE OUTLIERS CDIC Imprime o dicion rio de entrada para as vari veis acessadas com registros C se houver DICT Imprime o dicion rio de entrada sem registros C TRAC Imprime o tra o das parti es para cada preditor para cada parti o FULL Imprime o tra o completo de parti es de cada preditor incluindo parti es eleg veis por m sub tima
72. B podem ser impressos toda a vez que um caso do dataset B n o emparelhar com qualquer caso de A As vari veis s o impressas na ordem especificada para o dataset nas vari veis de sa da seguidas por todas as vari veis de emparelhamento que tamb m n o s o vari veis de sa da Contagem de casos O program imprime o n mero de casos existentes nos datasets A e B n mero de casos existentes no dataset e n o em B n mero de casos existentes no dataset B e n o em A e o n mero total de casos de sa da escritos 18 4 Dataset de Sa da A sa da um novo arquivo Dados e um dicion rio do IDAMS correspondente Cada registro de dados cont m os valores das vari veis de sa da para casos emparelhados dos datasets A e B Note que uma vari vel de emparelhamento n o automaticamente produzida o usu rio deve incluir as vari veis de emparelhamento de um dos datasets na lista de vari veis de sa da para dar ao sa da uma ID de caso Manuseando casos que aparecem em apenas um dataset de entrada Quatro a es s o poss veis 1 MATCH INTERSECTION Casos que aparecem em apenas um dataset n o s o inclu dos no dataset de sa da Se os datasets A e B s o interpretados como conjunto de casos o sa da a interse o entre A eB 2 MATCH UNION Qualquer caso que aparece em qualquer dataset inclu do no dataset de sa da Vari veis do dataset de entrada que n o cont m o caso recebem valores de dados perdidos no dataset de sa
73. CONFIG MDSCAL TABLES e TYPOL Elas s o uma entrada apropriada para CONFIG MDSCAL e TYPOL 2 4 Matrizes IDAMS 19 Exemplo Colunas 111111111122222222223 123456789012345678901234567890 Definidor de matriz 3 4 3 Declara o de formato F 16F5 0 Identifica es de vari vel T 2 QI T 5 EDUCA O ET 8 MOBILIDADE T 12 RIVALIDADE FRATERNA Arranjo de valores 59 20 10 37 15 2 50 40 7 8 26 31 Formato A matriz retangular cont m o seguinte 1 Um registro definidor de matriz Colunas Conte do 4 3 indica uma matriz retangular 5 8 O n mero de linhas alinhado a direita 9 12 O n mero de colunas alinahdo a direita 16 N mero de registros de declara o de formato HF Espa os em branco implicam 1 20 Presen a de labels de linha e de coluna branco 0 Labels de linha apenas est o presentes registros R ou ET 1 Labels de coluna apenas est o presentes registros amp C 2 Labels de linha e de coluna est o presentes registros R ou HT e C 3 Nem labels de linha nem de coluna est o presentes 21 40 Nome da vari vel da linha opcional 41 60 Nome da vari vel da coluna opcional 61 80 Descri o do conte do da matriz opcional Weighted frequencies frequ ncias ponderadas Unweighted frqs freqii ncias n o ponderadas Row Percentages percentuais das linhas Column percentages percentuais das colunas Total percentages percentuais totais Nome da vari
74. DATAIN CON DAT arquivo Dados de entrada SETUP EXCLUDE V7 9 OR V9 9 OR V12 9 CHECKING INTERACTIONS BADD SKIP DEPV V52 90000 CONVARS V7 V9 V12 DEPV V52 90000 CONVARS R1 RECODE R7 V7 1 R9 BRAC V9 1 0 3 1 5 2 R1 COMBINE R7 2 R9 3 V12 2 Capitulo 30 An lise de Variancia Multivariada MANOVA 30 1 Descri o Geral MANOVA executa an lise de vari ncia univariada e multivariada bem como an lise de covari ncia uti lizando um modelo linear geral At oito fatores vari veis independentes podem ser usados Se mais de uma vari vel dependente for especificada tanto a an lise univariada quanto a multivariada executada O programa aceita n meros iguais ou desiguais de casos nas c lulas MANOVA o nico programa do IDAMS para an lise de vari ncia multivariada ONEWAY recomendado para an lise de vari ncia univariada MCA lida com problemas univariados com multifatores Ele n o possui limita es no que diz respeito s c lulas vazias aceita mais do que 8 preditores e permite mais do que 80 c lulas No entanto o modelo anal tico b sico do MCA diferente daquele do MANOVA Uma diferen a importante que o MCA insens vel aos efeitos de intera o Modelo de regress o hier rquica MANOVA use uma abordagem via regress o para a an lise de vari ncia Mais especificamente o programa emprega um modelo hier rquico H uma importante con sequ ncia para o usu rio se uma execu o do MANOVA en
75. DICTyyyy dicion rio de sa da se WRITE DATA especificado DATAyyyy dados de sa da se WRITE DATA especificado PRINT resultados default IDAMS LST 188 An lise Discriminante DISCRAN 24 7 Declara es de Controle de Programa Reportar se ao cap tulo O Arquivo Setup do IDAMS para descri es mais aprofundadas das declara es de controle do programa itens 1 3 abaixo 1 Filtro opcional Seleciona um subconjunto de casos a ser usado na execu o Exemplo INCLUDE V3 6 OR V11 99 2 Titulo mandat rio Uma linha contendo at 80 caracteres para nomear os resultados Exemplo DISCRIMINANT ANALYSIS ON AGRICULTURAL SURVEY 3 Par metros mandat rio Para selecionar op es de programa Exemplo MDHA SAMPVAR IDVAR V4 SAVAR R5 BASA 1 5 VARS V12 V15 INFILE IN xxxx Um sufixo ddname de 1 4 caracteres para os arquivos Dicion rio e Dados de entrada Default ddnames DICTIN DATAIN BADDATA STOP SKIP MD1 MD2 Tratamento de valores de dados n o num ricos Ver o cap tulo O Arquivo Setup do IDAMS MAXCASES n O n mero m ximo de casos depois da filtragem a serem usados do arquivo de entrada Default Todos os casos ser o utilizados VARS lista de vari veis Lista de vari veis R ou V a ser utilizada na an lise N o h default MDVALUES BOTH MD1 MD2 NONE Quais valores de dados perdidos devem ser usados para as vari veis acessadas nessa execu o Ver o cap tulo O Arquivo Setup do IDAMS
76. Descri o Geral 286 ain ye tates tts 3 at foods Se ee Akasa E oe ae da Caracter sticas Padr o do IDAMS 0 a Resultados sus 0h pas me E SEDE Ps E DAS RW AR ee LEOA ia MA ee Matrizes deSad annsa de Be wae Aad ates eye E Ree ie Gd Dataset de Entrada ss 4 e606 oe ee ae ee ee ee ee E A Estrutura de Setup coor ke A RE EA ee Cl a JA la ee BE Declara es de Controle de Programa 00004 R stricoes s 3 4 i ie ta eet tb ORS Dh AE eal gs SE Ed oe ae Exemplos cts 200 028 A ee eee amp bs BP a ce A a EE 34 Ordenamento de Alternativas RANK 34 1 34 2 34 3 34 4 34 5 34 6 34 7 34 8 Descri o Geral G 4 te ele A hat amp oy de PE al ah dedi te kek ete a Caracter sticas Padr o do IDAMS 02 220200000 Resultados se ob sei ale een MARR ME Ee Se DD E ES Dataset de Entrada 2 2 A Estruttra de Setups asse ae be ee PP ae eb ee ee Declara es de Controle de Programa 2 0 00004 Restri es ur ed a matei ae Be EO RAD le Ag o Sa A Exemplos 2 ss ges oaks eee ere Boke Dae Dobe eee Me ata at vie 35 Diagramas de Dispersao SCAT 35 1 35 2 35 3 35 4 35 5 35 6 35 7 35 8 Descri o Geral 2 gasto ei ee ee A a ee ae A Caracter sticas Padr o de IDAMS 0 2 2 0002 000 Resultados ois 2 4 hant Aaa epee eee peel oD eb eee RR e dg o Dataset de Entradas semi gee PP qe te Gi DE Pe OO a ee Estrutura de Setup es Te ogc as dee kB ak Goh Ra Ea vas ee an ed A
77. Essa nova janela com zoon possui a maioria das propriedades de uma matriz de diagramas de dispers o com uma c lula por exemplo voc pode usar o pincel para identificar um novo conjunto de casos e ent o aplicar o zoon novamente Se a matriz parente de diagramas de dispers o est em modo pincel modifica o do pincel refletida imediatamentena em janela com o zoon caso contr rio a janela com zoon refletiria modifica es introduzidas na c lula selecionada da matriz parente O comando de menu Ver Escalas permite a voc exibir escalas de valores de vari veis para a janela de zoon ativa Jittering A fun o til quando h vari veis discretas ou qualitativas nos dados analisados Nesse caso matrizes usuais de diagramas de dispers o podem n o ser muito informativas pois uma parte de todas as proje es 2D e 3D apresentam grids e portanto imposs vel determinar visualmente quantos casos coincidem no mesmo grid e a quais grupos eles pertecem O jittering uma transforma o dos dados Valores de dados x s o modificados ao adicionar se um ru do a U onde U uma vari vel aleat ria distribu da uniformemente no intervalo 0 5 0 5 e a um fator para controlar o n vel de jittering Para colocar o n vel desejado de jittering use os bot es da barra de ferramentas Diminuir o n vel de jittering Aumentar o n vel de jittering e Cancelar jittering Note que jittering pode ser executado somente na janela
78. IDAMS Para DATA RAWC vari veis com dados perdidos n o inclu das no ordenamento Para DATA RANKS valores de dados perdidos s o recodificados no rank mais baixo VARS lista de vari veis Uma lista de vari veis V ou R a ser usada no procedimento de ordenamento N o h default WEIGHT n mero de vari vel O n mero da vari vel de pondera o caso os dados sejam ponderados METHOD CLASSICAL NOCLASSICAL NONDOMINATED RANKS Especifica o m todo a ser utilizado na an lise CLAS M todo de l gica cl ssica ELECTRE NOND M todo 1 difuso chamado camadas n o dominadas RANK M todo 2 difuso chamado ranges DATA RAWC RANKS Tipo de dados RAWC As vari veis correspondem a ranks a primeira vari vel na lista possui o primeiro rango a segunda o segundo rango etc enquanto seus valores s o o n mero de c digo da alternativa selecionada RANK Vari veis representam alternativas seus valores sendo ranks das alternativas corre spondentes 266 Ordenamento de Alternativas RANK PREF STRICT WEAK Determina o tipo de rela o de prefer ncia a ser usada na an lise STRI Uma rela o de prefer ncias estrita utilizada WEAK Uma rela o de prefer ncias fraca utilizada NALT 5 n DATA RAWC somente O n mero total de alternativas a serem ordenadas Nota Se DATA RANKS o n mero de alternativas automaticamente ajustado para o n mero de vari veis de an lise NORMALIZE NO YES METHOD RANKS somen
79. IN DUPB MATCH B A1 B3 B1 B46 A2 Note que ao se fazer indica o de arquivos com FILES eles n o precisam ser repetidos se eles forem reutilizados em passos subseqtientes Capitulo 19 Classifica o e Fus o de Arquivos SORMER 19 1 Descri o Geral SORMER permite que o usu rio execute de maneira mais conveniente uma Classifica o Fus o ao permitir a especifica o da informa o de campo de controle da classifica o ou fus o no formato de par metro do IDAMS usual Se o arquivo de dados descrito por um dicion rio do IDAMS ent o uma c pia do dicion rio correspondendo aos dados classificados pode ser produzida e os campos de classifica o podem ser especificados ao fornecer as vari veis apropriadas caso contr rio elas s o especificadas pela sua localiza o Ordem de classifica o O usu rio pode especificar que os dados devem ser classificados fundidos em ordem ascendente ou descendente 19 2 Caracter sticas Padr o do IDAMS SORMER um programa de utilidade e n o cont m qualquer das caracter sticas padr o do IDAMS 19 3 Resultados Dicion rio de entrada Opcional ver o par metro PRINT Registros de descri o de vari veis e registros C se houver para vari veis chave de classifica o Resultados de classifica o fus o N mero de registros classificados fundidos 19 4 Dicion rio de Sa da Uma c pia do dicion rio de entrada correspondendo ao arquivo Dados de sa da
80. INCLUDE V1 10 20 30 B INCLUDE V1 10 20 30 2 T tulo mandat rio Uma linha contendo at 80 caracteres para nomear os resultados Exemplo MERGE OF TEACHER DATA AND STUDENT DATA 3 Par metros mandat rio Para selecionar op es de programa Exemplo MATCH INTE PRINT A B INAFILE INA xxxx Um sufixo ddname de 1 4 caracteres para os arquivos Dicion rio e Dados de entrada de A Default ddnames DICTINA DATAINA INBFILE INB xxxx Um sufixo ddname de 1 4 caracteres para os arquivos Dicion rio e Dados de entrada de B Default ddnames DICTINB DATAINB MAXCASES n O n mero m ximo de casos depois da filtragem a ser usado do arquivo de entrada de A Default Todos os casos ser o utilizados MATCH INTERSECTION UNION A B INTE Processa apenas casos aparecendo em ambos os datasets A e B UNIO Processa casos aparecendo em apenas um ou em ambos os datasets A e B preenchendo com dados perdidos quando necess rio A Processa casos aparecendo apenas no dataset A preenchendo as de B com dados perdidos quando necess rio B Processa casos aparecendo apenas no dataset B preenchendo as de A com dados perdidos quando necess rio N o h default DUPBFILE Um caso no dataset A pode ser emparelhado com um ou mais casos i e duplicatas do dataset B Para cada emparelhamento um registro de sa da ser criado dependendo do par metro MATCH Nota O dataset com as duplicadas esperadas deve ser definido como o dataset B Default
81. MDHANDLING SAMPVAR GROUPVAR ANALVARS Escolha de tratamento de dados perdidos SAMP Casos com dados perdidos na vari vel da amostra s o exclu dos da an lise GROU Casos de amostras b sica e de teste com dados perdidos na vari vel de grupo s o exclu dos da an lise ANAL Casos com dados perdidos nas vari veis de an lise s o exclu das da an lise Default Casos com dados perdidos s o inclu dos WEIGHT n mero de vari vel O n mero da vari vel de pondera o se o dado deve ser ponderado IDVAR n mero de vari vel Vari vel de identifica o de caso para os dados e ou listagem de designa o de casos Default DISC usado como identificador para todos os casos STEPMAX n N mero maximo de passos a serem executados Ele deve ser menor ou igual ao n mero de vari veis de an lise Default N mero de vari veis de an lise 24 7 Declara es de Controle de Programa 189 MEMORY 20000 n Mem ria necess ria para execu o do programa WRITE DATA Cria um dataset do IDAMS contendo vari veis transferidas vari veis de designa o de casos tipo de amostra e valores dos fatores discriminantes se houver OUTFILE OUT yyyy Um sufixo ddname de 1 4 caracteres para os arquivos Dicion rio e Dados de sa da Default ddnames DICTOUT DATAOUT TRANSVARS lista de vari veis Vari veis at 99 a serem transferidas para o dataset de sa da PRINT CDICT DICT OUTCDICT OUTDICT DATA GROUP CDIC Imprime o dicio
82. Matriz de Soma de Quadrados Residuais e Produtos Cruza dos Essa matriz as vezes chamada matriz dos quadrados e produtos cruzados dos escores dos desvios calculada para todas as vari veis usadas na an lise como segue x Wk win x Wk 29 r S S C P ij Wk Tik Tjk N 47 4 Matriz de Correla o Total Os elementos dessa matriz s o calculados diretamente da matriz de soma de quadrados residuais e produtos cruzados Note que se essa f rmula for escrita em detalhe e se numerador e denominador forem ambos multiplicados por N tem se uma f rmula convencional para o r de Pearson r S S C P ij y T S 5 C P ii 4 T 8 S C D 55 Tij 47 5 Matriz de Correla o Parcial O ij esimo elemento dessa matriz o coeficiente de correla o parcial entre a vari vel 1 e a vari vel j mantendo constantes as vari veis especificadas Correla es parciais descrevem o grau de correla o que existiria entre duas vari veis dado que a varia o em outras vari veis est controlada Elas tamb m descrevem a correla o entre vari veis independentes explanat ria que seriam selecionadas em uma regress o stepwise a Correla o entre x e x mantendo constante x coeficientes de correla o parcial de primeira ordem Tij Tur E o A Vl r LG onde fij Ti rj S o coeficientes de ordem zero coeficientes r de Pearson b Correla o entre x e x mantendo constante x e m coeficientes de correla o parcial de
83. PRINT regressn 1lst C Matrices DICTIN dicion rio de entrada LQ Results DATAIN dados de entrada SSETUP INCLUDE jf eds declara o de filtro ope titulo mandat rio BADDATA MD1 MDHANDLING 50 CATE v b regr set Pplica o A janela fornece dois espa os o de cima para preparar o arquivo Setup espa o Setup e o de baixo para exibir mensagens de erro quando as declara es de filtro e Recode s o checadas espa o Mensagens Somente o espa o Setup pode ser editado Note que os comandos do IDAMS s o exibidos em negrito e os nomes dos programs em r seo semeles forem escritos corretamente Texto colocado em um comando comment exibido em verde Para preparar um novo setup de programa voc pode digitar todas as declara es ou voc pode utilizar o prot tipo de setup para o programa requerido e modific lo como necess rio Prot tipos de setups s o fornecidos para todos os programas Eles podem ser acessados ao selecionar se o nome do programa na lista sob o bot o Prototypes da barra de ferramentas Para copiar o prot tipo para o espa o do Setup clique no nome de programa requisitado Para detalhes em como preparar setups ver o cap tulo O Arquivo Setup do IDAMS e o write up de programa relevante Opera es de edi o podem ser executadas como qualquer editor de arquivos ASCII i e voc pode Cortar Copiar e Colar qualquer sele o utilizando os comandos Editar bot
84. Quantitative Forecasting Methods PWS KENT Publishing Company Boston 1989 Kendall M G Stuart A The Advanced Theory of Statistics Volume 3 Design and Analysis and time series Second edition Griffin London 1968 Marple Jr S L Digital Spectral Analysis with Applications Prentice Hall Inc 1987 Parte VI Formulas Estatisticas e Refer ncias Bibliograficas Capitulo 42 An lise de Agrupamento Nota o x valores das vari veis h i j subscritos dos objetos f g subscritos das vari veis p n mero de vari veis c subscrito para o cluster k n mero de clusters N n mero de objetos no cluster j N n mero total de casos 42 1 Estat sticas Univariadas Se a antrada for um dataset do IDAMS as seguintes estat sticas s o calculadas para todas as vari veis utilizadas na an lise a M dia Do tis i N Tf b Desvio m dio absoluto Seg Tpl a KA E 42 2 Medidas Padronizadas Na mesma situa o o programa pode computar medidas padronizadas tamb m chamadas z scores dadas por Lig Tf Sf para cada caso e cada vari vel f usando o valor m dio e o desvio m dio absoluto da vari vel f ver se o 1 acima 338 An lise de Agrupamento 42 3 Matriz de Dissimilaridade Computada de um Dataset do IDAMS Os elementos d de uma matriz de dissimilaridade medem o grau de dissimilaridade entre casos i e j Os di s o calculados diretamente dos dados originais
85. R quadrado ajustado 5 Usa a diferen a eta quadrado ajustado R quadrado ajustado a fra o da vari ncia explicada que perdida por causa da hip tese de aditividade como um guia para determinar se o uso de uma vari vel de combina o no lugar dos preditores originais justificado O teste para intera o deve ser baseado na mesma amostra da execu o normal de MCA Se intera es s o detectadas ent o a vari vel de combina o deve ser usada como vari vel preditora no lugar das vari veis individuais que interagem 29 2 Caracter sticas Padr o do IDAMS Sele o de casos e vari veis Casos podem ser exclu dos de todas as an lises na execu o do MCA pelo uso de uma declara o de filtro padr o Em an lise de classifica o m ltipla casos podem ser exclu dos tamb m por excederem o c digo m ximo do preditor Nota Se uma vari vel preditora de qualquer an lise possui um c digo fora do intervalo 0 31 o caso contendo o valor eliminado de todas as an lises Para qualquer an lise particular casos adicionais podem ser exclu dos devido s seguintes condi es e Um caso referido como outlier possui um valor de vari vel dependente que maior que um n mero especificado de desvios padroes da m dia da vari vel dependente Ver par metros de an lise OUTDIS TANCE e OUTLIERS e Um caso tem um valor de vari vel dependente que maior do que um m ximo especificado Ver o par metro de an lise DEPV
86. R9 VAR V5 V10 4 9 Fun es L gicas 45 4 9 Fun es L gicas Fun es l gicas retornam um valor de verdadeiro ou falso quando avaliados Elas n o podem ser usadas como operandos aritm ticos Fun es l gicas s o utilizadas em express es l gicas e express es l gicas comp em a por o de testes de declara es condicionais IF teste THEN As fun es dispon veis s o Fun o Exemplo Finalidade EOF IF EOF THEN GO TO NEXT Checa o fim do arquivo de dados INLIST IF V5 INLIST 2 4 6 THEN Faz busca em uma lista de valores R100 1 ELSE R100 0 MDATA IF MDATA V5 V6 THEN R101 99 Checa a exist ncia de valores perdidos EOF A fun o EOF usada para agrega o de valores ao longo dos casos Ver exemplo 10 na se o Exemplos do Uso de Recode A presen a da fun o EOF faz com que as declara es de Recode sejam executadas uma vez mais depois do fin do arquivo ser encontrado O valor da fun o EOF verdadeiro durante essa passagem depois do fim do arquivo da declara o de Recode e falso em qualquer outro tempo Para a passagem final pelas declara es de Recode vari veis V ter o os valores que tinham depois que o ltimo caso foi completamente processado Vari veis R exceto aquelas listadas em declara es CARRY ser o reinicializadas com o valor de 1 5 x 10 Vari veis R listadas no CARRY n o ser o modificadas O usu rio deve ser cuidadoso em arrumar um atalho correto a ser peco
87. Referencias Suns e to sr pai E cb A a Se Yeh O is O TR a ek amp kek E 433 Ap ndice Mensagens de Erro dos Programas do IDAMS 435 ndice 437 Capitulo 1 Introdu o IDAMS um pacote de programas para a valida o manipula o e an lise estat stica de dados Ele est organizado como uma cole o de facilidades para gerenciamento e an lise de dados acess veis atrav s de uma interface de usu rio e de uma linguagem de controle comum Exemplos dos tipos de dados que podem ser processados com IDAMS s o as respostas de entrevistados a quest es em um survey informa o sobre livros em uma biblioteca caracter sticas pessoais e performace dos estudantes em um col gio medidas advindas de um experimento cient fico As caracter sticas comuns a todos esses dados s o que eles constituem valores de vari veis para cada cole o de objetos casos e g em uma pesquisa de survey as quest es correspondem s vari veis e os respondentes aos casos Existem muitos pacotes e programas diferentes para aux lio na an lise estat stica de tais dados Uma caracter stica especial do IDAMS que ele proporciona facilidades para valida o extensiva de dados e g checagem de c digo e checagem de consist ncia antes de embarcar na an lise No que diz respeito an lise IDAMS executa t cnicas cl ssicas como constru o de tabelas an lise de regress o an lise de vari ncia an lise de conglomerados e discriminante como tam
88. Te E ut Tau c Tauc tamb m conhecido com tau de Kendall Stuart como o tau b exceto que se o n mero de linhas n o for igual ao n mero de colunas tau b n o pode assumir os valores 1 0 enquanto tau c assume esses valores E s 1 2N2 L 1 1 Te onde L min r c Gama O y de Goodman Kruskal outra medida de associa o largamente utilizada que proxima mente relacionada ao tau de Kendall Pode variar de 1 0 a 1 0 e pode ser computado mesmo que empates ocorram nos dados S T SFS onde S S_ S o n mero total de pares na mesma ordem S_ o n mero total de pares em ordem diferente Ro de Spearman Esse o coeficiente de correla o produto momento ordin rio de Pearson cal culado nos ranks Varia de 1 0 a 1 0 O ro de Spearman computado por TABLES incorpora a corre o para empates O fator de corre o T para um grupo nico de casos de empate t t T 12 onde t igual ao n mero de casos empatados em um dado rank i e o n mero de casos em uma dada linha ou coluna O ro de Spearman calculado da seguinte maneira e ae ay eae i of 2 y 57 2 Estatisticas Bivariadas 423 p q onde Ne N a 12 D N3 N yy IF En Se X Xr Yr k Ts a soma dos T s para todas as linhas com mais de 1 caso J Ty asoma dos T s para todas as colunas com mais de 1 caso X orank do caso k na variavel de linha Y o rank do caso k na va
89. Uso de vari veis de pondera o n o aplic vel Tratamento de dados perdidos Se dados brutos s o usados como entrada o par metro MDVALUES est dispon vel para indicar quais valores de dados perdidos se houverem devem ser usados para checar a exist ncia de dados perdidos Os casos onde dados perdidos ocorrerem em todas as vari veis ser o deletados automaticamente Caso contr rio dados perdidos s o suprimidos aos pares Se os dados est o padroniza dos a m dia e o desvio absoluto m dio s o calculados usando apenas valores v lidos Ao calcular se as dist ncias apenas aquelas vari veis s o consideradas na soma onde valores v lidos estejam presentes em ambos os objetos Se uma matriz usada como entrada o par metro MDMATRIX est dispon vel para indicar que valor deve ser usado para checar a exist ncia de elementos de matriz inv lidos 22 3 Resultados Dicion rio de entrada Opcional ver o par metro PRINT Vari vel descritora de registros e registros C se houver apenas para vari veis usadas na execu o Dados de entrada depois de padroniza o Opcional ver o par metro PRINT Valores padronizados para cada vari veis R ou V usadas na an lise precedido pela m dia e o desvio absoluto m dio para aquelas vari veis Matriz de dissimilaridade Opcional ver o par metro PRINT A por o triangular inferior esquerda 174 An lise de Agrupamento CLUSFIND da matriz como entrada ou c
90. V8 THEN R101 V9 ELSE R101 V8 END CONTINUE MDCODES R101 1 ou R101 SUM V8 V9 MIN 1 IF R101 EQ 1 5 10 EXP 9 THEN R101 1 MDCODES R101 1 2 N o utilize o caso se a renda total zero ou est faltando IF MDATA R101 OR R101 EQ O THEN REJECT 3 Uma composi o da renda tomando 3 4 da pr pria renda mais 1 4 da renda do c njuge Se a renda do c njuge est faltando assuma que zero IF MDATA V10 THEN V10 0 IF MDATA R101 THEN R102 MD1 R102 ELSE R102 R101 75 V10 25 NAME R102 Composite income MDCODES R102 99999 4 Peso do respondente agrupado entre leve 30 50 m dio 51 70 e pesado 70 R103 BRAC V21 30 50 1 50 70 2 70 200 3 ELSE 9 Note que V21 armazenada com uma casa decimal Para se ter certeza que valores como 50 2 sejam designado para uma categoria intervalos na declara o BRAC devem se sobrepor Recode funciona da esquerda para a direita e designa o c digo para o primeiro intervalo dentro do qual o caso se localiza Portanto um valor de 50 0 cair na categoria 1 mas um valor de 50 1 cair na categoria 2 Para colocar valores de 50 na segunda categoria use 4 15 Exemplos do Uso de Declara es de Recode 53 R103 BRAC V21 lt 50 1 lt 70 2 lt 200 3 ELSE 9 Um valor de 49 seria classificado em todos os tr s intervalos mas Recode usar o primeiro intervalo v lido que encontrar c digo 1 Um valor de 50 n o satisfar o primeiro intervalo e ser designdo para o int
91. a cada vari vel e se define a bis is X 2 Qis s 43 9 Configura o Classificada 347 b Tendo constru do B bis procura se pelos melhores eixos de proje o para as vari veis depois da equaliza o de suas in rcias A maximiza o da fun o V feita atrav s de rota es sucessivas de duas dimens es por vez at a converg ncia ser atingida nY bis So bis V a SR A matriz resultante B de elementos bis possui o mesmo n mero de linhas e colunas que a matriz inicial A 43 9 Configura o Classificada Essa a configura o final impressa em um formato diferente Cada dimens o impressa como uma linha com os elementos para as dimens es em ordem crescente 43 10 Refer ncias Greenstadt J The determination of the characteristic roots of a matrix by the Jacobi method Mathematical Methods for Digital Computers eds A Ralston and H S Wilf Wiley New York 1960 Herman H H Modern Factor Analysis University of Chicago Press Chicago 1967 Kaiser H F Computer program for varimax rotation in factor analysis Educational and Psychological Measurement 3 1959 Capitulo 44 An lise Discriminante Nota o x valores das vari veis k subscrito para caso i j subscritos para vari veis g superescrito para grupo q subscrito para passo p n mero de vari veis w valor do peso x vetor de p elementos correspondendo ao caso k no grupo g yi vetor valor
92. alternativas RANK Determina um ordenamento razo vel de alternativas usando dados de prefer ncia e tr s procedimentos de ranking diferentes um baseado em l gica cl ssica e os outros dois baseados em l gica difusa Dados de prefer ncia podem tanto representar uma sele o de alternativas ou ranking Dois tipos de rela es de prefer ncias individuais podem ser especificadas fraca e estrita Com o ranking difuso os dados determinam completamente os resultados obtidos enquanto que com ranking 4 Introdu o cl ssico o usu rio tem a possibilidade de controlar os c lculos Diagramas de dispers o SCAT Diagramas de dispers o estat sticas univariadas m dia desvio padr o e N e estat sticas bivariadas r de Pearson e estat sticas de regress o coeficiente B e constante A Busca de estrutura SEARCH Um procedimento de segmenta o bin ria para desenvolver modelos preditivos A quest o que parti o dicot mica e em qual vari vel de previs o dar a maior melhoria na habilidade de prever os valores da vari vel dependente embutida em um esquema iterativo a base do algoritmo usado Tabelas univariadas e bivariadas TABLES As op es incluem 1 frequ ncia univariada acumulada e simples e distribui o percentual 2 estatist cas univariadas m dia mediana moda vari ncia desvio padr o assimetria curtose m nimo e m ximo 3 tabelas de frequ ncia bivariada com percentuais totais por linha
93. aritm ticas e medidas relacionadas intervalos e contagens de valores v lidos de dados ao longo de grupos de casos Uso t pico de AGGREG envolve o uso anterior do programa SORMER para ordenar o arquivo Dados em grupos desejados H um n mero de circust ncias nas quais necess rio combinar os registros de dois arquivos diferentes por exemplo dados coletados em diferentes pontos no tempo A medida que os valores das vari veis para cada nova onda s o recebidos o objetivo adicion los ao registro contendo todos os dados anteriores para o mesmo respondente ou caso O programa MERGE alcan ar isso incluindo se espa os em branco apropiados onde os respondentes n o forem encontrados nessa nova onda de coleta de dados Exemplos similares ocorrem quando res duos ou outra forma de scores de escala s o gerados para cada caso por um programa de an lise e precisam ser inclu do nos dados originais Um processo de combina o ligeiramente diferente ocorre quando dados de diferentes n veis de an lise devem ser combinados Uma ilustra o disso a adi o de dados de domic lio aos registros de respondentes indi viduais Quando um dataset ordenado de maneira que os respondentes do mesmo domic lio est o juntos MERGE propiciar a necess ria fus o dos registros duplicados Um situa o similar ocorre quando resumos de grupos de AGGREG devem ser adicionados aos registros de cada caso em cada grupo respectivo Outro processo de co
94. assume valores entre 0 e 1 Zero 0 indica igualdade perfeita todos os valores de dados s o iguais One 1 indica desigualdade perfeita h um valor de dados n o zero O programa usa uma aproxima o 1 2 s l Coeficiente de Gini 1 li o 2 f Pos esmo onde 01 ponto de quebra da fun o Lorenz Essa aproxima o se torna mais exata medida que o n mero de pontos de quebra aumentado recomen dado que pelo menos dez sejam utilizados 45 6 Estat stica D de Kolmogorov Smirnov O teste de Kolmogorov Smirnov tem a ver com a concord ncia de duas distribui es cumulativas Se duas distribui es cumulativas amostrais est o muito longe em qualquer ponto isso sugere que as amostras v m de popula es diferentes O teste focado na maior diferen a entre duas distribui es Sejam V e V2 vetores de dados ordenados para a primeira e segunda vari vel respectivamente e o vetor de c digos que aparece em ambas as distribui es O programa cria as duas fun es escada cumulativas Fila e Fo x respectivamente Ent o ele procura pela diferen a absoluta m xima entre as distribui es D max Fi x Fo a e imprime x o valor onde a primeira diferen a absoluta m xima ocorre fi o valor de F associado com x fe o valor de F associado com x Se os N s para V e V2 s o iguais e menores do que 40 o programa imprime a estat stica K igual diferen a em f
95. b Soma de quadrados entre m dias Isso s vezes chamado de a soma de quadrados entre grupos ou inter grupos Dum Z Evera aaah ae c Soma de quadrados dentro dos grupos Isso as vezes chamado de a soma de quadrados intra grupos BSS 5 4 W WSS TSS BSS d Eta quadrado Essa medida pode ser interpretada como o percentual da vari ncia na vari vel depen dente que pode ser explicado pela vari vel de controle Ele assume valores de 0 a 1 BSS TS e Eta Essa uma medida da intensidade da associa o entre a vari vel dependente e a vari vel de controle Ela varia de 0 a 1 JE NY TSS f Eta quadrado ajustado Eta quadrado ajustado pelos graus de liberdade Ajustado 7 1 A 1 7 com fator de ajustamento W 1 Ao 51 2 Estat sticas de An lise de Vari ncia 391 g Eta ajustado Ajustado 7 y Ajustado n h F ratio O F ratio diz respeito distribui o F com c 1 e N c graus de liberdade Um F significante significa que as diferen as de m dia ou efeitos provavelmente existe entre os grupos BSS e 1 WSS N o O F ratio n o computado se uma vari vel de peso foi especificada Capitulo 52 Scoring Baseado em Ordenacao Parcial de Casos 52 1 Terminologia Especial e Defini es Denote um conjunto de elementos por V a b c e uma rela o bin ria definida nesse conjunto por R a Rela o bin ria Uma rel
96. brancas no final ser o removidas de todas as p ginas e quebras de p gina inseridas por programas ser o substitu das por linhas de texto Page break Para abrir fechar rapidamente a rvore TOC tr s bot es no pad num rico est o dispon veis E abre todos os n veis da rvore sob o n selecionado fecha todos os n veis da rvore sob o n selecionado abre um n vel sob o n selecionado Para visualizar uma parte particular dos resultados d um clique duplo no seu nome na TOC Para localizar uma mensagem de erro ou advert ncia d um clique duplo no seu texto Modifica o dos resultados n o permitida Contudo partes selecionadas evidenciadas ou marcadas em tick boxes na rvore TOC ou todos os resultados podem ser copiados para o Clipboard comando Editar Copiar bot es Ctrl C ou Copiar na barra de ferramentas e passados para qualquer documento usando t cnicas padr es do Windows Impress o do conte do completo ou p ginas selecionadas dos resultados pode ser conseguida atrav s do comando do menu Arquivo Imprimir ou utilizando o bot o Imprimir da barra de ferramentas Note que a impress o feita na orienta o Paisagem e que essa orienta o n o pode ser modificada O conte do do arquivo Resultados como exibido pode ser salvo em formato RTF ou texto usando o comando de menu Arquivo Salvar como Linhas em branco no final s o sempre removidas Quebras de p ginas s o manuseadas de acordo com a op
97. cada objeto i pertencendo a C max dij lt mind gee I S pge Cluster C um L cluster se max dij lt min dip i j C 1EC hgC Di metro de um cluster O di metro do cluster C definido como a maior dissimilaridade entre objetos pertencentes a C Di metroc max dij i jEC Separa o de um cluster A separa o do cluster C dfinida como a menor dissimilaridade entre dois objetos um dos quais pertence ao cluster C e o outro n o Separa o min din para aoe a nee Dist ncia m dia a um medoide Se j o medoide do cluster C a dist ncia m dia de todos os objetos de C em rela o a j calculada da seguinte maneira gt dis 1 C Dist ncia m dia J Dist ncia m xima a um medoide Se o objeto 7 o medoide do cluster C a distancia m xima de todos os objetos de C em rela o a j calculada da seguinte maneira Dist ncia m xima max dij icc Silhuetas de cluster Cada cluster representado por uma silhueta Rousseeuw 1987 mostrando que objetos se posicionam bem dentro do cluster e quais meramente ficam em uma posi o intermedi ria Para cada objeto a seguinte informa o fornecida o n mero de clusters ao qual ele pertence CLU o n mero do cluster vizinho NEIG o valor s denotado por S I no resultados o identificador de tr s caracteres do objeto i uma linha cujo comprimento proporcional a s 340 An lise de Agrupamento Para cada obje
98. caracteres para os arquivos Dicion rio e Dados de entrada Default ddnames DICTIN DATAIN BADDATA STOP SKIP MD1 MD2 Tratamento de valores de dados n o num ricos Ver o cap tulo O Arquivo Setup do IDAMS MAXCASES n O n mero m ximo de casos depois da filtragem a serem usados do arquivo de entrada Default Todos os casos ser o usados AQNTVARS lista de vari veis Uma lista de vari veis especificando vari veis ativas quantitativas PQNTVARS lista de vari veis Uma lista de vari veis especificando vari veis passivas quantitativas AQLTVARS lista de vari veis Uma lista de vari veis especificando vari veis ativas qualitativas PQLTVARS variable list Uma lista de vari veis especificando vari veis passivas qualitativas MDVALUES BOTH MD1 MD2 NONE Quais valores de dados perdidos devem ser utilizados para as vari veis acessadas nessa execu o Ver o cap tulo O Arquivo Setup do IDAMS MDHANDLING ALL QUALITATIVE QUANTITATIVE ALL Casos com valores de dados perdidos em vari veis quantitativas ser o evitados e c digos de dados perdidos em vari veis qualitativas ser o exclu dos da an lise QUAL Valores de dados perdidos em vari veis qualitativas ser o exclu dos da an lise QUAN Casos com valores de dados perdidos em vari veis quantitativas ser o evitados REDUCE Padroniza o das vari veis ativas tanto quantitativas quanto qualitativas WEIGHT n mero de vari vel O n mero da vari ve
99. com a ordem das vari veis na lista OUTVARS se VSTART especificada ou depois da classifica o em ordem de n mero de vari vel se VSTART n o especificada Tipo largura e n mero de decimais de vari vel Vari veis V Tipo largura de campo e n mero de casas decimais s o os mesmos dos seus valores de entrada Vari veis R O tipo para vari veis R sempre num rico largura e n mero de casas decimais s o sempre designados de acordo com os valores especificados pelo par metro WIDTH default 9 e DEC default 0 ou de acordo com os valores fornecidos pelas vari veis individuais nas especifica es do dicion rio N meros de refer ncia e ID de estudo O n mero de refer ncia e ID de estudo para uma vari vel V s o sempre os mesmos que seus valores de entrada Para vari veis R o n mero de refer ncia deixado em branco e a ID de estudo sempre REC Registros C Registros C n o podem ser criados por vari veis R Registros C se houver para todas as vari veis V s o copiados no dicion rio de sa da Note que se uma vari vel V recodificada durante a execu o de TRANS os registros C que s o produzidos n o se aplicam mais nova vers o da vari vel 21 5 Dataset de Entrada A entrada um arquivo de dados descrito por um dicion rio do IDAMS Vari veis num ricas ou alfab ticas podem ser usadas 21 6 Estrutura de Setup RUN TRANS FILES Especifica es de arquivo RECODE opcional Decla
100. compat vel com a vers o main frame Al m disso a Interface do Usu rio propiciou facilidades para a prepara o de dicion rio entrada de dados prepara o e execu o de arquivos de setup e impress o de resultados Lan amento 3 0 foi distribu do em 1992 juntamente com a vers o mainframe Contudo a Interface do Usu rio se tornou bem mais amig vel propiciando novos editores de dicion rio de dados um acesso direto aos prot tipos de setup para todos os programas bem como um m dulo para explora o de gr fica interativa de dados Os dois lan amentos intermedi rios 3 02 e 3 04 distribu dos em 1993 e 1994 respectivamente inclu ram principalmente melhorias t cnicas internas e debugging de um n mero de programas O lan amento 3 02 foi o ltimo totalmente compat vel com a vers o mainframe Micro IDAMS iniciou sua exist ncia independente em 1993 O software passou por um completo e sistem tico processo de teste especialmente na rea de manuseio de erros do usu rio e foi completamente removido de bugs Lan amento 4 ltimo lan amento para DOS distribu do em 1996 inclui uma interface amig vel melho rada possibilidade de adequa o do ambiente Manual do Usu rio on line linguagem de controle simplificada novas modalidades de apresenta o gr fica e capacidade de produzir vers es em l nguas nacionais Dois novos programas se originaram para dar aos usu rios an lise de agrupamentos e t cnicas de busca d
101. conjunto de vari veis independentes especificadas ser o realmente usadas para a regress o e em qual ordem elas ser o introduzidas come ando com as vari veis for adas e continuando com as outras vari veis e conjuntos de vari veis dummy uma a uma Depois de cada passo o algoritmo seleciona das vari veis preditoras remanescentes a vari vel ou conjunto de vari veis dummy que produz a maior redu o na vari ncia dos res duos n o explicada da vari vel dependente a menos que a sua contribui o ao F ratio total para a regress o permane a abaixo de um n vel especificado Similarmente o algoritmo avalia depois de cada passo se a contribui o de qualquer vari vel ou conjunto de vari veis dummy j inclusa cai abaixo de um n vel especificado em cujo caso ela eliminada da regress o Regress o stepwise descendente Como a regress o stepwise exceto que o algoritmo inicia com todas as vari veis independentes e ent o elimina vari veis ou conjuntos de vari veis de uma maneira stepwise cada passo o algoritmo seleciona das vari veis preditoras inclusas remanescentes a vari vel ou conjunto de vari veis dummy que produz a menor redu o na vari ncia explicada da vari vel dependente a n o ser que isso exceda um n vel especificado Similarmente o algoritmo avalia a cada passo se a contribui o de qualquer vari vel ou conjunto de vari veis dummy previamente eliminada da regress o aumentou acima de 206 Regressao
102. da matriz de diagramas de dispers o 322 Explora o Gr fica de Dados 40 3 3 Histogramas e Densidades Histogramas densidades normais e graficos de pontos e tr s estatisticas univariadas podem ser exibidas nas c lulas diagonais da matriz de diagramas de dispersao Para obter isso clique no bot o Histogramas da barra de ferramentas ou use o comando de menu Ferra mentas Histogramas Na caixa de di logo apresentada voc pode selecionar os gr ficos desejados a cor e o n mero de barras do histograma Com a op o Estat sticas as seguintes estat sticas s o fornecidas Assimetria Skew Curtose Kurt e Desvio padr o Std GraphID Explora o Gr fica Interativa de Dados MATRIX PLOT Arquivo Editar Ver Ferramentas Janela Ajuda x SE 8 w Aa25 25 9 31 ml l Ol te liel Slo 2 DL roroi Emincom RED ii D i eye a be Yr of bir 3 g Eu ES ed Ex OBJ Casel47 HOR 19 73 40 3 4 Linhas de Regress o Linhas suavizadas At 4 linhas de regress o diferentes podem se exibidas em cada diagrama de dispers o Regress o linear MLE estima o de m xima verossimilhan a regress o linear usual Regress o linear local M dia local Mediana local 40 3 Janela Principal de GraphID para An lise de um Dataset 323 j DT Oj x Arquivo Editar Yer Ferramentas Janela Ajuda l x Sa S majna 25 Slaf lol ae el 2 Yr of birth Skevr 0 649 Ko
103. dados perdidos s o sub stitu dos pelo menor rango 34 3 Resultados Dicion rio de entrada Opcional ver o par metro PRINT Vari veis descritoras de registros e registros C se houver somente para vari veis usadas na execu o Dados inv lidos Mensagens sobre dados incorretos rejeitados M todos baseados em l gica difusa METHOD NOND RANKS Matriz de rela o Uma matriz quadrada representando uma rela o difusa impressa pelas linhas Se as linhas possuem mais de dez elementos elas s o continuadas em linhas subsequentes Descri o das rela es Depois de imprimir o tipo de rela o tr s medidas s o dadas as quais caracter izam concisamente a rela o coer ncia absoluta ndices de domin ncia absoluta e de intensidade Resultados de an lise Os resultados s o apresentados em diferentes formas para cada m todo Para METHOD NOND os n cleos s o impressos sequencialmente do rank mais alto para o mais baixo e para cada um deles dada a seguinte informa o seu n mero seqtiencial com o n vel de certeza os c digos e labels de c digo das alternativas ou os n meros de vari veis e nomes at oito caracteres os valores da fun o de filia o das alternativas indicando com que intensidade elas est o conectadas ao n cleo valores de filia o das alternativas pertencendo aos n cleos anteriores s o substitu dos por asteriscos 34 4 Dataset de Entrada 263 lista de alternativas pert
104. de m dias composi es aritm ticas diferen as seqii nciais taxas de mudan a alisadas via m dias m veis e decompostas usando filtros de frequ ncias 1 4 Dados em IDAMS Dataset IDAMS o arquivo Dados O arquivo de dados de entrada no IDAMS pode ser qualquer arquivo de formato fixo com caracteres ASCII i e os valores para uma dada vari vel ocupam a mesma posi o campo no registro para cada caso As caracter sticas desse arquivo s o 1 50 registros por caso e cada caso pode conter at 4096 caracteres n mero de casos limitado pela capacidade do disco e representas o interna de n meros e vari veis podem ser num ricas at 9 caracteres ou alfab tico at 255 caracteres 1 5 Comandos do IDAMS e Arquivo Setup 5 Dataset IDAMS o arquivo Dicion rio O dicion rio usado para descrever dados e pode conter at 1000 vari veis identificadas por um nico n mero entre 1 e 9999 e para cada vari vel deve conter pelo menos o n mero da vari vel o seu tipo num rico ou alfanum rico a sua localiza o no registro do dado e para cada vari vel podem ser especificados o nome da vari vel dois c digos de valores perdidos o n mero de casas decimais e um n mero de refer ncia e para vari veis qualitativas c digos e etiquetas correspondentes podem ser inclu das O par de arquivos consistindo de um arquivo Dicion rio e um arquivo Dados descrito pelo primeiro conhecido como um da
105. de 10 casos em cada grupo o programa TABLES fornece aproxima es Z aproxima es normais de U calculadas da seguinte maneira Z U mna 2 mana na na 1 E Teste signed ranks de Wilcoxon O teste de Wilcoxon um teste estat stico para duas amostras relacionadas e utiliza informa o sobre ambas as dire es e a magnitude relativa das diferen as entre os pares de vari veis A soma dos ranks positivos T obtida da seguinte maneira e As diferen as com sinais dy k yr s o calculadas para todos os casos e As diferen as dy s o rankeadas sem se considerar seus sinais Os casos com dg s iguais a zero s o eliminados Ser designado a m dia dos ranks empatados para os dy s empatados e Em cada rank afixado o sinal ou do d que ele representa e N o n mero de d s n o zero e Tt a soma dos dy s positivos Se N gt 15 o programa computa a aproxima o de Z aproxima o normal de T da seguinte maneira Z T ur OT onde IN EL HT 4 N N 1 QQN 4 1 12 Ory aig 2 ria o e g o n mero de agrupamentos de diferentes ranks empatados nt o n mero de ranks empatados no agrupamento t Note que a aproxima o Z tamb m ajustada para ranks empatados O uso disso no entanto n o produz mudan a alguma na vari ncia quando h empates 426 Tabelas Univariadas e Bivariadas v Teste t Esse t ratio apropriado para testar a diferenca entr
106. de Entrada A matriz de entrada deve ser na forma de uma matriz retangular do IDAMS com ou sem registros de identifica o de vari veis ver o par metro MATRIX Ver o cap tulo Dados em IDAMS para uma descri o desse formato Matrizes de configura o obtidas do programa MDSCAL podem ser utilizadas como entrada diretamente em CONFIG 23 7 Estrutura de Setup 181 A matriz de entrada de n linhas e m colunas deve conter as coordenadas dos n pontos para m dimensoes Nao devem haver dados perdidos na matriz de entrada Mais de uma configura o pode estar em um arquivo sendo usado como entrada em CONFIG Aquela a ser analisada selecionada usando o par metro DSEQ 23 7 Estrutura de Setup RUN CONFIG FILES Especifica es de arquivo SETUP 1 T tulo 2 Par metros 3 Especifica es de transforma o condicional MATRIX condicional Matriz Arquivos FTO2 configura o de sa da e ou matriz de dist ncia FT09 configura o de entrada omitir se MATRIX usado PRINT resultados default IDAMS LST 23 8 Declara es de Controle de Programa Referir se ao cap tulo O Arquivo Setup do IDAMS para descri es mais aprofundadas das declara es de controle do programa itens 1 3 abaixo 1 T tulo mandat rio Uma linha contendo at 80 caracteres para nomear os resultados Exemplo CONFIG EXECUTED AFTER MDSCAL 2 Par metros mandat rio Para selecionar op es de programa Exempl
107. de Menu e Barra de Ferramentas 40 3 2 Manipula o da Matriz de Diagramas de Dispersao 40 3 3 Histogramas e Densidades 0 40 3 4 Linhas de Regress o Linhas suavizadas 40 3 5 Gr ficos de Box Whisker o oaoa e 40 3 6 Diagrama Agrupado 2 2 2 a 0000 eee 40 3 7 Diagramas de Dispers o em Tr s dimens es e suas Rota es Janela de GraphID para An lise de uma Matriz 40 4 1 Barra de Menu e Barra de Ferramentas 40 4 2 Manipula o da Matriz Exibida 02 CONTE DO CONTEUDO 41 An lise de S ries Temporais AVA Visao Geral Endate en a Lee amp we a PA DAS What Cp na a ee Ra Ar Prepara o da An lise mass 4 Rare e ee eis KR ADD E we eee OS a eo 41 3 Janela Principal de TimeSID 0 2 0 0 e 41 3 1 Barra de Menu e Barra de Ferramentas 0 000002 epee eee 41 3 2 A Janela de S ries Temporais 2 2 2 ee 41 4 Transforma o de S ries Temporais 2 41 5 An lise de S ries Temporais 2 ee VI F rmulas Estat sticas e Refer ncias Bibliogr ficas 42 An lise de Agrupamento 42 1 Estat sticas Univariadas cccccccclc a a N a e Sra 42 2 Medidas Padronizadas ccccccccl ee 42 3 Matriz de Dissimilaridade Computada de um Dataset do IDAMS 42 4 Matriz de Dissimilaridade Computada de uma Matriz de Similaridade 42 5 Matriz de Dissimilaridade Computada de uma Matr
108. de categorias n o vazias da vari vel sob considera o 1 para categorias de uma vari vel ativa qualitativa se dist ncia chi quadrado utilizada 58 8 Descri o de Tipologia Resultante No final da constru o da tipologia inicial e no final de cada passo de classifica o ascendente todas as vari veis i e ativas e passivas s o avaliadas pela quantidade de vari ncia explicada uma medida de pot ncia discriminante de cada vari vel quantitativa e cada categoria de vari veis qualitativas Isso seguido por uma descri o individual de todos os grupos da tipologia a Propor o de casos Percentual multiplicado por 1000 de casos pertencendo a cada grupo da tipologia b Vari ncia explicada tg se Ni Tiv By w 1 EV cy x 1000 2 X we tiv To k onde tg n mero de grupos na tipologia Tiv m dia da vari vel v no grupo Tv m dia geral da vari vel v c M dia geral Para vari veis QUANTITATIVAS valores m dios como descrito em 7 a acima Para CADA CATEGORIA DE vari veis QUALITATIVAS percentual de casos nessa categoria 432 Tipologia e Classifica o Ascendente d Estat sticas para cada grupo da tipologia Para vari veis QUANTITATIVAS primeira linha valores m dios descritos em 7 a acima segunda linha desvios padr es como descritos em 7 b acima Para CADA CATEGORIA DE vari veis QUALITATIVAS primeira linha percentual de coluna de casos segunda linha per
109. de dados perdidos Cada valor de vari vel agregada comparado com ambos os c digos de dados perdidos e se for constatado ser um valor de dados perdidos automaticamente exclu do de qualquer c lculo Um percentual fornecido pelo usu rio o ponto de corte ver o par metro CUTOFF determina o n mero de valores de dados perdidos permitido antes do valor de resumo ser produzido como um c digo de dados perdidos Portanto por exemplo suponha que a m dia de uma vari vel agregada dentro de um grupo foi calculada e o grupo continha 12 registros e 6 deles tinham valores de dados perdidos i e 50 Se o valor de CUTOFF era de 75 a m dia dos 6 valores de dados n o perdidos seria calculada e produzida para aquele grupo Se o valorde CUTOFF era de 25 ao contr rio a m dia n o seria calculada e o primeiro c digo de dados perdidos seria produzido 10 3 Resultados Resumo de dados perdidos Opcional ver o par metro PRINT Para cada vari vel em cada grupo o n mero da vari vel de entrada o n mero da vari vel de sa da o n mero de registros com dados substantivos i e dados n o perdidos e o percentual de registros com dados perdidos s o impressos Resumo do grupos Opcional ver o par metro PRINT O n mero de registros de entrada em cada grupo Dicion rio de entrada Opcional ver o par metro PRINT Registros de descri o de vari veis e registros C se houver somente para vari veis usadas na execu o Di
110. de resumo mostrando a distribui o de casos ao longo de unidades amostrais reas geogr ficas etc para checar em rela o aos totais esperados Esse um survey amostral 58 Gerenciamento e An lise de Dados particularmente til Por exemplo suponha que um survey de domic lios realizado Uma amostra obtida ao selecionar se primeiro unidades amostrais PSU at 5 reas dentro de cada PSU e entrevistando domic lios nessas reas A distribui o de domic lios por PSU e por rea nos dados pode ser produzido com a prepara o de um pequeno dicion rio contendo apenas as duas vari veis PSU e rea A tabela se pareceria com algo como isso v2 REA 01 02 03 04 05 01 3 6 2 Vi PSU 02 10 4 2 8 5 03 Essa tabela poderia ser comparada com o livro dos entrevistadores para checar se os dados de todos as entrevistas realizadas existem no arquivo Passos 2 3 e 4 s o necess rios apenas quando os casos s o compostos de mais de um registro Passo 2 Passo 3 Passo 4 Os registros de dados brutos originais s o classificados em ordem de identifica o de caso de registro usando o programa SORMER O arquivo de dados brutos classificados checado com MERCHECK para ver se ele possui o conjunto de registros correto para cada caso O arquivo de sa da cont m apenas casos bons i e aqueles com registros corretos Registros extras e registros duplicados s o descartados Casos com registros perdidos s o o
111. de valores para cada vari vel e g com duas vari veis 3 2 6 9 4 0 1 3 5 1 Os c digos na lista de c digos podem ser separados por uma barra inclinada indicando AND ou por uma barra vertical indicando OR apesar de que apenas uma ou outra pode ser utilizada numa dada lista de c digos Por exemplo a1 a2 a3 c a fun o retornar c se vari al e var2 a2 e var3 a3 a1 a2 a3 c a fun o retornar c se vari al ou var2 a2 ou var3 a3 e Regras s o examinadas da esquerda para a direita A primeira lista de c digos que bater com a lista de vari veis determina o valor a ser retornado e A lista de argumentos para a fun o RECODE n o vem entre par nteses e TAB ELSE e regras podem estar em qualquer ordem Exemplos R7 RECODE V1 V2 3 5 7 8 1 6 9 1 6 2 Ser designado para R7 um valor baseado nos valores de V1 e V2 Nesse exemplo R7 ser igual a 1 se V1 3 e V2 5 ou se Vi 7 e V2 8 RY ser igual a 2 se V1 6 9 e V2 1 6 Em qualquer outra situa o R7 permanecer o mesmo ver acima R7 RECODE V1 V2 TAB 1 ELSE MD1 R7 3 5 7 8 1 6 9 1 6 2 Ser designado um valor igual ao do exemplo precedente exceto que R7 ser igual ao valor MD1 quando as regras n o forem obedecidas O TAB 1 permitir que essas regras sejam utilizadas em outra chamada da fun o RECODE Restri o Quando a fun o RECODE usada ela deve ser o nico operando no lado direito do sinal de igual SELECT A fun
112. declara es de controle do programa necess rias para executar o programa Declara es de Controle de Programa Os par metros e ou formatos de cada declara o de Controle do Programa com um exemplo para cada tipo Restri es Um resumo das limita es do programa Exemplos Exemplos de conjuntos completos de declara es de controle para executar o pro grama Parte 5 d a descri o dos componentes interativos do WinIDAMS para a constru o de tabelas multidi mensionais para a explora o gr fica de dados e an lise de s ries temporais Parte 6 propicia os detalhes das t cnicas estat sticas f rmulas e refer ncias bibliogr ficas para todos os programas de an lise Finalmente erros sinalizados pelos programas do IDAMS aparecem resumidos no Ap ndice Parte I Nocoes Fundamentais Capitulo 2 Dados em IDAMS 2 1 O Dataset IDAMS 2 1 1 Descri o Geral O dataset consiste de dois arquivos separados um arquivo Dados e um arquivo Diction rio que descreve alguns ou todos os campos vari veis nos registros do arquivo de dados Todos os arquivos Diction rio Dados produzidos pelos programas do IDAMS s o datasets IDAMS 2 1 2 M todo de Armazenamento e Acesso Ambos os arquivos Diction rio e Dados s o lidos e escritos sequencialmente Portanto eles podem ser salvos em qualquer m dia N o existe um arquivo sistema especial interno de IDAMS como em alguns pacotes Os arquivos s o em caracteres te
113. descrito por um dicion rio do IDAMS Todas as vari veis usadas na an lise devem ser num ricas elas podem conter valores inteiros ou decimais A vari vel dependente pode ser cont nuo ou categ rica Vari veis preditoras podem ser ordinais ou categ ricas A vari vel de ID de caso pode ser alfab tica 36 6 Estrutura de Setup RUN SEARCH FILES Especifica es de arquivo RECODE opcional Declara es de Recode SETUP 1 Filtro opcional 2 T tulo 3 Par metros 4 Especifica es de preditor 5 Especifica es de parti o pr definida opcional DICT condicional Dicion rio DATA condicional Dados Arquivos DICTxxxx dicion rio de entrada omitir se DICT usado DATAxxxx dados de entrada omitir se DATA usado DICTyyyy dicion rio de res duos de sa da DATAyyyy dados de res duos de sa da PRINT resultados default IDAMS LST 36 7 Declara es de Controle de Programa Reportar se ao cap tulo O Arquivo Setup do IDAMS para descri es mais aprofundadas das declara es de controle de programa itens 1 5 abaixo 1 Filtro opcional Seleciona um subconjunto de casos a ser usado na execu o Exemplo INCLUDE V3 5 278 2 3 Busca de Estrutura SEARCH T tulo mandat rio Uma linha contendo at 80 caracteres para nomear os resultados Exemplo SEARCHING FOR STRUCTURE Par metros mandat rio Para selecionar op es de programa Exemplo DEPV V5 IN
114. do IDAMS sendo executados 4 5 Operandos B sicos Vari veis Vari veis em Recode se referem ou a vari veis de entrada Vari veis V ou a vari veis de resultado Vari veis R Elas s o definidas a seguir Vari veis de entrada Vn Um V seguido por um n mero Essas s o vari veis definidas pelo dicion rio de entrada Seus valores podem ser modificados por Recode e g V10 V10 V11 Vari veis devem ser normalmente num ricas mas vari veis alfab ticas com n o mais que 4 car acteres podem tamb m ser utilizadas em particular elas podem ser recodificadas com valores num ricos Vari veis de resultado Rn Um R seguido de um n mero 1 to 9999 S o vari veis criadas pelo usu rio Vari veis R exceto aquelas listadas por declara es CARRY ver abaixo s o inicializadas com o valor de dados perdidos default de 1 5 x 10 antes do processamento de qualquer caso Para utilizar vari veis R em um programa especifique um R ao inv s de um V na lista de vari veis anexada ao par metro de palavra chave e g WEIGHT R50 ou VARS R10 R20 Ao ser impresso pelo programa um valor de vari vel de resultado s vezes identificado por um sinal negativo Portanto vari vel 10 R10 e vari vel 10 R10 menos confuso utilizar n meros para as vari veis de resultado que sejam diferentes das vari veis de entrada Vari veis R s o sempre num ricas Constantes num ricas Constantes podem ser
115. do dicion rio ser realmente aberto 9 5 Criando Renovando Exibindo Arquivos Dados A janela Dados usada para criar renovar ou exibir um arquivo Dados do IDAMS Note que o arquivo Dados correspondente j deve ter sido constru do e que apenas arquivos Dados com um registro por caso pode ser criado renovado ou exibido usando a janela Dados Essa janela chamada quando e voc cria um arquivo Dados o comando de menu Arquivo Novo IDAMS Data file ou o bot o Novo da barra de ferramentas e voc abre um arquivo Dados com extens o dat exibido na janela Aplica o d um clique duplo no nome do arquivo requerido na lista Datasets e voc abre um arquivo Dados com qualquer extens o que n o est na janela Aplica o o comando de menu Arquivo Abrir Dados ou o bot o Abrir da barra de ferramentas ZE WintpaMs demog dat j PI Arquivo Editar Yer Op es Gerenciamento Executar Interativo Gr ficos Janela Ajuda lel x Desde ses e Bee PP Pl e a ae Identifica o 2 4 2 Linha NUM demog dic demog dat Pronto Linha NUM A janela dividida em tr s partes uma mostrando os c digos e as labels de c digo da vari vel corrente espa o C digos a segunda mostrando as defini es das vari veis espa o Vari veis e a terceira oferecendo espa o para entrada modifica o de dados espa o Dados Apenas o espa o Dados pode ser editado O
116. do n mero da vari vel n meros positivos denotam vari veis do tipo V e n meros negativos denotam vari veis denotam vari veis do tipo R Para especificar um conjunto de vari veis numeradas continuamente como V3 V4 V5 V6 conecte dois n meros de vari veis cada uma precedida por um V com um tra o e g V3 V6 v lido V3 6 inv lido Use intervalos com cuidado se a base de dados contiver vazios na numera o da vari vel pois todas as vari veis no intervalo devem aparecer na base de dados ou matriz i e V6 V8 implica V6 V7 V8 Se V7 n o est no dicion rio ent o uma menssagem de erro aparecer Vari veis tipo V e tipo R n o podem ser misturados em um intervalo i e V2 R5 inv lido N meros de vari veis nicas ou intervalos de n meros de vari veis s o separadas por v rgula Em geral para programas de gerenciamento de dados vari veis podem ser listadas mais de uma vez enquanto que para programas de an lise especificando mais de uma vez uma vari vel causar interrup o Ver o write up do programa para detalhes Espa os em branco podem ser inseridos em qualquer lugar na lista Em geral vari veis podem ser especificadas em qualquer ordem A ordem das vari veis pode contudo ter um significado especial em alguns programas checar o write up do programa para detalhes Exemplos VARS V1 V6 V9 V16 V20 V102 V18 V11 V209 OUTVARS R104 V7 V10 V12 R100 R103 V16 V1 CONVARS V10 3 6
117. dos casos ativos no espa o fatorial seus cossenos ao quadrado com cada fator e suas contribui es para cada fator Al m disso ela cont m a qualidade de representa o desses casos seus pesos e suas in rcias a b IPR Valor de ID de caso para os casos ativos QLT Qualidade de representa o do caso no espa o de m fatores medida para TODOS OS TIPOS DE AN LISE pela soma dos cossenos ao quadrado ver 9 f abaixo Valores pr ximos de 1 indicam o n vel mais alto de representa o do caso pelos fatores QUE X COS2ai a 1 PESO Valor do peso para o caso Para a AN LISE DE CORRESPOND NCIAS ele calculado como o quociente entre a soma ponderada das vari veis ativas para esse caso e o Total geral ver se o 2 acima multiplicado por 1000 E i x 1000 fu p Note que o peso PESO impresso na ltima linha da tabela igual ao Total geral Para TODOS OS OUTROS TIPOS DE AN LISE os gt x 1000 Note que o peso PESO impresso na ltima linha da tabela igual ao n mero de casos ponderado 46 9 Tabela de Fatores de Casos Ativos 363 d INR In rcia correspondendo ao caso Isso indica a parte da in rcia total relacionada com o caso no espa o de fatores Para a AN LISE DE CORESPOND NCIAS ela calculada como o quociente entre a in rcia do caso e a in rcia total multiplicado por 1000 Note que a in rcia do caso depende do peso do caso e que o valor do Tra o usado aqui n o inclui o valor p
118. duos podem opcionalmente ser produzidos em um arquivo Dados descrito por um dicion rio do IDAMS Ver o par metro de an lise WRITE RESIDUALS Um registro produzido para cada caso passando um filtro contendo uma vari vel de ID um valor observado um valor calculado um valor residual para a vari vel dependente em um valor da vari vel de pondera o se houver As caracter sticas do dataset s o as seguintes No de Largura No de C digos vari vel Nome de campo decimais de MD vari vel de ID 1 mesmo do entrada 0 mesmo do entrada varidvel dependente 2 mesmo do entrada Fk mesmo do entrada vari vel predita 3 Predicted value 7 ad 9999999 res duo 4 Residual 7 ne 9999999 peso se ponderado 5 mesmo do entrada mesmo do entrada t transferido do dicion rio de entrada para vari veis V ou 7 para vari veis R ae transferido do dicion rio de entrada para vari veis V ou 2 para vari veis R one 6 mais no de decimais para a vari vel dependente menos a largura da vari vel dependent se for negativo entao 0 Se o valor observado ou vari vel de pondera o perdido ou o caso foi exclu do pela checagem de um c digo m ximo ou por um crit rio de outlier um registro de res duo produzido com todas as vari veis exceto a vari vel identificadora igualadas a MD1 29 5 Dataset de Entrada A entrada um arquivo Dados descrito por um dicion rio IDAMS Todas as vari veis usadas na an lise devem ser num ricas elas p
119. e Taus requisitadas 6 Tabelas 3 way usando regi o V3 agrupada em 3 categorias com uma vari vel de painel Tabelas s o restritas aos casos masculino V10 1 Contagens de frequ ncias e m dia da vari vel V54 aparecem em cada c lula 7 Uma nica tabela de contagem de frequ ncia ponderada excluindo casos onde ou a vari vel de linha e ou vari vel de coluna assumem valor 9 8 Matrizes de estat sticas Tau A e Gamma a serem impressas e escritas em um arquivo para todos os pares de vari veis V54 V62 Uma matriz de contagens de casos v lidos para cada par de vari veis ser impressa RUN TABLES FILES PRINT TABLES LST FTO2 TREE MAT matrizes de estatisticas DICTIN TREE DIC arquivo Dicion rio de entrada DATAIN TREE DAT arquivo Dados de entrada RECODE R7 BRAC V7 0 15 1 16 25 2 26 35 3 36 45 4 46 98 5 99 9 NAME R7 GROUPED V7 SETUP TABLE EXAMPLES BADDATA MD1 MALE INCLUDE V10 1 SEX INCLUDE V10 1 2 REGION INCLUDE V3 1 2 3 4 5 MD EXCLUDE V19 9 OR V52 9 TABLES 1 ROWV V201 V220 TITLE Frequency counts 2 ROWV V54 V62 V64 USTATS MEANSD PRINT NOTABLES DECSTAT 1 3 ROWV V25 V30 R7 USTATS MEDMOD CELLS FREQS UNWFREQS ROWP WEIGHT V9 PRINT CUM MDHAND NONE 4 R V201 1 3 CELLS FREQS MEAN VARCELL V54 5 ROWV V25 V28 COLV V29 V30 CELLS FREQS ROWP COLP TOTP STATS CHI TAUA REPE SEX 6 ROWV V201 V203 COLV V206 CELLS FREQS MEAN VARCELL V54 REPE REGION FILT MALE
120. ee a 148 18 Intercala o de Datasets MERGE 149 18 1 Descri o Geral suga mao hae Apae be he a a ae ee eae Go a o a TA 149 18 2 Caracter sticas Padr o do IDAMS 2 2 2 ee 149 18 3 Resultados 2 us doe a ofits e ae get ee Sn ieee ot Ro a DES SS Saga figo ee o pt 150 13 4 Dataset deSaida ts Sed sie siathes ie at ol Oe eh een A dog See ea he a ls A ld 150 18 5 Dataset de Entrada gt pics nano ee E ee EA A ee Pe ed ees 152 18 6 Estrutura de Setup gt 2 ss dee ce eh BR we eke AAA EE bee ENA ee ee ee VA a te 152 18 7 Declara es de Controle de Programa 0 0 00000 2 ee ee 153 18 82 REStriGOES ju io seed ee Re a Ad ar as WR Pe A ee BOBS a EK Ee BO eal al Ser A E 155 18 9 Exemplos 4 ss ua a Goce a a ey te ae ee Oe Se er ea a RA 155 19 Classifica o e Fus o de Arquivos SORMER 157 19 1 Descri o Geral ss grag ab wi dock os EE HS Ge L o A DR evan enn e ded 157 19 2 Caracter sticas Padr o do IDAMS 2 2 2 2 00000 ee 157 19 3 Resultados oo sta pa Qe eels adres ae eck ke Dok eal SE Ee OR Bea Gea Ot 157 19 4 Dicion rio de Saildas ms 2 eGo es age ee amp eee ee ol JE a L AO Se ee Rg pS 157 1935s Dados de Saida asda fe tials wo Sele be Ak pee a dead Sb dd Be eles Bed 157 19 6 Dicion rio de Entrada oo sea orae cea a a eN ee 158 19 7 Dadosde Entrada a iren oea gl ea Oh eae EWE i adi ee Po He ee CASA i te 158 19 8 Estrutura de Sebup dener ei ik SAA BA ee ee ee EER ta ETR ee E
121. eles podem ser salvos em um dos dois formatos JPEG formato de troca de arquivo jpg ou formato de Windows Bitmap bmp usando os comandos relevantes no menu Arquivo Eles podem tamb m ser copiados para o Clipboard o comando Editar Copiar bot o de barra de ferramentas ou teclas de atalho Ctrl C e passados para qualquer editor de texto Deve ser notado aqui novamente que somente frequ ncias de linhas e colunas exibidas i e n o de linhas e ou colunas que foram ocultas s o usadas para essa apresenta o 39 5 Como Fazer uma Tabela Multidimensional 309 39 5 Como Fazer uma Tabela Multidimensional 6 N s vamos usar o dataset rucm rucm dic o arquivo Dicion rio e rucm dat o arquivo Dados que est no folder Dados default e que est instalado no WinIDAMS N s vamos construir uma tabela three way com duas vari veis de linha aninhadas SCIENTIFIC DEGREE e SEX e uma vari vel de c lula AGE para o qual vamos requisitar a m dia m ximo e m nimo e Clique em Interactivo Tabelas multidimensionais Esse comando abre um di logo para selecionar um arquivo Dados do IDAMS Selecionar arquivo Dados do IDAMS S 2 x Existente Recente Look in E data e e EJ My Documents EE My Computer JE Filename My Network P Files of type Arquivos Dados dat hn e Clique em rucm dic e Abrir Voc v agora um di logo para especificar as vari veis que vo
122. entre 1 e 32 767 N mero m ximo de an lises 10 N mero m ximo de vari veis a serem transferidas 99 Uma vari vel s pode ser usada uma vez se ela for uma vari vel de ID em uma lista de an lise ou lista de transfer ncia Se requisitado usar a mesma vari vel duas vezes ent o usa se a recodifica o para obter se uma c pia com um n mero de vari vel resultado diferente O n mero m ximo de vari veis usadas para an lise em especifica es de subconjunto e em uma lista de transfer ncia 100 incluindo tanto vari veis V quanto R N mero m ximo de especifica es de subconjunto 10 Se a vari vel de ID ou uma vari vel a ser transferida alfab tica com largura gt 4 somente os quatro primeiros caracteres ser o usados Apesar do n mero de casos processados n o ser limitado deve ser notado que o tempo de execu o cresce como uma fun o quadr tica do n mero de casos sendo analisados 32 9 Exemplos Exemplo 1 Computa o de dois escores usando as vari veis V10 V12 V35 at V40 o primeiro escore ser calculado com os dados completos enquanto o segundo ser calculado separadamente em tr s subconjuntos para os valores 1 2 e 3 da vari vel V7 casos com dados perdidos devem ser exclu dos da an lise ambos os escores s o baseados nos casos estritamente dominados relativamente ao n mero de casos compar veis casos s o identificados pelas vari veis V2 e V4 que s o
123. envolvidos 5 Especifica es de nome de teste pelo menos um deve ser oferecido Essas especifica es identi ficam os testes que devem ser executados Eles devem estar em uma ordem correta Ordinariamente haver uma especifica o para a grande m dia seguida por uma especifica o de nome para cada efeito principal e finalmente uma especifica o de nome para cada intera o poss vel Se os par metros de design s o reordenados ou os graus de liberdade s o reagrupados ver os par metros REORDER e DE GRF as declara es de nome dos testes devem ser feitas de forma a se conformarem s modifica es As regras de codifica o s o as mesmas dos par metros Cada especifica o de nome de teste deve iniciar em uma nova linha Exemplo TESTNAME grande m dia 238 An lise de Vari ncia Multivariada MANOVA TESTNAME nome de teste Nome com at 12 caracteres para cada teste deve ser fornecido Primes s o obrigat rios se o nome contiver caracteres n o alfanum ricos DEGFR n O agrupamento natural dos graus de liberdade equa es de par metro da hip tese ocorre quando a ordem convencional dos testes estat sticos utilizada DEGFR utilizado somente para modi ficar o agrupamento e g quando voc quer ajuntar v rios termos de intera o e test los simul taneamente ou particionar os graus de liberdade de algum efeito em duas ou mais partes Ao utilizar o par metro GEGFR tenha certeza de us
124. es entre os coeficientes das equa es normais A base do design ponderada pelas contagens das c lulas O efeito de frequ ncias das c lulas desiguais introduzir correla es entre colunas da matriz de design Essas s o aquelas correla es Se as frequ ncias das c lulas s o iguais aparecer o 1 s na diagonal e zeros nas outras posi es Solu o das equa es normais Os par metros s o estimados via m nimos quadrados na forma LX K DK K DY onde L a matriz de contraste que possui como linhas i os contrastes independentes nos par metros que dever o ser estimados e testados 384 f An lise de Vari ncia Multivariada os par metros a serem estimados a matriz de design I uma matriz diagonal com o n meros de casos em cada c lula SORAK I uma matriz de m dias das c lulas com colunas correspondendo a vari veis Ao lidar com um design ortogonal e contrastes ortogonais os contrastes possuem estimativas inde pendentes Para frequ ncias de c lulas desiguais no entanto o K apropriado para designs ortogonais 2 n o ser mais ortogonal E necess rio transformar K em ortogonalidade na m trica D Isso feito colocando T SK D com TT T T I SK DKS portanto K D er K DK S S e substituindo na primeira equa o acima SJ LX SK DY Essa ltima equa o define um novo conjunto de par metros que s o fun es lineares dos contrastes com a matriz SK substit
125. esperada calculada na c lula ij o produto da frequ ncia da linha 7 vezes a frequ ncia na coluna j dividido pelo total N Para tabelas dois por dois a x computada de acordo com a segunte f romula 20 N ad be N 2 X lat b e d ateb d onde a b c d representam as freq ncias nas quatro c lulas 57 2 Estatisticas Bivariadas 421 b d f g h V de Cramer O V de Cramer descreve a intensidade da associagao na amostra Seu valor vai de 0 0 refletindo completa independ ncia e 1 0 mostrando completa depend ncia dos atributos 2 Y NG onde L min r c Coeficiente de conting ncia Como o V de Cramer o coeficiente de conting ncia usado para descrever a intensidade de associa o na amostra Seu limiter superior uma fun o do n mero de categorias O ndice n o pode alca ar 1 0 Graus de liberdade gl r I c 1 N ajustado Esse o N usado em computa es estat sticas i e o n mero de casos com c digos v lidos Ser ponderado se uma vari vel de pondera o for especificada S S igual ao n mero de concord ncias na ordem menos o n mero de discord ncias na ordem Para uma dada c lula na tabela todos os casos em c lulas a direita e abaixo est o em concord ncia todos os casos a esquerda e abaixo est o em discord ncia S o numerador da estat stica tau e gama E E 3 Tamo gt i 1 1 9 1 h i 1 l j 1 m i4 1 n 1 onde fij fni
126. est o dispon veis aqui Tratamento de dados perdidos Valores de dados perdidos s o exclu dos das transforma es das s ries eles s o tamb m exclu dos do c lculo das estat sticas e autocorrela es Para as outras an lises valores de dados perdidos s o substitu dos pela m dia geral 41 3 Janela Principal de TimeSID Depois da sele o de vari veis e um clique no OK a janela principal de TimeSID exibe o gr fico da primeira s rie da lista de s ries selecionadas As s ries podem ser manipuladas e analisadas usando v rias op es e comandos nos menus e ou cones equivalentes da barra de ferramentas 330 An lise de S ries Temporais FR an lise de S ries Temporais TimeSID 0 x Arquivo Editar Yer Transforma es An lise Janela Ajuda SE 8 mal 25 25 mll 2 FR Gr ficos de s ries Fonte de escala FA Pressione F1 para Ajuda 41 3 1 Barra de Menu e Barra de Ferramentas Arquivo Abrir Fechar Salvar como Imprimir Vi o preliminar Configurar impressora Sair Chama a caixa de di logo para selecionar um novo dataset para an lise Fecha todas janelas para a an lise corrente Chama a caixa de di logo para salvar os conte dos da janela painel ativo Imagens gr ficas s o salvas em formato de Windows Bitmap format bmp Tabela de dados e tabelas com estat sticas s o salvas em formato de texto Chama a caixa de di logo para imprimir os conte dos da ja
127. filtragem a ser usado do arquivo de entrada Default Todos os casos ser o utilizados MDVALUES BOTH MD1 MD2 NONE Quais valores de dados perdidos devem ser utilizados para vari veis acessadas nessa execu o Ver o cap tulo O Arquivo Setup do IDAMS MDHANDLING PRINCIPAL ALL PRIN Casos com dados perdidos nas vari veis ativas s o exclu dos da an lise enquanto casos com dados perdidos nas vari veis passivas s o inclu dos Fatores de vari veis passivas s o baseados somente em dados v lidos ALL Todos os casos com dados perdidos s o exclu dos ANALYSIS CRSP NOCRSP SSPRO NSSPRO COVA CORR Escolha de an lises CRSP An lise fatorial de correspond ncias SSPR An lise fatorial de produtos escalares NSSP An lise fatorial de produtos escalares normados COVA An lise fatorial de covari ncias CORR An lise fatorial de correla es PVARS lista de vari veis Lista de vari veis V ou R a serem usadas como vari veis ativas N o h default SVARS lista de vari veis Lista de vari veis V ou R a serem usadas como vari veis passivas WEIGHT n mero de vari vel O n mero da vari vel de pondera o se os dados devem ser ponderados NSCASES 0 n N mero de casos passivos Nota Esses casos n o s o inclu dos na computa o das estat sticas 67 matrizes e fatores eles s o os ltimos n no arquivo de dados IDVAR n mero de vari vel Vari vel de identifica o de caso para pontos n
128. fun es 25 13 N mero m ximo de declara es aproximadamente 200 14 N mero m ximo de labels em uma declara o BRANCH 20 15 N mero m ximo de vari veis CARRY 100 16 O N mero m ximo de vari veis dado na se o Restri es de cada write up de programa de an lise inclui vari veis R e V usadas na an lise e vari veis V usadas em Recode mas n o utilizadas na an lise Portanto se um programa possui um m ximo de 40 vari veis e 40 vari veis de entradas o utilizadas na an lise n o se pode utilizar nenhuma outra vari vel de entrada al m das 40 nas declara es de Recode Vari veis R definidas nas declara es de Recode mas n o utilizadas na an lise n o precisam ser contadas dentro do n mero m ximo de vari veis 17 Filtragem ocorre antes da recodifica o de modo que vari veis de resultado n o podem ser referenciadas em filtros principais 4 17 Nota Recodifica o univariada bivariada pode ser conseguida usando o m todo TABLE IF ou RECODE Abaixo segue uma breve compara o desses m todos levando se em considera o dois aspectos de execu o Compleitude e TABLE produz recodifica o completa Um valor de resultado produzido mesmo quando o valor de entradaest fora da tabela dado que o valor default de ELSE 99 e RECODE permite recodifica o parcial Se nenhum teste verdadeiro e nenhum valor para ELSE especificado n o ocorrer recodi
129. grupos finais Percentual de vari ncia explicada O percentual da varia o total explicada pela melhor parti o para cada grupo ver 1 e e 3 a iii acima Distribui es percentuais Uma tabela bivariada mostrando as distribui es percentuais da vari vel dependente para todos os grupos Pjg Res duos Os res duos s o as diferen as entre o valor observado e o valor predito da vari vel depen dente Para an lise com UMA VARI VEL DEPENDENTE CATEG RICA res duos s o calculados para cada cate goria da vari vel Portanto o n mero de res duos igual ao n mero de categorias Cjk Vik Tjik Valores observados x s o criados como uma s rie de vari veis dummies codificadas O ou 1 Como valor predito para a categoria j a propor o de casos pertencendo a categoria que o caso pertence designado para um caso i e Para an lise com V RIAS VARI VEIS DEPENDENTES DICOT MICAS res duos s o calculados para cada vari vel Portanto o n mero de res duos igual ao n mero de vari veis dependentes aust a ejk Vik Tjik Valores observados s o calculados da seguinte maneira Tik gt tjr j l Como valor predito para a categoria j a propor o de casos que possuem o valor de 1 para essa vari vel no grupo a qual pertencem designado para um caso i e Tjik P 100 56 4 Refer ncias Morgan J N Messenger R C THAID A Sequential Analysis Program for the Analysis of Nomin
130. hier rquico ele n o usa dissimilaridades entre objetos e portanto a matriz de dissimilaridade n o computada A divis o entre clusters usa as vari veis diretamente A cada passo uma das vari veis digamos f utilizada para dividir os dados pela separa o de objetos i para os quais zif 1 daqueles onde xip 0 No pr ximo passo cada cluster obtido no passo anterior novamente dividido usando valores 0 e 1 de uma das vari veis remanescentes diferentes vari veis podem ser usadas em diferentes clusters O processo continuado at que cada cluster contenha apenas um objeto ou at que as vari veis remanescentes n o possam separ lo Para cada divis o a vari vel mais fortemente associada com as outras vari veis escolhida a Associa o entre duas vari veis A medida de associa o entre duas vari veis f e g definida pelo seguinte Afg afgdfg bfgCfgl onde af o n mero de objetos 7 com zif Lig 0 dfg o n mero de objetos com zif tig 1 bfg o n mero de objetos com zif 0 e Zig 1 e Cfg o n mero de objetos com zif 1 e jg 0 A medida Afg expressa se as vari veis f e g fornecem divis es similares do conjunto de objetos e pode ser considerada como um tipo de similaridade entre vari veis Para selecionar a vari vel mais fortemente associada com outras vari veis a medida total Ay calculada para cada vari vel f da seguinte maneira Ap gt Ass 9f b Ord
131. i onde p n mero m ximo de alternativas que podem ser selecionadas em uma avalia o pk n mero de alternativas realmente selecionadas na avalia o ex epe SPp lt m b Dados representando um ordenamento de alternativas Aqui as avalia es representam o ordenamento de alternativas dentro do conjunto completo A e a atribui o a cada uma delas do n mero de rango Formalmente todas as avalia es ep fornecem um n mero de rank py a pri para todas as alternativas Nesse caso os dados s o fornecidos no seguinte formato Pr pr a1 Pk 42 prlam 402 Ordenamento de Alternativas Note que a alternativa api estritamente melhor que ou domina estritamente outra alternativa kip de acordo com os dados advindos da avalia o ex se o primeiro tiver um rango maior do que o do segundo Similarmente um alternativa aki prefer vel a ou domina outra alternativa aki de acordo com os dados advindos da avalia o ex se o rank de ax pelo menos t o alto quanto o rank de akip O valor 1 designado para o maior rango Somente os dados descritos no par grafo b s o diretamente processados pelo programa Os dados descritos em a s o transformados no formato de b Essa transforma o faz uma distin o entre a prefer ncia estrita e fraca A REGRA DE TRANSFORMA O ao se lidar com dados representando uma sele o completamente ordenada de alternativas prefer ncia estrita
132. idade e velhos a declara o combinar os c digos de V6 e R330 para dar uma nica vari vel R1 como o seguinte 4 8 Fun es Aritm ticas 39 V6 V330 R1 0 0 0 Homem novo 1 0 1 Mulher nova 0 1 2 Homem de meia idade 1 1 3 Mulher de meia idade 0 2 4 Homem velho 1 2 5 Mulher velha Como V6 possui dois c digos e R330 possui 3 R1 ter seis No exemplo acima se V6 tivesse c digos 1 e 2 ao inv s de 0 e 1 o valor m ximo deveria ser declarado como 3 Isso incluiria os valores de 0 1 e 2 embora o c digo zero nunca apare a Para evitar esses c digos extras o usu rio deveria primeiro recodi ficar tais vari veis para obter um conjunto cont guo de c digos come ando de 0 e g BRAC V6 1 0 2 1 BRAC V6 1 0 2 1 Restri es e Deve haver no m ximo 13 vari veis e A fun o COMBINE n o pode ser usada com outras fun es na mesma declara o de apontamento e Deve se tomar cuidado para se especificar precisamente os c digos m ximos quando se utilizar a fun o COMBINE Caso contr rio valores n o nicos ser o gerados Por exemplo com COMBINE V1 2 V2 4 a fun o retornar o valor de 7 para o par de valores VI 1 e V2 3 e retornar tamb m o valor de 7 para o par de valores V1 3 e V2 2 Se valores de 3 pudessem existir para V1 ent o nl deveria ser especificado como 4 1 c digo m ximo COUNT A fun o COUNT retorna o valor que igual ao n mero de vezes que o valor da vari vel ou con
133. inclusas no passo q correspondem aos elementos do nico valor pr prio da matriz ua ny ag e o termo constante calculado da seguinte maneira 1 S dg 3 Va Va Ta Yg Va onde J a matriz de covari ncia total calculada para os casos oriundos dos dois grupos para as vari veis inclu das no passo q com elementos gt Wk Lei Ei Lez Tj _ k as Wi Ww Tabela de classifica o para amostra b sica Um caso designado para o grupo 1 se f z gt 0 para o grupo 2 se f x lt 0 Um caso n o designado se f z 0 PERCENTUAL DE CASOS CLASSIFICADOS CORRETAMENTE calculado como o quociente entre o n mero de casos na diagonal e o n mero de casos totais na tabela de classifica o Tabela de classifica o para amostra de teste Constru da da mesma maneira que na amostra b sica ver 2 b acima Crit rio para selecionar a vari vel seguinte A dist ncia de Mahalanobis entre dois grupos usada para essa finalidade A vari vel selecionada no passo q aquela que maximiza o valor de D D y yy Ty yg yi Aloca o e valor da fun o discriminante linear para os casos Esses s o calculados e impres sos para o ltimo passo ou quando o passo precede uma queda do percentual de casos corretamente classificados O valor da fun o calculado de acordo com a f rmula descrita abaixo do ponto 2 a acima as vari veis utilizadas no c lculo s o aquelas retidas no passo A de
134. individuais que v m a seguir 14 Essa declara o requer distribui es de freqii ncia univariadas para 5 vari veis 15 Agora tabelas bivariadas 2 way s o requisitadas As c lulas devem conter as contagems frequ ncias e percentagens das linhas uma estat stica chi quadrado ser impressa para cada tabela As 2 listas de vari veis seguintes s palavras chave ROWVAR e COLVARS especificam as vari veis que ser o utilizadas para as linhas e colunas das tabelas respectivamente Quatro tabelas ser o produzidas R101 renda agrupada por V13 V14 V15 e V16 Parte II Trabalhando com o WinIDAMS Capitulo 6 Instalacao 6 1 Requerimentos do Sistema O software WinIDAMS est dispon vel para as vers es 32 bit dos sistemas operacionais Windows Windows 95 98 NT 4 0 2000 e XP Um pentium II ou processador mais r pido e 64 megabytes RAM s o recomendados Em todos os sistemas voc deve possuir 11 megabytes de espa o de disco livre antes de tentar instalar o software WinIDAMS em cada linguagem 6 2 Procedimento de Instala o WinIDAMS 1 3 armazenado em CD em um arquivo auto execut vel WinIDAMS English Instal1 WIDAMSR13E EXE Vers o em Ingl s WinIDAMS French Instal1 WIDAMSR13F EXE Vers o em Franc s WinIDAMS Spanish Instal1 WIDAMSR13S EXE Vers o em Espanhol WinIDAMS Portuguese Install WIDAMSR13P EXE Vers o em Portugu s ou em um arquivo de download equivalente e Para instalar a vers o em P
135. intensidade da estrututra de agrupamento que foi encontrada AC 75 onde l o comprimento da linha contendo o identificador do objeto i 42 10 Agrupamento Hier rquico Divisivo DIANA O m todo DIANA pode ser usado para os mesmos tipos de dados como no m todo AGNES Apesar de AGNES e DIANA produzirem um output similar DIANA const i a sua hierarquia na dire o oposta come ando com um grande cluster contendo todos os objetos A cada passo ele divide um cluster em dois clusters menores at que todos os clusters contenham apenas um nico elemento Isso significa que para N objetos a hierarquia constru da em N 1 passos No primeiro passo os dados s o separados em dois clusters fazendo se uso das dissimilaridades Em cada passo subsequente o cluster com o maior di metro ver 6 c acima dividido da mesma maneira Depois de N 1 passos divisivos todos os objetos estar o separados a b d Dissimilaridade m dia em rela o a todos os outros objetos Fa a A denotar um cluster e A denotar seu n mero de objetos A dissimilaridade m dia entre o objeto e todos os outros objetos no cluster A definida como em 6 g acima 1 3 dij JEA ji Ordenamento final de objetos e di metros dos clusters Na primeira linha os objetos sao listados na ordem em que eles aparecem na representa o gr fica Os di metros dos clusteres s o impresso logo em baixo Essas duas sequ ncias de n meros juntas caract
136. interrup o da execu o do programa do IDAMS enquanto que alertas W alertam os usu rios a respeito de poss veis anormalidades nos dados e ou nas declara es de controle e tamb m sobre poss veis interpreta es err neas dos resultados Mensagens de erro e de alerta possuem o seguinte formato x kkE aaannn texto de mensagem de erro W aaannn texto de mensagem de alerta onde nnn um n mero de tr s d gitos come ando de 001 para alertas e de 101 para erros aaa indica de onde vem a mensagem de acordo com as seguintes regras e Mensagens de programas a primeira letra do nome do programa seguida pelas duas pr ximas consoantes no nome do programa e Mensagens de subrotinas SYN erros de sintaxe em geral RCD erros e alertas de Recode sintaxe DTM erros de dados e dicion rio e alertas sobre arquivos de dados e dicion rio SYS erros e alertas do Monitor FLM erros e alertas de administra o de arquivos 436 Mensagens de Erro dos Programas do IDAMS Mensagens de Erro de Execucao do Fortran Quando ocorrem erros durante a execu o do programa run time o Visual Fortran RTL libera uma mensagens de diagn stico Elas possuem o segunte formato forrtl severity number text forrtl Identifica a fonte como de Visual Fortran RTL severity Os n veis de severidade s o severo deve ser corrigido erro deveria ser corrigido alerta deveria ser investigado ou info para finalidade apenas de info
137. lista de vari veis Os valores das vari veis especificadas s o impressos para identificar cada caso SPACE 3 n Numero de espacos entre colunas O valor m ximo SPACE 8 PRINT CDICT DICT SEQNUM LONG SHORT SINGLE DOUBLE CDIC Imprime o dicion rio de entrada para as vari veis acessadas com registros C se houver DICT Imprime o dicion rio de entrada sem registros C SEQN Imprime um n mero de sequ ncia de caso para cada caso impresso Note que casos s o numerados depois do filtro ser aplicado LONG Assuma 127 caracteres por linha de impress o SHOR Assuma 70 caracteres por linha de impress o SING Espa o simples entre linhas de dados DOUB Espa o duplo entre linhas de dados 148 Lista de Datasets LIST 17 7 Restri o A soma das larguras dos campos das vari veis a serem impressas incluindo vari veis de ID de casos deve ser menor ou igual a 10 000 caracteres 17 8 Exemplos Exemplo 1 Listando cinquenta vari veis incluindo uma vari vel recodificada todos os casos ser o impressos com suas vari veis de identifica o V1 V2 e V4 o dicion rio ser impresso mas sem registros C RUN LIST FILES PRINT LIST1 LST DICTIN STUDY DIC arquivo Dicion rio de entrada DATAIN STUDY DAT arquivo Dados de entrada RECODE R6 BRAC V6 0 50 1 51 99 2 SETUP LISTING THE VALUES OF 50 VARIABLES WITH 3 ID VARIABLES WITH EACH GROUP IDVA V1 V2 V4 VARS V3 V49 V59 V52 R6 PRIN DICT Exemplo 2 Listando um dicio
138. m ltiplos por caso e portanto deve haver uma ID de registro em cada registro MERCHECK poderia teoricamente ser utilizado para eliminar registros duplicados e registros sem uma constante particular para arquivos de dados com um nico registro por caso Isso contudo s pode ser feito se cada registro de dados contiver um valor de constante que possa ser tratado como a ID de registro Essa opera o melhor executada com o programa SUBSET usando um filtro para excluir registros sem uma constante e a op o DUPLICATE DELETE para eliminar as duplicatas Ver o write up para SUBSET 14 2 Caracteristicas Padrao do IDAMS 123 14 2 Caracter sticas Padr o do IDAMS Sele o de casos e vari veis Exceto como definido acima n o dispon vel para esse programa Transformando dados e dados perdidos Essas op es n o se aplicam a MERCHECK 14 3 Resultados Casos de erros O relat rio completo com a documenta o de cada caso de erro possui tr s partes um resumo de erros os registros n o transferidos para o sa da maus registros e os casos como eles aparecem no arquivo de sa da registros bons Ver abaixo para maiores detalhes desses componentes Para dados com um n mero grande de tipos de registros e com muitos casos com erro o relat rio de casos de erros pode ser custoso e para alguns trabalhos completamente desnecess rio O tamanho do relat rio necessitado depende de quanto o usu rio conhece dos dados como tamb m da hab
139. m elementos da diagonal Para permitir serem recalculados desvios padr es produzidos com essa matriz s o calculados de acordo com a f rmula acima desvios padr es n o estimados Capitulo 54 Ordenamento de Alternativas Nota o i j l subscritos para alternativas m n mero de alternativas k ndice de caso n n mero de casos w valor do peso 54 1 Manuseamento dos Dados de Entrada Seja um CONJUNTO DE ALTERNATIVAS denotado por A a1 d2 i m e o conjunto de fontes de informa o chamado daqui em diante de AVALIA ES denotado por E fe1 e2 k Cn Na pr tica dados fornecendo a informa o prim ria na rela o de prefer ncias podem aparecer em v rias formas diferentes O programa aceita contudo dois tipos b sicos de dados dados representando uma sele o de alternativas e dados representando um ordenamento de alternativas Todas as outras formas devem ser transformadas pelo usu rio antes da execu o do programa RANK a Dados representando uma sele o de alternativas Nesse caso as avalia es representam a escolha das alternativas mais preferidas e opcionalmente suas ordens de prefer ncias Em outras palavras todas as avalia es ex selecionam um subconjunto Ay de A e opcionalmente ordenam os elementos dele Por esse motivo A um subconjunto de alternativas ordenado ou n o ordenado e o A s constituem os dados prim rios individuais Ay axis kin oes Seg Akin
140. maior que ou igual a MD2 se MD2 positivo ou zero ou menor que ou igual se MD2 negativo tamb m considerado perdido Esses c digos de dados perdidos s o armazenados no registro de dicion rio para a vari vel Similarmente a valores dos dados eles podem ser inteiros ou decimais com um ponto decimal impl cito ou expl cito Se MD1 ou MD2 especificado com um ponto decimal impl cito NDEC d o n mero de d gitos a ser tratado como casas decimais Se um ponto decimal expl cito codificado em MD1 ou MD2 ent o NDEC determina o n mero de d gitos a direita do ponto decimal que deve ser mantido arredondando o valor de acordo com o exposto Quando os c digos MD1 e MD2 de uma vari vel est o em branco no dicion rio isso significa que n o h c digos de dados perdidos especiais Durante a execu o de um programa do IDAMS os campos MD1 e MD2 em branco no dicion rio s o preenchidos com os valores default de dados perdidos de 1 5 x 10 and 1 6 x 10 respectivamente Como os c digos de dados perdidos s o limitados a um m ximo de 7 d gitos ou 6 d gitos e um sinal negativo eles podem apresentar um problema para vari veis de 8 e 9 d gitos O usu rio deve considerar o uso de um sinal negativo no c digo de dado perdido nesse caso 2 2 6 Valores N o num ricos ou em Branco em Vari veis Num ricas Dados Ruins Nos programas para gerenciamento de dados do IDAMS valores de dados s o meramente copiados de um luga
141. matriz a ser importada O programa assume uma matriz retangular se ambas s o especificadas e uma matriz quadrada sim trica se um deles omitido n N mero de linhas m N mero de colunas N o h default 16 7 Declara es de Controle de Programa 141 FORMAT DELIMITED DIF Especifica o formato dos dados matriz de entrada para importa o ou o formato dos dados matriz de sa da para exporta o DELI Esperam se dados matrizes em formato livre onde os campos s o separados por um delimitador ver abaixo DIF Dados esperado ser em formato DIF Nota o formato DIF est dispon vel apenas para exporta o ou importa o de dados WITH SPACE TABULATOR COMMA SEMICOLON USER Condicional ver FORMAT DELIMITED Especifica o caracter delimitador para separar campos em arquivo de formato livre SPAC Caracter em branco c digo ASCII 32 TABU Caracter Tabulador c digo ASCII 9 COMM V rgula c digo ASCII 44 SEMI Ponto e virgula c digo ASCII 59 USER Caracter especificado pelo usu rio ver o par metro DELCHAR abaixo Nota Ao importar exportar arquivos DIF COMMA sempre usado com caracter delimitador independentemente do que selecionado DELCHAR x Condicional ver o par metro WITH USER acima Define o caracter a ser usado para separar campos em arquivos em formato livre Default Em branco DECIMALS POINT COMMA Define o caracter usado como nota o decimal POIN Ponto c
142. menu For mato Mudar tamanho de colunas e Aumentando Diminuindo a altura das linhas coloque o cursor do mouse na linha que separa as duas linha no in cio da linha at que ele se torne uma barra horizontal com duas flechas e movimente a para cima baixo mantendo clicado o bot o esquerdo do mouse e Minimizando a altura de linhas marque as linhas requeridas e use o comando de menu Formato Mudar tamanho de linhas e Ocultando colunas linhas diminua a largura altura de uma coluna linha at zero Para mostrar uma coluna linha ocultada coloque o mouse na linha onde ela est oculta no in cio da coluna linha at que ele se torne uma barra vertical com duas flechas e ent o d um clique duplo o bot o esquerdo do mouse Al m disso o comando Formato Estilo d acesso a um n mero de possibilidades de formata o de tabela como sele o de fontes tamanho de fontes cores etc para c lula ativa ou para todas as c lulas em uma linha ativa Estat sticas bivariadas Estat sticas bivariadas chi quadrado coeficiente Phi coeficiente de conting ncia V de Cramer Taus Gamma Lambdas e D de Sormer s o computadas para cada tabela cada p gina Use o comando de menu Mostrar Estat sticas para mostr las no final da tabela Se necess rio essa opera o deve ser repetida para cada p gina separadamente F rmulas para calcular estat sticas bivariadas podem ser encontradas na se o Estat sticas Bivariadas do cap tu
143. metros Cada especi fica o de tabela deve come ar em uma nova linha Exemplos CONV V6 DEPV V26 WEIG V3 Fi V14 2 7 F2 V13 1 1 CONV V5 DEPV V27 V29 V80 DEPVARS lista de vari veis Uma lista de vari veis a serem utilizadas como vari veis dependentes CONVARS lista de vari veis Uma lista de vari veis a serem utilizadas como vari veis de controle WEIGHT n mero de vari vel O n mero da vari vel de pondera o se os dados devem ser ponderados MDVALUES BOTH MD1 MD2 NONE Quais valores de dados perdidos devem ser utilizados para vari veis acessadas nesse conjunto de tabelas Ver o cap tulo O Arquivo Setup do IDAMS MDHANDLING DELETE KEEP DELE Deleta casos com dados perdidos na vari vel de controle KEEP Inclui casos com dados perdidos na vari vel de controle Nota Casos com dados perdidos na vari vel dependente s o sempre deletados Fi n mero de vari vel c digo v lido m nimo c digo v lido m ximo F1 se refere a primeira vari vel de filtro que usada para criar um subconjunto dos dados O n mero da vari vel deve ser o n mero da vari vel de filtro casos cujos valores para essa vari vel caem no intervalo m nimo m ximo ser o inclu das na tabela O valor m nimo pode ser um inteiro negativo O n mero m ximo deve ser menor do que 99 999 Casas decimais devem ser colocadas onde apropriadas F2 n mero de vari vel c digo v lido m nimo c digo v lido m ximo F2 se refere segu
144. no dicion rio e As vari veis a serem checadas podem ser alfab ticas ou num ricas V lido ou inv lido lt gt e Um sinal indica que valores de c digo que seguem s o os c digos v lidos para as vari veis especificadas Todos os outros c digos ser o documentados como erros e lt gt n o igual indica que os c digos que seguem s o inv lidos Todos os casos possuindo esses c digos para as vari veis especificadas ser o documentados como erros Lista de valores de c digo e C digos podem ser expressos solitariamente separados por uma v rgula em intervalos separados por um tra o ou como uma combina o dos dois e Para vari veis num ricas zeros no in cio n o precisam ser inseridos e g V1 1 10 mas lembre se de que v rias vari veis sendo checadas em rela o a c digos em comum devem ter a mesma largura de campo definida no dicion rio e Para dados com casas decimais n o entre o ponto decimal no valor mas d o valor que reflete acuradamente o n mero assumindo casas decimais impl citas e g o n mero 2 com uma casa decimal deve ser dado como 20 e Para valores alfab ticos espa os em branco no final n o precisam ser entrados eles s o adicionados pelo programa para manter o match com a largura da vari vel e Para definir um espa o em branco ou para especificar um valor contendo espa os em branco intercalados envolva o valor entre aspas simples e g V10 NEW YORK PARIS
145. no grand total em tabelas bivariadas FREQ Contagens de freqii ncia ponderada mesmo que o n o ponderado caso WEIGHT n o seja especificado UNWF Contagens de frequ ncia n o ponderada MEAN M dia da vari vel especificada por VARCELL VARCELL n mero de vari vel N mero de vari vel para a qual o valor m dio deve ser computado para cada c lula na tabela MDHANDLING ALL R C NONE Indica quais valores de dados perdidos devem ser exclu dos dos c lculos estat sticas e percentuais ALL Deleta todos os valores de dados perdidos R Deleta todos os valores de dados perdidos para vari veis de linha C Deleta todos os valores de dados perdidos para vari veis de coluna NONE N o deleta dados perdidos Nota casos de dados perdidos s o sempre exclu dos das estat sticas univariadas WEIGHT n mero de vari vel O n mero da vari vel de pondera o se os dados forem ponderados FILTER xxxxxxxx O nome de 1 8 caracteres da especifica o de subconjunto a ser usado como filtro local Coloque o nome entre aspas simples se ele contiver quaisquer caracteres n o alfanum ricos Se o nome n o faz o match com nenhuma especifica o de subconjunto a tabela ser evitada Letras mai sculas devem ser usadas para fazer o match do nome da especifica o de subconjunto que automatica mente convertido para letras mai sculas REPE xxxxxxxx O nome de 1 8 caracteres da especifica o de subconjunto a ser usado como fator de repeti
146. no qual uma vari vel encontada com um c digo inv lido CHECK imprime os valores de ID da vari vel as vari veis em erro e seus valores 12 4 Dataset de Entrada A entrada um arquivo Dados descrito por um dicion rio do IDAMS CHECK pode checar a validade de dados tanto em vari veis num ricas quanto alfab ticas Se o dicion rio cont m registros C eles podem ser usados para definir c digos v lidos para vari veis Valores para vari veis num ricas s o assumidos na forma que teriam se fossem editados por BUILD Essa hip tese implica que n o existem espa os em branco no in cio eles foram substitu dos por zeros que um sinal negativo se houver aparece na posi o mais a esquerda e que casas decimais expl citas n o aparecem 12 5 Estrutura de Setup RUN CHECK FILES Especifica es de arquivo SETUP 1 Filtro opcional 2 T tulo 3 Par metros 4 Especifica es de c digo repetido como requerido DICT condicional Dicion rio DATA condicional Dados Arquivos DICTxxxx dicion rio de entrada omitir se DICT usado DATAxxxx dados de entrada omitir se DATA usado PRINT resultados default IDAMS LST 12 6 Declara es de Controle de Programa Reporte se ao cap tulo O Arquivo Setup do IDAMS para descri es mais aprofundadas das declara es de controle de programa itens 1 3 abaixo 1 Filtro opcional Seleciona um subconjunto de casos a ser usado na execu o
147. o especificados com menos d gitos que a largura do campo da vari vel assumem se zeros no in cio Portanto se a especifica o V2 2 3 dada onde V2 uma vari vel 2 d gitos valores v lidos usados para compara o para os dados ser o interpretados como 02 03 respectivamente Similarmente se 3 e 1 forem dados como c digos v lidos para uma vari vel 3 d gitos CHECK editar os c digos como 03 e 001 antes de comparar qualquer valor a eles Nota Se um erro de sintaxe encontrado em uma especifica o de c digos o resto das especifica es testado mas os dados n o s o processados 12 2 Caracter sticas Padr o do IDAMS Sele o de casos e vari veis O filtro padr o est dispon vel para selecionar um subconjunto de casos do dataset de entrada O usu rio seleciona as vari veis a serem checadas especificando as em uma lista de vari veis e ou nas especifica es de c digo Transformando dados Declara es de Recode n o podem ser utilizadas Tratamento de dados perdidos CHECK n o faz distin o entre dados substantivos e valores de dados perdidos todos os dados s o tratados igualmente 12 3 Resultados Dicion rio de entrada Opcional ver o par metro PRINT Registros de dicion rio para todas as vari veis s o impressos n o apenas para aquelas sendo checados 110 Verifica o de C digos CHECK Documenta o de c digos inv lidos Para cada caso
148. o contru das primeiramente Depois elas s o usadas para construir uma rela o de domin ncia final i AS RELA ES DE CONCORD NCIA E DE DISCORDANCIA s o constru das da matriz P nm as regras aplicadas nesse processo s o essencialmente as mesmas para ambs as rela es RELA O DE CONCORD NCIA Dois par metros s o utilizados para criar se uma rela o que reflita a concord ncia da opini o coletiva que a prefer vel a a de a diferen a de ranks para concord ncia 0 lt de lt m 1 Pe a propor o minima para concord ncia 0 lt pe lt 1 A diferen a de ranks para concord ncia permite ao usu rio influenciar a avalia o dos dados 54 2 M todo Baseado em L gica Classica 403 quando da construcao das matrizes de prefer ncias individuais RC d rok ae onde i j 1 2 m Os elementos de RC de que medem a domin ncia de a sobre a de acordo com a avalia o k s o definidos da seguinte maneira 1 se prj pri gt d k z Pkj Pki Z Ge e de 0 caso contrario A agrega o dessas matrizes mede a domin ncia m dia de a sobre a e possui a forma de uma rela o difusa descrita pela matriz RC de reis de onde k gt wp tc de as gt ve k Note que maiores valores de de levam a regras de constru o mais rigorosas pois di lt d implica rc di gt ref d2 e rog di gt re d TCij de Propor o minima para concord ncia torna
149. o nome desejado na rvore de folders exibida x Nome da aplica o salte sofa CAWinIDAMS 2 PT data E Folder Trabalho CAWinIDAMST 2 PT work E Folder Tempor rio CAWinIDAMS 2 PT temp E Pressione o bot o OK para salvar a aplica o Pressionando Cancelar cancela se a cria o de uma nova aplica o e retorna se para a janela Principal do WinIDAMS com as configura es exibidas previamente Abrindo uma aplica o O comando do menu Aplica o Abrir chama a caixa de di logo para selecionar um arquivo de aplica o a ser aberto e fornece uma lista de aplica es existentes no folder Aplica o Clicando nos nomes dos arquivos requeridos ativa se as configura es para essa aplica o Modificando uma aplica o Para modificar uma aplica o primeiro abra a e ent o mude os valores da mesma maneira que ao criar uma aplica o Exibindo as configura es para uma aplica o Use o comando do menu Aplica o Mostrar para chamar a caixa de di logo e clique no nome do arquivo requerido Para mostar as configura es para a aplica o ativa d um clique duplo no seu nome na janela Aplica o Deletando uma aplica o Isso pode ser feito deletando se o arquivo correspondente Use o comando do menu Aplica o Abrir para obter uma lista de arquivos Aplica o selecione o arquivo para deletar e use o bot o da direita para acessar o comando Delete do Windows O arquivo Default app n o deve ser de
150. o par metro INFILE OUT 3 5 Declara es de Controle de Programa 25 3 5 Declara es de Controle de Programa 3 5 1 Descri o Geral As declara es de controle de programa do IDAMS que seguem o comando SETUP s o utilizadas para especificar os par metros para uma execu o em particular Existem tr s declara es de controle padr es usadas por todos os programas 1 a declara o de filtro opcional para sele o de casos do arquivo de dados a ser usado 2 a declara o de t tulo mandat ria que especifica um t tulo para execu o 3 uma declara o de par metros mandat ria que seleciona as op es para o programa algumas op es s o padr es em rela o a maioria dos programas outras s o espec ficas de cada programa Declara es de controle de programa adicionais requeridas por programas individuais s o descritas no write up do programa 3 5 2 Regras Gerais de Codifica o e Declara es de controle s o introduzidas nas linhas com at 255 caracteres de comprimento e Linhas podem ser continuadas ao se digitar um tra o no final da linha e continuando se na outra linha e O comprimento m ximo de informa o que pode ser introduzido por uma declara o de controle de 1024 caracteres excluindo se a continua o de caracteres e Letras min sculas com exce o daquelas ocorrendo em strings entre aspas s o convertidas em mai sculas e Se strings de caracteres entre aspas s o inclu das em
151. o utilizados nos c lculos e testes ser o executados na ordem convencional 30 8 Exemplos 239 RUN MANOVA FILES como no Exemplo 1 SETUP ANALISE DE VARIANCIA MULTIVARIADA DEPVARS v11 v14 FACTOR V2 1 2 FACTOR V5 1 2 3 TESTNAME grande m dia TESTNAME idade TESTNAME sexo TESTNAME sexo amp idade Exemplo 3 An lise de vari ncia multivariada V11 V14 s o vari veis dependentes com tr s fatores A codificado 1 2 B codificado 1 2 3 C codificado 1 2 3 4 contrastes nominais ser o utilizados nos c lculos e testes ser o executados em uma ordem modificada m dia A B AxB C AxC BxC AxBxC RUN MANOVA FILES como no Exemplo 1 SETUP ANALISE MULTIVARIADA DE VARIANCIA TESTES EM UMA ORDEM MODIFICADA DEPVARS v11 v14 REORDER 1 4 3 7 2 6 5 8 FACTOR V2 1 2 FACTOR V5 1 2 3 FACTOR V8 1 2 3 4 TESTNAME m dia TESTNAME A TESTNAME B TESTNAME AxB TESTNAME C TESTNAME AxC TESTNAME BxC TESTNAME AxBxC Capitulo 31 An lise de Variancia Univariada ONEWAY 31 1 Descri o Geral ONEWAY um program de an lise de vari ncia univariada Um n mero ilimitado de tabelas usando v rios pares de vari veis independentes e dependentes podem ser produzidas em uma s execu o Cada an lise pode ser executada em todos os casos ou em subconjuntos de casos do arquivo de dados a sele o de caso para uma an lise independente da sele o para outras an lises O termo vari vel de con
152. obter em sa da uma c pia do Dicion rio de entrada SORT MERGE SORT Os dados de entrada devem ser classificados MERG Dois ou mais arquivos de dados devem ser fundidos ORDER A D A Classificar em ordem ascendente nos campos de classifica o D Classificar em ordem descendente KEYVARS lista de vari veis Lista das vari veis a serem usadas como campos de classifica o dicion rio do IDAMS deve ser fornecido Nota O arquivo de dados deve conter um registro por caso para que essa op o seja selecionada Se h mais de um registro por caso ent o selecione KEYLOC KEYLOC sl el s2 e2 Sn Localiza o inicial no n simo campo de classifica o En Localiza o final do n simo campo de classifica o Deve ser especificado mesmo quando igual a localiza o inicial Nota N o h defaults Ou KEYVARS ou KEYLOC mas n o ambos deve ser especificado PRINT CDICT DICT CDIC Imprime o dicion rio de entrada para as vari veis chave de classifica o com registros C se houver DICT Imprime o dicion rio de entrada sem registros C 19 10 Restri es 1 Um m ximo de 16 arquivos podem ser fundidos 2 Um m ximo de 12 campos de controle de Classifica o Fus o ou vari veis podem ser especificadas 3 O n mero m ximo de registros depende do espa o de disco dispon vel para os arquivos de trabalho SORTWXKO1 02 03 04 05 Esses arquivos de trabalho podem ser direcionados para outro disco que n o o dis
153. op o est dispon vel para criar um conjunto de vari veis dummy dicot micas para vari veis categ ricas especificadas ver o par metro CATE Elas podem ser usadas como vari veis independentes na an lise de regress o F ratio para uma vari vel a entrar na equa o Numa regress o stepwise vari veis s o adicionadas por vez na equa o de regress o at que a equa o se torne satisfat ria A cada passo a vari vel com a maior correla o parcial com a vari vel dependente selecionada Um valor de teste F parcial ent o calculado para a vari vel e esse valor comparado com um valor cr tico fornecido pelo usu rio Assim que o F parcial para a pr xima vari vel a ser introduzida se torna menor que o valor cr tico a an lise terminada F ratio para uma vari vel a ser removida da equa o Uma vari vel que tinha sido a melhor vari vel a entrar em um est gio anterior de uma regress o stepwise pode em um est gio posterior n o ser mais a melhor por causa da rela o entre ela e outras vari veis agora na regress o Para detectar isso o valor parcial de F para cada vari vel na regress o a cada passo do c lculo computado com um valor cr tico fornecido pelo usu rio Qualquer vari vel cujo valor F se encontra abaixo do valor cr tico removida do modelo Regress o stepwise Se uma regress o stepwise requisitada o programa determina que vari veis ou quais conjuntos de vari veis dummy dentre o
154. os n meros de vari veis de sa da correspondentes e n meros de refer ncia Notifica o de casos duplicados Condicional se a ordem de classifica o do arquivo est sendo checada todos os casos duplicados s o documentados estando ou n o especificado o par metro DUPLI CATE DELETE Para cada identifica o de caso que apare a mais de uma vez nos dados o n mero de duplicatas o n mero sequencial do caso e a identifica o do caso s o impressos Al m disso o programa imprime o n mero de registros de dados de entrada e o n mero de registros de dados de entrada deletados 162 Subdivis o de Datasets SUBSET 20 4 Dataset de Saida A sa da um dataset do IDAMS constru do do subconjunto de casos e ou vari veis do arquivo de entrada especificado pelo usu rio Quando todas as vari veis s o copiadas i e quando OUTVARS n o especificado os registros de sa da e entrada possuem a mesma estrutura e o dicion rio de sa da uma c pia exata do de entrada Caso contr rio a informa o do dicion rio para as vari veis no arquivo de sa da designada da seguinte maneira Segii ncia de vari veis e n mero de vari veis Se VSTAR especificado vari veis s o colocadas como elas aparecem na lista OUTVARS e elas s o numeradas de acordo com o par metro VSTART Se VSTART n o especificado as vari veis de sa da assumem os mesmos n meros das vari veis de entrada e s o classificadas em ordem ascendente por n
155. ou ordinais oriundos de duas amostras independentes E usado quando todos os casos de duas amostras aleat rias independentes pertencem a duas categorias mutuamente exclusivas O teste determina se os dois grupos diferem na propor o com que eles est o presentes nas duas categorias Probabilidade do resultado observado calculado da seguinte maneira _ a b c d a c b d Es Nia bl cl dl onde a b c d representam as frequ ncias nas quatro c lulas O programa TABLES fornece as probabilidades exatas mono e bi caudais chamadas probabilidade de resultado igual a ou mais extremo do que observado e probabilidade de resultado tao extremo quanto o observado em qualquer dire o respectivamente 57 2 Estatisticas Bivariadas 425 t Teste de Mann Whitney O teste U de Mann Whitney pode ser usado para testar se dois grupos independentes foram retirados da mesma populagao a alternativa mais til em rela o ao teste t param trico quando a medida mais fraca que o escalonamento do intervalo No program TABLES requerido que a vari vel linha seja a vari vel de agrupamento dicot mica Sejam n o n mero de casos no menor dos dois grupos n2 o n mero de casos no segundo grupo Ri soma dos ranks designados para grupo com n casos Ro soma dos ranks designados para grupo com ny casos Ent o nina 1 Uy ning mae Ys Ry 2 Nona T 1 Uz mana gica Ro 2 e U min U Us Se houver mais
156. para especificar as vari veis de linha e de coluna para a constru o da tabela e vari veis X e Y para os diagramas de dispers o Voc requisitado a selecionar a maneira de calcular o n mero de linhas e colunas H duas possibilidades elas podem ser iguais ao n mero de valores de vari vel distintos ou iguais ao n mero de intervalos especificado pelo usu rio Intervalos calculados possuem o mesmo comprimento 40 3 7 Diagramas de Dispers o em Tr s dimens es e suas Rota es Para obter um diagrama de dispers o tri dimensional clique o bot o Diagramas de 3D da barra de ferra mentas ou use o comando de menu Ferramentas Diagramas de 3D A caixa de di logo permite que voc selecione tr s vari veis a serem projetadas ao longo dos eixos OX OY e OZ Depois de OK voc obt m uma nova janela com um diagrama de dispers o tri dimensional para as vari veis selecionadas Se a janela da matriz parente de diagramas est no modo pincel os casos inclu dos no pincel ser o exibidos do mesmo jeito desse diagrama 40 4 Janela de GraphID para An lise de uma Matriz 325 GraphID Explora o Gr fica Interativa de Dados 3D Rotating Ploi ioj xi Arquivo Editar Yer Ferramentas Janela Ajuda tm x Sal SS wz amo e Sl a E r Rotacional H03 sor oz Espalhar E cdi Teaching z m Nomes vox vor MV oz Exp in count IND Case29 IZ Voc pode usar os elementos de controle da caixa d
157. pelo par metro STATS usando cada vari vel aparecendo na lista ROWVARS emparelhada com cada vari vel aparecendo na lista COLVARS Produz as tabelas de estat sticas requisitadas com o par metro CELLS 292 Tabelas Univariadas e Bivariadas TABLES PRINT TABLES NOTABLES SEPARATE ZEROS CUM GRID NOGRID N WTDN MATRIX Op es relevantes a tabelas univariadas bivariadas apenas TABL Imprime tabelas com itens especificados por CELLS SEPA Imprime cada item especificado em CELL como uma tabela separada ZERO Matem as linhas com resultados zeros nas marginais Aplic vel somente se a tabela possuir mais de 10 colunas e portanto deve ser impressa em listas CUM Imprime fregii ncias marginais de linha e de coluna cumulativas e percentuais Se os dados s o ponderados figuras s o computadas em frequ ncias ponderadas apenas GRID Imprime o grid ao redor das c lulas de tabelas bivariadas NOGR Suprime o grid ao redor de c lulas de tabelas bivariadas Op es relevantes com WRITE MATRIX apenas N Imprime a matriz de n s para matrizes de estat sticas requeridas WTDN Imprime a matriz de n s ponderados para matrizes de estat sticas requeridas MATR Imprime matrizes de estat sticas especificadas sob STATS 37 9 Restri es 1 2 10 11 O n mero m ximo de vari veis para frequ ncias univariadas 400 A combina o de vari veis e subconjuntos de especifica es sujeito restri o 5NV 107NF lt 8
158. perdido i e cont m um c digo de dados perdidos h uma possibilidade de process la usando MDSCAL a op o de cutoff do MDSCAL ver o par metro CUTOFF pode ser usada para excluir da an lise valores de dados perdidos se eles forem menores que valores de dados v lidos MDSCAL n o possui nenhuma op o para reconhecer c digo de dados perdidos que sejam n meros grandes como 99 99901 o c digo de dados produzido por PEARSON Se grandes valores de dados perdidos existirem eles devem ser transformados em n meros pequenos Se uma vari vel em particular possui v rias entradas perdidas possivelmente ela deve ser descartada da an lise 28 3 Resultados Matriz de entrada Opcional ver o par metro PRINT Pesos de entrada Opcional ver o par metro PRINT Configura o de entrada Se uma configura o inicial fornecida ele sempre impressa Hist ria dos c lculos Para cada solu o o programa imprime um hist rico completo das computa es reportando o valor de esfor o e os seus par metros auxiliares para cada itera o 28 4 Matriz de Configura o de Sa da 217 Iteragao o numero da iteragao Esfor o o valor corrente do esfor o SRAT o valor corrente do quociente de esfor o SRATAV a m dia corrente do quociente de esfor o uma m dia exponencialmente ponderada CAGRGL o cosseno do ngulo entre o gradiente corrente e gradiente anterior COSAV o valor corrente do cosseno m dio do ngulo entre gradie
159. pode ser realizado da mesma maneira que em uma janela Dicion rio Para marcar uma linha clique em qualquer campo dessa linha Um tri ngulo aparece no in cio da linha e a linha colorida de azul escuro Para marcar um bloco de linhas coloque o cursor do mouse no in cio da linha onde voc deseja iniciar a marca o e clique o bot o esquerdo do mouse A linha se torna amarela indicando que est ativa Ent o mova o cursor para cima ou baixo at a linha onde voc deseja marcar e clique o bot o esquerdo do mouse mantendo a tecla Shift apertada As linhas marcadas se tornam azul escuras e a cor amarela mostra a linha ativa Voc pode Cortar Copiar e Colar linha s marcada s usando os comandos Editar bot es equivalentes na barra de ferramentas ou teclas de atalho Ctrl X Ctrl C e Ctrl V respectivamente Usando o bot o direito do mouse voc pode Inserir antes Inserir depois Deletar ou Copiar a linha ativa mesmo quando um bloco de linhas est marcado Dois comandos de gerenciamento de dados s o oferecidos no menu Gerenciamento para permitir a verifica o e classifica o de dados Checar c digos checa os valores dos dados para todos os casos no arquivo Dados em rela o aos c digos definidos no dicion rio sendo estes os nicos c digos considerados v lidos Ao final da verifica o uma menssagem mostrando o n mero de erros encontrado exibida e voc convidado a corrig los um a um usando a caixa de di log
160. poss vel transformar a rela o difusa RC d em uma rela o n o difusa chamada a rela o de concord ncia descrita pela matriz RC de pe reis de De cujos elementos s o definidos da seguinte maneira x _ f 1 se rci d gt pe rij de Pe 0 caso contrario A condi o rc de pe 1 significa que a opini o coletiva est em concord ncia com a declara o a prefer vel a aj ao nivel de pe Fica claro novamente que aumentando o valor de pe obtem se condi es estritas para concord ncia RELA O DE DISCORDANCIA A constru o da rela o de discord ncia segue a mesma maneira como explicado no caso da concord ncia Os dois par metros controlando a constru o s o da a diferen a de ranks para discord ncia 0 lt da lt m 1 Pa a propor o m xima para discord ncia 0 lt pa lt 1 As rela es de discord ncia individuais s o determinadas primeiramente nas matrizes RD da rdf da onde i j 1 2 m Os elementos de RD da que medem a domin ncia de a sobre a de acordo com a avalia o k s o definidos da seguinte maneira Ji se pri prj gt da rdi da 0 caso contrario A agrega o dessas matrizes mede a domin ncia m dia de a sobre a e possui a forma de uma rela o difusa descrita pela matriz RD dq rai da onde 5 Wk rdi da 2 EE k rdij da 404 Ordenamento de Alternativas Para o caso da conco
161. programa do IDAMS que est sendo executado Quando o programa do IDAMS tiver terminado de usar o caso o caso seguinte passando o filtro processado as vari veis R exceto as vari veis CARRY reinicializadas com os valores de dados perdidos e as declara es de Recode executados para aquele caso at o final do arquivo de dados ser alcan ado 4 5 Operandos Basicos 35 Testando declara es de Recode Erros de l gica podem ser cometidos e n o detectados pela facilidade Recode Para checar os resultados esperados com aqueles gerados pelo Recode as declara es de Recode devem ser testadas em alguns registros usando o programa LIST com o par metro MAXCASES tomando o valor de 10 Os valores de dados das vari veis usadas e as correspondentes vari veis resultantes podem ent o ser inspecionadas Arquivos usados pelo Recode Quando um comando RECODE encontrado no arquivo Setup linhas subsequentes s o copiadas em um arquivo de trabalho na unidade FT46 O programa RECODE l declara es de Recode desse arquivo e as analisa em busca de erros antes da execu o do programa Se s o encontrados erros mensagens de diagn stico s o impressas e a execu o completa do IDAMS terminada Declara es interpretadas s o escritas na forma de tabelas em um arquivo de trabalho na unidade FT49 de onde s o lidos pelo programa IDAMS sendo executado Mensagens em rela o a declara es Recode s o escritas na unidade FT06 com resultados
162. que he See ee BA ROE ERR wlll ss gh 45 4 10 Declara es de Designa o 2 ee ee 46 4 11 Declara es Especiais de Designa o aoaaa ee 46 4 12 Declaragoes de Controle s s reece aans ee o co 48 4 13 Declara es Condicionais 1 ea e a a a 49 4 14 Declara es de Inicializa o Defini o 1 50 4 15 Exemplos do Uso de Declara es de Recode 0 00 0 ee ee 52 AVG RESLEL S a var xr om les Ga ake ee ae ed ae Se ee ee Se ee Ra e a 54 ANT Notae eee eB A ee Oe a a a eR AE SD TAE ee ee T 55 Gerenciamento e An lise de Dados 57 5 1 Valida o de Dados com IDAMS sessast a Shies eanas yya Dara ee 57 Sll Resumo a a Ego a E a OS aa A DW o E E oa a 57 5 1 2 Checando a Integridade dos Dados ooo a a 57 5 1 3 Checando Valores N o num ricas e Inv lidas oaoa 0000004 58 5 1 4 Checagem de Consist ncia aoo a 59 5 2 Gerenciamento e Transforma o de Dados 1 2 2 0 000 000 0000 0004 59 5 3 An lis de Dadose 4 of 2 dai earan eok ia ela a ah a di DA E g Gg do Maas 60 5 4 Exemplo de uma Pequena Tarefa a ser Executada pelo IDAMS 60 II Trabalhando com o WinIDAMS 63 6 Instala o 65 6 1 Requerimentos do Sistema ooa a 65 6 2 Procedimento de Instala o aoaaa aaa 65 6 3 Testando a Instala o cumps ae ee EO OEE EE Ho ew RR a a 65 6 4 Folders e Arquivos Criados Durante Instala o 0 0 0 0 0 a 66 6 4 1 Folders do WinIDAMS 0 0 2 000
163. que s o preenchidos pelo programa MERCHECK termina a execu o se mais do que 60 registros com valores de ID de casos id nticos ocorrem na rea de trabalho 4 M ximo comprimento combinado dos campos de ID de casos individuais de 40 caracteres 5 M ximo comprimento do campo de ID de registro de 5 caracteres n o brancos cont guos 6 M ximo comprimento de uma constante a ser checada de 12 caracteres 7 M ximo n mero de campos de ID de casos 5 14 9 Exemplos Exemplo 1 Checar a fus o de tr s registros por caso que possuem tipos 1 2 e 3 respectivamente registros perdidos s o preenchidos registros 1 e 2 s o preenchidos com espa os em branco registro 3 preenchido com uma c pia dos valores dados com o par metro PAD casos sem registros v lidos quando todos os registros para um caso possuem tipos de registros inv lidos s o escritos no arquivo BAD casos com at 4 registros duplicados s o tamb m escritos no arquivo BAD se um caso contiver 5 ou mais duplicatas de um tipo particular de registro ent o ele mantido como um bom caso usando a quinta duplicata e eliminando os outros RUN MERCHECK FILES PRINT MERCH1 LST FTO2 DEMO BAD arquivo para produzir casos ruins DATAIN DEMO DATA1 arquivo Dados de entrada DATAOUT DEMO DATA2 arquivo Dados de saida com bons casos apenas SETUP CHECKING THE MERGE OF DATA IDLO 1 3 5 6 10 10 RECO 3 DELE ALLM DUPK 5 WRITE BADRECS MAXE 200 RECID 1
164. r Laboratory of Cybernetics J zsef Attila University Szeged Hungria e Administrador do Pro grama IDAMS na UNESCO entre Julho de 1993 e Fevereiro de 2001 Jean Massol EOLE Paris Fran a Prof Anne Morin Institut de Recherche en Informatique et Syst mes Al atoires IRISA Rennes Fran a Judith Rattenbury ex Diretora Divis o de Processamento de Dados World Fertility Survey London e atualmente fundadora e diretora da SJ MUSIC editora Cambridge Reino Unido J M Romeder e Associa tion pour le D veloppement et la Diffusion de 1 Analyse des Donn es ADDAD Paris Fran a Prof Peter J Rousseeuw Universitaire Instelling Antwerpen B lgica Dr A V Skofenko Academy of Sciences Kiev Ucr nia Eng Neal Van Eck Susquehanna University Selinsgrove Estados Unidos Nicole Visart que lan ou o Programa IDAMS na UNESCO e que al m das suas contribui es em todos os est gios assegurou a coordena o e monitoramento de todo o projeto at a sua aposentadoria em 1992 imposs vel dar os devidos cr ditos a todas as pessoas al m dos acima j mencionados que contribu ram com id ias e esfor os para o IDAMS e para o OSIRIS III 2 de onde foi originado At agora IDAMS tem sido desenvolvido principalmente na UNESCO Segue uma lista de nomes dos principais programas componentes e facilidades inclu dos no WinIDAMS com os nomes dos autores e programadores e os nomes das institui es onde foi realizado o trabalho In
165. regral regra2 regra n s o o conjunto de regras definindo os valores a serem retornados dependendo do valor de var As regras s o expressas na forma de x c onde x define um ou mais c digos e c o 38 Facilidade Recode valor a ser retornado quando o valor de var for igual ao s c digo s definidos por x As regras poss veis onde n qualquer constante num rica ou de caracteres s o gt m lt c se o valor de var for maior que m retornar o valor c lt m c se o valor de var for menor que m retornar o valor c m c se o valor de var for igual ao valor de m retornar o valor c ml m2 c se valor de var estiver no intervalo de ml at m2 ie ml lt var lt m2 retornar o valor c e Podem ser definidas quantas regras sejam necess rias Elas s o avaliadas da esquerda para a direita e a primeira a ser satisfeita ser utilizada Note que gt e lt s o utilizados n o os operadores l gicos GT e LT e ELSE TAB e as regras podem ser especificadas em qualquer ordem e Intervalos de valores alfab ticos n o s o permitidos e g A C n o permitido Exemplos R1 BRAC V10 TAB 1 ELSE 9 1 10 1 11 20 2 lt 0 0 O valor de R1 ser 1 se a vari vel 10 est no intervalo 1 to 10 2 se V10 est no intervalo 11 20 e 0 se V10 menor que 0 Se V10 assume qualquer outro valor e g 3 10 5 25 0 ent o a cl usula ELSE aplicada e R1 ser 9 Essas regras de bracketing s o nomead
166. requisitadas DICT condicional Dicion rio DATA condicional Dados Arquivos DICTxxxx dicion rio de entrada omitir se DICT usado DATAxxxx dados de entrada omitir se DATA usado PRINT resultados default IDAMS LST 31 6 Declara es de Controle de Programa Reportar se ao cap tulo O Arquivo Setup do IDAMS para descri es mais aprofundadas das declara es de controle de programa itens 1 4 abaixo 1 Filtro opcional Seleciona um subconjunto de casos a ser usado na execu o Exemplo EXCLUDE V3 9 2 T tulo mandat rio Uma linha contendo at 80 caracteres para nomear os resultados Exemplo DATA ON TRAINING EFFECTS FOR FOOTBALL PLAYERS 3 Par metros mandat rio Para selecionar op es de programa Exemplo INFILE IN xxxx Um sufixo ddname de 1 4 caracteres para os arquivos Dicion rio e Dados de entrada Default ddnames DICTIN DATAIN BADDATA STOP SKIP MD1 MD2 Tratamento de valores n o num ricos Ver o cap tulo O Arquivo Setup do IDAMS MAXCASES n O n mero m ximo de casos depois da filtragem a ser usado do arquivo de entrada Default Todos os casos ser o utilizados 244 An lise de Vari ncia Univariada ONEWAY PRINT CDICT DICT CDIC Imprime o dicion rio de entrada para as vari veis acessadas com registros C se houver DICT Imprime o dicion rio de entrada sem registros C Especifica es de tabela As regras de codifica o s o as mesmas das de par
167. retornado 1 5 x 10 Prot tipo STD varlist MIN n Onde e varlist uma lista de vari veis tipo R e V e constantes e n o n mero m nimo de valores v lidos para que seja calculado o desvio padr o O valor default de n l Exemplo R5 STD V20 V24 R56 R58 MIN 3 SUM A fun o SUM retorna a soma dos valores de um conjunto de vari veis Valores perdidos s o exclu dos O argumento MIN pode ser usado para especificar o n mero m nimo de valores v lidos para que a soma possa ser calculada Caso contr rio o valor default de valor perdido de retornado 1 5 x 10 Prot tipo SUM varlist MIN n Onde e varlist uma lista de vari veis tipo R tipo V e constantes e n o n mero m nimo de valores v lidos para que seja calculado a soma O valor default de n 1 Exemplo R8 SUM V20 V22 V24 V26 MIN 3 Se tr s ou mais vari veis possuem valores v lidos a soma deles retornada Caso contr rio o valor de 1 5 x 10 retornado TABLE A fun o TABLE retorna o valor baseado nos valores simult neos de duas vari veis Prot tipo TABLE r c TAB i ELSE valor PAD valor COLS cl c2 cm LINHA rl valores da linha r1 r2 valores da linha r2 rn valores da linha rn Onde e r uma vari vel ou constante que ser utilizada como um ndice de linha para a tabela e c uma vari vel ou constante que ser utilizada como um ndice de coluna para uma tabela e TAB i nu
168. rio de entrada Opcional ver o par metro PRINT Registros de descri o de vari veis e registros C se houver apenas para vari veis usadas na execu o Tabela de freqii ncia ponderada Opcional ver o par metro de an lise PRINT Uma matriz N x M impressa para cada par de preditores onde N maximum c digo do preditor de linha e M maximum c digo do preditor de coluna O n mero total de tabelas P P 1 2 onde P o n mero de preditores Coeficientes para cada itera o Opcional ver o par metro de an lise PRINT Os coeficientes para cada classe para cada preditor Estat sticas da vari vel dependente Para a vari vel dependente Y grand m dia desvio padr o e coeficiente de varia o soma de Y e soma de Y quadrado soma de quadrados total explicada e residual n mero de casos usados na an lise e soma dos pesos Estat sticas de preditores para an lise de classifica o m ltipla Para cada categoria de cada preditor o c digo da categoria classe e label se existir no dicion rio o n mero de casos com dados v lidos em forma bruta ponderada e percentual m dia n o ajustada e ajustada desvio padr o e coeficiente de varia o da vari vel dependente desvio n o ajustado da m dia da categoria em rela o a grand m dia e coeficiente de ajustamento Para cada vari vel preditora eta e eta quadrado n o ajustado e ajustado beta e beta quadrado soma dos quadrados n o ajustada e ajust
169. s de Pearson a matriz de entrada pode conter qualquer medida que fa a sentido como uma medida de proximidade Devido ao fato de que escalonamento n o num rico utilizar somente propriedades ordinais dos dados nada precisa ser assumido em rela o s propriedades quantitativas ou num ricas dos dados Deve haver no m nimo duas vezes mais vari veis do que dimens es 218 Escalonamento Multidimensional MDSCAL 28 6 Matriz de Pondera o de Entrada Se uma matriz de pondera o fornecida ela deve estar exatamente no mesmo formato da matriz de dados de entrada O par metro INPUT STAN LOWE SQUA DIAG se aplica a matriz de pondera o como tamb m a matriz de dados O dicion rio para a matriz de pondera o deve ser o mesmo da matriz de dados de entrada M dias e desvios padr es n o s o usados mas linhas dummy correspondentes devem ser fornecidas Essa matriz cont m valores em correspond ncia um para um com os elementos da matriz de dados que devem ser usados como pesos para os dados Esses valores s o usados em conjun o com o valor para o par metro CUTOFF quando aplicados aos dados Se um valor de dados maior que o valor de cutoff mas o valor correspondente do peso menor ou igual a zero uma condi o de erro sinalizada Do mesmo jeito se o valor de dados menor ou igual ao valor de cutoff e o valor de peso correspondente maior que zero uma condi o de erro imposta Se qualquer uma dessas in
170. se pelo menos uma das express es l gicas resultar em valor verdadeiro e falso se ambas resultarem em um valor falso MDATA V10 R20 AND V9 GT 2 Verdadeiro se o valor de V10 ou o valor de R20 um c digo de dados perdidos e o valor de V9 maior que 2 falso caso contr rio 4 8 Fun es Aritm ticas 4 8 Fun es Aritm ticas 37 Todas as fun es aritm ticas retornam um nico valor num rico A lista de argumentos das fun es pode ser listas simples posicionadas entre par nteses ou listas altamente estruturadas envolvendo tanto elementos de palavra chave quanto elementos em posi es espec ficas da lista As fun es dispon veis s o Fun o ABS BRAC COMBINE COUNT LOG MAX MD1 MD2 MEAN MIN NMISS NVALID RAND RECODE SELECT SQRT STD SUM TABLE TRUNC VAR Exemplo ABS R3 BRAC V5 TAB 1 ELSE 9 1 10 1 11 20 2 BRAC V10 F 1 M 2 COMBINE V1 2 V42 3 COUNT 1 V20 V25 LOG V2 MAX V10 V20 MD1 V3 MEAN V5 V8 MIN 2 MIN V10 V20 NMISS V3 V6 NVALID V3 V6 RAND 0 RECODE V7 V8 1 1 1 2 1 2 3 3 2 ELSE 0 SELECT BY V10 FROM R1 R5 9 SQRT V2 STD V20 V25 MIN 4 SUM V6 V8 V9 V12 MIN 3 TABLE V5 V3 TAB 2 ELSE 9 TRUNC V26 3 VAR V6 R5 R10 MIN 7 A sintaxe exata para cada fun o dada abaixo Finalidade Valor absoluto Agrupamento univariado Recodifica o alfab tica Combina o de 2 vari veis Contagem da ocorr
171. separado por uma v rgula e Espa os em branco podem ocorrer em qualquer lugar na declara o e Para continuar em uma outra linha termine a informa o em um ponta e entre com um tra o para indicar continua o 18 8 Restri es 155 5 Vari veis de sa da mandat rio Isso define quais vari veis de cada dataset de entrada devem ser transferidas para o sa da e especifica o ordenamento no sa da Exemplo Ai B2 A5 A10 B5 B7 B10 o que significa que o dataset de sa da conter a vari vel V1 do dataset A seguida pela vari vel V2 de B seguida pelas vari veis V5 at V10 do dataset A etc nessa ordem Regras de codifica o e As regras de codifica o s o as mesmas das de especifica o de vari veis com os par metros VARS exceto que A s e B s s o usados ao inv s de V s Cada n mero de vari vel do dataset A precedido por um A e cada n mero de vari vel do dataset B precedido por um B e Vari veis duplicadas na lista contam como vari veis separadas 18 8 Restri es 1 O n mero m ximo de vari veis de emparelhamento de cada dataset 20 2 Vari veis de emparelhamento devem ser do mesmo tipo e ter a mesma largura de campo em cada arquivo 3 O comprimento m ximo total do conjunto de vari veis de emparelhamento para cada dataset de 200 caracteres 18 9 Exemplos Exemplo 1 Combinando registros de 2 datasets com um conjunto de casos id nticos em ambos os dat
172. uma declara o de controle elas devem ser continuadas em uma linha 3 5 3 Filtros Finalidade Uma declara o de filtro usada para selecionar um subconjunto dos casos dos dados expressa em termos de vari veis e valores assumidos por estas vari veis Por exemplo se a vari vel V5 indica sexo do respondente em um survey e o c digo 1 representa feminino ent o INCLUDE V5 1 uma declara o de filtro que especifica respondentes femininos como o subconjunto de casos desejado O filtro principal seleciona casos de um arquivo Dados de entrada e se aplica ao longo de toda a execu o do programa Esses filtros est o dispon veis em todos os programas do IDAMS que utilizam um dicion rio exceto BUILD e SORMER Alguns programas permitem criar subconjuntos de dados adicionais Essa filtragem local se aplica a apenas um programa espec fico e g uma tabela de fregii ncia Exemplos 1 INCLUDE V2 1 5 AND V7 23 27 35 AND V8 1 2 3 6 2 EXCLUDE V10 2 3 6 8 9 AND V30 lt 5 OR V91 25 3 INCLUDE V50 FRAN UK MORO INDI Localiza o Se um filtro principal usado ele ser sempre a primeira declara o de controle do programa Cada write up de programa indica se filtros locais tamb m podem ser utilizados Regras de codifica o e A declara o de filtro come a com a palavra INCLUDE ou EXCLUDE Dependendo de qual palavra for dada a declara o de filtro define o subconjunto
173. uma s rie de subconjuntos Ata enquanto se mantem j e p fixos com valores monotonica e estritamente crescentes da fun o a ser maximizada nos passos sucessivos O programa fornece duas maneiras de interpreta o da matriz M CONJUNTOS DIFUSOS DE RANKS POR ALTERNATIVAS Para cada alternativa a um valor de uma fun o de filia o difusa mostra a credibilidade de ter se essa alternativa na p posi o p 1 2 m Tamb m os ranks de maior credibilidade posi es para cada alternativa s o listados esima SUBCONJUNTOS DIFUSOS DE ALTERNATIVAS POR RANGES Para cada rank posi o p um valor de fun o de filia o difusa mostra a credibilidade da alternativa a j 1 2 m estar nessa posi o Tamb m as alternativas mais cr veis candidatas a uma posi o s o listadas 54 6 Refer ncias 409 54 6 Refer ncias Dussaix A M Deux m thodes de d termination de priorit s ou de choix Partie 1 Fondements math matiques Document UNESCO NS ROU 624 UNESCO Paris 1984 Jacquet Lagr ze E Analyse d opinions valu es et graphes de pr f rence Math matiques et sciences hu maines 33 1971 Jacquet Lagr ze E L agr gation des opinions individuelles Informatique et sciences humaines 4 1969 Kaufmann A Introduction a la th orie des sous ensembles flous Masson Paris 1975 Orlovski S A Decision making with a fuzzy preference relation Fuzzy Sets and Systems Vol 1 No 3 1978 C
174. usada com frequ ncia dado que valores perdidos n o s o automaticamente checados na avalia o de express es exceto em fun es MAX MEAN MIN STD SUM e VAR Prot tipo MDATA varlist Onde varlist uma lista de vari veis do tipo R e V Pode haver um m ximo de 50 vari veis nessa lista 46 Facilidade Recode Exemplo IF MDATA V1 V5 V6 THEN R1 MD1 R1 ELSE R1 V1 V5 V6 Se qualquer vari vel na lista V1 V5 V6 tem um valor igual a seu c digo MD1 ou no intervalo especificado pelo c digo MD2 a fun o MDATA retornar um valor de verdadeiro e a vari vel de resultado R1 ser igualada ao primeiro c digo de dados perdidos Caso contr rio a fun o MDATA retornar o valor de falso e R1 igualado a soma de V1 V5 V6 4 10 Declara es de Designa o Estas s o as principais unidades estruturais da linguagem Recode Elas s o utilizadas para designar um valor para um resultado Qualquer n mero entre 1 e 9999 pode ser usado por uma vari vel R mas pode se evitar confus o se os n meros R forem distintos dos n meros V das vari veis no dicion rio de entrada e g se existirem 22 vari veis no dicion rio ent o comece a numerar as vari veis R de R30 Declara es de designa o podem tamb m ser utilizadas para designar um novo valor para uma vari vel de entrada Nesse caso o valor original da vari vel de entrada perdido durante a dura o da execu o do programa IDAMS Prot tipo vari vel exp
175. usadas e Palavras em mai sculas s o palavras chave Palavras ou frases em min sculas indicam que o usu rio deve trocar a palavra ou frase por um valor apropriado MAXCASES n VARS lista de vari veis Tipos de palavras chave H 5 tipos de palavras chave usadas para a especifica o de par metros 1 Uma palavra chave seguida de uma string de caracteres Esse tipo de palavra chave identifica um par metro consistindo de uma string de caracteres e g INFILE IN xxxx Um sufixo ddname de 1 4 caracteres para os arquivos Dicion rio e Dados de entrada Um usu rio poderia especificar INFILE IN2 os ddnames seriam DICTIN2 e DATAIN2 2 Uma palavra chave seguida de um ou mais n meros de vari veis e g WEIGHT n mero de vari vel O n mero da vari vel peso se os dados devem ser ponderados VARS lista de vari veis Use apenas as vari veis da lista os n meros podem ser listados em qualquer ordem com ou sem a nota o V i e VARS V1 V3 ou VARS 1 3 Note que os write ups do programa sempre indicam se as vari veis tipos Re V ou apenas vari veis tipo V podem ser utilizadas Um usu rio poderia especificar WEIGHT V39 a vari vel do peso V39 VARS 32 1 10 apenas as vari veis especificadas devem ser usadas 3 Uma palavra chave seguida de um ou mais valores num ricos e g MAXCASES n Apenas os primeiros n casos ser o processados IDLOC sl el s2 e2 Colunas inicial e final de 1 5 campos de iden
176. usado antes de BUILD para assegurar que cada dado possua o mesmo conjunto de registros para cada caso Note que a nota o exponencial dos dados n o aceita por BUILD 11 7 Estrutura de Setup RUN BUILD FILES Especifica es de arquivo SETUP 1 T tulo 2 Par metros DICT condicional Dicion rio DATA condicional Dados Arquivos DICTxxxx dicion rio de entrada omitir se DICT usado DATAxxxx dados de entrada omitir se DATA usado DICTyyyy dicion rio de sa da DATAyyyy dados de sa da PRINT resultados default IDAMS LST 11 8 Declara es de Controle de Programa Reporte se ao cap tulo O Arquivo Setup do IDAMS para descri es mais aprofundadas das declara es de controle de programa itens 1 2 abaixo 1 T tulo mandat rio Uma linha contendo at 80 caracteres para dar nome aos resultados Exemplo FILE BUILDING STUDY A35 2 Par metros mandat rio Para selecionar op es de programa Exemplo MAXERROR 50 INFILE IN xxxx Um sufixo ddname de 1 4 caracteres para os arquivos Dicion rio e Dados de entrada Default ddnames DICTIN DATAIN LRECL 80 n O comprimento de cada registro de dados de entrada Usado para checar se as localiza es iniciais nos registros T s o v lidas 11 9 Exemplos 107 MAXCASES n O n mero m ximo de casos a ser usado do arquivo de entrada Default Todos os casos ser o utilizados VNUM CONTIGUOUS NONCONTIGUOUS CONT Checa se as vari
177. usados para checar a exist ncia de dados perdidos O par metro MDHANDLING indica se vari veis ou casos com dados perdidos devem ser exclu dos da an lise 248 Scoring Baseado em Ordena o Parcial de Casos POSCOR 32 3 Resultados Dicion rio de entrada Opcional ver o par metro PRINT Registros de descri o de vari veis e registros C se houver somente para vari veis usadas na execu o Dicion rio de sa da Opcional ver o par metro PRINT 32 4 Dataset de Sa da O arquivo de sa da cont m os escores computados juntamente com as vari veis transferidas e opcionalmente vari veis de an lise para cada caso usado na an lise i e todos os casos passando pelo filtro e n o exclu dos pelo uso da op o de manuseio de dados perdidos Um dicion rio do IDAMS associado tamb m produzido Vari veis de sa da s o numeradas sequencialmente come ando de 1 e possuem as seguintes caracter sticas e Vari veis de an lise e de subconjunto opcional somente se AUTR YES Vari veis V possuem as mesmas caracter sticas dos seus equivalentes de entrada Vari veis de Recode s o produzidas com WIDTH 7 e DEC 0 e Vari veis de identifica o de caso ID e transferidas Vari veis V possuem as mesmas caracter sticas dos seus equivalentes de entrada Vari veis de Recode s o produzidas com WIDTH 7 e DEC 0 e Vari veis de escore computadas Para ORDER ASEA DEEA ASCA DESA uma vari vel para cada an lise com N
178. utilizada n o ser impressa PRINT O comando de impress o reverso se estiver ativado PRINT o desativar se estiver desativado PRINT o ativar Quando o comando de impress o est ativado as linhas do arquivo Setup s o listadas como parte dos resultados do programa e Quando um comando RUN encontrado o comando de impress o estar sempre ativado Os coman dos DICT DATA e MATRIX automaticamente desativam o comando de impress o RECODE A ocorr ncia desse comando sinaliza que a faciliade Recode do IDAMS deve ser usada A facilidade Recode descrita no cap tulo Facilidade Recode desse manual e As declara es Recode normalmente seguem um comando RECODE Se um comando novo do IDAMS segue imediatamente um comando RECODE declara es Recode do setup do programa anterior ser o utilizadas 3 3 Especificagoes de Arquivo 23 RUN programa RUN especifica o programa a ser executado e sempre a primeira declara o no setup e programa o nome do programa de 1 a 8 caracteres e Todos os comandos e declara es seguindo um comando RUN e at o pr ximo comando RUN se aplicam ao programa especificado e O comando de impress o ativado quando um RUN encontrado Ver a descri o do PRINT SETUP O comando SETUP marca o in cio das declara es de controle do programa i e o filtro t tulo declara o de par metros etc ver abaixo e O comando SETUP requerido mesmo
179. v lidos para um m ximo que deve ser calculado De outra forma o valor default de dados perdidos 1 5 x 10 retornado Prot tipo MAX varlist MIN n Onde e varlist uma lista de vari veis tipo R e tipo V e constantes e n o valor n mero m nimo de valores v lidos para computa o do valor m ximo n possui como valor default 1 Exemplo R12 MAX V20 V25 MD1 MD2 A fun o MD1 ou MD2 retorna o valor que o primeiro ou segundo c digo de dados perdidos para a vari vel dada como argumento Prot tipo MD1l var ou MD2 var Onde var qualquer vari vel de entrada vari vel V ou vari vel de resultado vari vel R previamente definida Exemplo R12 MD2 V20 Para cada caso processado ser designado para R12 o segundo c digo de dados perdidos da vari vel V20 MEAN A fun o MEAN retorna o valor da m dia de um conjunto de vari veis Valores de dados perdidos s o exclu dos O argumento MIN pode ser usado para especificar o n mero m nimo de valores v lidos necess rios para que a m dia seja calculada Caso contr rio o valor default de dados perdidos de 1 5 x 10 retornado Prot tipo MEAN varlist MIN n Onde e varlist uma lista de vari veis R e V e constantes e n o n mero m nimo de valores v lidos necess rios para o c lculo do valor da m dia O valor default de n 1 Exemplo R15 MEAN R2 R4 V22 V5 MIN 2 O resultado ser a m dia das vari veis especif
180. v rgula e a ordem dos valores deve corresponder a ordem das vari veis na lista de vari veis de ID especificada com o par metro IDVARS e O n mero de d gitos ou caracteres em um valor deve ser igual largura da vari vel como definida no dicion rio i e zeros no in cio talvez precisem ser inclu dos e Valores contendo caracteres n o num ricos devem vir entre aspas simples e g ID 9 PAM Tipo de instru o A identifica o de caso seguida ou pela palavra LIST pela palavra DELETE ou por uma string de corre es de vari vel Corre es de vari vel e Uma corre o de vari vel consiste de um n mero de vari vel precedido por um V e seguido por e um e o valor correto e g V3 4 e Corre es de vari veis para vari veis diferentes do mesmo caso s o separadas por v rgulas e Valores de corre o para vari veis num ricas podem ser especificados sem zeros iniciais e Se a vari vel inclui casa decimais o ponto decimal pode ser inserido mas n o escrito no arquivo de sa da Os d gitos s o alinhados de acordo com o n mero de casas decimais indicado no dicion rio e d gitos decimais em excesso s o arredondados e Se o valor cont m caracteres n o num ricos ele deve vir entre aspas simples Uma v rgula inclusa deve ser representada como uma barra vertical e uma aspa simples inclusa deve ser representada como um underscore o programa converter a barra vertical e o
181. valor arredondado e convertido em n casas decimais e g if n 2 um valor de entrada de 2 146 ser convertido em 2 15 se n 0 um valor de entrada de 1 5 ser convertido em 002 Espa os em branco no final n o causam condi o de erro Se menos que n d gitos s o encontrados zeros s o inseridos a direita das casas decimais que faltam e Valores grandes demais para caber no campo especificado s o tratados de acordo com a especifica o contida em BADDATA Valores de vari veis alfab ticas n o s o editados e s o os mesmos na entrada e sa da 2 3 O Dicion rio do IDAMS 2 3 1 Descri o Geral O dicion rio usado para descrever as vari veis nos dados Para cada vari vel ele deve conter no m nimo o n mero da vari vel seu tipo e sua localiza o no registro dos dados Al m disso um nome de vari vel dois c digos de valores perdidos o n mero de casas decimais e um n mero de refer ncia ou nome devem ser dados Essa informa o armazenada em registros de descri o de vari veis s vezes conhecidos como registros T Registros C opcionais para vari veis categ ricas definem labels para c digos poss veis diferentes O primeiro registro no dicion rio o registro de descri o de dicion rio identifica o tipo de dicion rio d o primeiros e ltimos n meros da vari vel usados no dicion rio e especifica o n mero de registros de dados que comp e um caso O dicion rio original preparado pelo usu r
182. vari ncia Categorias da vari vel de controle que possuem zero graus de liberdade n o s o inclu das na computa o dessas estat sticas As seguintes estat sticas s o inclu das para cada tabela soma total de quadrados da vari vel dependente eta e eta quadrado n o ajustado e ajustado a soma de quadrados entre grupos soma de quadrados entre m dias e soma de quadrados dentro dos grupos o F ratio somente impresso se os dados s o n o ponderados 31 4 Dataset de Entrada A entrada um arquivo Dados descrito por um dicion rio do IDAMS Todas as vari veis de an lise devem ser num ricas elas podem assumir valores inteiros ou decimais Uma vari vel dependente deve ser medida em uma escala de intervalo ou ser dicot mica Uma vari vel de controle pode ser nominal ordinal ou intervalo mas deve possuir valores no intervalo 0 99 Se para qualquer caso a vari vel de controle para uma an lise possuir um valor excedendo esse intervalo o caso eliminado daquela an lise nenhuma mensagem dada Se o valor da vari vel de controle possui casas decimais somente a parte inteira usada e g 1 1 e 1 6 s o ambos colocados no lugar 1 nenhuma mensagem dada 31 5 Estrutura de Setup 243 31 5 Estrutura de Setup RUN ONEWAY FILES Especifica es de arquivo RECODE opcional Declara es de Recode SETUP 1 Filtro opcional 2 T tulo 3 Par metros 4 Especifica es de tabela repetidas como
183. vari vel Al e B3 foram usadas como vari veis de emparelhamento e que somente Al foi listada como uma vari vel de sa da Al e B3 n o seriam listadas simult neamente pois presumivelmente elas possuem o mesmo valor ent o se um caso no dataset era perdido o valor da vari vel de sa da Al seria o valor de B3 18 3 Resultados N meros de vari veis anteriores entrada versus novos sa da Opcional ver o par metro PRINT Um quadro contendo os n meros de vari veis de entrada e n meros de refer ncias e os n meros de vari veis correspondentes e n meros de refer ncias Dicion rio de sa da Opcional ver o par metro PRINT Documenta o de casos n o emparelhados entre os datasets A ou B H v rias maneiras que casos n o emparelhados i e casos aparecendo em apenas um arquivo podem ser documentados ver o par metro PRINT e Os valores de vari veis de emparelhamento podem ser impressos toda vez que vari veis de sa da de um dos datasets forem preenchidas com dados perdidos toda vez que casos do dataset A forem deletados toda vez que casos do dataset B forem deletados e Os valores de vari veis A podem ser impressos toda a vez que um caso do dataset A n o emparelhar com qualquer caso de B As vari veis s o impressas na ordem especificada para o dataset nas vari veis de sa da seguidas por todas as vari veis de emparelhamento que tamb m n o s o vari veis de sa da e Os valores de vari veis
184. veis WRITE MATRIX Escreva a matriz de correla o computada dos dados de entrada para um arquivo de sa da PRINT CDICT DICT XMOM XPRODUCTS MATRIX CDIC Imprime o dicion rio de entrada para vari veis acessadas com registros C se houver DICT Imprime o dicion rio de entrada sem registros C XMOM Imprime a matriz de soma de quadrados residuais e produtos cruzados XPRO Imprime a matriz de soma total de quadrados e produtos cruzados MATR Imprime a matriz de correla o Par metros para a entrada da matriz de correla o CASES n Fa a CASES igual ao n mero de casos usados para criar a matriz de entrada Esse n mero usado no c lculo do n vel de F N o h default deve ser fornecido quando do entrada da matriz de correla o PRINT MATRIX Imprime a matriz de correla o 27 9 Declara es de Controle de Programa 211 4 Defini o de vari veis dummy condicional se CATE foi especificado como um par metro O programa REGRESSN pode transformar uma vari vel categ rica em um conjunto de vari veis dummy Para se ter uma vari vel tratada como categ rica o usu rio deve a incluir o par metro CATE na lista de par metros e b especificar as vari veis a serem consideradas como categ ricas e os c digos a serem usados Cada vari vel categ rica a ser transformada seguida pelos c digos as serem utilizados entre par nteses Para cada vari vel quaisquer c digos n o listados ser o exclu dos da constru o
185. veis preditoras m nimo de 10 casos por grupo s o requisi tados outliers de mais de 3 desvios padr es em rela o m dia do grupo parente s o reportados casos s o identificados pela vari vel V1 RUN SEARCH FILES PRINT SEARCH1 LST DICTIN STUDY DIC arquivo Diction rio de entrada DATAIN STUDY DAT arquivo Dados de entrada SETUP MEANS ANALYSIS FIVE PREDICTOR VARIABLES DEPV V4 MINC 10 OUTD 3 IDVAR V1 PRINT TRACE TREE OUTL VARS V3 V5 V12 VARS V21 TYPE F CODES 1 4 36 9 Exemplos 281 Exemplo 2 An lise de regress o com seis vari veis preditoras valores de res duos e calculados devem ser computados e salvos em um dataset casos s o identificados pela vari vel V2 RUN SEARCH FILES PRINT SEARCH2 LST DICTIN STUDY DIC arquivo Dicion rio de entrada DATAIN STUDY DAT arquivo Dados de entrada DICTOUT RESID DIC arquivo Dicion rio para res duos DATAOUT RESID DAT arquivo Dados para res duos SETUP REGRESSION ANALYSIS SIX PREDICTOR VARIABLES ANAL REGR DEPV Vi2 COVAR V7 MINC 10 IDVAR V2 WRITE BOTH PRINT TRACE TABLE TREE VARS V3 V5 V18 VARS V22 TYPE F Exemplo 3 An lise de chi quadrado com uma vari vel categ rica dependente e c digos selecionados as duas primeiras parti es est o pr definidas RUN SEARCH FILES DICTIN STUDY DIC arquivo Dicion rio de entrada DATAIN STUDY DAT arquivo Dados de inpu SETUP CHI ANALYSIS ONE DEPENDENT CATEGORICAL
186. vel cujos valores m dios est o inclu dos na matriz Uma declara o em formato Fortran descrevendo cada linha do arranjo de valores O formato descreve um registro de 80 caracteres Por exemplo um formato 16F5 0 indica que cada linha do arranjo armazenada com at 16 valores por registro e com cada valor ocupando 5 colunas nenhuma das quais casa decimal Colunas Conte do 1 2 F 3 80 A declara o de formato entre par nteses Registros de identifica o de vari veis A ordem desses registros corresponde ordem das vari veis c digos indexando as linhas e colunas da matriz Quando uma matriz retangular criada por um programa do IDAMS os n mero e nomes da vari vel c digo s o retidos no dataset de entrada ou na matriz da qual o arranjo de valores foi derivado Colunas Conte do 1 2 T ou R para labels de linha C para labels de coluna 3 6 O n mero da vari vel ou valor do c digo alinhado a direita Os valores de c digo maiores que 4 caracteres s o substitu dos por 8 58 O nome da vari vel ou a label do c digo As tr s se es acima s o referidas como o dicion rio da matriz Seguindo o dicion rio da matriz vem o arranjo de valores 20 Dados em IDAMS 4 O arranjo de valores O arranjo completo armazenado Cada linha come a um novo registro e escrita de acordo com o formato especificado no dicion rio da matriz 2 5 Uso de Dados de outros Programas 2 5 1 Dados Brutos
187. ver o par metro PRINT Registros de descri o de vari veis e registros C se houver apenas para vari veis usadas na execu o Estat sticas univariadas Dados brutos como entrada apenas A soma m dia desvio padr o coeficiente de varia o m ximo e m nimo s o impressos para todas as vari veis dependentes e independentes usadas Matriz de soma total de quadrados e produtos cruzados Dados brutos como entrada apenas Opcional ver o par metro PRINT Matriz de soma de quadrados residuais e produtos cruzados Dados brutos como entrada apenas Opcional ver o par metro PRINT Matriz de correla o total Opcional ver o par metro PRINT Matriz de correla o parcial Opcional para cada regress o ver o par metro de regress o PAR TIALS O elemento ij e a correla o parcial entre a vari veli e a vari vel j mantendo constante as vari veis especificadas na lista de vari veis PARTIALS Matriz inversa Opcional para cada regress o ver o par metro de regress o PRINT Estat sticas de resumo de an lise As seguintes estat sticas para cada regress o ou para cada passo de uma regress o stepwise erro padr o de estima o F ratio coeficiente de correla o m ltipla ajustado e n o ajustado fra o da vari ncia explicada ajustado e n o ajustado determinante da matriz de correla o graus de liberdade dos res duos termo constante Estat sticas de an lise para preditores
188. ver o par metro STRINGS Matriz em formato livre O formato das matrizes produzidas por IMPEX o mesmo formato requerido para matrizes importadas ver Importa o de matrizes na se o Arquivos de Entrada abaixo A nica diferen a que caracteres delimitadores adicionais s o inseridos para assegurar o correto posicionamento das labels de coluna e de linha em um software de planilha 16 5 Arquivos de Entrada Importa o de dados Para importa o de dados a entrada e um arquivo ASCII contendo um arranjo de dados em formato livre cujos campos s o separados por um delimitador e um dicion rio que define como transferir dados para um dataset do IDAMS todos os campos devem ser descritos no dicion rio de entrada e um arquivo de dados em formato DIF e tamb m um dicion rio de IDAMS Os arquivos de entrada podem tamb m conter informa o do dicion rio Para arquivos em formato livre isso significa que labels de coluna e c digos de coluna que correspondem a nomes de vari veis e n mero de vari veis s o fornecidos pelo arranjo de dados como as primeiras linhas do arranjo Ambos labels e c digos s o opcionais Se fornecidas labels de coluna substituem nomes de vari veis do dicion rio de entrada e elas s o inseridas no dicion rio de sa da Eles podem vir entre caracteres especiais ver o par metro STRINGS C digos de coluna s o usados apenas para executar uma checagem em rela o a n meros
189. vez depois da instala o As configura es default definidas s o as seguintes Folder Dados lt system_dir gt data Folder Trabalho lt system_dir gt work Folder Tempor rio lt system_dir gt temp onde lt system dir gt o nome do folder Sistema fixado durante a instala o Essa aplica o armazenada no arquivo Default app n o deve ser deleteda nem modificada pelo usu rio Arquivos de aplica o exceto Default app podem ser criados modificados ou deletados pelo usu rio atrav s do menu Aplica o na janela Principal do WinIDAMS Ela cont m os seguintes comandos 84 Interface do Usu rio Nova Chama a caixa de di logo para criar uma nova aplica o Abrir Chama a caixa de di logo para selecionar o arquivo contendo detalhes sobre a aplica o a ser aberta Mostrar Chama a caixa de di logo para selecionar o arquivo de aplica o e exibe as configura es da aplica o Fechar Fecha a aplica o ativa e abre a aplica o Default Atualizar Recria a rvore da aplica o corrente Criando uma nova aplica o A sele o do comando de menu Aplica o Nova resulta em uma caixa de di logo para entrar o nome da nova aplica o e os nomes dos folders Dados Trabalho e Tempor rio Exceto para o campo do nome da aplica o que est vazio todos os outros campos cont m valores default extra dos da aplica o Default Voc pode digitar o nome do atalho diretamente ou selecion lo ao mover o highlight at
190. 0 Nenhuma execu o apenas verifica o de par metros 0O lt n lt 100 Execu o normal n gt 100 Apenas an lise CLARA permitida MDVALUES BOTH MD1 MD2 NONE Quais valores de dados perdidos devem se utilizados para as vari veis acessadas nessa execu o Ver o cap tulo O Arquivo Setup do IDAMS STANDARDIZE Padronizar as vari veis antes de computar as dissimilaridades DTYPE EUCLIDEAN CITY Tipo de dist ncia a ser usada para computar dissimilaridades EUCL Dist ncia euclidiana CITY Dist ncia city block IDVAR n mero de vari vel Vari vel a ser impressa como ID de caso Apenas tr s caracteres s o utilizados nos resultados Portanto vari veis inteiras devem ter valores menores que 1000 Apenas os tr s primeiros carac teres de uma vari vel alfab tica s o impressos N o h default PRINT CDICT DICT STAND CDIC Imprime o dicion rio de entrada para as vari veis acessadas com registros C se houver DICT Imprime o dicion rio de entrada sem registros C STAN Imprime os dados de entrada depois da padroniza o Par metros apenas para a entrada de matriz DISSIMILARITIES ABSOLUTE SIGN Para INPUT CORR especifica como a matriz de dissimilaridade deve ser computada ABSO Considera os valores absolutos dos coeficientes de correla o como medidas de similar idade SIGN Usa os coeficientes de correla o com seus sinais MDMATRIX n Trata os elementos da matriz iguais a n como dados perdidos Default Toda
191. 00 000 eee D158 REStriGOeS uapa rever ee hea ee eh ho a Ae E ee Dae we be i 2129 Exemplos sn 2a ce yap aean ani do eis Be ba OD eta ae Eee BG Eee a OS IV Facilidades para An lise de Dados 22 An lise de Agrupamento CLUSFIND 22 1 Descri ao Geral x 2 404 2 divin ela ee wea old Be Qe a ADE a Ma di T O OD 22 2 Caracter sticas Padr o do IDAMS c ccccclcl A 22 3 Resultados mp a0 aa ete der dar nene YO TT ie a u nb lh ee ee ho eee ee eee a 22 4 Datasetide Entrada sp cer sds oS REDD ob ade ee a a a EE Ew ee v 22 09 Matriz de Entradas eat zo tocas Se eee OS GME RES ee ee be Ae he ee 22 6 Estrutura de Setups 2 24 82082 a EE ala LR eee eee eee 22 7 Declara es de Controle de Programa 2 0 ee 22 8 ReStriCOGss 5 oi nar ed eg SA A A eee a ee ee ee ee a TOS O 22 9 Exemplos asa sudo o tantas ante Bae Bk ee ee Bes Hee et Ae amp Cee be Bos 23 An lise de Configura o CONFIG 23 1 Descri o Geral e m teses toe GE Sth ek ee eH ed PER Ba A LR 23 2 Caracter sticas Padr o do IDAMS 2 2 020202 ee 23 0 Resultados seat ke ace By PR EEE DE wee a ee ee ye Eg 23 4 Matriz de Configura o de Sa da 2 A 23 5 Matriz de Dist ncia de Sa da 2 2 a a a A 23 6 Matriz de Configura o de Entrada 2 A 29 7 Estrutura d Setup sau got ie ee Ae E O da A TA E N Be RE RE SEDE RE Poda da Ca Pe ae UE 23 8 Declara es de Controle de Programa 2 20 0 00 ee ee 2d 9 FRESTLIGAO arrasta P
192. 02 JANE 02 ____ JANE 04 SCOT ____ 02 ____ JANE 03 MIKE 03 SMIT MIKE 03 SMIT MIKE l 04 SCOT Seq ncia de vari veis e n mero de vari veis Vari veis s o produzidas na ordem que dada na lista de vari veis de sa da e s o sempre renumeradas come ando do valor do par metro VSTART Portanto uma lista de vari veis de sa da como A1 A5 B6 A7 A25 B100 criaria um dataset com vari veis V1 at V26 se VSTART 1 N meros de refer ncia para vari veis se elas existem s o transferidos intactos para o dicion rio de sa da Localiza es de vari vel Localiza es de vari vel s o atribu das por MERGE come ando com a primeira vari vel de sa da e continuando na ordem da lista de vari veis de sa da 152 Intercala o de Datasets MERGE 18 5 Dataset de Entrada MERGE requer 2 arquivos Dados cada um descrito por um dicion rio do IDAMS As vari veis de emparelhamento podem ser alfab ticas ou num ricas Vari veis de emparelhamento corre spondentes dos datasets A e B devem ter a mesma largura de campo As vari veis de sa da podem ser alfab ticas ou num ricas Cada arquivo Dados de entrada deve ser classificado em ordem crescente das suas vari veis de emparel hamento antes de usar MERGE 18 6 Estrutura de Setup RUN MERGE FILES Especifica es de arquivo SETUP 1 Filtro s opcional Titulo Par metros Especifica o de vari veis de emparelhamento Vari veis de sa da DI
193. 020200005 Estrutura de Setup 2 a a i y Ea ee Declara es de Controle de Programa ReStri ES s ee led ay de a A a da lee o eee E Exemplos 2 5 b she era Pe oe Gee ee e Qro e Ra t 26 An lise Fatorial FACTOR 26 1 26 2 26 3 26 4 26 5 26 6 26 7 26 8 26 9 Descri ao Geral mas as PORES Ae UE EC il a A Caracter sticas Padr o do IDAMS Resultados ss vid dist ethics ato e o Dao ho Ph E a Ra Be i Dataset s de Sa da 2 2 02 2 0 0 0 0200 0085 Dataset de Entrada s sosa preia Se pp o ee RR a a Estrutura de Setup 2 2 2 2 0202 eee ee ee Declara es de Controle de Programa Restri es a ioir erage ee a Aha Gs ee ke ABS ols Exemplos o bi a 4 eee ee oe Cae ee eh ha 27 Regress o Linear REGRESSN 27 1 27 2 27 3 27 4 27 5 27 6 27 7 27 8 27 9 Descri o Geral ns ease ger Pd tae eet oe RA ed Caracter sticas Padr o do IDAMS Resultados uu Sa cao a Da Aa A RE E a Matriz de Correla o de Sa da 000 Dataset s de Res duos de Sa da 0 Dataset de Entrada Lc cclcccllc ee ee Matriz de Correla o de Entrada 0 00 0 Estrutura de Setup 2 2 e Declara es de Controle de Programa 27 10Restrigoes 27 11Exemplos 28 Escalonamento Multidimensional MDSCAL 28 1 28 2 28 3 28 4 28 5 28 6 28 7 28 8 28 9 Descri o Geral oars fee dng fad Soe ey
194. 0es osten ee itl tai dg es rey RL BG a ed aes A ee Be os Hes Exempl s ai 40 28 av de 3d Be ee eel ald eae a ai at 31 An lise de Vari ncia Univariada ONEWAY 31 1 31 2 31 3 31 4 31 5 31 6 31 7 31 8 Descri o Geral Se els Ee deva Pp eal eee EES eae A ble ewe ba ee 4 Caracter sticas Padr o do IDAMS 02 02020005 Resultados s 2 pras cfs ca dod earthed 8 a ee ad aed ee EE ne Gobo Dataset de Entrada 2 see ce ee eR a a a AE Estrut ra de Setup ss duda E ALE Baa do SOAR PRE AN PAE Declara es de Controle de Programa 02 00004 Restri es e uia soa bok Fa ace ol dates balk ee ee Bo ee a ey Exemplos a sagas r s BALA eve Me oom amp Bee ALA ooh Ala a ca ded 32 Scoring Baseado em Ordena o Parcial de Casos POSCOR 32 1 32 2 32 3 32 4 32 5 32 6 32 7 32 8 32 9 De scrigad Geral sta do pude e Oo a dei hed a ated DR La hd tee Da Caracter sticas Padr o do IDAMS 02 22 0220 000 Resultados essa ghia na ita a dies 6 DA Rbd BU OAD eA RS Datasetide Saida son 2 o lis de eee eee eh PPE Dee eS Se Dataset de Entrada oaa ee Estrutura d Setups sas aus co args oo oe ode ee a Be a ale bel bs ee Declara es de Controle de Programa 00004 Re stricoes opus a o Sek ae ek a RO ae a a ee a tee Exemplos c s 2 ye eerste oe E eee A ee he E Po ee Pare GA V da 33 Correla o de Pearson PEARSON 33 1 33 2 33 3 33 4 33 5 33 6 33 7 33 8 33 9
195. 1 6 x 10 se o segundo c digo de dados perdidos n o for especificado Para SKIP MD1 and MD2 uma mensagem impressa informando o n mero de casos tratados 2 MAXCASES O n mero m ximo de casos a ser processado MAXCASES n O valor dado o n mero m ximo de casos que ser processado Se n 0 nenhum caso ser lido essa op o pode ser usada para testar setups sem precisar ler os dados Se o par metro n o for especificado todos os casos do arquivo de entrada ser o lidos 3 MDVALUES Especifica quais dos c digos de dados perdidos que devem ser utilizados para checar a exist ncia de dados perdidos nos valores das vari veis Note que alguns programas possuem em adi o um par metro MDHANDLING para especificar como os valores dos dados que est o perdidos devem ser tratados MDVALUES BOTH MD1 MD2 NONE BOTH Os valores das vari veis sao checados com os c digos do MD1 e com os intervalos de c digos definidos por MD2 MD1 Valores de vari veis ser o checados apenas em rela o aos c digos do MD1 MD2 Valores de vari veis ser o checados apenas em rela o aos intervalos de c digos definidos por MD2 NONE Os c digos MD n o ser o usados Todos os valores ser o considerados v lidos O default que ambos os c digos MD s o utilizados 4 INFILE OUTFILE Especificando ddnames com os quais os arquivos de dicion rios e de dados de entrada e sa da s o definidos INFILE IN xxxx OUTFILE OUT yyyy Arquivo
196. 1 ELSE R100 0 Quando uma inconsist ncia detectada em um caso valores de vari veis ID especificadas para cada caso s o impressos Al m disso os valores para um conjunto de vari veis definido com o par metro VARS s o impressos Esse conjunto usado para se obter uma vis o geral do caso para se detectar a raz o da inconsist ncia de maneira mais f cil e para ter certeza que a corre o de uma inconsist ncia n o causar outra Para cada condi o de consist ncia que falha um conjunto separado de vari veis normalmente consistindo de vari veis particulares sendo checadas podem ser impressas juntamente com o n mero e nome da condi o 13 2 Caracter sticas Padr o do IDAMS Sele o de casos e vari veis O filtro padr o est dispon vel para selecionar um subconjunto de casos para checagem Vari veis que devem ser listadas caso inconsist ncias ocorram s o especificadas com o par metro VARS para o caso ou CVARS para uma condi o individual Transformando dados Declara es de Recode s o usadas para expressar as checagens de consist ncia requeridas Tratamento de dados perdidos CONCHECK n o faz distin o entre dados substantivos e valores de dados perdidos todos s o tratados igualmente 13 3 Resultados Dicion rio de entrada Opcional ver o par metro PRINT Registros de descri o de vari veis e registros C se houver apenas para vari veis usadas na execu o 116 Verifica o de Cons
197. 2 e c digos de 1 at o n mero de colunas linhas Exporta o de dados e matrizes Dependendo se dados ou matrizes ser o exportados a entrada um arquivo de dados descrito por um dicion rio do IDAMS ambas vari veis num ricas e alfab ticas podem ser usadas ou um arquivo do IDAMS de matriz es quadrada s ou retangular es 16 6 Estrutura de Setup 139 16 6 Estrutura de Setup RUN IMPEX FILES Especifica es de arquivo RECODE opcional com exporta o de dados n o dispon vel em outros casos Declara es de Recode SETUP 1 Filtro opcional 2 T tulo 3 Par metros DICT condicional Dicion rio DATA condicional Dados Arquivos DICTxxxx dicion rio de entrada para exporta o importa o de dados omitir se DICT usado DATAxxxx dados matriz de entrada omitir se DATA usado DICTyyyy dicion rio de sa da para importa o de dados DATAyyyy dados matriz de sa da PRINT resultados default IDAMS LST 16 7 Declara es de Controle de Programa Reporte se ao cap tulo O Arquivo Setup do IDAMS para descri es mais aprofundadas das declara es de controle de programa tens 1 3 abaixo 1 Filtro opcional Seleciona um subconjunto de casos a ser usado na execu o se a exporta o de dados for especificada Exemplo EXCLUDE V19 2 3 2 T tulo mandat rio Uma linha contendo at 80 caracteres para nomear os resultados Exemplo EXPORTING SOCIAL DEVELOPMEN
198. 20 ae So oa a aa a ee 66 6 4 2 Arquivos Instalados i ea nani eae a a a a a a a A ee 66 6 5 Desinstalacao s 2 os tinai Bie e e Cae ee E E BERRO RO a A eee ee ea A DES 67 Iniciando 69 7 1 Vis o Geral dos Passos a serem Executados com o WinIDAMS 69 7 2 Criar um Ambiente de Aplica o e roty e paa a a a aE E ee 70 te Preparar um Dicion rio ss a soe de ro ee ee at 71 TA Entreicom Dados iA ai oe EY ete ed to dd et a A ee a did oe eee Yt 73 Td Prepare 0 Setup e fe os ce te ee ep ar sa ld Bee See RR ee Boece a Ae el he EN 75 7 6 Execute O Setup gt ss esta as do e Br des aye SE th Od Ae eae A RE ea 20a 76 7 7 Rever Resultados e Modificar o Setup 020000 ee ee 77 7 8 Imprima os Resultados 2 2 ea a e a a a a A 78 Arquivos e Folders 79 8 1 Arquivos em WinIDAMS 0 0 0 002 ee 79 8 2 Folders em WmIDAMS ora du t 25 Fae Phe Aa EE ah ee AO DAP ade 80 Interface do Usuario 81 9 1 Conceito Geral Ls Seeks a i de cedo do Bae Sy ae Pe ee a a OR 81 9 2 Menus Comuns a Todas Janelas do WinIDAMS 02 2 0002004 82 9 3 Customiza o do Ambiente para uma Aplica o ooa ee 83 9 4 Criando Renovando Exibindo Arquivos Dicion rio 2 20 02 ee 85 CONTEUDO 9 5 Criando Renovando Exibindo Arquivos Dados 2 0 0 0 a 9 6 Importando Arquivos de Dados 2 0 ee 9 7 Exportando Arquivos Dados do IDAMS 0 2 000002 eee ee 9 8 Criando Renovando Exibindo Arquivos Setup
199. 3 BiTi i onde a m dia da vari vel dependente ver 1 a acima el l Ti a m dia da vari vel preditora i ver 1 a acima o coeficiente B para a vari vel preditora ver 8 a abaixo e 47 8 Estat sticas de An lise para Preditores a b d B Essas s o coeficientes de regress o parciais n o padronizados que s o apropriados ao inv s dos betas para serem utilizados em uma equa o com a finalidade de prever escores brutos Eles s o sens veis escala de medida da vari vel preditora e vari ncia da vari vel preditora S B bi 2 Si onde 3 o peso beta para o preditor ver 8 c abaixo Sy o desvio padr o da vari vel dependente ver 1 b acima S o desvio padr o da vari vel preditora i ver 1 b acima Sigma B Esse o desvio padr o de B uma medida da confiabialidade do coeficiente f x J Cii Sigma B erro padr o de estima o r S S C P ii 2 af A onde ci o i elemento da diagonal da inversa da matriz de correla o dos preditores na equa o de regress o ver a se o 6 acima Beta Esses coeficientes de regress o s o tamb m chamados de coeficientes de regress o parcial padronizados ou coeficientes B padronizados Eles s o independentes da escala de medida As magnitudes dos quadrados dos betas indicam as contribui es relativas das vari veis para a predi o Bi Ri Ryi onde Ri matriz de correla
200. 35 de datasets 6 de matrizes 6 135 imprimindo o setup do IDAMS 22 intera o defini o 223 detec o e tratamento 223 intercalando datasets 149 Kaiser crit rio de 199 Kendall taus 283 422 Kolmogorov Smirnov teste D 191 194 354 440 l gica difusa classifica o de objetos 174 340 ordenamento de alternativas 261 406 408 label para categorias de c digo 16 lambda estat stica 283 423 linha de continua o declara es de controle 25 declara es de Recode 33 lista de vari vel regras de codifica o 31 listando casos 129 145 dados 145 165 dicion rio 145 Lorenz curva 354 fun o 191 354 m dia 337 349 357 365 377 378 383 389 397 398 411 419 431 m todo de ordenamento ELECTRE 261 m trica r de Minkowski 215 374 Mahalanobis distancia 185 350 Mann Whitney teste 283 425 matriz de covari ncias 398 de configura o entrada em MDSCAL 218 de correla es 359 366 398 entrada em CLUSFIND 175 entrada em MDSCAL 217 entrada em REGRESSN 208 parciais 207 366 produzida por PEARSON 256 produzida por REGRESSN 206 207 de covari ncias 359 produzida por PEARSON 257 de dissimilaridades 173 338 entrada em CLUSFIND 175 entrada em MDSCAL 217 de dist ncias 180 346 produzida por CONFIG 180 de estat sticas 283 produzidas por TABLES 286 de produtos cruzados 207 256 365 366 398 escalares 180 346 359 de rela es 195 196 261 358
201. 4 3 M todos Baseados em L gica Difusa A Rela o de Entrada Nos m todos de ordenamento baseados em l gica difusa a matriz P n m usada para construir a rela es de prefer ncias individuais e b a rela o de entrada chamada tamb m de rela o difusa no conjunto de alternativas 4 Aqui a caracter stica estrita ou fraca da rela o de prefer ncias possui um papel importante 54 3 M todos Baseados em L gica Difusa A Rela o de Entrada 405 a Constru o das rela es de prefer ncias individuais Para cada avalia o ep uma rela o de prefer ncia individual que implicitamente dada em P transformada em uma matriz de m x m dimens es RF Ea onde i j 1 2 m Fi e verdade 1 sea frase a e prefer vel a a na avalia o ey pk P j 7 0 sea frase e falsa Dependendo do tipo de prefer ncia utilizada a declara o a prefer vel a a na avalia o eg equivalente a desigualdade Pki lt Pr prefer ncia estrita ou Pri lt Pr prefer ncia fraca b Constru o da rela o de entrada rela o difusa A agrega o de matrizes de rela o de pre fer ncias individuais fornece uma matriz representando uma rela o difusa no conjunto de alternativas A R ri onde D weri jk gt ym k Cada componente r de R pode ser interpretado como a credibilidade das declara es a prefer vel a aj em um sentido global e sem se referir a nenhuma a
202. 4 e 4 55 com NDEC 1 ser o utilizados como 4 5 e 4 6 respectivamente e Um sinal se ele aparecer deve ser o primeiro caracter e g 0123 e Campos em branco s o considerados n o num ricos e tratados como dado ruin Veja abaixo como lidar com espa os em branco nos dados para indicar dados perdidos ou dados inapropriados 2 2 Arquivos Dados 13 e Com exce o de BUILD todos os programas do IDAMS aceitam valores em nota o exponencial e g o valor codificado 215E02 ser usado como 21 5 Vari veis alfab ticas Vari veis alfab ticas podem ser mantidas em arquivos Dados e podem ter um tamanho de at 255 caracteres Elas podem ser usadas em programas de gerenciamento de dados Vari veis alfab ticas de 1 4 caracteres podem ser usadas tamb m como filtros Para serem utilizadas na an lise essas vari veis devem ser salvas como num ricas Isso deve ser feito com a fun o BRAC do Recode 2 2 5 C digos para Dados Perdidos O valor da vari vel para um caso particular pode ser desconhecida por diversas raz es por exemplo uma quest o pode ser n o aplic vel para certos respondentes ou um respondente se nega a responder uma quest o C digos de valores perdidos especiais podem ser estabelecidos para cada vari vel num rica e codificada nos dados quando necess rio Dois c digos de dados perdidos s o permitidos MD1 e MD2 Se usados qualquer valor nos dados igual a MD1 considerado um valor perdido qualquer valor
203. 499 onde NF o n mero de especifica o de subconjunto e NV o n mero de vari veis Valores de c digo para tabelas univariadas devem estar no intervalo 2 147 483 648 at 2 147 483 647 Valores de c digos de tabelas bivariadas devem estar no intervalo 32 768 at 32 767 Quaisquer valores de c digo fora desse intervalo s o automaticamente recodificados para assumirem os pontos finais do intervalo e g 40 000 se tornar 32 768 e 40 000 se tornar 32 767 Portanto na especifica o de tabela bivariada 32 767 o m ximo valor m ximo Note que uma vari vel de 5 d gitos com um c digo de dados perdidos de 99999 ter a linha de dados perdidos de 32 767 nos resultados A frequ ncia ponderada ou n o ponderada cumulativa para uma tabela e para qualquer c lula linha ou coluna 2 147 483 647 M ximas dimens es de tabela Bivariadas 500 c digos de linha 500 c digos de coluna 3000 c lulas com entidades n o zero Univariadas 3000 categorias se frequ ncias mediana moda requisitada caso contr rio ilim itada Nota Para uma vari vel como renda se houver mais do que 3000 valores nicos de renda n o se pode obter a mediana ou moda sem primeiro transform la em vari vel intervalar Valores de vari vel V n o inteiras em distribui es ou pesos s o tratados como se o ponto decimal estivesse ausente um fator de escala impresso para cada vari vel Testes t de m dias entre li
204. 5 lt gt 9998 V41 V44 V46 lt gt 0 8 V71 V77 0 100 999 Exemplo 2 Checar a validade do c digo apenas para um subconjunto de casos quando a vari vel V21 igual a 2 ou 3 e a vari vel V25 igual a 1 c digos v lidos para algumas vari veis s o retirados do dicion rio de registros C em adi o uma especifica o de c digo dada para a vari vel V48 casos s o identificados pela vari vel V1 RUN CHECK FILES DICTIN STUDY2 DIC arquivo Dicion rio de entrada DATAIN STUDY2 DAT arquivo Dados de entrada PRINT CHECK PRT SETUP INCLUDE V21 2 3 AND V25 1 ROTINA PARA PROCURAR C DIGOS ILEGAIS IDVARS V1 VARS V18 V28 V36 V41 V48 15 45 99 Capitulo 13 Verifica o de Consist ncia CONCHECK 13 1 Descri o Geral CONCHECK usado em conjunto com declara es Recode do IDAMS oferece uma capacidade de checagem de consist ncia para testar a exist ncia de rela es ilegais entre valores de diferentes vari veis Declara es de condi o no setup do CONCHECK s o usadas para nomear cada checagem e para indicar quais vari veis devem ser listadas no evento de um erro As checagens de consist ncia s o definidas atrav s do Recode testando uma rela o l gica e colocando o valor de uma vari vel de resultado 1 se a rela o n o satisfeita e g se V3 n o pode logicamente ter o valor de 9 quando V2 tem o valor de 3 ent o a seguinte declara o de Recode pode ser usada IF V2 EQ 3 AND V3 EQ 9 THEN R100
205. 6 4 Folders e Arquivos Criados Durante Instala o 6 4 1 Folders do WinIDAMS O nome completo do atalho do folder do Sistema WinIDAMS dado no Selecione Diret rio de Destino do programa de instala o e os seguintes folderes s o criados durante a instala o ver o cap tulo Arquivos e Folders para detalhes Vers o em Ingl s Vers o em Franc s lt WinIDAMS13 EN gt app1 lt WinIDAMS13 FR gt appl lt WinIDAMS13 EN gt data lt WinIDAMS13 FR gt data lt WinIDAMS13 EN gt temp lt WinIDAMS13 FR gt temp lt WinIDAMS13 EN gt trans lt WinIDAMS13 FR gt trans lt WinIDAMS13 EN gt work lt WinIDAMS13 FR gt work Vers o em Espanhol Vers o em Portugu s lt WinIDAMS13 SP gt app1 lt WinIDAMS13 PT gt appl lt WinIDAMS13 SP gt data lt WinIDAMS13 PT gt data lt WinIDAMS13 SP gt temp lt WinIDAMS13 PT gt temp lt WinIDAMS13 SP gt trans lt WinIDAMS13 PT gt trans lt WinIDAMS13 SP gt work lt WinIDAMS13 PT gt work 6 4 2 Arquivos Instalados Arquivos de sistema no folder Sistema WinIDAMS13 EN WinIDAMS13 FR WinIDAMS13 SP WinIDAMS13 PT WinIDAMS exe Ter32 dll Hts32 dll unesys exe Idame mst Idame xrf idams def Graph32 exe graphid ini Idtml32 exe idaddto32 dll IDAMSC DLL dll Idams chm lt pgmname gt pro Arquivo execut vel principal para a Interface do Usu rio do WinIDAMS Dlls usada pela Interface do Usudrio do WinIDAMS Arquivo execut vel usado para processamento de setups Arquivo Mas
206. 6 An lise Fatorial FACTOR 26 3 Resultados Dicion rio de entrada Opcional ver o par metro PRINT Registros de descri o de vari veis e registros C se houver somente para vari veis usadas na execu o Estat sticas de resumo Opcional ver o par metro PRINT N mero da vari vel nome da vari vel novo n mero da vari vel renumerada a partir de 1 valores m ximo e m nimo m dia desvio padr o coeficiente de varia o total vari ncia assimetria curtose e n mero pondrado de casos v lidos para cada vari vel Note que desvio padr o e vari ncia s o estimativas baseadas nos dados ponderados Dados de entrada Opcional ver o par metro PRINT Grupos de 16 vari veis com em cada linha o n mero correspondente de casos o total para vari veis ativas e os valores de todas as vari veis precedido pelo total para as colunas calculado somente para os casos ativos Valores s o impressos com um ponto decimal expl cito e com uma casa decimal Se mais de 7 caracteres s o requisitados para a impress o de um valor ele ser substitu do por asteriscos Matriz de rela es matriz n cleo Opcional ver o par metro PRINT A matriz depois da multi plica o por dez elevado a n sima pot ncia como indicado na linha impressa antes da matriz o valor do tra o e a tabela de valores e vetores pr prios Histogramas de valores pr prios O histograma com os percentuais e percentuais cumulativos de cada contri
207. 7 1 18 23 3 24 1 25 35 3 36 1 37 2 ELSE 9 IF NOT MDATA V12 V13 THEN R902 TRUNC V12 V13 ELSE R902 99 R903 COUNT 1 V71 V74 Exemplo 3 Criando um arquivo de teste de dados com uma amostra de 1 20 do arquivo de dados nao ha necessidade de se salvar o dicion rio de sa da pois ser id ntico ao de entrada RUN TRANS FILES DICTIN STUDY DIC arquivo Dicion rio de entrada DATAIN STUDY DAT arquivo Dados de entrada DATAOUT TESTDATA arquivo Dados de saida SETUP CREATING TEST FILE WITH ALL VARIABLES AND 1 20 SAMPLE OF CASES PRINT NOOUTDICT OUTVARS V1 V505 RECODE IF RAND 0 20 NE 1 THEN REJECT Parte IV Facilidades para Analise de Dados Capitulo 22 An lise de Agrupamento CLUSFIND 22 1 Descri o Geral CLUSFIND conduz an lise de agrupamento particionando um conjunto de objetos casos ou vari veis em um conjunto de clusters determinado por um dos seis algoritmos dois algoritmos baseados em parti o ao redor de medoides um baseado em agrupamento difuso e tr s baseados em agrupamento hier rquico 22 2 Caracter sticas Padr o do IDAMS Sele o de casos e vari veis Se dados brutos s o usados como entrada o filtro padr o est dispon vel para selecionar um subconjunto de casos dos dados de entrada As vari veis para an lise s o especificadas no par metro VARS Transformando dados Se dados brutos s o usados como entrada declara es de Recode podem ser utilizadas Ponderando dados
208. 8 Estrutura de Setup RUN TYPOL FILES Especifica es de arquivo RECODE optional Declara es de Recode SETUP 1 Filtro opcional 2 T tulo 3 Par metros DICT condicional Dicion rio DATA condicional Dados MATRIX condicional Matriz de configura o de entrada Arquivos FTO2 matriz de configura o de sa da se WRITE CONF for especificado FTO9 matriz de configura o de entrada se INIT INCONF for especificado omitir se MATRIX usado DICTxxxx dicion rio de entrada omitir se DICT usado DATAxxxx dados de entrada omitir se DATA usado DICTyyyy dicion rio de sa da se WRITE DATA especificado DATAyyyy dados de sa da se WRITE DATA especificado PRINT resultados default IDAMS LST 38 9 Declara es de Controle de Programa Referir se ao cap tulo O Arquivo Setup do IDAMS para descri es mais detalhadas das declara es de controle de programa itens 1 3 abaixo 1 Filtro opcional Seleciona um subconjunto de casos a ser usado na execu o Exemplo INCLUDE V1 10 40 50 38 9 Declara es de Controle de Programa 299 2 T tulo mandat rio Uma linha contendo at 80 caracteres para dar nome aos resultados Exemplo FIRST CONSTRUCTION OF CLASSIFICATION VARIABLE 3 Par metros mandat rio Para selecionar op es de programa Exemplo MDHAND ALL AQNTV V12 V18 DTYP EUCL PRINT GRAP ROWP DIST INIG 5 FING 3 INFILE IN xxxx Um sufixo ddanme de 1 4
209. A 158 19 9 Declara es de Controle de Programa 2 0 00000 a 159 TOM OReStriCOes 244 apy eh ee a a LO EG ad a ae a A 159 19 11Exemplos mu pa a YAS Ye PER Ae Ee EE pe ea ees Bee DD ee oe MLA 160 CONTEUDO 20 Subdivisao de Datasets SUBSET 20 E Descricao Geral seno castigo eS oy ach Bi ear ate a ae Ox Be ae ah ocd footy Sake GPO aa 20 2 Caracter sticas Padr o do IDAMS 2 2 2 A 20 3 RestiltadOs to gs ss tea as hen Ee e a DR BO e E E E LOS LAO CURA A pb O CR E a ai 20 4 Dataset de Saida za aan dogg ke RS Sd Be Bota RE Se ae SRG Ga RE A a E 20 5 Dataset de Enttada sas 6 i e wee ee ee ee ee ee AS PR Da AE 20 6 Estrutura d Setup e sa eee A ee ed Bao el A ee a de 20 7 Declara es de Controle de Programa 2 0 000 e 20 8 R estricoes as saia ue alate ee A ao g a Cd a Sie a a pe A ee oe ee 15 20 9 Exemplos ac ast ea Bik we GE ee eG bao eed ete eee eh pee ae Dake he 21 Transforma o de Dados TRANS 2 Descricao Geral cas tes hie iO Will tence an Bagh de Phe hue hed ES Ge Bye ME a 21 2 Caracter sticas Padr o do IDAMS 2 2 2 0 2 0002 213 Resultados ms oa sh fo a ee ede Ad RAD Dh doth Sige dl A a E DO ete kw or 21 4 Dataset de aida oe sack SALA eke ee BE eG agree a Bek a 2 we eee he 21 5 Dataset de Entrada ss ieee E pei sia do Riek UE ee Se Be ede eee Rr 21 6 istrutura de Setup ss es ye ae oe eao a ee i fee id oy Ge ae Be Be ES a 21 7 Declara es de Controle de Programa 2
210. A RANKS ou com a label de c digo de 8 caracteres se registros C estiverem presentes no dicion rio para DATA RAWC 34 4 Dataset de Entrada A entrada um arquivo Dados descrito por um dicion rio do IDAMS Toda as vari veis de an lise devem possuir valores inteiros positivos Note que as vari veis com valores decimais s o arredondadas para o inteiro mais pr ximo Prefer ncias s o representadas de 2 maneiras nos dados A seguinte ilustra o mostra isso Suponha que dados devem ser coletados sobre as prefer ncias que trabalhadores possuem em rela o aos seus trabalhos Pr prio escrit rio Sal rio alto F rias longas Supervis o m nima Colegas compat veis As duas maneiras de representar isso em um question rio s o 1 DATA RAWC Nesse caso os fatores s o codificados e g 1 a 5 e o respondente induzido a peg los em ordem de prefer ncia As vari veis nos dados representariam o rango e g V6 Fator mais importante V7 Segundo fator mais importante V10 Fator menos importante e os c digos designados para cada uma dessas vari veis pelo respondente representariam os fatores e g 1 proprio escrit rio 2 sal rio alto etc 264 Ordenamento de Alternativas RANK Nem todos os poss veis fatores precisam ser selecionados algu m pode perguntar 3 quest es impor tantes especificando apenas essas vari veis na lista de vari veis e g V6 V7 V8 O n mero de diferentes fatores sendo usados especif
211. ANT SORT NOSORT ERRORS NOERRORS LOWID BADRECS GOODRECS CONS Imprime registros que n o possuem a constante especificada NOCO N o imprime os registros que n o possuem a constante SORT Imprime uma not cia de 3 linhas para casos fora de ordem de classifica o NOSO N o imprime casos fora de ordem de classifica o LOWI Imprime todos os registros com ID de casos menor do que aquele especificado com BEGINID As op es de impress o seguintes referem se ao relat rio de casos com erros i e registros perdidos inv lidos ou duplicados ERRO Imprime o resumo de erros para cada caso com um erro NOER N o imprime o resumo de erros para casos com erros BADR Imprime registros rejeitados ruim para casos com erros GOOD Imprime registros mantidos bom para casos com erros EXTRAS 0 n DUPS 0 n PADS 0 n Se um caso possuir menos do que n registros inv lidos extra duplicado preenchido e nenhum outro erro nenhum relat rio ocorrer para o caso Portanto um caso com apenas 2 registros inv lidos e nenhum registro perdido ou duplicado n o geraria um relat rio caso EXTRAS 3 mas imprimiria de acordo com a especifica o do PRINT se tiver tamb m 1 registro perdido Default Todos os casos de erro ser o impressos de acordo com a especifica o do PRINT 3 Descri es de registro mandat rio uma para cada tipo de registro para ser selecionado para sa da As regras de codifica o s o as mesmas das de par metro Ca
212. AR e Um caso possui um dado perdido para a vari vel dependente ou vari vel de pondera o Ver os par grafos Tratamento de dados perdidos e Ponderando dados abaixo Transformando dados Declara es de Recode podem ser usadas Ponderando dados Uma vari vel pode ser usada para ponderar os dados de entrada essa vari vel de pondera o pode conter valores inteiros ou decimais Quando o valor da vari vel de pondera o zero negativo perdido ou n o num rico ent o o caso sempre evitado o n mero de casos tratados dessa maneira impresso Quando dados ponderados s o usados testes de signific ncia estat stica devem ser interpretados com cuidado Tratamento de dados perdidos O par metro de an lise MDVALUES est dispon vel para indicar quais valores de dados perdidos se houver devem ser usados para checar a exist ncia de dados perdidos na vari vel dependente Casos com dados perdidos na vari vel dependente s o sempre exclu dos Casos com dados perdidos nas vari veis preditoras podem ser exclu dos de todas as an lises usando o filtro Usar o filtro para excluir casos com dados perdidos na vari veis preditoras em classifica o m ltipla somente necess rio se os c digos de dados perdidos est o no intervalo 0 31 se o valor para qualquer preditor est fora desse intervalo um caso automaticamente exclu do de todas as an lises na execu o 29 3 Resultados 225 29 3 Resultados Dicion
213. ARCIAL constru da com base nessa cole o de vari veis a lt b para quaisquer casos a e b equivalente condi o ala lt x1 b zala lt x2 b rula lt a b 52 3 Refer ncias 395 onde x a e x b denota valores da i vari vel para casos a e b respectivamente Ao COMPARAR SE DOIS CASOS as vari veis com as maiores prioridades menor valor de LEVEL s o con sideradas primeiramente Se elas determinam a rela o sem ambiguidade o procedimento de compara o termina No caso de igualdade a compara o continuada usando se vai veis do pr ximo n vel de priori dade Esse procedimento repetido at que a rela o seja determinada em um dos n veis de prioridade ou at que o fim da lista de vari veis seja alcan ado Para cada caso a do conjunto analisado o programa calcula N a o n mero de casos estritamente dominando o caso a N a o n mero de casos equivalentes ao caso a N a o n mero de casos estritamente dominados pelo caso a e ent o um ou dois dos seguintes escores si a N a N a N a N a ri a S s a ta 8 N No N a ssa 9 El N a N a ro 8 RONG N a N a sala 5 EDNA N a rala S k onde N n mero total de casos no conjunto analisado S o valor do fator de escala ver o par metro SCALE Os valores do par metro ORDER seleciona os escores da seguinte maneira ASEA ra a DEEA s4 a ASCA ra a DE
214. ARS V2 V3 Capitulo 28 Escalonamento Multidimensional MDSCAL 28 1 Descri o Geral MDSCAL um programa de escalonamento multidimensional n o m trico para a an lise de similaridades O programa que opera em uma matriz de medidas de similaridade ou dissimilaridade desenhado para encontrar para cada dimensionalidade especificada a melhor representa o geom trica dos dados no espa o Os usos de escalonamento multidimensional s o similares aqueles de an lise fatorial e g clusters de vari veis podem ser encontrados a dimensionalidade dos dados pode ser descoberta e as dimens es podem s vezes ser interpretadas O programa CONFIG pode ser usado para executar a an lise em uma configura o de sa da do MDSCAL Configura o de entrada Normalmente uma configura o inicial arbitr ria criada utilizada para come ar a computa o O usu rio pode contudo fornecer uma configura o inicial H v rias raz es poss veis para se fornecer uma configura o inicial O usu rio pode ter raz es te ricas para iniciar com uma certa configura o pode se desejar executar mais itera es em uma configura o que ainda n o est pr xima o suficiente de uma configura o tima ou para economizar tempo de processamento pode se desejar fornecer uma configura o com maior dimens o como ponto de partida para uma configura o com menos dimens es Algoritmo de escalonamento O programa inicia com uma configura
215. ATA usado DICTyyyy dicion rio de res duos de sa da um conjunto para cada DATAyyyy dados de res duos de sa da arquivo de dados requisitado PRINT resultados default IDAMS LST 29 7 Declara es de Controle de Programa Reportar se ao cap tulo O Arquivo Setup do IDAMS para descri es mais detalhadas das declara es de controle de programa itens 1 4 abaixo 1 Filtro opcional Seleciona um subconjunto de casos a ser usado na execu o Exemplo INCLUDE V6 2 6 2 T tulo mandat rio Uma linha contendo at 80 caracteres para nomear os resultados Exemplo TEST RUN FOR MCA 3 Par metros mandat rio Para selecionar op es de programa Exemplo INFILE IN xxxx Um sufixo ddname de 1 4 caracteres para os arquivos Diction rio e Dados de entrada Default ddnames DICTIN DATAIN BADDATA STOP SKIP MD1 MD2 Tratamento de valores de dados n o num ricos Ver o cap tulo O Arquivo Setup do IDAMS 228 An lise de Classifica o M ltipla MCA MAXCASES n O n mero m ximo de casos depois da filtragem a serem usados do arquivo de entrada Default Todos os casos ser o utilizados PRINT CDICT DICT CDIC Imprime o dicion rio de entrada para as vari veis acessadas com registros C se houver DICT Imprime o dicion rio de entrada sem os registros C Especifica es de an lise As regras de codifica o s o as mesmas dos par metros Cada especi fica o de an lise deve come ar em uma n
216. ATAIN CHEESE DAT SETUP Filtro 1 24 O Arquivo Setup do IDAMS Outras declara es de controle para ONEWAY RUN ONEWAY SETUP Filter 2 Outras declara es de controle para ONEWAY Exemplo B Executa TABLES e ONEWAY usando o mesmo arquivo Dicion rio e Dados para ambos e usando o mesmo Recode n o lista as declara es de Recode RUN TABLES FILES DICTIN DATAIN SETUP Declara es de controle para TABLES RECODE PRINT Declara es de Recode RUN ONEWAY SETUP Declara es de controle para ONEWAY RECODE COMMENT DECLARA ES DE RECODE PARA TABLES SER O REUTILIZADOS PARA ONEWAY ABC DIC ABC DAT RECL 232 Exemplo C Executa TABLES utilizando o Recode do IDAMS dicion rio no setup dados em um disquete Imprime o dicion rio de entrada RUN TABLES FILES DATAIN A MYDATA RECODE Declara es de Recode SETUP Declara es de controle para TABLES DICT PRINT Dicion rio Exemplo D Usa dados de um programa de gerenciamento de dados como entrada para progamas de an lise sem reter o arquivo de sa da e g executa TRANS seguido de TABLES que utiliza os dados produzidos por TRANS atrav s da especifica o do par metro INFILE OUT TABLES n o executado se TRANS contiver erros de declara o RUN TRANS FILES DICTIN MYDIC4 DATAIN MYDAT4 SETUP Declara es de controle para TRANS RECODE Declara es de Recode RUN TABLES CHECK SETUP Declara es de controle para TABLES incluindo
217. ATAOUTV TRANSVARS lista de vari veis Vari veis at 99 para ser transferida para o arquivo de fator de caso de sa da FNAME uuuu Uma string de 1 4 caracteres usada com um prefixo para nomes de vari veis de fatores nos di cion rios de sa da Deve vir entre aspas simples se contiver quaisquer caracteres n o alfanum ricos Fatores possuem nomes uuuuFACTO0001 uuuuFACT0002 etc Default Em branco PLOTS STANDARD USER NOPLOTS Controla a representa o gr fica dos resultados STAN Plotagens padr o ser o impressas para pares de fatores 1 2 1 3 2 3 com op es PAGES 1 OVLP LIST NCHAR 4 REPR COORD VARPLOT PRINCIPAL SUPPL USER Plotagens definidas pelo usu rio s o desej veis ver os par metros para as plotagens definidas por usu rio abaixo PRINT CDICT DICT OUTCDICTS OUTDICTS STATS DATA MATRIX VFPRINC NOVFPRINC VFSUPPL OFPRINC OFSUPPL CDIC Imprime o dicion rio de entrada para as vari veis accessadas com registros C se hou ver DICT Imprime o dicion rio de entrada sem registros C OUTC Imprime os dicion rios de sa da com registros C se houver OUTD Imprime os dicion rios de sa da sem registros C STAT Imprime estat sticas das vari veis ativas e passivas DATA Imprime os dados de entrada MATR Imprime a matriz de rela es matriz n cleo e vetores pr prios VFPR Imprime fatores de vari vel para as vari veis ativas VFSU Imprime fatores de vari vel para as vari veis p
218. As seguintes estat sticas s o impressas para cada regress o ou cada passo de uma regress o stepwise coeficiente B coeficiente de regress o parcial n o padronizado erro padr o sigma de B coeficiente beta coeficiente de regress o parcial padronizado erro padr o sigma de B R quadrado parcial e marginal t ratio quociente de covari ncia valores de R quadrado marginal para todos os preditores e quocintes T para todos os conjuntos de vari veis dummy para regress o stepwise Dicion rio de res duos de sa da Para dados brutos como entrada apenas Opcional ver o par metro de regress o WRITE Dados de res duos de sa da Para dados brutos como entrada apenas Opcional ver o par metro de regress o PRINT Se h menos de 1000 casos valores calculados valores observados e res duos diferen as podem ser listados em ordem ascendente de valor de res duo Qualquer n mero de casos pode ser listado em ordem de seqti ncia de entrada do caso A estat stica de Durbin Watson para os res duos associados ser impressa para res duos listados em ordem de seqii ncia de entrada do caso 27 4 Matriz de Correla o de Sa da A matriz de correla o pode ser computada ver o par metro WRITE Ela escrita na forma de uma matriz quadrada do IDAMS ver o cap tulo Dados em IDAMS O formato 6F11 7 para as correla es e 4E15 7 para as m dias e desvios padr es Al m disso infoma o de labels es
219. C lculo de coeficientes de correla o r de Pearson para as vari veis V10 V20 com as vari veis V5 V6 RUN PEARSON FILES DICTIN BIRD DIC arquivo Dicion rio de entrada DATAIN BIRD DAT arquivo Dados de entrada SETUP CORRELATION COEFFICIENTS MATRIX RECT ROWV V10 V20 COLV V5 V6 Capitulo 34 Ordenamento de Alternativas RANK 34 1 Descri o Geral RANK determina um ordenamento de alternativas razo vel usando dados de prefer ncia como entrada e tr s procedimentos diferentes um baseado em l gica cl ssica o m todo ELECTRE e dois outros baseados em l gica difusa As duas abordagens diferem essencialmente na maneira em que as matrizes relacionais s o constru das Com o ordenamento difuso os dados determinam completamente os resultados enquanto com ordenamento cl ssico o usu rio amparando se em conceitos de l gica cl ssica tem a possibilidade de controlar os c lculos de todas as rela es entre alternativas O m todo ELECTRE l gica cl ssica implementado em RANK em um primeiro passo usa os da dos de prefer ncia de entrada para calcular uma matriz final expressando a opini o coletiva geral sobre a domin ncia entre as alternativas a estrutura da rela o n o necessariamente correspondendo a uma ordem linear ou parcial A rela o de domin ncia para cada par de alternativas controlada pelas condi es de concord ncia e discord ncia fixadas pelo usu rio Estruturas rel
220. CASES PRINT VARNOS VSTART 1 OUTVARS V1 V5 V18 V43 V57 V114 V116 Exemplo 2 Usando o programa SUBSET para checar casos duplicados casos s o identificados por vari veis nas colunas 1 3 e 7 8 h um registro por caso o dataset de sa da n o requerido n o mantido RUN SUBSET FILES DATAIN DEMOG DAT arquivo Dados de entrada SETUP CHECKING FOR DUPLICATE CASES SORT V2 V4 PRIN NOOUTDICT DICT PRINT 3 2 4 1 1 T 2 CASE FIRST ID VAR 1 3 T 4 CASE SECOND ID VAR 7 2 Capitulo 21 Transforma o de Dados TRANS 21 1 Descri o Geral O programa TRANS cria um novo dataset do IDAMS contendo vari veis de um dataset j existente e novas vari veis definidas por declara es de Recode E a maneira de salvar vari veis recodificadas TRANS possui uma op o de impress o e portanto pode ser tamb m utilizado para testar declara es de Recode em um n mero pequeno de casos antes de executar um programa de an lise ou antes de salvar completamente o arquivo 21 2 Caracter sticas Padr o do IDAMS Sele o de casos e vari veis O filtro padr o est dispon vel para selecionar um subconjunto de casos dos dados de entrada Sele o de vari veis alcan ada atrav s do par metro OUTVARS Transformando dados Declara es de Recode podem ser usadas Tratamento de dados perdidos C digos de dados perdidos apropriados s o escritos no dicion rio de sa da eles s o normalmente copiados do dicion ri
221. CHECK o qual produz um arquivo de sa da retangular onde registros extras duplicados foram deletados e casos com registros perdidos ou foram descartados ou preenchidos com registros dummy Checagem de valores n o num ricos em vari veis num ricas e a convers o opcional de campos em branco em valores num ricos espec ficos do usu rio executada pelo programa BUILD Checagem de outros c digos inv lidos executada pelo programa CHECK onde os c digos v lidos s o definidos em declara es de controle especiais ou obtido de registros C no dicion rio que descreve os dados Se dados s o carregados usando se a Interface do Usu rio do WinIDAMS caracteres n o num ricos exceto campos vazios em campos num ricos n o s o permitidos Al m do mais h a possibilidade de checagem de dados durante a entrada de dados e de uma checagem completa de c digos inv lidos no arquivo de dados completo Registros C no dicion rio s o utilizados para essa finalidade Checagem de consist ncia pode ser expressa na linguagem de recodifica o do IDAMS e pode ser usada com o programa CONCHECK para listar casos com inconsist ncias Erros encontrados em quaisquer desses passos podem ser corrigidos diretamnete pela Interface do Usu rio ou usando o programa CORRECT do IDAMS Uma sequ ncia t pica de passos para detectar e corrigir erros nos dados descrita detalhadamente abaixo 5 1 2 Checando a Integridade dos Dados Passo 1 Produz tabelas
222. CT condicional Dicion rio ver Nota abaixo DATA condicional Dados ver Nota abaixo Arquivos DICTxxxx dicion rio de entrada para o dataset A omitir se DICT n o usado DATAxxxx dados de entrada para o dataset A omitir se DATA n o usado DICTyyyy dicion rio de entrada para o dataset B omitir se DICT n o usado DATAyyyy dados de entrada para o dataset B omitir se DATA n o usado DICTzzzz dicion rio de sa da DATAzzzz dados de sa da PRINT resultados default IDAMS LST Nota O dataset A ou o B mas n o ambos pode ser introduzido no setup Contudo registros seguindo DICT e DATA s o copiados em arquivos definidos por DICTIN e DATAIN respectivamente Portanto se o arquivo A introduzido no setup o dataset A ser definido por DICTIN e DATAIN e INAFILE IN deve ser especificado Similarmente se o arquivo B introduzido no setup ent o INBFILE IN deve ser especificado 18 7 Declara es de Controle de Programa 153 18 7 Declara es de Controle de Programa Refira se ao cap tulo O Arquivo Setup do IDAMS para descri es mais aprofundadas das declara es de controle de programa tens 1 3 abaixo 1 Filtro s opcional Seleciona um subconjunto de casos de um dataset A e ou B a ser usado na execu o Note que cada declara o de filtro deve ser precedida por A ou B nas colunas um e dois para indicar o dataset onde o filtro deve ser aplicado Exemplo A
223. CT DICT VNAMES CDIC Imprime o dicion rio de entrada para vari veis acessadas com registros C se houver DICT Imprime o dicion rio de entrada sem registros C VNAM Imprime os 6 primeiros caracteres dos nomes das vari veis ao inv s dos n meros das vari veis quando se estiver listando valores de vari veis para casos de inconsist ncias 4 Declara es de condi o pelo menos uma deve ser dada Uma declara o de condi o fornecida para cada consist ncia a ser testada dando uma refer ncia s declara es de Recode correspondentes um nome para o teste e as vari veis cujos valores devem ser listados quando o teste falha As regras de codifica o s o as mesmas dos par metros Cada declara o de condi o deve iniciar em uma nova linha Exemplo TEST R3 CVARS V34 V36 V52 CNAME AGE SEX AND PREGNANCY STATUS TEST n mero da vari vel Vari vel para a qual um valor diferente de zero indica que um teste de consist ncia falhou N o h default CVARS lista de vari veis Lista de vari veis cujos valores ser o listados quando essa inconsist ncia encontrada Default Apenas vari veis especificadas com IDVARS e VARS ser o listadas 118 Verificagao de Consist ncia CONCHECK CNUM n Numero da condi o Default N mero de sequ ncia da condi o CNAME string Nome para essa condi o at 40 caracteres Default Nenhum nome 13 7 Restri es AeA Ww Apenas os primeiros 4 ca
224. CTxxxx dicion rio de entrada omitir se DICT usado DATAxxxx dados de entrada omitir se DATA usado DICTyyyy dicion rio de sa da DATAyyyy dados de sa da PRINT resultados default IDAMS LST 32 7 Declara es de Controle de Programa Reportar se ao cap tulo O Arquivo Setup do IDAMS para descri es mais detalhadas das declara es de controle de programa itens 1 3 e 6 abaixo 1 Filtro opcional Seleciona um subconjunto de casos a ser usado na execu o Exemplo INCLUDE V2 1 4 AND V15 2 2 T tulo mandat rio Uma linha contendo at 80 caracteres para nomear resultados Exemplo SCALING THE RU INPUT VARIABLES 3 Par metros mandat rio Para selecionar op es de programa Exemplo MDHAND CASES TRAN V5 IDVAR R6 INFILE IN xxxx Um sufixo ddname de 1 4 caracteres para os arquivos Dicion rio e Dados de entrada Default ddnames DICTIN DATAIN Scoring Baseado em Ordena o Parcial de Casos POSCOR BADDATA STOP SKIP MD1 MD2 Tratamento de valores de dados n o num ricos Ver o cap tulo O Arquivo Setup do IDAMS MAXCASES n O n mero m ximo de casos depois da filtragem a serem usados do arquivo de entrada Default Todos os casos ser o utilizados MDVALUES BOTH MD1 MD2 NONE Quais valores de dados perdidos devem ser usados para as vari veis acessadas nessa execu o Ver o cap tulo O Arquivo Setup do IDAMS MDHANDLING VARS CASES Tratamento de dados perdidos VARS Uma vari vel c
225. Casos duplicados em qualquer dataset ser o detectados no resultado impresso e ent o tratados como casos distintos de acordo com a especifica o do MATCH OUTFILE OUT zzzz Um sufixo ddname de 1 4 caracteres para os arquivos Dicion rio e Dados de sa da Default ddnames DICTOUT DATAOUT VSTART 1 n N mero da vari vel para a primeira vari vel no dataset de sa da 154 Intercala o de Datasets MERGE APAD MD1 MD2 Ao preencher varidveis de A com dados perdidos MD1 MD2 Produza o primeiro c digo de dados perdidos Produza o segundo c digo de dados perdidos BPAD MD1 MD2 Ao preencher vari veis de B com dados perdidos MD1 MD2 Produza o primeiro c digo de dados perdidos Produza o segundo c digo de dados perdidos PRINT PAD NOPAD ADELETE NOADELETE BDELETE NOBDELETE VARNOS A B OUTDICT OUTCDICT NOOUTDICT PAD ADEL BDEL VARN A B OUTD OUTC NOOU Imprima os valores das vari veis de emparelhamento ao preencher quaisquer vari veis A ou B com dados perdidos Imprima os valores das vari veis de emparelhamento para o dataset A toda vez que um caso de n o estiver inclu do no arquivo de dados de sa da Imprima os valores das vari veis de emparelhamento para o dataset B toda vez que um caso de B n o estiver inclu do no arquivo de dados de sa da Imprima uma lista de n meros de vari veis nos datasets de entrada e os correspondentes n meros de vari veis nos datasets de sa da Imprima
226. Colunas Conte do 12 HF 3 80 A declara o de formato entre par nteses 3 Uma declara o em formato Fortran descrevendo os vetores das m dias e desvios padr es das vari veis A declara o de formato descreve o n mero de valores por registro e o formato de cada um Colunas Conte do 1 2 HF 3 80 A declara o de formato entre par nteses 4 Registros de identifica o de vari veis S o n registros onde n o n mero de vari veis especificado no registro de defini o da matriz A ordem desses registros corresponde ordem das vari veis que indexam as linhas e colunas do arranjo de valores Quando uma matriz criada por um programa do IDAMS o n mero de vari veis e seus nomes s o mantidos no dataset IDAMS de onde as estat sticas bivariadas s o geradas 18 Dados em IDAMS Colunas Conte do 1 2 T ou R indica identifica o de vari veis para uma linha da matriz 3 6 O n mero da vari vel alinhado a direita 8 31 O nome da vari vel As quatro se es da matriz mostradas acima s o referidas como o dicion rio da matriz O dicion rio da matriz seguido pelo arranjo de valores O arranjo de valores Dado que o arranjo sim trico e possui c lulas na diagonal contendo constantes e g uma correla o de 1 0 para uma vari vel correlacionada com ela mesma apenas o canto superior direito fora da diagonal do arranjo armazenado Note que para a covari ncia da matriz os elementos
227. DATAxxxx dados de entrada omitir se DATA usado PRINT resultados default IDAMS LST 33 7 Declara es de Controle de Programa Reportar se ao cap tulo O Arquivo Setup do IDAMS para descri es mais aprofundadas das declara es de controle de programa itens 1 3 abaixo Correla o de Pearson PEARSON Filtro opcional Seleciona um subconjunto de casos a ser usado na execu o Exemplo INCLUDE V2 11 15 60 OR V3 9 T tulo mandat rio Uma linha contendo at 80 caracteres para nomear os resultados Exemplo FIRST EXECUTION OF PEARSON APRIL 27 Par metros mandat rio Para selecionar op es de programa Exemplo WRITE CORR PRINT CORR COVA ROWV V1 V3 V6 R47 V25 INFILE IN xxxx Um sufixo ddname de 1 4 caracteres para os arquivos Dicion rio e Dados de entrada Default ddnames DICTIN DATAIN BADDATA STOP SKIP MD1 MD2 Tratamento de valores n o num ricos Ver o capitulo O Arquivo Setup do IDAMS MAXCASES n O n mero m ximo de casos depois da filtragem a serem usados do arquivo de entrada Default Todos os casos ser o usados MATRIX SQUARE RECTANGULAR SQUA Computa os coeficientes de correla o de Pearson para todos os pares de vari veis da lista ROWV RECT Computa os coeficientes de correla o de Pearson para todos os pares de vari veis formados ao obter se uma vari vel de cada uma das listas ROWV e COLV ROWVARS lista de vari veis Uma lista de vari veis V e ou
228. DISSIMILARITIES SIMI Altos coeficientes na matriz de dados indicam que pontos s o similares ou pr ximos DISS Altos coeficientes na matriz de dados indicam que pontos s o dissimilares ou afastados DMAX 2 n O m ximo da dimens o escalonamento inicia com o espa o de dimens o m xima DMIN 2 n O m nimo da dimens o escalonamento procede at alcan ar ou passar a dimens o m nima DDIF 1 n A diferen a de dimens o escalonamento procede da dimens o m xima at a dimens o m nima em passos de diferen a de dimens es R 2 0 n Indica que a m trica r de Minkowski deve ser usada Qualquer valor gt 1 0 pode ser usado R 1 0 M trica de city block R 2 0 Dist ncia euclidiana ordin ria CUTOFF 0 0 n Valores de dados menores ou iguais a n s o descartados Se os valores leg timos dos coeficientes de entrada v o de 1 0 a 1 0 CUTOFF 1 01 deve ser usado 220 Escalonamento Multidimensional MDSCAL TIES DIFFER EQUAL DIFF Distancias diferentes correspondendo a valores de dados iguais nao contribuem para o coeficiente de esfor o e nenhuma tentativa feita para equalizar essas dist ncias EQUA Dist ncias diferentes correspondendo a valores de dados iguais contribuem para o es for o e h uma tentativa para equalizar essas dist ncias ITERATIONS 50 n O n mero m ximo de itera es a serem executadas em qualquer n mero de dimens es Esse m ximo uma precau o de seguran a para controlar o tempo de execu o
229. Declara es de Controle de Programa 147 17 6 Declara es de Controle de Programa Reportar se ao cap tulo O Arquivo Setup do IDAMS para descri es mais aprofundadas das declara es de controle de programa tens 1 3 abaixo 1 Filtro opcional Seleciona um subconjunto de casos a ser usado na execu o Exemplo INCLUDE V5 100 199 2 T tulo mandat rio Uma linha contendo at 80 caracteres para nomear os resultados Exemplo PRINTING THE STUDY 113A 3 Par metros mandat rio Para selecionar op es de programa Exemplo VARS V3 V10 V25 IDVARS V1 INFILE IN xxxx Um sufixo ddname de 1 4 caracteres para os arquivos Dicion rio e Dados de entrada Default ddnames DICTIN DATAIN BADDATA STOP SKIP MD1 MD2 Tratamento de valores de dados n o num ricos Ver o cap tulo O Arquivo Setup do IDAMS MAXCASES n O n mero m ximo de casos a serem impressos Default Todos os casos ser o impressos SKIP n Cada n simo caso ou cada n simo caso passando no filtro impresso come ando com o primeiro caso O ltimo caso ser sempre impresso a n o ser que a op o MAXCASES pro ba isso Default Todos os casos ou todos os casos passando pelo filtro s o impressos VARS lista de vari veis Imprime os valores de dados para as vari veis especificadas Valores de vari veis ser o impressos na ordem em que eles aparecem na nessa lista Default Todas as vari veis no dicon rio s o listadas IDVARS
230. Declara es de Recode A facilidad do IDAMS de entrada e Recode do IDAMS permite a recodifica o tempor ria dos dados durante execu o de programas Resultados de tais opera es de recodifica o juntamente com vari veis transferidas do arquivo podem tamb m ser salvos em arquivos permanentes usando o programa TRANS Recodifica o invocada pelo comando RECODE Esse comando e as declara es Recode associadas s o colocadas depois do comando RUN do programa onde ser utilizada a facilidade Recode Por exemplo RUN p FILES Especi RECOD Declar SETUP Declar rograma RUN ONEWAY FILES fica es de arquivo DICTIN MYDIC DATAIN MYDAT E RECODE a es de Recode R10 BRAC V3 0 10 1 11 20 2 R11 SUM V7 V8 NAME R10 EDUC LEVEL R11 TOTAL INCOME SETUP a es de controle de programa INCOME BY EDUC SEX BADDATA SKIP CONVARS R10 V2 DEPVAR R11 Uma descri o completa da facilidade Recode propiciada no cap tulo Facilidade Recode Capitulo 4 Facilidade Recode 4 1 Regras de Codifica o e Declara es de Recode possuem a seguinte forma lab declara o onde lab label de 1 4 caracteres opcional iniciando na posi o 1 da linha e seguida por pelo menos um espa o vazio Declara es sem label devem come ar da posi o 2 em diante e label permite que declara es de controle como GO TO se refira a declara es espec ficas e g GO TO ST1 Labels n o podem ser
231. ERCHECK 141 Descri o Geral sc pa sb de ees i ROR co ete ED ee BP a a eG ES RA A ws 14 2 Caracter sticas Padr o do IDAMS aoaaa aaa a 14 3 Resultados ors usa atos go en We a ee a ge od ee ae hh ee 14 4 Dados de Saida se sas b ay ek eA Oe A Be ee ee BEA Pee Bh hale 14 5 Dados de Entrada au ia ee ek BO le E I ee a RE ee ee 8 14 6 Estrutiraide S tup s a ss vee eee ES ee ee EDS Sy he ESL A 87 89 90 91 92 92 93 95 97 97 98 98 99 100 100 102 102 103 103 104 104 105 105 105 106 106 107 109 109 109 109 110 110 110 112 112 CONTEUDO x 14 7 Declara es de Controle de Programa 20 0 0000 ce ee 124 TALS REStrICORS di ds do eset Sie eh hg edness eee ee a Me aed AGE eee a ee Pe R 127 J4 9 Exemplos s gach dd hie A eh kee oe et ea Ree a a A A 127 15 Corre o de Dados CORRECT 129 TSi Descricao Geral ei ts Ro va gerado Pagto Cate brita Pag Cab Se Soe ae a salao ots a mo da ASA teeta ang ae RAR Seeded E 129 15 2 Caracter sticas Padr o do IDAMS 2 2 2 2 00002 ee 129 15 3 Resultados np ale Bar we a co fp ke eee a a Pe O GU a A 130 15 4 Dataset d Saiday us 2 eee gq oe ng Ae eo ae et ERR A Seg gel ha aang 130 15 5 Dataset de Entrada 2 ee 130 15 6 Estrutura de Settipe ss ke ahd yas be Se ee Se ke ck Be RR ee DR aes a iS 130 15 7 Declara es de Controle de Programa 2 2 a 131 1558 Restri o 254007 tne Se cae ey 28 fo ded Be eh he bok ah dc we Be
232. Esse um teste aproximado para as ra zes remanescentes ap s eliminar a primeira segunda terceira etc F ratios para testes univariados Esses s o exatamente os F ratios que seriam obtidos em uma an lise univariada convencional 30 4 Dataset de Entrada A entrada um arquivo Dados descrito por um dicion rio do IDAMS Todas as vari veis de an lise devem ser num ricas A s vari vel eis e covariate s deve m ser medido s em uma escala de intervalo ou deve m ser dicot mica s As vari veis fator podem ser nominal ordinal ou em intervalos mas devem possuir valores inteiros elas s o utilizadas para designar a pr pria c lula para o caso 236 An lise de Vari ncia Multivariada MANOVA 30 5 Estrutura de Setup RUN MANOVA FILES Especifica es de arquivo RECODE opcional Declara es de Recode SETUP 1 Filtro opcional 2 T tulo 3 Par metros 4 Especifica es de fator repetidas como requisitadas pelo menos um deve ser oferecido Especifica es de nome de teste repetidas como requisitadas pelo menos um deve ser oferecido DICT condicional Dicion rio DATA condicional Dados Arquivos DICTxxxx dicion rio de entrada omitir se DICT usado DATAxxxx dados de entrada omitir se DATA usado PRINT resultados default IDAMS LST 30 6 Declara es de Controle de Programa Reportar se ao cap tulo O Arquivo Setup do IDAMS para descri es mais aprofundadas
233. FILE IN xxxx Um sufixo ddname de 1 4 caracteres para os arquivos Dicion rio e Dados de entrada Default ddnames DICTIN DATAIN BADDATA STOP SKIP MD1 MD2 Tratamento de valores de dados n o num ricos Ver o cap tulo O Arquivo Setup do IDAMS MAXCASES n O n mero m ximo de casos depois da filtragem a serem usados do arquivo de entrada Default Todos os casos ser o usados ANALYSIS MEAN REGRESSION CHI MEAN An lise de m dias REGR An lise de regress o CHI An lise de chi quadrado Com uma nica vari vel dependente a lista default de c digos 0 9 ser utilizada e nenhuma verifica o de dados perdidos ser feita DEPVAR n mero de vari vel lista de vari veis A vari vel dependente ou vari veis Note que a lista de vari veis somente pode ser fornecida quando ANALYSIS CHI especificado N o h default CODES lista de c digos Uma lista de c digos somente ser fornecida para ANALYSIS CHI e uma vari vel dependente Note que nesse caso nenhuma verifica o de dados perdidos ser feita para a vari vel dependente e somente casos com c digos listados s o usados na an lise COVAR n mero de vari vel O n mero de vari vel do covariate Deve ser fornecido para ANALYSIS REGR WEIGHT n mero de vari vel O n mero da vari vel de pondera o se os dados devem ser ponderados MINCASES 25 n N mero m nimo de casos em um grupo MAXPARTITIONS 25 n N mero m ximo de parti es SYMMETRY 0 n
234. IDAMS Pacote de Programas para a An lise e Gerenciamento de Dados Desenvolvido Internacionalmente Manual de Refer ncia do WinIDAMS lan amento 1 3 Abril de 2008 Copyright UNESCO 2001 2008 Publicado por UNESCO Organiza o das Na es Unidas para a Educa o a Ci ncia e a Cultura 7 Place de Fontenoy 75352 Paris 07 SP Fran a T tulo da obra original WinIDAMS Reference Manual release 1 3 2001 2008 by UNESCO Primeira edi o em ingl s pela UNESCO em 1988 Tradu o em portugu s Prof Jos Raimundo CARVALHO Professor de Economia CAEN P s gradua o em Economia Universidade Federal do Cear Fortaleza Brasil ISBN 92 3 102577 5 UNESCO vers o em ingl s Prefacio Objetivos do IDAMS A id ia por tr s do IDAMS prover gratuitamente os Estados Membros da UNESCO de um pacote de programas de geranciamento de dados e an lise estat stica razoavelmente completo O IDAMS usado em combina o com o CDS ISIS software da UNESCO para administra o de base de dados e recupera o de informa o os equipar com software integrado permitindo o processamento de uma maneira unifi cada tanto de dados num ricos quanto textuais coletados com finalidades cient fica e administrativa por universidades institutos de pesquisa administra es nacionais etc O objetivo maior ajudar os Estados Membros a progredir na racionaliza o da administra o dos seus v rios setores de ativida
235. INCLUDE V3 1 inclui apenas aqueles casos onde a vari vel 3 igual a 1 Sele o de vari veis Vari veis s o referenciadas pelos n meros declarados no dicion rio Um grupo de vari veis especificado em uma lista de vari veis depois de palavras chave como VARS CONVARS OUTVARS Essas listas de vari veis podem incluir tamb m varidveis R constru das pela facilidade Recode do IDAMS ver abaixo e g VARS V3 V6 V129 R100 R101 Transformando recodificando dados Uma facilidade poderosa do Recode permite a recodifica o de vari veis e a constru o de novas vari veis Instru es de recodifica o s o preparadas pelo usu rio na linguagem Recode do IDAMS Isso inclui a possibilidade de computa o aritm tica como tamb m o uso de v rias fun es especiais para opera es como agrupamento de valores a cria o de vari veis dummy etc Declara es condicionais s o tamb m permitidas Exemplos de declara es de Recode para a constru o de 3 novas vari veis s o 6 Introdu o R100 V4 V5 R101 BRAC V10 0 15 1 16 60 2 61 98 3 99 9 IF MDATA V3 V4 OR V4 EQ 0 THEN V102 99 ELSE R102 V3 100 V4 As vari veis R constru das para cada caso podem ser usadas temporariamente no programa em execu o ou podem ser salvas em um dataset usando o programa TRANS Ponderando dados Quando uma estrutura de amostragem complexa utilizada durante a coleta pode ser necess rio usar pesos diferentes para casos durante a
236. LST 22 7 Declara es de Controle de Programa Referir se ao cap tulo O Arquivo Setup do IDAMS para descri es mais aprofundadas das declara es de controle do programa itens 1 3 abaixo 1 Filtro opcional Seleciona um subconjunto de casos a ser usado na execu o Dispon vel apenas com dados brutos Exemplo INCLUDE V8 5 10 2 T tulo mandat rio Uma linha contendo at 80 caracteres para nomear os resultados Exemplo PARTITION AROUND MEDOIDS 3 Par metros mandat rio Para selecionar op es de programa Exemplo ANALYSIS PAM VARS V7 V12 IDVAR V1 176 An lise de Agrupamento CLUSFIND INPUT RAWDATA SIMILARITIES DISSIMILARITIES CORRELATIONS RAWD Entrada arquivo Dados descrito por um dicion rio do IDAMS SIMI Entrada medidas de similaridades na forma de uma matriz quadrada do IDAMS DISS Entrada medidas de dissimilaridades na forma de uma matriz quadrada do IDAMS CORR Entrada coeficientes de correla o na forma de uma matriz quadrada do IDAMS Par metros apenas para dados de entrada brutos INFILE IN xxxx Um sufixo ddname de 1 4 caracteres para os arquivos Dicion rio e Dados de entrada Default ddnames DICTIN DATAIN BADDATA STOP SKIP MD1 MD2 Tratamento de valores de dados n o num ricos Ver o cap tulo O Arquivo Setup do IDAMS MAXCASES 100 n O n mero m ximo de casos depois de filtragem a ser usado do arquivo de entrada Seu valor depende da mem ria dispon vel n
237. LT Qualidade da representa o da vari vel no espa o dos m fatores ver 7 b acima PESO Valor do peso da vari vel ver 7 c acima INR In rcia correspondendo a vari vel Note que as vari veis passivas n o contribuem para a in rcia total Portanto a in rcia aqui indica se a vari vel pode exercer algum papel na an lise caso ela seja usada com vari vel principal Ela calculada do mesmo jeito que para as vari veis ativas nas an lises respectivas ver 7 d acima A in rcia INR impressa na ltima linha da tabela igual ao total INR ao longo de todas as vari veis passivas As tr s colunas seguintes s o repetidas para cada fator a F A ordenada da vari vel no espa o de fator denotada aqui por Fy COS2 Cosseno quadrado do ngulo entre a vari vel e o fator E calculado da mesma maneira como para as vari veis ativas nas an lises respectivas ver 7 f acima CPF Contribui o da vari vel para o fator Note as vari veis passivas n o participam na constru o do espa o de fator Portanto a contribui o somente indica se a vari vel poderia ter algum papel na an lise caso ela fosse usada como a vari vel principal CPF calculado do mesmo jeito que as vari veis ativas nas an lises respectivas ver 7 g acima A contribui o CPF impressa na ltima linha da tabela igual ao CPF total ao longo de todas as vari veis passivas 46 9 Tabela de Fatores de Casos Ativos A tabela cont m as ordenadas
238. Linear REGRESSN um nivel especificado em cujo caso ela adicionada de volta a regressao Gerando um dataset de residuos Com dados brutos residuos podem ser computados e obtidos como um arquivo de dados descrito por um dicion rio do IDAMS Ver a se o Dataset s de Res duos de Sa da para detalhes do conte do Note que um dataset separado de res duos gerado para cada equa o Tamb m como REGRESSN n o possui nenhuma facilidade para transferir vari veis de interesse espec ficas em uma an lise residual dos dados brutos de entrada para um dataset de res duos pode ser necess rio o uso do programa MERGE para criar um dataset contendo todas as vari veis desejadas Uma vari vel de ID de caso do dataset de entrada produzida para o dataset de res duos para tornar o emparelhamento poss vel Gerando uma matriz de correla o Se dados brutos s o usados como entrada o program computa coeficientes de correla o que podem ser produzidos no formato de uma matriz quadrada do IDAMS e usado para an lises posteriores Correla es de REGRESSN incluem todas as vari veis ao longo das equa es de regress o e s o baseadas em casos que possuem dados v lidos em todas as vari veis na matriz Portanto correla es usualmente ir o diferir das correla es obtidas com a execu o do programa PEARSON com a op o MDHANDLING PAIR Quando a elimina o de dados perdidos em REGRESSN deixa um tamanho de amostra aceitavelmente gran
239. Nota A lista de c digos n o deve ser exaustiva i e n o deve se listar todos os c digos existentes caso isso ocorra uma matriz singular resultar Exemplo V100 5 6 1 V101 1 6 C digos 5 6 e 1 da vari vel 100 ser representado na regress o como vari veis dummy juntamente com c digos 1 at 6 da vari vel 101 Uma vari vel especificada na defini o de vari veis dummy quando usada em lista de vari veis pre visoras VARS parciais PARTIALS ou for adas FORCE para regress o stepwise se referir ao conjunto de vari veis dummy criado daquela vari vel Em regress es stepwise os c digos de tal vari vel ser o introduzidos ou exclu dos juntos e R quadrados marginais e F ratios ser o calculados para todos os c digos das vari veis juntamente como tamb m para c digos individualmente Uma vari vel usada na defini o de vari veis dummy pode n o ser utilizada como vari vel dependente 5 Especifica es de regress o As regras de codifica o s o as mesmas das dos par metros Cada conjunto de par metros de regress o deve se iniciar em uma nova linha Exemplo DEPV V5 METH STEP FORCE V7 VARS V7 V16 V22 V37 V47 R14 METHOD STANDARD STEPWISE DESCENDING STAN Uma regress o padr o ser feita STEP Uma regress o stepwise ser feita DESC Uma regress o stepwise descendente ser feita DEPVAR n mero de vari vel N mero da vari vel dependente N o h default VARS lista de vari veis
240. Note que os n meros das vari veis n o precisam ser contiguos e que nem todos os campos na base de dados precisa ser descrito 2 4 Matrizes IDAMS Existem dois tipos de matrizes IDAMS quadrada e retangular Ambos os tipos s o auto definidos mas diferentemente dos datasets IDAMS o dicion rio armazenado no mesmo arquivo do arranjo de valores Em geral essas matrizes s o criadas por um programa do IDAMS para serem usadas como entrada em outro programa e portanto o usu rio n o precisa estar familiarizado com o formato Se contudo for necess rio preparar uma matriz de similaridade uma matriz de configura o etc na m o ent o os formatos descritos abaixo devem ser observados A despeito do tipo todos os registros s o fixos e com comprimento de 80 caracteres 2 4 Matrizes IDAMS 17 2 4 1 A Matriz Quadrada do IDAMS A matriz quadrada pode ser utilizada apenas para um arranjo quadrado e sim trico Apenas valores na parte superior direita triangular fora da diagonal do arranjo armazenada de fato na matriz quadrada Uma matriz de coeficientes de correla o Pearsonianos adequadamente armazenada dessa maneira Programas que usam produzem matrizes quadradas PEARSON produz matrizes quadradas de correla es e covari ncias REGRESSN produz matrizes quadradas de correla es TABLES produz matrizes quadradas de medidas de associa o bivariada Essas matrizes s o inputs apropriados para outros programas e g a
241. OCRSP CORR ROTA KAISER NFACT 7 IDVAR V1i PRINT STATS MATRIX PVARS V12 V16 V101 V115 Exemplo 2 An lise fatorial de produtos escalares baseado em 10 vari veis 2 vari veis passivas V5 e V7 devem ser representadas em plotagens plotagens s o definidas pelo usu rio pois somente o primeiro ponto dos pontos quase coincidentes requerido os crit rios de Kaiser devem ser usados para determinar o n mero de fatores ambos fatores de caso e de vari vel ser o escritos em arquivos RUN FACTOR FILES DICTIN A DIC arquivo DATAIN A DAT arquivo DICTOUT CASEF DIC arquivo DATAOUT CASEF DAT arquivo DICTOUTV VARF DIC arquivo DATAOUTV VARF DAT arquivo SETUP FACTOR ANALYSIS OF SCALAR PRODUCTS Dicion rio de entrada Dados de entrada Dicion rio para fatores de caso Dados para fatores de caso Dicion rio para fatores de vari vel Dados para fatores de vari vel ANAL NOCRSP SSPR IDVAR Vi WRITE OBSERV VARS PRINT STATS PLOT USER PVARS V112 V116 V201 V205 SVARS V5 V7 X 1 Y 2 VARP PRINCIPAL SUPPL X 1 Y 3 VARP PRINCIPAL SUPPL X 2 Y 3 VARP PRINCIPAL SUPPL 26 9 Exemplos Exemplo 3 An lise de correspond ncia usando uma tabela de conting ncia descrita por um dicion rio e inserida como um datasen no arquivo Setup para ser executado n mero de fatores definido pelos crit rio de Kaiser matriz de rela es ser impressa seguida pelos fatores de vari vel e caso e pelas plotagens de vari v
242. R a serem correlacionadas MATRIX SQUARE ou a lista de vari veis de linha MATRIX RECTANGULAR N o h default COLVARS lista de vari veis MATRIX RECTANGULAR apenas Uma lista de vari veis V e ou R a serem usadas como vari veis de coluna Oito colunas s o impressas por p gina se a lista de vari veis de linha ou a lista de vari veis de coluna cont m menos do que oito vari veis prefer vel para facilidade de leitura dos resultados ter a lista curta como a lista de vari vel de coluna MDVALUES BOTH MD1 MD2 NONE Que valores de dados perdidos devem ser usados para as vari veis acessadas nessa execu o Ver o cap tulo o O Arquivo Setup do IDAMS MDHANDLING PAIR CASE M todo de manuseio de dados perdidos PAIR Dele o por pares CASE Dele o por casos n o dispon vel com MATRIX RECTANGULAR WEIGHT n mero de vari vel O n mero da vari vel de pondera o se os dados forem ponderados WRITE CORR COVA MATRIX SQUARE apenas CORR Produz a matriz de correla o com m dias e desvios padr es COVA Produz a matriz de covari ncia com m dias e desvios padr es 33 8 Restri es 259 PRINT CDICT DICT CORR NOCORR COVA PAIR REGR XPRODUCTS CDIC Imprime o dicion rio de entrada para as vari veis acessadas com registros C se houver DICT Imprime o dicion rio de entrada sem registros C CORR Imprime a matriz de correla o COVA Imprime a matriz de covari ncia PAIR Imprime as estat sticas
243. R112 W H rounded MDCODES R111 R112 99 9 Cria uma nica vari vel combinando sexo e n vel educacional em 4 grupos como o seguinte Mulheres educa o prim ria apenas Mulheres educa o secund ria Homems educa o prim ria apenas Homems educa o secundaria M todo a Primeiro reduza os c digos de sexo e educa o a c digos adjacentes come ando de 0 armazenando temporariamente os resultados nas vari veis R901 R902 R901 BRAC V5 1 0 2 R902 BRAC V6 1 0 2 Ent o use a fun o COMBINE tendo certeza de que os casos com c digos esp rios s o colocados na categoria de dados perdidos IF R901 GT 1 OR R902 GT 1 THEN R110 9 ELSE R110 COMBINE R901 2 R902 2 54 10 Facilidade Recode M todo b Use IFs colocando um valor default de 9 no inicio R110 9 IF V5 EQ 1 AND V6 EQ 1 THEN R110 1 IF V5 EQ 1 AND V6 INLIST 2 3 THEN R110 2 IF V5 EQ 2 AND V6 EQ 1 THEN R110 3 IF V5 EQ 2 AND V6 INLIST 2 3 THEN R110 4 M todo c Use a fun o RECODE R110 RECODE V5 V6 1 1 1 1 2 3 2 2 1 4 2 2 3 5 ELSE 9 Agregando casos com Recode Suponha que n s desejamos analisar os dados consistindo de registros a n vel individual no n vel de aldeia por exemplo para produzir uma tabela mostrando a distribui o de renda dos habitantes V8 V9 e de pessoas possuindo um carro V31 na aldeia N s poder amos fazer isso utilizando AGGREG para agregar os dados a nivel de aldeia e ent o executa
244. REGRESSN FILES FTO9 A MAT arquivo Matrix de entrada SETUP STANDARD REGRESSION USING MATRIX AS INPUT INPUT MATR CASES 1460 DEPV V116 VARS V18 V36 V55 V57 27 11 Exemplos 213 Exemplo 2 Regress o padr o com seis vari veis independentes e com duas vari veis cada uma com 3 categorias transformadas em 6 vari veis dummy dados brutos s o utilizados com entrada res duos devem ser computados e escritos em um conjunto de dados casos s o identificados pela vari vel V2 RUN REGRESSN FILES PRINT REGR2 LST DICTIN STUDY DIC arquivo Dicion rio de entrada DATAIN STUDY DAT arquivo Dados de entrada DICTOUT RESID DIC arquivo Dicion rio para res duos DATAOUT RESID DAT arquivo Dados para residuos SETUP STANDARD REGRESSION USING RAW DATA AS INPUT AND WRITING RESIDUALS MDHANDLING 50 IDVAR V2 CATE V5 1 5 6 V6 1 3 DEPV V116 WRITE RESI VARS V5 V6 V8 V13 V75 V78 Exemplo 3 Duas regress es uma padr o e uma stepwise usando dados brutos como entrada RUN REGRESSN FILES DICTIN STUDY DIC arquivo Dicion rio de entrada DATAIN STUDY DAT arquivo Dados de entrada SETUP TWO REGRESSIONS PRINT XMOM XPROD DEPV V10 VARS V101 V104 V35 PRINT INVERSE DEPV V11 METHOD STEP PRINT STEP VARS V1 V3 V15 V18 V23 V29 Exemplo 4 Regress o em dois est gios o primeiro est gio usa as vari veis V2 V6 para estimar valores da vari vel dependente V122 no segundo est gio duas vari veis adicionais V12 V23
245. RIDLOC 12 RECID 2 RIDLOC 12 RECID 3 RIDLOC 12 PAD 9999999999 9399999999999999999999999999999999999999999999999999999999999999999999 Exemplo 2 Cheque os dados deletando todos os casos com registros perdidos e eliminando casos que nao pertencem ao estudo o arquivo Dados cont m dois registros por caso casos com registros duplicados s o mantidos descartando todos menos o primeiro de um conjunto de registros duplicados h um tipo de registro TT nas colunas 4 e 5 de um registro e um AB nas colunas 7 e 8 do outro a ID do estudo HST deve aparecer nas colunas 124 126 de cada registro 128 Verifica o de Intercala o de Registros MERCHECK RUN MERCHECK FILES FTO2 BAD arquivo para produzir casos ruins DATAIN DATA RECL 126 arquivo Dados de entrada DATAOUT GOOD arquivo Dados de saida com bons casos apenas SETUP CHECKING THE MERGE OF DATA IDLO 1 3 RECO 2 WRITE BADRECS MAXE 20 CONS HST CLOC 124 126 RECID TT RIDLOC 4 RECID AB RIDLOC 7 Capitulo 15 Corre o de Dados CORRECT 15 1 Descri o Geral CORRECT fornece facilidade de corre o para dados em um dataset do IDAMS Valores de vari veis individuais em casos especificados podem ser corrigidos ou casos inteiros podem ser deletados CORRECT til para corrigir erros em vari veis individuais para casos espec ficos como os detectados por exemplo por BUILD CHECK ou CONCHECK A prepara o de instru es de renova o f cil Checa g
246. Rotacionados Aplicado apenas para an lise de correla o Os fatores de vari vel podem ser rotacionados ao terminar se a an lise fatorial O procedimento Varimax usado aqui o mesmo que o usado no programa CONFIG Note que os fatores de vari vel para as vari veis ativas podem ser tratados como uma configura o de J1 objetos em espa o dimensional a 46 12 Refer ncias Benz cri J P and F Pratique de Vanalyse de donn es tome 1 Analyse des correspondances expos l mentaire Dunod Paris 1984 Tagolnitzer E R Pr sentation des programmes MLIFxx d analyses factorielles en composantes principales Informatique et sciences humaines 26 1975 Capitulo 47 Regressao Linear Nota o y valor da vari vel dependente x valor de uma vari vel independente explanat ria i j l m subscritos para vari veis p n mero de preditores k subscrito par caso N n mero total de casos w valor do peso multiplicado por z W soma total dos pesos 47 1 Estat sticas Univariadas Essas estat sticas ponderadas s o calculadas para todas as vari veis usadas na an lise i e vari veis inde pendentes e vari vel dependente a M dia 5 Wk Vik k t _ N b Desvio padr o estimado 47 2 Matriz de Soma Total de Quadrados e Produtos Cruzados E calculado para todas as vari veis usadas na an lise como segue t S S C P ij J Wk Lik Tjk k 366 Regressao Linear 47 3
247. S USING MATRIX OF DISTANCES AS INPUT COMMENT ACTUAL DISTANCES WERE DIVIDED BY 10 000 TO BE IN THE INTERVAL 0 1 INPUT DISS VARS V1 V30 ANAL AGNES PRINT GRAP VNAMES Capitulo 23 An lise de Configura o CONFIG 23 1 Descri o Geral CONFIG executa an lise em um nico entrada de configura o espacial na forma de uma matriz retangular do IDAMS produzida por exemplo por MDSCAL Ela possui a capacidade de centrar normatizar rotazar translar dimens es computar dist ncias entre pontos e computar produtos escalares Cada linha de uma matriz de configura o oferece as coordenadas de um ponto de configura o Portanto o n mero de linhas igual ao n mero de pontos vari veis enquanto o n mero de colunas igual ao n mero de dimens es CONFIG pode propiciar sa da que permite ao usu rio comparar mais facilmente as configura es que orig inalmente possuiam orienta es dissimilares Ela pode tamb m ser utilizada para executar an lises mais aprofundadas na configura o Rota o por exemplo pode fazer com que a configura o seja mais facil mente interpretada 23 2 Caracter sticas Padr o do IDAMS Sele o de casos e vari veis Sele o de um subconjunto de casos n o aplic vel e um filtro n o est dispon vel Nem tamb m h uma op o dentro do CONFIG para subdividir a configura o de entrada Uma op o de sele o de uma matriz de um arquivo contendo m ltiplas matrizes est dispon
248. SA s3 a ASER si a ri a DESR s a r a ASCR so a ro a DEER so a ro a 52 3 Refer ncias Debreu G Representation of a preference ordering by a numerical function Decision Process eds R M Thrall C A Coombs and R L Davis New York 1954 Hunya P A Ranking Procedure Based on Partially Ordered Sets Internal paper JATE Szeged 1976 Capitulo 53 Correlacao de Pearson Nota o x y valores de vari veis w valor do peso k subscrito para caso N n mero de casos v lidos em ambos x e y W soma total dos pesos 53 1 Estat sticas Emparelhadas Elas s o computadas para vari veis tomadas em pares x y no subconjunto de casos possuindo dados v lidos em ambos x e y a Soma ponderada ajustada O n mero de casos ponderados com dados v lidos em ambos x e y b M dia de x gt Wk Tk k W r Note a f rmula para m dia de y an loga c Desvio padr o de x estimado Note a f rmula para desvio padr o de y an loga d Coeficiente de correla o Coeficiente do momento de produto de Pearson r W De Tk Yk 2 Wk wx gt Wk uk pn Ema Sok a 398 Correlagao de Pearson e Teste t Essa estat stica usada para testar a hip tese de que o coeficiente de correla o da popula o zero rvN 2 v1 t 53 2 M dias e Desvios Padroes Nao emparelhadas Elas sao computadas vari vel por vari vel para todas as vari veis i
249. T tulo 3 Par metros 4 Especifica es de plotagem definidas por usu rio condicional DICT condicional Dicion rio DATA condicional Dados Arquivos DICTxxxx dicion rio de entrada omitir se DICT usado DATAxxxx dados de entrada omitir se DATA usado DICTyyyy dicion rio de sa da para fatores de caso DATAyyyy dados de sa da para fatores de caso DICTzzzz dicion rio de sa da para fatores de vari veis DATAzzzz dados de sa da para fators de vari veis PRINT resultados default IDAMS LST 26 7 Declara es de Controle de Programa Referir se ao cap tulo O Arquivo Setup do IDAMS para descri es mais aprofundadas das declara es de controle do programa itens 1 4 abaixo 1 Filtro opcional Seleciona um subconjunto de casos a ser usado na execu o Exemplo EXCLUDE V10 99 OR V11 99 2 Titulo mandat rio Uma linha contendo at 80 caracteres para nomear os resultados Exemplo AGRICULTURAL SURVEY 1984 3 Par metros mandat rio Para selecionar op es de programa Exemplo ANAL CRSP SSPRO TRANS V16 V20 IDVAR V1i PVARS V31 V35 INFILE IN xxxx Um sufixo de 1 4 caracteres para os arquivos Dicion rio e Dados de entrada Default ddnames DICTIN DATAIN BADDATA STOP SKIP MD1 MD2 Tratamento de valores de dados n o num ricos Ver o cap tulo O Arquivo Setup do IDAMS 26 7 Declara es de Controle de Programa 199 MAXCASES n O n mero m ximo de casos depois da
250. T INDICATORS 3 Par metros mandat rio Para selecionar op es de programa Exemplo EXPORT DATA NAMES FORMAT DELIMITED WITH SPACE IMPORT DATA MATRIX NAMES CODES DATA Importa o de dados requisitada MATR Importa o de matriz requisitada NAME Nomes de vari veis s o inclu dos no arquivo Dados para importa o Nomes de vari veis labels de c digos s o inclu das no arquivo Matriz para importa o CODE N meros de vari veis s o inclu dos no arquivo Dados para importa o N meros de vari veis valores de c digos s o inclu das no arquivo Matriz para importa o 140 Importagao Exportagao de Dados IMPEX EXPORT DATA MATRIX NAMES CODES DATA Exportagao de dados requisitada MATR Exporta o de matriz requisitada NAME Nomes de vari veis devem ser exportados no arquivo Dados de sa da Nomes de vari veis labels de c digos devem ser exportados no arquivo Matriz de sa da CODE N meros de vari veis devem ser exportados no arquivo Dados de sa da N meros de vari veis valores de c digos devem ser exportados no arquivo Matriz de sa da Nota N o h defaults Ou IMPORT ou EXPORT mas n o ambos deve ser especificado INFILE IN xxxx Um sufixo ddname de 1 4 caracteres para os arquivos de entrada Arquivo Dados ou Matriz para importa o default ddname DATAIN Arquivos Dicion rio e Dados para exportar dados default ddnames DICTIN DATAIN Arquivo Matriz IDAMS para exportar defa
251. T Troto l HOR 2 356 VER 1939 40 3 1 Barra de Menu e Barra de Ferramentas Arquivo Abrir Fechar Salvar como Salvar casos mascarados Imprimir Vi o preliminar Configurar impressora Sair Chama a caixa de di logo para selecionar um novo dataset arquivo de matriz para an lise Fecha todas janelas para a an lise corrente Chama a caixa de di logo para salvar a imagem gr fica da janela ativa em formato Windows Bitmap bmp Salva para uso subsequente o n mero sequencial de casos mascarados du rante a sess o seguindo a sequ ncia no arquivo Dados analisado Chama a caixa de di logo para imprimir o conte do da janela ativa Exibe uma impress o pr via da imagem gr fica na janela ativa Chama a caixa de di logo para modificar as op es de impress o e da im pressora Encerra a sess o do GraphID O menu pode tamb m conter a lista dos arquivos recentemente abertos i e arquivos usados em sess es pr vias do GraphID Editar O menu possui apenas um comando Copiar para copiar o gr fico exibido na janela ativa no Clipboard Ver Configura o Escalas Barra de ferramentas Barra de status Info Chama a caixa de di logo para selecionar s mbolos cores vari veis e o n mero de colunas e linhas vis veis na matriz Exibe oculta as escalas de gr fico para a janela de zoom ativa Exibe oculta barra de ferramentas Exibe oculta barra de status Exibe um janela
252. Tra o Para a AN LISE DE PRODUTOS ESCALARES NORMADOS a AN LISE DE CORRELA ES a in rcia da vari vel depende somente do n mero de vari veis ativas 1 INR x1 Note que a in rcia INR impressa na ltima linha da tabela igual a 1000 As tr s colunas seguintes s o repetidas para cada fator a F A ordenada da vari vel no espa o de fator denotada aqui por Fy COS2 Cosseno ao quadrado do ngulo entre a vari vel e o fator uma medida de dist ncia entre a vari vel e o fator Valores pr ximos de 1 indicam dist ncias pequenas em rela o a um fator Para a AN LISE DE CORRESPOND NCIAS calcula se da seguinte maneira 2 Fe 3 a 1 Para a AN LISE DE PRODUTOS ESCALARES para AN LISE DE COVARI NCIAS 2 F4 COS2aj x 1000 2 Do Faj a 1 Para a AN LISE DE PRODUTOS ESCALARES NORMADOS e para AN LISE DE CORRELA ES 2 COS2 F2 x 1000 CPF Contribui o da vari vel para o fator Para a AN LISE DE CORRESPOND NCIAS i ee CPFy a x 1000 Q Para TODOS OS OUTROS TIPOS DE AN LISE F2 CPFaj a x 1000 a Note que a contribui o CPF impressa na ltima linha da tabela igual a 1000 362 An lise Fatorial 46 8 Tabela de Fatores de Vari veis Passivas A tabela cont m a mesma informa o daquela descrita no ponto 7 acima exceto para as vari veis passivas a b c d f g JSUP N mero da vari vel para as vari veis passivas Q
253. UN QUANTILE FILES Especifica es de arquivo RECODE opcional Declara es de Recode SETUP Filtro opcional Titulo Par metros Especifica es de subconjunto opcional QUANTILE Especifica es de an lise repetida como requisitada DICT condicional Dicion rio DATA condicional Dados Arquivos DICTxxxx dicion rio de entrada omitir se DICT usado DATAxxxx dados de entrada omitir se DATA usado PRINT resultados default IDAMS LST 25 6 Declara es de Controle de Programa Referir se ao cap tulo O Arquivo Setup do IDAMS para descri es mais aprofundadas das declara es de controle de programa tens 1 3 e 6 abaixo 1 Filtro opcional Seleciona um subconjunto de casos a ser usado na execu o Exemplo INCLUDE V5 1 2 Titulo mandat rio Uma linha contendo at 80 caracteres para nomear os resultados Exemplo MAKING DECILES 3 Par metros mandat rio Para selecionar op es do programa Exemplo MDVAL MD1 PRINT DICT INFILE IN xxxx Um sufixo ddname de 1 4 carcateres para os arquivos Dicion rio e Dados de entrada Default ddnames DICTIN DATAIN 25 6 Declara es de Controle de Programa 193 BADDATA STOP SKIP MD1 MD2 Tratamento de valores de dados n o num ricos Ver o cap tulo O Arquivo Setup do IDAMS MAXCASES n O n mero m ximo de casos depois da filtragem a serem utilizados do arquivo de entrada Default Todos os casos ser o usados
254. Um rango zero indica que estat sticas devem ser computadas para os preditores mas eles n o devem ser usados na parti o 280 5 36 1 2 36 3 4 Busca de Estrutura SEARCH Especifica es de parti o pr definida opcional Se parti es predefinidas s o desejadas forne a um conjunto de par metros para cada parti o pr definida As regras de codifica o s o as mesmas das dos par metros Cada especifica o de parti o pr definida deve se iniciar em uma nova linha Exemplo GNUM 1 VAR V18 CODES 1 3 GNUM n N mero do grupo para parti o Grupos s o especificados em ordem crescente onde a amostra original completa o grupo 1 Cada conjunto de par metros forma dois novos grupos Nao h default VAR n mero de vari vel Vari vel preditora usada para fazer a parti a Nao h default CODES lista de c digos Lista dos c digos preditores definindo o primeiro subgrupo Todos os outros c digos pertencer o ao segundo subgrupo N o h default 8 Restri es N mero m nimo de casos requeridos 2 MINCASES N mero m ximo de preditores 100 Valor de preditor m ximo 31 N mero m ximo de c digo de vari veis categ ricas 400 N mero m ximo de parti es pr definidas 49 Se a vari vel de ID alfab tica com largura gt 4 somente os quatro primeiros caracteres s o usados 9 Exemplos Exemplo 1 An lise de m dias com cinco vari
255. V33 V101 V105 Capitulo 33 Correla o de Pearson PEARSON 33 1 Descri o Geral PEARSON computa e imprime a matriz de coeficiente de correla o r de Pearson e covari ncias para todos os pares de vari veis em uma lista op o matriz quadrada ou para cada par de vari veis formado ao se obter uma vari vel de cada uma das duas listas op o matriz retangular Tanto a dele o por pares ou por casos de dados perdidos pode ser especificada PEARSON pode ser tamb m utilizado para produzir uma matriz de correla o que pode subsequentemente ser entrada para os programas REGRESSN ou MDSCAL Apesar de REGRESSN ser capaz de computar sua pr pria matriz de correla o seu manuseio de dados perdidos limitado dele o por pares Contrastando uma matriz pode ser gerada por PEARSON usando se um algoritmo de dele o por pares para dados perdidos 33 2 Caracter sticas Padr o do IDAMS Sele o de casos e vari veis O filtro padr o est dispon vel para selecionar um subconjunto de casos dos dados de entrada As vari veis de cujas correla es s o desejadas s o especificadas nos par metros ROWVARS e COLVARS Transformando dados Declara es de Recode podem ser usadas Ponderando dados Uma vari vel pode ser usada para ponderar dados de entrada essa vari vel de pondera o pode ter valores inteiros e decimais Quando o valor da vari vel de pondera o para um caso for zero negativo perdido ou n o num ric
256. VARIABLE PREDEFINED SPLITS ANAL CHI DEPV V101 CODES 1 5 MINC 5 PRINT FINAL TREE VARS V3 V8 TYPE S GNUM 1 VAR V8 CODES 3 GNUM 2 VAR V3 CODES 1 2 Capitulo 37 Tabelas Univariadas e Bivariadas TABLES 37 1 Descri o Geral O principal uso de TABLES obter distribui es de frequ ncias univariadas e bivariadas com percentuais opcionais de linha coluna e canto e estat sticas opcionais univariadas e bivariadas Tabelas de valores m dios podem tamb m ser obtidas Tanto tabelas univariadas bivariadas quanto estat sticas bivariadas podem ser produzidas em um arquivo de maneira que elas podem ser usadas com um programa gerador de relat rios ou podem servir de entrada para GraphID ou outros pacotes como EXCEL para display gr fico Tabelas univariadas Tanto frequ ncias univariadas quanto frequ ncias univariadas cumulativas podem ser geradas por um n mero qualquer de vari veis de entrada e podem tamb m ser expressas como os per centuais ponderados e n o ponderados da frequ ncia total Al m disso a m dia de uma vari vel de c lula pode ser obtida Tabelas bivariadas Qualquer n mero de tabelas bivariadas pode ser gerado Al m das freqii ncias ponderadas n o ponedaradas uma tabela pode conter frequ ncias expressas como percentuais baseados nas marginais da linha marginais da coluna ou total da tabela e na m dia de uma vari vel de c lula Esses v rios itens podem ser colocados em uma nica tabela com pos
257. Y DAT arquivo Dados de entrada SETUP CANONICAL LINEAR DISCRIMINANT ANALYSIS PRINT DATA GROUP IDVAR V1 STEP 5 VARS V101 V105 GVAR V111 GRO1 1 3 GRO2 3 5 GRO3 5 7 Exemplo 2 Repetir a an lise descrita no Exemplo 1 usando um subconjunto dos respondentes que possuem o valor de 1 em V5 como a amostra b sica e testar os resultados dos respondentes que possuem o valor de 2 em V5 RUN DISCRAN FILES como no Exemplo 1 SETUP CANONICAL LINEAR DISCRIMINANT ANALYSIS USING BASIC AND TEST SAMPLES PRINT DATA GROUP IDVAR V1 STEP 5 VARS V101 V105 SAVAR V5 BASA 1 TESA 2 GVAR V111 GRO1 1 3 GRO2 3 5 GRO3 5 7 Capitulo 25 Funcoes de Distribuicao e de Lorenz QUANTILE 25 1 Descri o Geral QUANTILE gera fun es de distribui o fun es de Lorenz e coeficientes de Gini para vari veis individuais e executa teste de Kolmogorov Smirnov entre duas vari veis ou entre duas amostras 25 2 Caracter sticas Padr o do IDAMS Sele o de casos e vari veis O filtro padr o est dispon vel para selecionar um subconjunto de casos dos dados de entrada Al m disso cada an lise pode ser executada em um subconjunto adicional com o uso de um par metro de filtro Vari veis a serem analisadas s o especificadas com o par metro VAR Transformando dados Declara es de Recode podem ser usadas Ponderando dados Uma vari vel pode ser uasada para ponderar os dados de entrada essa vari vel de pondera o pode con
258. Yi 56 2 An lise de Regress o Esse m todo pode ser usado ao se analisar uma vari vel dependente intervalo ou dicot mica com um covariate e v rios preditores Seu objetivo de criar grupos que permitir o a melhor predi o dos valores da vari vel dependente da equa o de regress o de grupo e o valor do covariate Em outras palavras grupos criados devem fornecer as maiores diferen as nas linhas de regress o de grupo O crit rio de parti o varia o explicada baseado em regress o de grupos da vari vel dependente no covariate a Estat sticas de tra o Essas s o estat sticas calculadas em toda a amostra para g 1 e em parti es tentativas para grupos parentes como tamb m para cada grupo resultante da melhor parti o i SOMA WT N mero de casos Ng se a vari vel de pondera o n o for especificada ou n mero de casos ponderados W no grupo g ii M DIA y z Valor m dio da vari vel dependente y e do covariate z no grupo g ver 1 a ii acima iii VAR Y Z Vari ncia da vari vel dependente y e o covariate z no grupo z ver 1 a iii acima iv INCLINA O A inclina o da vari vel dependente y no covariate z no grupo g Ng 5 Wk Ygk Vg Zak Zg p h 1 g Ng X we 2gk Zg k 1 v VARIA O Esse o erro ou soma dos quadrados dos res duos da estima o da vari vel dependente y pela sua regress o no covariate no grupo g i e uma medida do desvio em rela o a linha de
259. _ MIKE l 03 MIKE l No entanto duplicatas podem ser interpretadas e manuseadas diferentemente quando um dos dois datasets cont m casos a um n vel menor de an lise do que o outro Por exemplo um dataset cont m dados de domic lio e o segundo cont m dados dos membros do domic lio Nessa inst ncia as vari veis de emparel hamento especificadas de cada arquivo seriam a identifica o do domic lio Portanto duplicatas ocorreriam naturalmente no dataset membro do domic lio pois muitos domic lios ter o mais de um membro Ao es pecificar o par metro DUPBFILE a mensagem a respeito da ocorr ncia de duplicatas n o impressa e casos s o constru dos para cada caso de duplicata no dataset B com as vari veis do caso que serve de emparelhamento em copiado em cada um figura seguinte mostra um exemplo desse procedimento Fundindo arquivos em diferentes n veis DUPBFILE especificado Entrada Sa da A B MATCH UNION MATCH A MATCH B MATCH INTER ID N1 ID N2 ID Ni N2 ID N1 N2 ID N1 N2 ID N1 N2 01 JONE 01 MARY 01 JONE MARY 01 JONE MARY 01 JONE MARY 01 JONE MARY 03 SMIT 01 JOHN 01 JONE JOHN 01 JONE JOHN 01 JONE JOHN 01 JONE JOHN 04 SCOT 01 ANN 01 JONE ANN 01 JONE ANN 01 JONE ANN 01 JONE ANN 02 PETE 02 ____ PETE 03 SMIT MIKE 02 ____ PETE 03 SMIT MIKE
260. a o Classificada cs ssa aoma ee 374 AS Sr RESUMOS zett ak GOIN ES ab ed Bo tesa a eh elle Mt te Se Se a a ara ewok ee SS a 374 48 9 Nota sobre Empates nos Dados de Entrada 0 00 a 375 48 1ONota Sobt Pesos era s Sood fe Par Gay Seo eS Ba teens Ble aa a a Dr 375 AS VI Referencias dt ams pigs a ee EDA eae RE LE eee bee ed 4 376 An lise de Classifica o M ltipla 377 49 1 Estat sticas da Vari vel Dependente 0 a 377 49 2 Estat sticas de Preditores para An lise de Classifica o M ltipla 378 49 3 Estat sticas de An lise para An lise de Classifica o M ltipla 379 49 4 Estat sticas de Resumo dos Res duos 2 2 a 380 49 5 Estat sticas de Categoria do Preditor para An lise de Vari ncia Univariada 380 49 6 Estat sticas para An lise de Vari ncia Univariada 020 0 000000 eee 381 49T Refer ncias a v aa Sede go na qa Sao Sar lho EDER eek ee a Po ARNS qa IN ET ca a 381 An lise de Vari ncia Multivariada 383 90 Estatisticas Gerais ars 02 48 Peng hon dA o Ghee Be EEDA Bee RE CS E ale ea EEN 383 50 2 C lculos para um Teste em uma An lise Multivariada 2 385 50 3 Analise Univariada 2 2 4 5 dodo Gants EA et es Gadd Sarees Grea RESTO big 5 2 388 504 An lise de Covariancia a yess ka ae ee Ek ek OE EA ete ee ee ia OS 388 An lise de Vari ncia Univariada 389 51 1 Estat sticas Descritivas para Categorias da Vari vel
261. a o bin ria R em V definida de tal maneira que para quaisquer dois elementos a b V aRb Para qualquer rela o bin ria R em V existe uma rela o conversa R em V tal que bR a b Rela o reflexiva e anti reflexiva A rela o R reflexiva quando aRa para todo a V e R anti reflexiva not aRa para todo a V c Rela o sim trica e anti sim trica Uma rela o sim trica quando R Rt isto quando aRb lt gt bRa para todo a b V e R anti sim trica quando a simetria n o aparece para todos os a b d Rela o transitiva Uma rela o R transitiva quando aRb bRc gt aRc para todo a b c E V e Rela o de equival ncia Uma rela o R definida em um conjunto de elementos V uma rela o de equival ncia quando ela e reflexiva e sim trica e e transitiva Note que a comumente usada rela o de igualdade definida no conjunto dos n meros reais uma rela o de equival ncia 394 g h J k 1 Scoring Baseado em Ordena o Parcial de Casos Rela o de ordem parcial estrita Uma rela o R chamada de ordem parcial estrita quando satisfizer as seguintes condi es e aRb e bRa n o pode ocorrer simultaneamente e e R transitiva Uma rela o de ordem parcial estrita denotada daqui em diante por lt Conjunto parcialmente ordenado Um conjunto V chamado de parcialmente ordenado se uma rela o de ordem parci
262. a o de Pearson PEARSON de jeito nenhum Esse m todo de manusear dados referido como o algoritmo de dele o por casos tamb m dispon vel no programa REGRESSN e se aplica somente op o de matriz quadrada 33 3 Resultados Dicion rio de entrada Opcional ver o par metro PRINT Registros de descri o de vari veis e registros C se houver apenas para vari veis usadas na execu o Op o de matriz quadrada Estat sticas emparelhadas Opcional ver o par metro PRINT Para cada par de vari veis na lista de vari veis o seguinte impresso n mero de casos v lidos ou soma ponderada de casos m dia e desvio padr o da vari vel X m dia e desvio padr o da vari vel Y t test para coeficiente de correla o coeficiente de correla o Estat sticas univariadas Para cada vari vel na lista de vari veis o seguinte impresso n mero de casos v lidos e soma dos pesos soma dos escores e soma dos escores ao quadrado m dia e desvio padr o Coeficientes de regress o para escores brutos Opcional ver o par metro PRINT Para cada par de vari veis x e y os coeficientes a e c e os termos constantes b e d nas equa es de regress o x ay b e y cx d s o impressos Matriz de correla o Opcional ver o par metro PRINT A parte triangular inferior esquerda da matriz Matriz de produtos cruzados Opcional ver o par metro PRINT A parte triangular inferior esquerda da matriz Ma
263. a que igual ao valor de MND ND men a O valor de MNP chamado N VEL DE CERTEZA correspondendo ao n cleo definido por C A ala e A pP ai MP Os n cleos subsequentes s o constru dos atrav s da aplica o repetida do procedimento descrito acima Os elementos do n cleo anterior s o removidos da rela o difusa primeiramente i e as linhas e colunas correspondentes s o removidas primeiramente da matriz de rela o difusa Enty o os c lculos s o repetidos na estrutura reduzida 408 Ordenamento de Alternativas 54 5 M todo difuso 2 Ranges A rela o de entrada para esse m todo a mesma do m todo 1 ou seja a matriz R que deve ser reflexiva ou anti reflexiva No entanto a quest o a ser respondida aqui bastante diferente O procedimento do m todo difuso 2 busca o N VEL DE CREDIBILIDADE denotada por cj DAS DECLARA ES 2 1 j a est exatamente na p posi o na sequencia ordenada das alternativas em A denotada por T p Os valores cj forma uma matriz M de m x m dimens es representando uma fun o de filia o difusa cujas linhas correspondem s alternativas e as colunas s poss ves posi es na seq ncia 1 2 M Para tornar poss vel o c lculo dos c s eles devem inicialmente ser decompostos em n veis de credibilidade j conhecidos rij e portanto as declara es T p devem ser decompostos em declara es elementares com n veis de cred
264. a Deeg aa ay ate a RE Gols Se tel ae Ae ate aaa eV gs aban Gas at Sak BIA EG 23 10Exemplos T i ees ee a de do ce oe wa amp Edo eh he ae dae Dee Ls 24 An lise Discriminante DISCRAN 24 1 Descri o Geral qua age sa dK oe eee Be EoD Raw ee RRS Pht be ds 24 2 Caracter sticas Padr o do IDAMS 0 02 0000 ee 2A SB Resultados sm sates iaae Aiea E a lee ded oben eae Sk ARE a Gels ek ee ay Sees tins a 24 4 Dataset de Saida ies ace eek ee ee ee eA AG oe e Sache A ee ee 24 5 Dataset de Enttada a sos gay Pek kl Bed AI E bd ew ee ae bee he es 24 6 Estrutura de Setup oa pe o eck teat ek oA GO eee ee ele ae A a A da BAe ke ed 24 7 Declara es de Controle de Programa 2 0 0 0 0 A DAS Restri ES kid va BY ke Botto eM ALA tie et ee NSE Bd hyd lk te tee a da ke EOE AP ot 24 9 Exemplos s ne oe dn areca chy dy ia se ace Bee ake ae Gade aa eo Ae a Bk Boe oe 25 Fun es de Distribui o e de Lorenz QUANTILE xi 161 161 161 161 162 162 162 163 164 164 165 165 165 165 165 166 166 167 168 168 171 173 173 173 173 174 175 175 175 177 177 179 179 179 179 180 180 180 181 181 182 183 185 185 185 185 186 187 187 188 190 190 191 xii 25 1 25 2 25 3 25 4 25 5 25 6 25 7 25 8 Descri o Geral o soine GS Be WE ee a t Caracter sticas Padr o do IDAMS Resultados ss bata Bae Bae GLE ee ge a Dataset de Entrada 2 2 02 202 20 02
265. a cd Piel Pr onde P um perfil m dio de todos os casos pertencendo ao grupo j Nesse est gio o programa nao leva em considera o a pondera o de casos 430 Tipologia e Classifica o Ascendente b Estabiliza o da configura o inicial A configura o inicial estabilizada por um processo iterativo Durante cada itera o o programa redistribui os casos entre os grupos iniciais considerando suas dist ncias em rela o a cada perfil de grupo Aqui novamente existem duas possibilidades e quando caso i Pj e D vw j i b is Pi Pj min D Pi Pg ent o esse caso mant m se no grupo Pj e quando caso i Pj mas D P Pg t D Pi Py E ent o o caso 7 movido do grupo P para o grupo P e os perfis desses dois grupos s o recalculados da seguinte maneira Pi NiP Pi MN 1 Pj Ny Py Pi Ny 1 Depois dessa opera o o grupo P cont m Nj 1 casos e o grupo P cont m Nj 1 casos Note que se os casos s o ponderados ent o N Nj w Ny Ny Wi Pi wi Pi onde w o peso do caso i e Nj e Ny s o os n meros ponderados de casos nos grupos P e Py respectivamente Estabilidade de grupos medida pela percentagem de casos que n o mudam de grupo entre duas itera es subseq entes O procedimento repetido at que os grupos estejam estabilizados ou quando o n mero de itera es fixadas pelo usu rio seja alcan ado 58 6 Caract
266. a RD ae we oS Caracter sticas Padr o do IDAMS Resultados sem eager Bud a A dear ee a ee E do doh BY Matriz de Configura o de Sa da 004 Matriz de Dados de Entrada 004 Matriz de Pondera o de Entrada 004 Matriz de Configura o de Entrada 004 Estrutura de Setup cc ccclclc ee ee Declara es de Controle de Programa 28 10Restri es 28 11 Exemplo 29 An lise de Classifica o M ltipla MCA 29 1 29 2 29 3 29 4 29 5 29 6 29 7 29 8 29 9 Descri o Geral ext wc ee aden tet E et Ol Caracter sticas Padr o do IDAMS Resultados a spt bel beto ee ee AAA Aa he E Dataset s de Res duos de Sa da onoo a Dataset de Entrada oaa 20 0000000005 Estrutura de Setup aooaa ee ee Declara es de Controle de Programa Restric0es arie ema lets bee 6 eee oe ee eo eh Exemplos a 4 3 2 0 4 asia eae eee RO eke EY 30 An lise de Vari ncia Multivariada MANOVA 30 1 30 2 Descri o Geral s cise fa ie iat SO wy Rh SR Caracter sticas Padr o do IDAMS CONTE DO CONTEUDO 30 3 30 4 30 5 30 6 30 7 30 8 Resultados ot oct ee Bee a ee Roe A Pe ea es Dataset de Entrada cessou By aa n Dok Bl ee eae ete ee Ge ie Bees Estrutiira d Setup 444 44 4 2 ice ut ee ke a wt ed Ob ee eed Declara es de Controle de Programa 00004 ReStriG
267. a a barra de status Chama a caixa de di logo para selecionar cores para a janela ativa nomes de linha coluna e escalas valores positivos e negativos paredes piso e fundo Chama a caixa de di logo para selecionar a fonte para as escalas Chama a caixa de di logo para selecionar a fonte para os nomes Os mesmos comandos dos menus correspondentes na an lise de dataset est o dispon veis 40 4 Janela de GraphID para An lise de uma Matriz 327 Icones da barra de ferramentas Bot es est o dispon veis na barra de ferramentas oferecendo acesso direto aos mesmos comandos op es dos menus correspondentes Eles s o listados aqui do modo que aparecem da esquerda para a direita Abrir Salvar Copiar Imprimir Cores Fonte para nomes Fonte para escalas Informa o sobre GraphID 40 4 2 Manipula o da Matriz Exibida Similarmente manipula o de diagramas de dispers o 3D voc pode usar os elementos de controle da caixa de di logo no painel esquerdo da janela para mudar a imagem gr fica e para rotacionar a matriz exibida O bot o superior pode ser usado para reajustar o gr fico na sua posi o inicial O bot o Cores permite que voc mude as cores de Barra valores positivos Parede Barra valores negativos Piso Fundo Nomes e escala Caixas do grupo Ocultar Mostrar permitem a voc exibir ou ocultar paredes escala nomes nos eixos correspondentes e a diagonal se aplic vel Os bot es no gr
268. a ascendente impresso depois de cada reagrupamento at um n mero de grupos especificados pelo usu rio Tr s diagramas mostrando o percentual de vari ncia explicada como uma fun o do n mero de grupos das tipologias sucessivas por vez para todas as vari veis as vari veis ativas as vari veis explicando 80 da vari ncia antes dos reagrupamentos acontecerem Perfis de cada grupo da tipologia Opcional ver o par metro PRINT Esses perfis s o impressos e plotados para todos os grupos da primeira tipologia resultante e ent o para os grupos obtidos a cada reagrupamento Arvore hier rquica produzida no final 38 4 Dataset de Sa da Um dataset de vari vel de classifica o para a primeira tipologia resultante pode ser requisitado e ent o produzido na forma de um arquivo de dados descrito por um dicion rio do IDAMS ver o par metro WRITE e o cap tulo Dados em IDAMS Ele cont m a vari vel de ID de caso as vari veis transferidas a vari vel de classifica o GROUP NUMBER e para cada caso sua dist ncia multiplicada por 1000 de cada categoria da vari vel de classifica o chamada n GROUP DISTANCE As vari veis s o numeradas come ando de um e incrementando por um na seguinte ordem vari vel de ID de caso vari veis transferidas vari vel de classifica o e vari veis de dist ncia 38 5 Matriz de Configura o de Sa da Uma matriz de configura o de sa da pode ser opc
269. a corrente e a linha que voc est editando mostrar um l pis Pressione Enter para se mover para o pr ximo campo entre Masculino no campo label Pressione Enter O campo corrente agora o campo de c digo da pr xima linha e voc pode entrar c digo 2 com a label Feminino e similarmente c digo 9 7 4 Entre com Dados 73 TE wintpass demog dic 0 x IB Arquivo Editar Ver Verificar Executar Interativo Janela Ajuda 2 x iDEnssnBesc Bum PPP e xx J MyAppl O Setups 1 Identifica o i C Datasets ZiIdade i C Matrices o E Results dados perdidos demog dic Pronto Caso NUM 7 Pplica o e Volte para a janela de descri o de vari veis clicando no campo de n mero da vari vel da linha com um asterisco Entre a informa o da vari vel 4 Para deletar linhas clique ao lado da linha e selecione Cortar no menu Editar e Salve o dicion rio clicando em Arquivo Salvar como e aceite o nome do arquivo Dicion rio de mog dic Save in i data e e EJ History Desktop My Documents a EE pie My Computer File name demog dic gt My Network P Save as type Arquivos Dicion rio dic 7 Cancel 7 4 Entre com Dados e Pressione Ctrl N ou clique em Arquive Novo O mesmo di logo Novo documento que foi visto acima para o dicion rio mostrado e Selecione o item IDAMS Data file d
270. a de Dados entre CDS ISIS e IDAMS ccccccccc 00000 1 9 Estrutura deste Manual 0 2 2 0 0 a a a a e I No es Fundamentais 2 Dados em IDAMS 2 1 O Dataset IDAMS q 3 603058 oooh ee ada BAS ed ais fae A ANA VETA aoe Gree ete 4 2 1 1 Descri o Geral is tee ey ee Be RDG Soe ee Ee Boy DS ID a 2 1 2 M todo de Armazenamento e Acesso 2 2 ee 22 Arquivos Dados as eso iy Cdr een a a Gar REE PA ERD ES SRE RE Re eS 2 2 0 rarranjo de Dados ss satan amp 6 a8 be he eae a ie ee Ee Ae Ae 2 2 2 Caracter sticas do Arquivo Dados 2 a a 2 2 3 Arquivos Hier rquicos cs ish ek ae EAA ae E E a de be Pee eh Po 2 24 VariaveiSe a amena ando o Gacy Boe eee hae eA Pee eae ai ek Gn ee Ae od 2 2 5 C digos para Dados Perdidos 2 2 20 0 a 2 2 6 Valores Nao num ricos ou em Branco em Vari veis Num ricas Dados Ruins 2 2 7 Regras de Edi o de Vari veis Produzidas pelos Programas do IDAMS X3 O Dicion rio do IDAMS sate availa dh as a oe aoe Mee a DONE Ripa EL ee ee a DO A RU 2 3 4 Descri o Geralt ia sow woe ee el able dot ee Ae a a ee a MG O US 2 3 2 Exemplo de um Dicion rio 2 2 0 0 000 ee ee 24 Matrizes IDAMS sn 8 Ata a Stee AB ehh A Ace Baty Pee ee ane as Gado dR A 2 4 1 A Matriz Quadrada do IDAMS 0022000022 eee eee 2 4 2 A Matriz Retangular do IDAMS 20 0 000000000000 2 5 Uso de Dados de outros Programas 1 A 2 5 Dados Brutos iris ss a
271. a e seu valor subtra do do tra o ao calcular se o percentual no ponto 6 d abaixo a b f NO N mero seqiiencial do valor pr prio a em ordem crescente ITER N mero de itera es usadas na computa o de vetores pr prios correspondentes Valor zero significa que o vetor pr prio correspondente foi obtido ao mesmo tempo que o anterior de baixo para cima Val pr prio Essa coluna d a seqti ncia de valores pr prios lambdas cada um correspondendo ao fator a Percent Contribui o do fator para a in rcia total em termos de percentuais Aa a 100 El Tra o i Cumul percentuais cumulativos Contribui o dos fatores 1 at a para a in rcia total em termos de percentagens Cumula 71 72 Ta Histograma de valores pr prios Cada valor pr prio representado por uma linha de asteriscos cujo o n mero proporcional ao valor pr prio O primeiro valor pr prio no histograma sempre representado por 60 asteriscos O histograma permite uma an lise visual da diminui o relativa dos valores pr prios para fatores subseq entes 46 7 Tabela de Fatores de Vari veis Ativas A tabela cont m as ordenadas das vari veis ativas no espa o fatorial seus cossenos ao quadrado com cada fator e suas contribui es para cada fator Al m disso ela cont m a qualidade dessas vari veis seus pesos e suas in rcias a JPR N mero da vari vel para as vari veis ativas b QLT A qualidade de represen
272. a linha que voc est editando mostrar um l pis no cabe alho da linha Ao pressionar Enter ou Tab voc se mover para o pr ximo campo Agora entre o nome da vari vel e a largura Pule o resto dos outros campos pressionando Enter ou Tab e aceite as descri es pressionando Enter ou Tab no ltimo campo Note que a localiza o default dada pelo WinIDAMS quando a linha de descri o da vari vel for aceita Quando voc pressiona Enter ou Tab no ltimo campo o l pis desaparece o que significa que a linha foi aceita depois de uma checagem rudimentar dos campos O campo corrente agora o primeiro campo da pr xima linha marcada com um asterisco e voc pode entrar com a descri o da 2 vari vel Idade Fa a o mesmo para vari vel 3 Sexo mas d a essa vari vel um c digo de MD1 dados perdidos de 9 o c digo de n o resposta Depois de aceitar a descri o da vari vel 3 o primeiro campo n mero da vari vel da linha com um asterisco se torna o campo corrente Clique em qualquer campo da linha que se acabou de entrar vari vel 3 Sexo para faz la a linha corrente Troque para a janela de c digos e suas labels clicando no campo de c digo na primeira linha Note que essa janela sincronizada com as vari veis selecionadas na janela de descri o de vari veis Entre 1 no campo de c digo Novamente assim que voc come ar a entrar a label do c digo uma nova linha com um asterisco criada logo ap s a linh
273. a lista e entre com o nome do arquivo Dados Por conven o melhor usar o mesmo nome para o arquivo Dados e o arquivo Dicion rio que descreve os dados 74 Iniciando Somente a extens o do arquivo muda dic para o arquivo Dicion rio e dat para o arquivo Dados O dicion rio e dados constituem um dataset IDAMS Entre demog como nome de arquivo e clique em OK e Um di logo Arquivo Abrir exibe agora os dicion rios que existem para a aplica o ativa e pede que voc selecione o dicion rio que descreve os dados Selecione demog dic e clique Abrir Abrir arquivo Dicion rio do IDAMS 2 x Look in ES data gt e ef ES i demog dic My Documents My Computer File name x My Network P ME Files of type Arquivos Dicion rio dic 7 Cancel Arquivos E recentes e Uma janela com tr s espa os agora aparece Voc deve entrar com os dados somente no espa o mais em baixo Os outros dois espa os est o sincronizados para exibir a descri o da vari vel corrente e as labels do c digo se existir O nome completo do arquivo Dados demog dat a extens o dat adicionada automaticamente exibida na etiqueta Note que nas ilustra es apresentadas abaixo a janela Aplica o foi fechada TH WinIDAMS demog dat lol x Arquivo Editar Yer Op es Gerenciamento Executar Interativo Gr ficos Janela Ajuda 8 x D 2 na 282o ZABEK EPP eme tee s enade d
274. a mais de 2 grupos Resultados da an lise de fator discriminante Condicional somente se mais de 2 grupos especifica dos Pot ncia discriminante geral e pot ncia discriminante dos tr s primeiros fatores seguidas pelos valores dos fatores discriminantes para m dias de grupo Em adi o uma representa o gr fica de casos e m dias no espa o dos dois primeiros fatores s o tamb m dadas 24 4 Dataset de Sa da Um dataset com a designa o final dos grupos de casos pode ser requisitado produzido na forma de arquivo de dados descrito por um dicion rio do IDAMS ver o par metro WRITE e o cap tulo Dados em IDAMS Ele cont m na ordem que segue as vari veis transferidas o c digo dos grupos originais como renumerados por DISCRAN Original group grupo original o c digo de grupos designados para casos no final Assigned group grupo designado o Sample type tipo de amostra 1 b sica 2 de teste 3 an nima e para an lise como mais de 2 grupos originais os valores dos dois primeiros fatores discriminantes Factor 1 Factor 2 As vari veis s o renumeradas come ando de um O c digo dos grupos originais ajustado para o primeiro c digo de dados perdidos 999 9999 para casos em amostra an nima fatores s o ajustados para o primeiro c digo de dados perdidos 999 9999 para casos nas amostras de teste e an nima 24 5 Dataset de Entrada 187 Nota A v
275. a no ponto 9 acima com exce o dos casos passivos a b c d f g ISUP Valor de ID de caso para os casos passivos QLT Qualidade de representa o do caso no espa o de m fatores ver 9 b acima PESO Valor do peso do caso ver 9 c acima INR In rcia correspondendo ao caso Note que os casos passivos n o contribuem para a in rcia total Portanto a in rcia aqui indica se o caso poderia ter algum papel na an lise caso ele fosse usado como o principal Ela calculada do mesmo jeito que para os casos ativos nas an lises respectivas ver 9 d acima A in rcia INR impressa na ltima linha da tabela igual ao INR total ao longo de todos os casos passivos As tr s colunas seguintes s o repetidas para cada fator a F A ordenada para o caso no espa o de fator denotada aqui por Fwi COS2 Cosseno ao quadrado do ngulo entre o caso e o fator calculado do mesmo jeito dos casos ativos nas an lises respectivas see 9 f above CPF Contribui o do caso para o fator Note que os casos passivos n o participam na constru o do espa o de fator Portanto a contribui o indica somente se o caso poderia ter algum papel na an lise caso ele fosse usado como o principal CPF calculada da mesma maneira que para os casos ativos nas an lises respectivas ver 9 g acima A contribui o CPF impressa na ltima linha da tabela igual ao CPF total ao longo de todas os casos passivos 46 11 Fatores
276. a plotagem e para casos no arquivo de sa da N o h default KAISER NFACT n VMIN n Crit rios para determina o do n mero de fatores KAIS Crit rio de Kaiser n mero de ra zes maiores que 1 NFAC N mero de fatores desejados VMIN O percentual m nimo de vari ncia a ser explicado pelos fatores tomados todos juntos N o digite o decimal e g VMIN 95 ROTATION KAISER UDEF NOROTATION Especifica a rota o VARIMAX dos fatores de vari vel Somente para an lise de correla o KAIS N mero de fatores a serem rotacionados definido de acordo com o crit rio KAISER UDEF N mero de fatores a serem rotacionados especificado pelo usu rio ver o par metro NROT NROT 1 n N mero de fatores a serem rotacionados se ROTATION UDEF especificado 200 An lise Fatorial FACTOR WRITE OBSERV VARS Controla os arquivos de sa da de fatores de caso e vari vel Se mais de uma an lise requi sitada no par metro ANALYSIS esses arquivos ser o apenas para a primeira a ser especificada OBSE Cria um arquivo contendo fatores de caso VARS Cria um arquivo contendo fatores de vari vel OUTFILE OUT yyyy Um sufixo ddname de 1 4 caacteres para os arquivos Dicion rio e Dados para fatores de caso Default ddnames DICTOUT DATAOUT OUTVFILE OUTV zzzz Um sufixo ddname de 1 4 caacteres para os arquivos Dicion rio e Dados para fatores de vari vel Default ddnames DICTOUTV D
277. a tabela pode ser repetida para cada valor at tr s vari veis de p gina As tabelas podem ser impressas tamb m ou exportadas em formato livre delimitado por v rgula ou outro caracter ou em formato HTML Explora o gr fica de dados interativa Um componente separado GraphID est dispon vel para explora o de dados atrav s de mostradores gr ficos O mostrador b sico em forma de m ltiplos diagra mas de dispers o para diferentes pares de vari veis Informa es adicionais como histogramas e linhas de regress o podem ser mostradas em cada diagrama Os diagramas podem ser manipulados de v rias maneiras Por exemplo casos selecionados podem ser marcados em um diagrama e ent o evidenciados em todos os outros diagramas Partes dos mostradores podem ser aumentados zoomed As matrizes do IDAMS s o mostradas como diagramas tridimensionais com as linhas e colunas sendo representadas por dois dos eixos e a terceira dimens o sendo usada para exibir o tamanho da estat stica para cada c lula An lise de s ries temporais interativa Outro componente separado TimeID propicia a an lise inter ativa de s ries temporais Ele cont m an lise de tend ncia auto correla es e correla es cruzadas an lise estat stica e gr fica de valores de s ries temporais testes de randomicidade e tend ncia previs o no curto prazo periogramas e estima o de densidades espectrais S ries podem ser transformadas pelo c lculo
278. acionais diferentes podem ser obtidas dos mesmos dados ao variarem se os par metros de an lise Em um segundo passo o procedimento busca uma sequ ncia de camadas n o dominadas n cleos de alternativas O primeiro n cleo consiste de alterna tivas de maiores ranks ao longo de todo o conjunto considerado Deve se notar que em certos casos n cleos adicionais podem n o existir devido a loops na rela o Isso pode ser verdadeiro mesmo no n vel mais alto O primeiro m todo difuso camadas n o dominadas foi originalmente desenvolvido para resolver problemas de tomada de decis o com informa o difusa Esse m todo torna poss vel encontrar uma sequ ncia de camadas n o dominadas n cleos de alternativas em uma estrutura de prefer ncias difusas que n o necessariamente representa uma ordem linear total Os n cleos subsequentes s o grupos de alternativas que t m os maiores ranks dentre as alternativas que n o pertencem aos n cleos pr vios de maior n vel O primeiro n cleo corresponde s alternativas de maiores ranks em todo o conjunto considerado O segundo m todo difuso ranges tenta constatar a credibilidade da declara o a j sima alternativa se encontra exatamente na p sima posi o na ordem por ranges Os resultados s o livres de ambigiiidade no caso de uma rela o de ordem linear total subjacente aos dados caso contr rio um cuidado espe cial deve ser tomado para a interpreta o dos resultados O proc
279. ada Estat sticas de an lise para an lise de classifica o m ltipla Para todos os preditores combinados R quadrado m ltiplo n o ajustado e ajustado fator de ajuste para graus de liberdade R m ltiplo ajustado listagem dos betas em ordem decrescente dos seus valores Estat stivas de an lise de vari ncia univariada Para cada categoria do preditor o c digo da categoria classe e label se existir no dicion rio o n mero de casos com dados v lidos em foema bruta ponderada e percentual m dia desvio padr o e coeficiente de varia o da vari vel dependente valores da soma e percentual da vari vel dependente soma dos valores da vari vel dependente ao quadrado Para vari veis preditoras eta e eta quadrado n o ajustado e ajustado fator de ajuste para graus de liberdade soma dos quadrados total entre m dias e dentro de grupos valor de F graus de liberdade impresso Res duos Opcional ver o par metro de an lise PRINT A vari vel identificadora valor observado valor predito vari vel residual e de pondera o se houver s o impressas para casos na ordem do arquivo de entrada Estat sticas de resumo dos res duos Se os res duos s o requisitados o programa imprime o n mero de casos soma de pesos e m dia vari ncia assimetria e curtose da vari vel de res duo 226 An lise de Classifica o M ltipla MCA 29 4 Dataset s de Res duos de Sa da Para cada an lise res
280. ada 0 mesmo do entrada varidvel dependente 2 mesmo do entrada mesmo do entrada varidvel predita 3 Predicted value 7 as 9999999 res duo 4 Residual 7 va 9999999 peso se ponderado 5 mesmo do entrada ii mesmo do entrada bi transferido do dicion rio de entrada para vari veis V ou 7 para vari veis R RA transferido do dicion rio de entrada para vari veis V ou 2 para vari veis R flo 6 mais no de decimais para vari vel dependente menos par metro de largura da vari vel depen dente se isso for negativo ent o 0 Se o valor calculado ou res duo exceder a largura de campo alocada ser substitu do pelo c digo MD1 27 6 Dataset de Entrada O dataset de dados brutos de entrada um arquivo Dados descrito por um dicion rio do IDAMS Todas as vari veis usadas para an lise devem ser num ricas elas podem ter valores inteiros ou decimais A vari vel de ID de caso pode ser alfab tica 27 7 Matriz de Correla o de Entrada Isso uma matriz quadrada do IDAMS Uma matriz de correla o gerada por PEARSON ou por uma REGRESSN pr via uma matriz de entrada apropriada para REGRESSN O dicion rio da matriz de entrada deve conter n meros e nomes de vari veis A matriz deve conter cor rela es m dias e desvios padr es Ambas m dia e desvios padr es s o utilizados 27 8 Estrutura de Setup 209 27 8 Estrutura de Setup RUN REGRESSN FILES Especifica es de arquivo RECODE opcional com dados brutos com
281. ada caso O programa MERCHECK pode ser usado para criar arquivos que estejam de acordo com essa condi o Note que qualquer arquivo Dados produzido por um programa do IDAMS sempre reestruturado para conter um nico registro por caso Se um arquivo de dados brutos cont m diferentes tipos de registros e o tipo de registro est codificado e n o possui exatamente o mesmo n mero de registros por caso os programas do IDAMS podem ser executados usando se vari veis de um tipo de registro por vez atrav s da sele o no in cio desse tipo de registro apenas 2 2 3 Arquivos Hier rquicos IDAMS processa apenas arquivos retangulares como descrito acima Arquivos hier rquicos podem ser manipulados armazenando se registros de diferentes n veis em arquivos diferentes e ent o usando se os pro gramas AGGREG e MERGE para produzir registros compostos contendo vari veis de n veis diferentes Alternativamente o arquivo hier rquico completo pode ser processado um n vel por vez via filtragem dos registros para aquele n vel apenas considerando que os tipos dos registros foram codificados 2 2 4 Vari veis Referenciando vari veis As vari veis no arquivo Dados s o identificadas por um nico n mero entre 1 e 9999 Esse n mero precedido por um V e g V3 usado para se referir a uma vari vel particular em declara es de controle para programas O n mero da vari vel usado para indexar um registro definidor de vari vel
282. ada de matriz imprime os primeiros 3 dos 8 caracteres dos nomes das vari veis ao inv s dos n meros das vari veis como identifica o de objetos 22 8 Restri es A O n mero m ximo de casos que podem ser usados em uma an lise exceto CLARA 100 O n mero m nimo de casos requisitados pela an lise de CLARA 100 O n mero m ximo de objetos em uma matriz de entrada 100 Apenas 3 caracteres da vari vel de ID s o utilizados nos resultados 22 9 Exemplos Exemplo 1 Agrupamento os primeiros 100 casos em 5 grupos usando 6 vari veis quantitativas V11 V16 valores de vari veis s o padronizados e dist ncia euclidiana usada nos c lculos agrupamento feito com parti o ao redor de medoides a impress o de gr ficos requerida casos s o identificados pela vari vel V2 RUN CLUSFIND FILES 178 An lise de Agrupamento CLUSFIND PRINT CLUS1 LST DICTIN MY DIC arquivo Dicion rio de entrada DATAIN MY DAT arquivo Dados de entrada SETUP PAM ANALYSIS USING RAW DATA AS INPUT BADD MD1 VARS V11 V16 STAND IDVAR V2 CMIN 5 CMAX 5 PRINT GRAP Exemplo 2 Agrupamento hier rquico aglomerativo de 30 cidades a matriz de entrada cont m dist ncias entre cidades e as cidades s o numeradas de 1 a 30 impress o de gr ficos requerida os nomes das cidades s o usados nos resultados RUN CLUSFIND FILES PRINT CLUS2 LST FTO9 TOWNS MAT arquivo Matriz de entrada SETUP AGNES ANALYSI
283. ada sem registros C OUTD Imprime o dicion rio de sa da sem registros C OUTC Imprime o dicion rio de sa da com registros C se houver NOOU N o imprime o dicion rio de sa da 32 7 Declaragoes de Controle de Programa 251 4 Especifica es de subconjunto opcional Elas especificam subconjuntos de casos mutuamente exclusivos para uma an lise particular Exemplo AGE INCLUDE V5 15 20 21 45 46 64 Regras de codifica o Prot tipo nome declara o nome Nome do subconjunto 1 8 caracteres alfanum ricos iniciando se com uma letra Esse nome deve corresponder exatamente ao nome usado em especifica es de an lise subsequentes Espa os em branco intercalados n o ser o permitidos recomend vel que todos os nomes sejam justificados a esquerda declara o Defini o de subconjunto e Comece com a palavra INCLUDE e Especifique o n mero de vari vel vari vel V ou R no qual os subconjuntos devem se basear vari veis alfab ticas n o s o permitidas e Especifique valores e ou intervalos de valores separados por v rgulas Cada valor ou intervalo define um subconjunto V rgulas separam os subconjuntos Intervalos negativos devem ser expressos em sequ ncia num rica e g 4 2 para 4 a 2 2 5 para 2 a 5 Os subconjuntos devem ser mutuamente exclusivos i e um mesmo valor n o pode aparecer em dois intervalos No exemplo acima 3 subconjuntos baseados no valor de V5 s o definidos para a especifica
284. adas ao valor especificado depois de ELSE O default 0 Exemplo DUMMY R1 R3 USING V8 1 4 5 7 9 0 8 ELSE 99 O seguinte quadro mostra os valores de R1 R2 e R3 baseados em diferentes valores de V8 V8 1 2 3 4 5 7 8 9 O OUTROS Ri 1 1 1 1 o 0 0 0O O 99 R2 o 0 O0 1 1 0 1 o 99 R3 o 0 0 0 o O 1 0 1 99 SELECT A declara o SELECT faz com que a vari vel na lista FROM ocupando a mesma posi o descrita pelo valor da vari vel BY seja igualada ao valor da express o a direita do sinal de igualdade i e ele seleciona qual vari vel deve receber o valor Se o valor da vari vel BY menor que 1 ou maior que o n mero de vari veis na lista FROM um erro fatal resultar O n mero m ximo de tens na lista FROM 50 Portanto o valor m ximo da vari vel BY 50 Prot tipo SELECT FROM lista de vari veis BY vari vel express o Exemplos SELECT FROM R1 V3 V10 BY R99 1 SELECT BY V1 FROM V8 R2 R5 R7 5 No primeiro exemplo R1 ser igual a 1 se R99 for igual a 1 V3 ser igual a 1 se R99 igual a 2 e V10 ser 1 se R99 igual a 9 Se R99 for maior que 9 ou menor que 1 um erro fatal ocorrer Os valores das oito vari veis n o selecionadas n o ser o alterados SELECT pode ser usado para formar um loop da seguinte maneira R99 1 L1 SELECT BY R99 FROM R1 V3 V10 0 IF R99 LT 9 THEN R99 R99 1 AND GO TO L1 As nove vari veis R1 V3 V10 ser o igualadas a zero uma ap s a outra a medida que R99 inc
285. ados possue exatamente o mesmo n mero de registros o uso de MERCHECK um primeiro passo essencial para a checagem de todos os arquivos de dados que possuem mais de um registro por caso Opera o do programa O usu rio fornece um conjunto de descri es de Record definindo os tipos de registros permiss veis Ao processar os dados o programa l em uma rea de trabalho todos os dados de entrada cont guos achados que possuem valores de ID do caso id nticos Esses registros s o comparados um a um com os tipos de registro definidos e um caso de sa da constru do Registros s o preenchidos deletados reordenados etc caso seja necess rio O caso de dados ent o transferido para o arquivo de sa da e o programa retorna para ler o conjunto de registros de entrada do pr ximo caso Os resultados documentam as corre es dos dados de entrada executados pelo programa Identifica o de casos e de registros MERCHECK requer que a ID do caso esteja na mesma posi o para todos os registros Campos de ID de casos podem estar localizados em colunas n o cont guas e podem ser compostos de qualquer caracteres Tipos de registros s o identificados por um nico campo de ID de registro de 1 5 colunas que pode ser composto de qualquer caracter exceto espa o em branco Um esbo o de um arquivo de dados com dois tipos de registro segue Os pontos simbolizam campos em branco ou de dados sO BAS U2 O Lew cd EES LO Eca Sy POBAS es 2 OLS ia d
286. ae Identifica o demog dic demog dat 7 5 Prepare o Setup 75 e Clique no primeiro campo da linha com um asterisco e digite a primeira linha de dados como mostrado abaixo pressionando a tecla Enter depois de entrar cada valor de dados Tao logo voc comece a entrar com dados uma nova linha criada logo depois da linha corrente e o cabe alho da linha corrente exibe um l pis o que significa que voc est editando essa linha e Depois de entrar com o valor da ltima vari vel V4 e pressionar Enter o primeiro campo da pr xima linha se torna o campo corrente e Entre os dados para os 5 casos abaixo TE WintpAMs demog dat 1D x le Arquivo Editar Ver Op es Gerenciamento Executar Interativo Gr ficos Janela Ajuda laj x D n meoc ABEK PLP Pl e EE tome ST Identific ildade Sexo Educa o Linha NUM demog dic demog dat Pronto Linha NUM Z e Clique em Arquivo Salvar para salvar os dados no arquivo demog dat 7 5 Prepare o Setup e Pressione Ctrl N ou clique em Arquivo Novo e Selecione o item IDAMS Setup file da lista e entre com um nome e g demog1 para o arquivo de Setup Clique OK Note que a extens o set adicionada automaticamente ao nome de arquivo e o nome de arquivo completo demog1 set exibido na etiqueta e Voc agora ver uma janela vazia para entrar com o setup Digite o segui
287. al ver o par metro PRINT A metade inferior esquerda da matriz impressa Cada elemento da matriz o produto escalar para um par de pontos vari veis Dist ncias entre pontos Opcional ver o par metro PRINT A metade inferior esquerda da matriz impressa Cada elemento da matriz a dist ncia entre um par de pontos vari veis A diagonal sempre com elementos iguais a zero impressa Configura o transformada Opcional ver o par metro de especifica o de transforma o PRINT A configura o transformada impressa depois da rota o transla o Plotagem da configura o transformada Opcional ver o par metro de especifca o de transforma o PRINT A configura o transformada plotada 2 eixos de cada vez depois da rota o transla o Os pontos s o numerados Hist rico de rota o Varimax Opcional ver o par metro PRINT Um vetor impresso o qual cont m a vari ncia da matriz de configura o antes de cada ciclo de itera o Isso seguido pela matriz de configura o depois da rota o para maximizar o crit rio de varimax normal Ela ter o mesmo n mero de linhas e colunas da matriz de configura o de entrada Configura o classificada Opcional ver o par metro PRINT Cada coluna da matriz de configura o depois de ser ordenada impressa horizontalmente ao longo da p gina Plotagens de vetores Opcional ver o par metro PRINT A configura o final imp
288. al Scale Dependent Variables Institute for Social Research The University of Michigan Ann Arbor 1973 Sonquist J A Baker E L Morgan J N Searching for Structure Revised ed Institute for Social Research The University of Michigan Ann Arbor 1974 Capitulo 57 Tabelas Univariadas e Bivariadas Nota o x valor da vari vel de linha em tabelas bivariadas ou valor da vari vel em tabelas univariadas y valor da vari vel de coluna em tabelas bivariadas w valor do peso k subscrito para caso i subscrito para linha em tabelas bivariadas j subscrito para coluna em tabelas bivariadas numero de linhas em tabelas bivariadas c n mero de colunas em tabelas bivariadas fi frequ ncia marginal na linha 7 de uma tabela bivariada fj frequ ncia marginal na coluna j de uma tabela bivariada N n mero total de casos 57 1 Estat sticas Univariadas a Wtnum O n mero da vari vel de pondera o ou zero se a vari vel de pondera o n o especificada b Wisum N mero de casos se a vari vel de pondera o n o especificada ou o n mero ponderado de casos soma dos pesos c Moda A primeira categoria que contiver a frequ ncia m xima d Mediana A mediana calculada com n quantis com dois subintervalos requisitados Ver o cap tulo Fun es de Distribui o e de Lorenz para detalhes e M dia gt Wkk w 2 we k T f Vari ncia Essa uma estimativa n o viesada da
289. al e dos textos pertencentes ao software em Espanhol e Professor Anne Morin Institut de Recherche en Informatique et Syst mes Al atoires IRISA Rennes Fran a pela contribui o na tradu o em Franc s dos textos pertencentes ao software e Nicole Visart Grez Doiceau B lgica pela tradu o do Manual em Franc s As seguintes institui es realizaram tradu es do software e do Manual em rabe e Russo ALECSO Departamento de Documenta o e Informa o Tunis Tunisia e Universidade Hidrometeorol gica do Estado Russo Departamento de Telecomunica es St Petersburg Federa o Russa Requisi es de WinIDAMS and Maiores Informa es Para maiores informa es do WinIDAMS relacionadas ao conte do atualiza o treinamento e distribui o por favor escreva para UNESCO Communication and Information Sector Information Society Division CI INF IDAMS 1 rue Miollis 75732 PARIS CEDEX 15 France e mail idamsQunesco org http www unesco org idams Conte do 1 Introdu o 11 WinIDAMS Interface do Usu rio 2 2 ee 1 2 Facilidades para Gerenciamento de Dados 0 20 02 0002 eee ee 1 3 Facilidades para An lise de Dados 2 2 2 a led Dados em IDAMS a sos nte a iai wee eee Bp eee ae eee ae EAA Eke ee 1 5 Comandos do IDAMS e Arquivo Setup 2 2 2 0 0 0 0 a 1 6 Caracter sticas Padr o do IDAMS 0 00 0000 a 1 7 Importa o e Exporta o de Dados 2 a 1 8 Troc
290. al estrita lt definida nele As propriedades fundamentais de um conjunto parcialmente ordenado s o eca zbAab lt c gt gt 5a c para todo a b c V e axbeb anao pode ocorrer simultaneamente Conjunto ordenado Um conjunto V dito um conjunto ordenado se houver duas rela es x e lt definidas nesse conjunto e se elas satisfizerem os axiomas de ordenamento e para quaisquer dois elementos a b V uma e somente uma das rela es a x b a lt b b lt a aplica se a e uma rela o de equival ncia e e lt uma rela o transitiva Em outras palavras um conjunto ordenado um conjunto parcialmente ordenado com rela es de equival ncia adicionais definidas e onde as condi es nem a lt b nem b a e a b s o equivalentes Subconjunto de elemetos dominando um elemento a S a 9 9ev a lt 9 Subconjunto de elementos dominados por um elemento a cla I ley xa Subconjunto de elementos compardveis C a G a U L a Note que G a N L a 0 Domin ncia estrita Um elemento b domina estritamente um elemento a se a lt b e not b a Pode se dizer tamb m que b estritamente melhor que a ou que a estritamente pior que b 52 2 C lculo dos Escores Denote uma lista de vari veis a ser usada na an lise por ti Taray tiy orku e uma lista de prioridade associada a elas por P1 P2 3 Pis Pu A RELA O DE ORDEM P
291. am um arquivo Dados e um correspondente dicion rio IDAMS i e um dataset IDAMS 14 Dados em IDAMS O arquivo Dados cont m um registro para cada caso O comprimento do registro a soma da largura do campo de todas as vari veis produzidas e determinada pelo programa Valores de vari veis num ricas s o editados em uma forma padr o descrita abaixo e Se o campo inteiro cont m apenas os caracteres num ricos 0 9 eles ser o processados exatamente como eles aparecem nos dados de entrada e Se o campo cont m um n mero com espa os no come o e g 5 os espa os em branco s o convertidos em zeros antes dos dados serem processados Campos com espa os no final e g 04 em um campo n merico de tr s d gitos com espa os em branco intermedi rios e g 0 4 e totalmente em branco s o tratados de acordo com a especifica o de BADDATA e Se o campo cont m um valor positivo ou negativo com os caracteres e explicitamente inclu dos o valor positivo removido e o sinal negativo colocado antes do primeiro d gito num rico significante e Se o campo cont m um n mero com um ponto decimal expl cito este removido e o valor produzido tem a mesma largura do campo original e n casas decimais como definido no campo NDEC de descri o de vari vel Espa os em brancos no in cio do campo s o convertidos em zeros Se mais de n d gitos s o encontrados no campo de entrada depois do ponto decimal o
292. an lise Tais pesos s o usualmente armazenados como uma vari vel em um arquiuvo Dados O par metro WEIGHT ent o usado nas declara es de controle do programa para invocar a pondera o e g WEIGHT V5 Tratamento de dados perdidos e dados ruins Valores especiais para cada vari vel num rica podem ser identificados como dados perdidos e armazenados em um dicion rio Durante o processamento de dados os dados perdidos s o manuseados atrav s de dois par metros e MDVALUES especifica quais c digos de dados perdidos devem ser usados para checar a ocorr ncia de dados perdidos em vari veis num ricas e MDHANDLING espec fica o que deve ser feito se forem encontrados dados perdidos Normalmente se assume que os dados foram limpos antes da an lise Se esse n o for o caso ent o o par metro BADDATA est dispon vel para pular casos com valores n o num ricos incluindo campos em branco em campos num ricos ou para tratar tais valores como dados perdidos 1 7 Importa o e Exporta o de Dados IDAMS n o usa nenhum formato de arquivo interno especial para armazenar dados Qualquer arquivo de caracteres em formato fixo pode ser descrito por um dicion rio IDAMS e ent o ser carregado no IDAMS Diferentemente dados em formato livre com Tab v rgula ou ponto e v rgula usados como separadores podem ser importados atrav s da Interface de Usu rio do WinIDAMS Al m disso o programa IMPEX permite que um arquivo em forma
293. an lise s o deletados a dele o de dados perdidos por casos Uma op o ver o par metro MDHANDLING permite ao usu rio especificar o n mero m ximo de casos de dados perdidos que podem ser tolerados antes da execu o ser terminada Aten o Se an lises m ltiplas s o executadas em uma execu o de REGRESSN uma matriz nica de correla o computada para todas as vari veis usadas em diferentes an lises Por causa do m todo por casos de dele o de casos com dados perdidos o n mero de casos utilizados e portanto a estat stica de regress o produzida pode ser diferente caso a an lise seja executada separadamente Se uma matriz a entrada casos com dados perdidos devem ter sido acomodados quando a matriz foi criada Se uma c lula da matriz de entrada possui c digo de dados perdidos i e 99 999 qualquer an lise envolvendo aquela c lula ser evitada 2 Res duos de sa da Se res duos s o requisitados valores previstos e res duos s o computados para todos os casos que passem o filtro opcional Se um caso possui dados perdidos em qualquer vari vel requisitada para essas computa es c digos de dados perdidos de sa da s o gerados 3 Matriz de correla o de sa da O algoritmo REGRESSN para manusear dados perdidos em dados brutos de entrada n o pode resultar em entradas de dados perdidos na matriz de correla o 27 3 Resultados 207 27 3 Resultados Dicion rio de entrada Opcional
294. ando para erros de declara es de controle 21 checando entre programas 21 campos em branco 13 casas decimais especifica o 15 caso ativo 195 362 criando v rios casos a partir de um 49 dele o 129 161 especificando n mero de registros por caso 14 identifica o ID corre o 129 limita es de tamanho 12 listagem 145 165 listando 129 passivo 195 364 principal 195 362 sele o com filtro 25 com Recode 49 suplementar 195 364 checando c digos 58 109 consist ncia 59 115 estrutura de dados 58 121 intervalo de valores 58 ordem de casos 131 ordem de classifica o 161 range de valores 109 chi quadrado dist ncia 299 428 teste 283 308 420 classifica o de objetos baseada em agrupamento hier rquico 174 341 343 baseada em l gica difusa 174 340 baseada em parti o 174 338 340 classificando arquivos 157 dados 89 coeficientes B 207 256 269 368 398 412 beta 207 225 368 379 de correla o m ltipla 207 367 438 de correla o parcial 207 366 de Gini 191 354 de varia o 365 377 378 389 420 eta 225 242 379 390 r de Pearson 255 397 termo constante 207 256 269 368 398 412 comandos do IDAMS 21 CHECK 21 COMMENT 22 DATA 22 DICT 22 FILES 22 MATRIX 22 PRINT 22 RECODE 22 RUN 23 SETUP 23 combinando datasets a niveis diferentes 149 em um mesmo nivel 149 comentarios no setup do IDAMS 22 configura o an
295. apertada a tecla Ctrl quando selecionar A ordem das vari veis nas listas VARI VEIS DE LINHA e VARI VEIS DE COLUNA especifica implicitamente a ordem de aninhamento A primeira vari vel na lista ser a mais externa A ordem de vari vel em uma lista pode ser modificada usando a t cnica Drag and Drop do mouse dentro da mesma lista 39 5 Como Fazer uma Tabela Multidimensional 311 Defini o de tabela multidimensional x Vari veis dispon veis Use Drag and Drop para mover vari veis de uma lista para outra 1 INTERVIEWED PERSON NO 5 YRS EDUCATION J VARIAVEIS DE PAGINA 6 YRS ReD EXPERIENCE 11 ReD WORK 12 ADM WORK 12 TEACHING J VARIAVEIS DE COLUNA 14 0THER WK 4 gt 2 CM POSITION IN UNIT 21 ARTICLS 22 PAPERS 22 PATENTS 101 VIII LACK OF EQUIPM 102 VIII E INSUFF EQUIPM 102 VIII C INSUFF INFORMN 104 VIII D DEFIC MAIT SERV J 4 VARI VEIS DE CELULA 105 VIII E POOR HIGH COORD A Sree VARIAVEIS DE CELULA 106 VIII F POOR COOP WH OTH 7 SCIENTIFIC DEGREE 107 VIII G BAD FINAN POLICY 4 SEX 108 VIII H BAD DIV OF WORK 109 VIII I BAD ORG IN INST 110 VIII J LACK EXT INTERST 111 VIII K BAD TECHN STAFF gt 11z VIII L POOR HUMAN RELAT 112 VIII M NO POSS STAF SEL Ji xi Cancelar e Depois de selecionar as vari veis as op es default designadas para uma vari vel podem ser modificadas atrav s de um clique duplo na vari vel Um clique duplo na vari vel AGE
296. apitulo 55 Diagramas de Dispersao Nota o valor da vari vel a ser plotada horizontalmente valor da vari vel a ser plotada verticalmente valor de peso subscrito para caso n mero total de casos Zn ee a II soma total de pesos 55 1 Estat sticas Univariadas Essas estat sticas n o ponderadas s o calculadas para todas vari veis usadas na execu o a M dia 55 2 Estat sticas Univariadas Emparelhadas Elas s o calculadas no conjunto de casos possuindo dados v lidos em ambos x e y S o estat sticas ponder adas se uma vari vel de peso for especificada a M dia X Wk Tk k W Ta Note a f rmula para y an loga 412 Diagramas de Dispersao b Desvio padr o Note a formula para s an loga c N O n mero de casos ponderados com dados v lidos em x e y 55 3 Estat sticas Bivariadas Elas s o calculadas no conjunto de casos que possuem dados v lidos em ambos x e y a Momento produto r de Pearson W Da Lk Yk Lm zr om ur b Estat sticas de regress o constante A e coeficiente B So we ye uz B Auk k A W onde B coeficiente de regress o n o padronizado W 5 Wk Lk Yk Wk zr Wk ur k k k B ee E lc ND WS uai Suas k k A constante A e o coeficiente B podem ser usados na equa o de regress o y Bx A para prever y de x Capitulo 56 Busca de Estrutura Nota o y valor da vari vel dependente x
297. ara todas as combina es de vari veis de controle V101 V102 V105 e V110 e vari veis dependentes V17 at V21 dados s o ponderados pela vari vel V3 RUN ONEWAY FILES como no Exemplo 1 SETUP MASS GENERATION OF ONE WAY ANALYSES OF VARIANCE valores default obtidos para todos par metros CONV V101 V102 V105 V110 DEPV V17 V21 WEIGHT V3 Capitulo 32 Scoring Baseado em Ordenacao Parcial de Casos POSCOR 32 1 Descri o Geral POSCOR calcula escala ordinal escores usando um procedimento baseado na posi o hier rquica dos elementos em um conjunto parcialmente ordenado de acordo com um n mero de propriedades ou carac ter sticas etc Os escores calculados separadamente para cada elemento do conjunto s o processados em uma arquivo Dados descrito por um dicion rio do IDAMS Esse arquivo pode ent o ser usado como entrada em outros programas de an lise Usando o par metro ORDER tipos diferentes de escores podem ser obtidos 1 quatro tipos de escores onde os c lculos s o baseados na propor o de casos dominados pelo caso examinado 2 quatro outros escores onde c lculos s o baseados na propor o de casos que dominam o caso examinado O intervalo dos escores determinado pelo par metro SCALE Valores de escores significativos podem ser esperados somente quando o n mero de casos envolvidos for muito maior que o n mero de vari veis ou componentes do escore especificadas Em aplica es com var
298. ari veis ativas as vari veis quantitativas e a qualitativa depois da dicotomiza o TYPOL opera em dois passos 1 Constru o de uma tipologia inicial O program constr i uma tipologia de n grupos como requi sitado pelo usu rio dos casos caracterizados por um n mero de vari veis consideradas quantitativas O usu rio pode selecionar a maneira que uma configura o inicial estabelecida ver o par metro INICIAL e tamb m o tipo de dist ncia ver o par metro DTYPE usado pelo programa para calcular a dist ncia entre casos e grupos 2 Classifica o ascendente posterior opcional Se o usu rio desejar uma tipologia em um menor n mero de grupos o programa usando um algoritmo de classifica o ascendente hier rquica reduz um a um o n mero de grupos at o n mero especificado pelo usu rio 38 2 Caracter sticas Padr o do IDAMS Sele o de casos e vari veis O filtro padr o est dispon vel para selecionar um subconjunto de casos dos dados de entrada As vari veis s o especificadas com par metros Transformando dados Declara es de Recode podem ser usadas Ponderando dados Uma vari vel pode ser usada para ponderar os dados de entrada essa vari vel de pondera o pode conter valores inteiros ou decimais Quando o valor da vari vel de pondera o para um 296 Tipologia e Classifica o Ascendente TYPOL caso for zero negativo perdido ou n o num rico ent o o caso evitado o n mero
299. ari vel descrita em IDVAR n o produzida automaticamente e portanto vari veis de ID devem ser inclu das na lista de vari veis de transfer ncia 24 5 Dataset de Entrada A entrada um arquivo Dados descrito por um dicion rio do IDAMS Tr s tipos de amostras podem ser especificadas no arquivo de entrada amostra b sica amostra de teste e amostra an nima A an lise baseada na amostra b sica A amostra de teste usada para testar a fun o discriminante enquanto os casos da amostra an nima s o simplesmente classificados usando as fun es discriminantes As amostras s o definidas por uma vari vel de amostra A amostra b sica n o pode estar vazia Os grupos a serem separados pelas fun es discriminantes devem ser definidos por uma vari vel de grupo Essa vari vel define uma classifica o a priori dos casos da amostra b sica e de teste Todas as vari veis usadas para an lise devem ser num ricas eles podem ter valores inteiros ou decimais A vari vel de ID de caso e vari veis a serem transferidas podem ser alfab ticas 24 6 Estrutura de Setup RUN DISCRAN FILES Especifica es de arquivo RECODE optional Declara es de Recode SETUP 1 Filtro opcional 2 T tulo 3 Par metros DICT condicional Dicion rio DATA condicional Dados Arquivos DICTxxxx dicion rio de entrada omitir se DICT usado DATAxxxx dados de entrada omit se DATA usado
300. arquivo Se por exemplo gama e tau b foram se lecionados uma matriz de gama e uma matriz separada de tau b seria gerada Matrizes de estat sticas bivariadas de sa da s o requisitados ao se especificar WRITE MATRIX e os par metros de tabela ROW VARS ou ROWVARS e COLVARS Se um fator de repeti o usado uma matriz produzida para cada repeti o As matrizes est o no formato de matrizes retangulares ou quadradas ver o cap tulo Dados em IDAMS Os valores na matriz s o escritos no formato de Fortran 6F11 5 Colunas 73 80 cont m uma ID da seguinte maneira 73 76 Identifica o da estat stica TAUA TAUB TAUC GAMM LSYM LRD LCD CHI CRMV ou RHO 77 80 N mero da tabela Nota Se somente ROWVARS fornecido registros de m dias dummy e de desvios padr es s o escritos 2 registros por 60 vari veis O segundo formato de registro F no dicion rio especifica um formato de 60T1 para esses registros dummy Isso para que a matriz se conforme ao formato de uma matriz quadrada do IDAMS 37 6 Dataset de Entrada A entrada um arquivo de dados descrito por um dicion rio do IDAMS Com a exce o de vari veis usadas no filtro principal todas as outras vari veis usadas devem ser num ricas Nas distribui es e pondera es vari veis tanto V quanto R com casas decimais s o multiplicadas por um fator de escala para obter se valores inteiros O fator de escala calculado como 10 onde n o n mero de deci
301. as de table 1 de maneira que podem ser reutilizadas e g R2 Vi BRAC V2 TAB 1 3 Nesse exemplo V2 seria bracketed pelas mesmas regras utilizadas em V10 no exemplo anterior R2 assumiria os valores de V1 o resultado do bracketing multiplicado por 3 R100 BRAC V10 F 1 M 2 ELSE 9 Esse um exemplo de recodifica o de uma vari vel alfab tica que assume valores F ou M com valores num ricos 1 e 2 COMBINE A fun o COMBINE retorna um nico valor para cada combina o de valores das vari veis que s o utilizadas como argumentos Essa fun o normalmente usada em vari veis categ ricas Prot tipo COMBINE varl n1 var2 n2 varm nm Onde e varl to var m sao vari veis R e V a combinar se e nl to nm s o os c digos m ximos 1 das respectivas vari veis e A lista de argumentos para a fun o COMBINE n o est entre par nteses e Cada vari vel deve assumir apenas valores inteiros n o negativos e Os valores retornados s o computados pela seguinte f rmula V1 nl V2 nl n2 V3 nl n2 n3 V4 etc O usu rio no entanto determinaria normalmente o resultado da fun o listando as combina es de valores em uma tabela como no primeiro exemplo abaixo Exemplos R1 COMBINE V6 2 R330 3 Assuma que V6 tem dois c digos 0 1 representando mulher e homem respectivamente e R330 possui tr s c digos 0 1 2 representando respondentes jovens de meia
302. as nesse uso de RECODE opcional ou faz refer ncia a um conjunto de valores estabelecidos em um uso pr vio do RECODE Note o valor do ELSE n o considerado parte do conjunto de regras de recode e ELSE valor opcional indica o valor a ser retornado se nenhuma das listas de c digo batem com os valores das vari veis Mesmo sendo usualmente uma constante o valor pode ser qualquer express o 42 Facilidade Recode aritm tica Se ELSE omitido e nenhuma das listas de c digo batem com os valores das vari veis a fun o n o retorna valor algum i e o valor da vari vel de retorno deixado como antes Se esse for a primeira declara o de apontamento de uma vari vel ent o o seu valor ser o valor do dado de entradapara vari vel V ou o valor de dados perdidos para uma vari vel R e regral regra2 regra n o conjunto de regras definindo os valores a serem retornados dependendo dos valores de varl var2 varm Cada regra tem a forma lista de c digos 1 lista de c digos 2 lista de c digos p c Cada lista de c digos possui a forma al a2 am onde al o c digo a ser comparado a varl a2 o c digo a ser comparado a var2 etc Aqui c o valor a ser retornado quando varl var2 varm batem com o c digo definido em quaisquer das listas de c digos O prot tipo para uma regra at a2 am b1 b2 bm x1 x2 xm c Cada lista de c digos cont m uma lista e ou um intervalo
303. asets casos s o identificados pelas vari veis 1 e 3 todas as vari veis devem ser selecionadas de cada dataset de entrada RUN MERGE FILES DICTOUT AB DIC arquivo Dicion rio de sa da DATAOUT AB DAT arquivo Dados de sa da DICTINA A DIC arquivo Dicion rio de entrada para o dataset A DATAINA A DAT arquivo Dados de entrada para o dataset A DICTINB B DIC arquivo Dicion rio de entrada para o dataset B DATAINB B DAT arquivo Dados de entrada para o dataset B SETUP COMBINING RECORDS FROM 2 DATASETS WITH AN IDENTICAL SET OF CASES MATCH UNION A1 B1 A3 B3 A1 A112 B201 B401 Exemplo 2 Combinando datasets com cole es de casos ligeiramente diferentes apenas casos que possuem registros em ambos os datasets s o processados casos s o identificados pelas vari veis 2 e 4 no primeiro dataset e pelas vari veis 105 e 107 respectivamente no segundo dataset vari veis no dataset de sa da ser o renumeradas come ando do n mero 201 e uma listagem de refer ncias requisitada apenas vari veis selecionadas ser o retiradas de cada dataset de entrada 156 Intercala o de Datasets MERGE RUN MERGE FILES como no Exemplo 1 SETUP COMBINING RECORDS FROM 2 DATASETS WITH DIFFERENT SETS OF CASES MATCH INTE VSTA 201 PRIN VARNOS A2 B105 A4 B107 B105 B107 A36 A42 B120 B131 Exemplo 3 Combinando dataset com niveis diferentes de dados casos do dataset A sao combinados com um subconjunto de casos do dataset B um ca
304. aso no arquivo de res duos PRINT TABLES HISTORY RESIDUALS TABL Imprime as tabula es cruzadas emparelhadas dos preditores HIST Imprime os coeficientes de todas as itera es Se a op o HIST n o selecionada e se as itera es convergem somente os coeficientes finais s o impressos se as itera es n o convergem somente os coeficientes das 2 ltimas itera es s o impressos RESI Imprime res duos na ordem de seqii ncia de entrada de caso 29 8 Restri es 1 O n mero m ximo de vari veis de entrada incluindo vari veis usadas em declara es de Recode 200 2 N mero m ximo de vari veis preditoras controle por an lise 50 3 N o poss vel usar o n mero m ximo de preditores cada um com o n mero m ximo de categorias em uma an lise Se um problema excede a mem ria dispon vel uma mensagem de erro impressa e o programa salta at a pr xima an lise 4 N mero m ximo de an lises por execu o 50 5 Vari veis preditoras para an lise de classifica o m ltipla devem ser categorizadas preferencialmente com 6 ou menos categorias As categorias devem possuir c digos inteiros no intervalo 0 31 Casos com qualquer outro valor ser eliminado da an lise 6 Vari vel preditora para an lise de vari ncia univariada dev ser codificada no intervalo 0 2999 Casos com quaisquer outros valores s o descartados da an lise 7 Se uma vari vel preditora possui casas decimais soment
305. asos corrigidos CDIC Imprime o dicion rio de entrada para todas as vari veis com registros C se houver DICT Imprime o dicion rio de entrada sem registros C 4 Instru es de corre o Essas declara es indicam qual dentre as op es de listagem dele o ou corre o devem ser aplicadas e para quais casos Exemplos ID 1026 V5 9 Para o caso com ID 1026 mude o V6 22 valor de V5 para 9 e o valor de V6 para 22 ID JOHN DOE DELETE Delete o caso com ID JOHN DOE da saida ID 091 3 LIST Liste o caso com ID 091 3 ID 023 16 V8 DON_T Mude V8 para DON T e V9 para TEACH RES V9 TEACH RES 132 Corre o de Dados CORRECT Regras para codifica o Cada instru o de corre o deve come ar em uma nova linha Para continuar em uma nova linha quebre depois da v rgula no final de uma corre o de vari vel completa e entre com um tra o Quantas linhas de continua o forem necess rias poder o ser utilizadas Espa os em branco podem ocorrer em qualquer lugar nas instru es As instru es de corre o devem ser ordenadas na mesma sequ ncia relativa exata pelos valores de ID do caso como feito nos casos de dados Valores de ID de caso e O caso a ser corrigido identificado pela palavra chave ID seguida pelos valores das vari veis de ID e A lista de valores na instru o n o est entre par nteses e Cada valor incluindo o ltimo deve ser seguido por uma
306. assivas pP P P OFPR Imprime fatores de caso para os casos ativos OFSU Imprime fatores de caso para os casos passivos Especifica es de plotagem definidas por usu rio condicional se PLOT USER especificada como par metro Repetir para cada plotagem bidimensional a ser impresa As regras de codifica o s o as mesmas dos par metros Cada especifica o deve iniciar em uma nova linha Exemplo X 3 Y 10 X ntmero do fator N mero do fator a ser representado no eixo horizontal Y n mero do fator N mero do fator a ser representado no eixo vertical ver tamb mo par metro de plotagem FOR MAT STANDARD 26 8 Restri es 201 ANSP ALL CRSP SSPRO NSSPRO COVA CORR Especifica a an lise para a qual a plotagem deve ser impressa ALL Plotagens para todas as an lises especificadas no par metro ANALYSIS Para o resto uma plotagem para uma an lise somente as palavras chave possuem o mesmo significado como no par metro ANALYSIS Essas op es implicam apenas uma plotagem OBSPLOT PRINCIPAL SUPPL Escolha dos casos a serem representados na s plotagen s PRIN Representa casos ativos SUPP Representa casos passivos VARPLOT PRINCIPAL NOPRINCIPAL SUPPL Escolha das vari veis a serem representadas na s plotagen s PRIN Representa vari veis ativas SUPP Representa vari veis passivas REPRESENT COORD BASVEC NORMBV Escolha da representa o simult nea dos pontos vari veis casos COOR Coordenadas co
307. assos utilizado nesse programa i e em cada passo a vari vel mais poderosa introduzida na fun o discriminante A fun o crit rio para selecionar a pr xima vari vel depende do n mero de grupos especificados o n mero de grupos varia de 2 a 20 No caso de dois grupos a dist ncia de Mahalanobis utilizada Quando o n mero de vari veis maior do que dois ent o o crit rio de sele o de vari veis o tra o do produto da matriz de covari ncia para as vari veis envolvidas e a matriz de covari ncia interclasse em um passo particular Essa a generaliza o da matriz de Mahalanobis definida para dois grupos Al m de executar os principais passos da an lise discriminante em uma amostra b sica h duas possibili dades opcionais checagem da pot ncia da fun o discriminante com a ajuda de uma amostra de teste na qual a designa o de grupo dos casos conhecida como na amostra b sica mas esses casos n o s o usados na an lise e classifica o dos casos com a ajuda de fun es discriminantes fornecidas pela an lise em uma amostra an nima onde a designa o de grupo de casos desconhecida ou pelo menos n o utilizada 24 2 Caracter sticas Padr o do IDAMS Sele o de casos e vari veis O filtro padr o est dispon vel para selecionar um subconjunto de casos dos dados de entrada Um subseting a mais poss vel com o uso de vari veis de amostra e de grupo Vari veis de an lise s o selecionadas co
308. ativa de Dados Capitulo 39 Tabelas Multidimensionais e suas Apresenta es Gr ficas 39 1 Vis o Geral O componente interativo Tabelas multidimensionais do WinIDAMS permite que voc visualize e especifique tabelas multidimensionais com freqti ncias percentuais de linha coluna e total estat sticas univariadas soma contagem m dia m ximo m nimo vari ncia desvio padr o de vari veis adicionais e estat sticas bivariadas Vari veis em linhas e ou colunas podem ser aninhadas m ximo de 7 vari veis ou elas podem ser colocadas no mesmo n vel Constru o de uma tabela pode ser repetida para cada valor de at tr s vari veis de p gina Cada p gina da tabela pode tamb m ser impressa ou exportada em formato livre delimitada por v rgula ou caracter de tabula o ou em formato HTML Datasets do IDAMS usados como entrada devem ter o mesmo nome dos arquivos Dicion rio e Dados com extens es dic e dat respectivamente Apenas um dataset pode ser usado por vez i e abrindo se um outro dataset automaticamente fecha o outro que estava sendo usado 39 2 Prepara o da An lise Sele o dos dados Um dataset selecionado para a constru o de tabelas multidimensionais est dispon vel at que seja modificado ao se ativar novamente o componente Tabelas multidimensionais A caixa de di logo permite que voc escolha um arquivo Dados de uma lista de arquivos Dados recentemente usados Re cente ou
309. atriz n cleo s o calculados da seguinte maneira I1 Sees ay COV 1 1 a Para a AN LISE DE CORRELAGOES os elementos COR da matriz n cleo s o calculados da seguinte maneira Il S wi wig Bj wig Ty 1 1 COR 46 4 Tra o Tra o da matriz n cleo calculado como a soma dos seus elementos da diagonal O tra o igual ao total dos valores pr prios in rcia total Note que para a an lise de correla es e an lise de produtos escalares normados a in rcia total igual ao n mero de vari veis ativas J1 Tra o 5 Aa a 1 46 5 Valores e Vetores Pr prios Os valores pr prios e vetores pr prios s o impressos para os fatores retidos Eles possuem o mesmo significado para cada tipo de an lise mas s o de pouco interesse para o usu rio Para a an lise de correspond ncias o programa imprime um valor pr prio e vetor pr prio a mais do que o n mero de fatores determinados desejados O fator para o valor pr prio trivial sendo sempre igual a 1 impresso como o primeiro e negligenciado mais tarde Os fatores remanescentes s o renumerados come ando de 1 nas tabelas de vari veis casos ativos passivos 360 An lise Fatorial 46 6 Tabela de Valores Pr prios A tabela cont m todos os valores pr prios denotados aqui por Aq calculados pelo programa Note que em an lise de correspond ncias o primeiro valor pr prio trivial sendo sempre 1 impresso somente sobre a tabel
310. ault O Setups Datasets Matrices Results A eres ee ee HEAD S8E TS _ Total Freq Linha Col Tot AGE M di AGE Max GE Min Pplica o Executado Capitulo 40 Explora o Gr fica de Dados 40 1 Vis o Geral GraphID um componente do WinIDAMS para explora o interativa de dados atrav s de visualiza o gr fica Ele aceita dois tipos de entrada e Datasets do IDAMS onde os arquivos Dicion rio e Dados devem ter o mesmo nome com extens es dic e dat respectivamente e Arquivos de matriz do IDAMS onde a extens o deve ser mat Somente um dataset ou um arquivo de matriz pode ser usado por vez i e abrindo se um outro arquivo automaticamente fecha o que estava sendo usado 40 2 Prepara o da An lise Sele o de dados Use o comando de menu Arquivo Abrir ou d um clique no bot o Abrir da barra de ferramentas Ent o na caixa de di logo Abrir escolha seu arquivo Fazendo Arquivos de tipo ser Arquivos Dados dat ou Arquivos Metriz mat permite a filtragem dos arquivos sendo exibidos Sele o de identifica o de caso Se voc tiver selecionado um dataset voc ser requisitado a especificar uma identifica o de caso que pode ser uma vari vel ou n mero de seqii ncia do caso Uma vari vel num rica ou alfab tica pode ser selecionada de uma lista drop down Sele o de vari veis Se v
311. ax detectados se houver Isso ocorre antes do programa ser executado i e antes da interpreta o das declara es de controle do programa ser impressa Initializa o antes de come ar a processar o arquivo Dados Se n o houver erros de sintax tabelas c digos de dados perdidos nomes etc s o inicializados de acordo com as declara es de ini cializa o defini o fornecidos pelo usu rio antes de iniciar a leitura dos dados Vari veis R em declara es CARRY s o inicializadas em zero Initializa o antes de processar cada caso de dados No in cio do processamento de cada caso e antes da execu o das declara es de Recode para aquele caso todas as vari veis R exceto aquelas listadas nas declara es CARRY s o inicializadas no valor de dados perdidos de default 1 5 x 10 Execu o de declara es de Recode A recodifica o acontece de fato depois que os dados de um caso s o lidos e depois que o filtro principal foi aplicado Casos que n o atravessam o filtro n o s o passados para rotinas de recodifica o Vari veis Recode n o podem portanto ser utilizadas em filtros principais O uso de declara es de Recode sequ ncial i e a primeira declara o usada primeiro depois a segunda terceira etc exceto se for modificado por declara es GO TO BRANCH RETURN REJECT ENDFILE ERROR declara es de controle Quando todas as declara es tiverem sido utilizadas o caso passado para o
312. b m t cnicas mais avan adas como an lise de fatores de componentes principais e an lise de correspond ncias scoring baseado em ordena o parcial de casos ordena o de alternativas segmenta o e tipologia iterativa Al m disso WinIDAMS propicia meios para a constru o interativa de tabelas multidimensionais explora o interativa de dados e an lise interativa de s ries temporais 1 1 WinIDAMS Interface do Usu rio uma interface de m ltiplos documentos MDI que permite trabalhar simultaneamente com diferentes tipos de documentos em janelas diferentes A Interface proporciona o seguinte e defini o dos folders Dados Trabalho e Tempor rio para uma aplica o e janela Dicion rio para cria o atualiza o e exibi o de arquivos Dicion rio e janela Dados para cria o atualiza o e exibi o de arquivos Dados e janela Setup para preparar exibir arquivos Setup e janela Resultados para exibir copiar e imprimir partes selecionadas dos resultados e editor de texto geral e uma op o para executar setups do IDAMS a partir de um arquivo ou de uma janela Setup ativa e facilidades interativas de importa o exporta o de dados e acesso interativo aos componentes de an lise de dados Tabelas multidimensionais GraphID TimeSID e acesso on line ao Manual de Refer ncia 2 Introdu o 1 2 Facilidades para Gerenciamento de Dados Agrega o de dados AGGREG Permite o agrupamento de reg
313. b sica Opcional ver o par metro PRINT As vari veis de identifica o e de an lise dos casos na amostra b sica s o impressas por grupos enquanto os grupos s o separados entre si por uma linha de asteriscos Amostra teste Como na amostra b sica Amostra an nima Como na amostra b sica exceto que n o h grupos Estat sticas univariadas Para cada vari vel usada na an lise o programa imprime a m dia dos grupos e desvios padr es como tamb m a m dia total Resultados do procedimento passo a passo para cada passo N mero do passo O n mero de seqii ncia do passo Vari veis introduzidas A lista de vari veis retidas nesse passo Fun o linear discriminante Condicional somente se 2 grupos s o especificados O termo constante e os coeficientes da fun o linear discriminante correspondem a vari veis j introduzidas Tabela de classifica o para amostra b sica Tabela de freqti ncia bivariada mostrando a redistribui o de casos entre os grupos originais e os grupos onde eles s o alocados na base da fun o discriminante seguida pela percentagem dos casos corretamente classificados Tabela de classifica o para amostra de teste Como na amostra b sica Lista de designa o de caso Opcional ver o par metro PRINT Os casos das tr s amostras s o impressas aqui com a identifica o de caso aloca o de caso e valor de fun o discriminante para 2 grupos ou dist ncias para cada grupo par
314. b sica ver 3 d acima 44 4 Refer ncias Romeder J M M thodes et programmes d analyse discriminante Dunod Paris 1973 Capitulo 45 Funcoes de Distribuicao e de Lorenz Nota o pi valor do i simo ponto de quebra i subscrito para ponto de quebra s n mero de subintervalos N n mero total de casos 45 1 F rmula para Pontos de Quebra O n mero de pontos de quebra um a menos do que o n mero de subintervalos requisitados e g medianas implicam dois subintervalos e um ponto de quebra pi V a B V a 1 V a onde V vetor de dados ordenados e g V 3 o terceiro item no vetor dead a entier Ss _ i N 1 8 e entier o maior interiro que n o excede zx 45 2 Pontos de Quebra de Fun o de Distribui o H quatro situa es poss veis e Se um ponto de quebra se localiza exatamente em um valor e o valor n o est empatado com nenhum outro valor ent o o valor ser o ponto de quebra e Se um ponto de quebra se localiza exatamente entre dois valores e os dois valores n o s o os mesmos ent o o ponto de quebra determinado usando se interpola o linear ordin ria e Se um ponto de quebra se localiza exatamente em um valor e o valor est empatado com um ou mais valores ent o o procedimento involve o c mputo de novos pontos m dios Seja k o valor m a frequ ncia com a qual ele ocorre e d a dist nica m nima entre itens no vetor V O intervalo k min d 1 2
315. bertos criados por default em um desses folders Isso evita que voc entre com o nome completo do atalho do folder e Os arquivos Dados e Dicion rio no folder Dados e Os arquivos Setup e Resultados no folder Trabalho e Os arquivos tempor rios no folder Tempor rio Click em Aplica o na barra de menu e ent o em Novo Agora voc v o seguinte di logo Poica o RR x Nome da aplica o Folder Dados CAWinIDAMST 2 PT data E Folder Trabalho CAWinIDAMST 2 PT work E Folder Tempor rio C WinIDAMS1 2 PT temp E N s vamos criar uma nova aplica o com o nome My Appl e com os folders de aplica o C MyAppl data C MyAppl work e C MyApp1 temp entrando esses nomes nas caixas de texto correspondentes xl Nome da aplica o My ppl Folder Dados C MyApplidata E Folder Trabalho CAMyApphwo rk E Folder Tempor rio C MyApplitemp El Para cada folder de aplica o introduzido que n o existia voc ver um di logo como este 7 3 Preparar um Dicion rio 71 IDAMS para Windows xi 2 O Folder C MyApplitemp n o existe Voc quer que o Folder seja criado DEI Clique em Yes para cada novo folder e ent o clique OK Agora voc ver a janela Principal do WinIDAMS novamente 7 3 Preparar um Dicion rio N s criaremos um dicion rio para descrever registros de dados contendo as seguintes vari veis N mero Nome Largura C digo de Dados Perdidos 1 Ide
316. bina o de dados de uma primeira e uma subsequente onda de entrevistas com a mesma cole o de respondentes Combinando datasets com cole es de casos de dados ligeiramente diferentes Quando h mais de uma onda de entrevistas em um survey alguns respondentes podem desaparecer e outros podem ser adicionados O programa permite essas discrep ncias entre datasets e pode por exemplo ser requerido a produzir os registros para todos os respondentes incluindo aqueles entrevistados em apenas uma onda Nesse exemplo os valores das vari veis para a onda onde o respondente n o foi entrevistado seriam processados como valores de dados perdidos Combinando datasets com diferentes n veis de dados MERGE pode tamb m ser usado para combinar dois datasets um dos quais cont m dados a um n vel mais agregado do que o outro Por exemplo dados de domic lio podem ser adicionados a registros individuais dos membros do domic lio 18 2 Caracter sticas Padr o do IDAMS Sele o de casos e vari veis Um filtro pode ser especificado para apenas um dos datasets ou para ambos A nica diferen a no formato do filtro que ele deve ser precedido por um A ou B nas colunas 1 2 para indicar o dataset onde o filtro se aplica Todas as vari veis selecionadas de cada dataset podem ser inclu das no dataset de sa da Essas vari veis de sa da s o especificadas em uma lista de vari veis que possui o formato usual exceto que as vari veis s
317. bui o do valor pr prio para a in rcia total Os tra os no histograma mostram o crit rio de Kaiser para a an lise de correla o Dicion rios dos arquivos de dados de sa da Opcional ver o par metro PRINT O dicion rio pertencendo aos fatores de caso seguido por aquele dos fatores de vari vel Tabela s de fatores Dependendo das op es escolhidas haver uma tabela ou para fatores de caso ou fatores de vari vel ou duas tabelas para ambos fatores de caso e vari vel nessa ordem De acordo com a op o de impress o escolhida essas tabelas conter o apenas os casos vari veis ativos apenas os passivos ou ambos Tabela de fatores de caso Ela d linha por linha valor de ID do caso informa o relevante para todos os fatores tomados juntos i e a qualidade de representa o do caso no espa o definido pelos fatores o peso do caso e a in rcia do caso informa o para cada fator i e a ordenada do caso o quadrado do cosseno do ngulo entre o caso e o fator e a contribui o do caso para o fator Tabela de fatores de vari vel Ela d linha por linha informa o similar para as vari veis Plotagem de dispers o Opcional ver o par metro PLOTS A primeira linha d o n mero de fatores representados ao longo do eixo horizontal com seus valores pr prios e seus alcances min max A segunda linha d a mesma informa o relacionada ao eixo vertical
318. c deseja usar na tabela multidimensional 310 Tabelas Multidimensionais e suas Apresenta es Gr ficas Defini o de tabela multidimensional e x Vari veis dispon veis Use Drag and Drop para mover vari veis de uma lista para outra 1 INTERVIEWED PERSON NO CM POSITION IN UNIT VARI VEIS DE P GINA AGE SEX YRS EDUCATION YRS RED EXPERIENCE J VARIAVEIS DE COLUNA SCIENTIFIC DEGREE 4 gt 11 RsD WORK 12 ADH WORK 19 TEACHING 14 0THER WK 21 ARTICLS 4 gt 22 PAPERS 22 PATENTS VARIAVEIS DE LINHA RR Ae 101 VIII A LACK OF EQUIPM VARI VEIS DE LINHA VARIAVEIS DE CELULA IA oO Peon 102 VIII E INSUFF EQUIPM 102 VIII C INSUFF INFORMN 104 VIII D DEFIC MAIT SERV 105 VIII E POOR HIGH COORD 106 VIII F POOR COOP WH OTH 107 VIII G BAD FINAN POLICY 4 gt j 4 gt 106 VIII H BAD DIV OF WORK 109 VIII I BAD ORG IN INST hM Cones e Selecione as vari veis SCIENTIFIC DEGREE e SEX como VARI VEL DE LINHA CM POSI TION IN UNIT como VARIAVEL DE COLUNA e AGE como VARIAVEL DE CELULA Use a t cnica Drag and Drop do mouse para movimentar as vari veis pressione o bot o esquerdo do mouse na vari vel que voc deseja mover mantenha o bot o pressionado enquanto voc move a vari vel solte na lista de vari vel para onde voc quer mover a vari vel Muitas vari veis podem ser selecionadas e movidas simultaneamente de uma lista para a outra matenha
319. calcular estat sticas univariadas e g m dia nas c lulas da tabela A ordem que elas s o especificadas determina a ordem das suas apari es na tabela Devem haver at 10 vari veis de c lula Defini o de tabela multidimensional b x Vari veis dispon veis Use Drag and Drop para mover vari veis de uma lista para outra H Country code Unit ID number I VARI VEIS DE P GINA Person ID number Position in unit Yr start work in unit Yr become head J VARIAVEIS DE COLUNA Yr of birth 4 gt Sex or aA oO Lf wD Exp in country fyrs H o Exp out country yrs RSD Teaching a gt 3eT consulting work a PET activities VARIAVEIS DE LINHA VARI VEIS DE CELULA Unprod activities Er o mk FERE A A om e Work less qualified H o RD work ws experience 4 gt 4 gt s 4 Cancela Aninhamento Se mais de uma vari vel de linha e ou coluna s o especificadas por default elas s o aninhadas Para us las sequencialmente no mesmo n vel d um clique duplo na vari vel na lista da vari vel de linha ou de coluna e marque a op o para tratamento a um mesmo n vel Note Essa op o n o est dispon vel para a primeira vari vel em uma lista Percentagens Percentagens em cada c lula linha coluna ou total podem ser obtidas ao dar se um clique duplo na ltima vari vel de linha aninhada na janela de defini o de tabela e selecionar o tipo de percentagens requeridas
320. caracteres por nome 24 se for mais longo o nome truncado em 24 caracteres e O nome default para uma vari vel R RECODED VARIABLE Rn e Para incluir um ap strofe em um nome e g PERSON S use duas aspas simples e g PERSON S Exemplo NAME R1 V5 V6 Vi PERSON S STATUS 52 Facilidade Recode 4 15 Exemplos do Uso de Declara es de Recode Suponha que exista um arquivo de dados com as seguintes vari veis Vi ID da Vila V2 Sexo 1 masculino 2 feminino V4 Idade 21 98 99 n o declarado V5 N vel de Educa o l prim rio 2 secundario 3 universit rio 9 n o declarado V8 Renda do primeiro trabalho V9 Renda do segundo trabalho V10 Renda do parceiro V21 Peso em kg uma decimal V22 Altura em metros 2 decimais V31 Possui carro l sim 2 nao 9 ND V32 Possui TV V33 Possui som st reo V34 Possui freezer V35 Possui Microcomputador V41 N mero de crian as V42 Idade da primeira crian a V43 Idade da segunda crian a V44 Idade da terceira crian a V45 Idade da quarta crian a Maneiras de se construir algumas an lises poss veis desses dados s o evidenciadas abaixo 1 Renda total Se a renda do primeiro e do segundo trabalho est o ambas faltando a renda total ser um dado perdido Se apenas uma observa o de renda est faltando ent o use esse valor como o total IF NVALID V8 V9 EQ O THEN R101 1 AND GO TO END IF NVALID V8 V9 EQ 2 THEN R101 V8 V9 AND GO TO END IF MDATA
321. centual de linha de casos 58 9 Resumo da Quantidade de Vari ncia Explicada pela Tipolo gia Similarmente descri o da tipologia resultante uma tabela sum rio impressa no final da constru o da tipologia inicial e ao final de cada passo de classifica o ascendente a Vari veis explicando 80 da vari ncia Lista das vari veis mais discriminantes i e aquelas vari veis tomadas juntas respons veis por pelo menos 80 da vari ncia explicada juntamente com a vari ncia explicada por cada um deles individualmente ver 8 b acima b Vari ncia m dia explicada pelas vari veis ativas Da EV ay EV stivas l a 2 ov c Vari ncia m dia explicada por todas vari veis a p gt ay EV 2 v 1 a p Lu v 1 EViodas oa d Vari ncia m dia explicada pelas vari veis que explicam 80 da vari ncia total Ap s cada reagrupamento o programa procura por vari veis que explicam pelo menos 80 da vari ncia total ver 9 a acima e imprime a vari ncia m dia explicada por aquelas vari veis antes e depois do reagrupamento e o percentual de tais vari veis 58 10 Classifica o Ascendente Hier rquica Depois da cria o da tipologia inicial o programa executa uma seqti ncia de reagrupamentos reduzindo um por um o n mero de grupos at o n mero especificado pelo usu rio A cada reagrupamento o programa seleciona dois grupos mais pr ximos i e dois grupos com a menor dist ncia ou deslocamento v
322. cia nos fatores s o chamadas vari veis casos passivos suplementares Fala se a respeito de representa o ordin ria de vari veis casos se os valores escores de fatores prove nientes diretamente da an lise s o usados na reprsenta o gr fica Contudo para um melhor entendimento da rela o entre vari veis e casos outra representa o simult nea a representa o simplicio fatorial poss vel 26 2 Caracter sticas Padr o do IDAMS Sele o de casos e vari veis O filtro padr o est dispon vel para selecionar um subconjunto dos dados de entrada Vari veis s o selecionadas com os par metros PVARS e SVARS Transformando dados Declara es de Recode podem ser usadas Ponderando dados Uma vari vel pode ser usada para podera o dos dados de entrada essa vari vel de pondera o pode assumir valores inteiros ou decimais Quando o valor da vari vel de pondera o zero negativo perdido ou n o num rico ent o o caso ser sempre pulado o n mero de casos tratados dessa maneira impresso Tratamento de dados perdidos O par metro MDVALUES est dispon vel para indicar quais valores de dados perdidos se houver devem ser usados para checar a exist ncia de dados perdidos Existem duas maneira de manusear dados perdidos e casos com dados perdidos em vari veis ativas s o exclu dos da an lise e casos com dados perdidos em vari veis ativas e ou passivas s o exclu dos da an lise 19
323. cia univariada calculadas para os grupos finais i VARIA O EXPLICADA e GL Essa a quantidade de varia o explicada pelos grupos finais e os correspondentes graus de liberdade t EV TV UV TV V i 1 GL t 1 ii VARIA O TOTAL e GL Varia o calculada para a amostra completa i e para grupo 1 e os graus de liberdade correspondentes TV V GL W 1 iii ERRO e GL Essa a quantidade de varia o n o explicada e os correspondentes graus de liber dade t vv 5 v i 1 GL W t c Tabela de resumo de parti o A tabela fornece o valor de m dia de grupo vari ncia e varia o da vari vel dependente a cada parti o como tamb m a varia o explicada pela parti o ver 1 a acima 56 2 An lise de Regress o 415 d Tabela de resumo de grupos finais A tabela fornece o valor de m dia de grupo vari ncia e varia o da vari vel dependente para os grupos finais ver 1 a acima e Percentual de vari ncia explicada O percentual da varia o total explicada pela melhor parti o para cada grupo calculado da seguinte maneira EV P tual 100 ercentual g TV Note que esse valor igual a zero para os grupos finais indicados por um asterisco f Res duos Os res duos s o diferen as entre o valor observado e o valor predito da vari vel dependente ek Yk Yk Como valor predito designado a um caso o valor m dio da vari vel dependente para o grupo onde ele pertence i e Jik
324. cion rio de sa da Opcional ver o par metro PRINT Estat sticas Opcional ver o par metro PRINT Todas as vari veis computadas podem ser impressas para cada registro agregado O n mero da vari vel da vari vel agregada correspondente e as vari veis ID s o tamb m dadas 10 4 Dataset de Sa da O dataset de sa da agrupado um arquivo Data descrito em um dicion rio do IDAMS Cada registro cont m valores das vari veis ID vari veis computadas vari veis transferidas e constantes pad h um registro produzido para cada grupo Segii ncia de vari veis e n mero de vari veis As vari veis de sa da est o na mesma ordem relativa das vari veis de entrada de onde elas s o derivadas a despeito de se a vari vel de entrada utilizada como um ID agregada ou vari vel a ser transferida Portanto se a primeira vari vel no entrada utilizada as vari veis derivadas disso ser o as primeiras vari veis de sa da Cada vari vel de entrada usada como uma ID ou vari vel a ser transferida corresponde a uma vari vel de sa da cada vari vel agregada corresponde de 1 a 7 vari veis de sa da de acordo com o n mero de estat sticas requisitadas essas vari veis s o poduzidas em uma ordem relativa soma m dia vari ncia desvio padr o contagem m nimo m ximo As vari veis de sa da s o sempre renumeradas come ando com um n mero fornecido no par metro VSTART Constantes pad sempre v m no final Nomes de vari
325. cion rio do IDAMS para vari veis de campo de fus o omitir se DICT usado SORTINO1 1 arquivo de dados SORTINO2 2 arquivo de dados DICTyyyy dicion rio de sa da SORTOUT dados de sa da PRINT resultados default IDAMS LST Nota Quando a execu o do SOMER requisitada mais de uma vez em um arquivo de setup as defini es do arquivo de entrada especificadas na execu o subseqiiente apenas modifica mas nao substiuti as defini es de arquivo de entrada especificadas previamente e g se SORTINO1 SORTINO2 e SORTINOS s o especifi cados para a primeira execu o e SORTINO1 e SORTINO2 s o especificados para a segunda execu o no mesmo setup o novo SORTINO1 e SORTINO2 como tamb m o velho SORTINO3 ser o tomados para a fus o 19 9 Declara es de Controle de Programa 159 19 9 Declara es de Controle de Programa Reporte se ao cap tulo O Arquivo Setup do IDAMS para descri es mais aprofundadas das declara es de controle de programa itens 1 2 abaixo 1 T tulo mandat rio Uma linha contendo at 80 caracteres para nomear resultados Exemplo SORTING WAVE ONE 2 Par metros mandat rio Para selecionar op es de programa Exemplo KEYVARS V2 V3 INFILE IN xxxx Um sufixo ddname de 1 4 caracteres para o arquivo Dicion rio de entrada Default ddname DICTIN OUTFILE yyyy Um sufixo ddname de 1 4 caracteres para o arquivo Dicion rio de sa da Precisa ser especificado para
326. ck Tibor Diamand Edwin Dean John Sonquist Tibor Diamant Joseph Kruskal Frank Carmone Lutz Erbring Spyros Magliveras Tibor Diamant John Sonquist Spyros Magliveras Neal Van Eck Ronald Nuttal Tibor Diamant P ter Hunya Robert Messenger Tibor Diamant Anne Marie Dussaix Albert David P ter Hunya A V Skofenko M A Efroymson Bob Hsieh Neal Van Eck Peter Solenberger Judith Goldberg John Sonquist Elizabeth Lauch Baker James N Morgan Neal Van Eck Tibor Diamant Neal Van Eck Tibor Diamant Jean Paul Aimetti Jean Massol P ter Hunya Jean Claude Dauphin Jean Claude Dauphin Igor S Enyukov Nicola D Vylegjanin Igor S Enyukov Vrije Universiteit Brussel Vrije Universiteit Brussel Van Eck Computing Consulting UNESCO ISR ADDAD UNESCO UNESCO Universit de Paris V Universit de Paris V JATE George Washington University George Washington University ISR UNESCO ISR ISR UNESCO Bell Telephone Bell Telephone ISR ISR UNESCO ISR ISR ISR Boston College UNESCO JATE ISR UNESCO ESSEC ESSEC JATE Ukrainian Academy of Sciences ESSO Corporation ESSO Corporation ISR ISR ISR ISR ISR ISR Van Eck Computing Consulting UNESCO ISR and Van Eck Computing Consulting UNESCO CFRO CFRO JATE UNESCO UNESCO StatPoint StatPoint StatPoint Com rela o documenta o reconhecimentos devem ser expressados para todas as pessoas que con tribu ram para a sua prepara
327. co default se necess rio 160 Classifica o e Fus o de Arquivos SORMER 19 11 Exemplos Exemplo 1 Fundindo tr s arquivos de dados pr classificados do mesmo formato cada arquivo descrito pelo mesmo dicion rio do IDAMS casos s o classificados em ordem ascendente nas tr s vari veis V1 V2 e V4 RUN SORMER FILES PRINT SORT1 LST DICTIN SURV DICT DIC arquivo Dicion rio de entrada SORTINO1 DATA1 DAT arquivo Dados de entrada 1 SORTINO2 DATA2 DAT arquivo Dados de entrada 2 SORTINO3 DATA3 DAT arquivo Dados de entrada 3 DICTOUT SURV DATA123 DIC arquivo Dicion rio de sa da SORTOUT SURV DATA123 DAT arquivo Dados de saida SETUP MERGING THREE IDAMS DATA FILES DATA1 DATA2 AND DATA3 MERG KEYVARS V1 V2 V4 OUTF OUT Exemplo 2 Classificando um arquivo Dados em ordem descendente em dois campos o primeiro campo tem um comprimento de 4 caracteres come ando na coluna 12 o segundo campo tem um comprimento de 2 caracteres come ando na coluna 3 um dicion rio n o utilizado RUN SORMER FILES SORTIN RAW DAT arquivo Dados de entrada SORTOUT SORT DAT arquivo Dados de sa da SETUP SORTING DATA FILE WITHOUT USING DICTIONARY KEYLOC 12 15 3 4 ORDER D Capitulo 20 Subdivisao de Datasets SUBSET 20 1 Descri o Geral SUBSET coleta subconjuntos de arquivos Dados e dicion rio do IDAMS correspondente por caso e ou por vari vel ou copia os arquivos completos Checagem de ordem de c
328. colunas cont m as seguintes informa es Descri o Nome da vari vel Tipo Tipo de vari vel n merica por default Esse o tipo da vari vel de entrada Se uma vari vel de entrada alfab tica e deve ser processada como num rica opte pela recodifica o ver abaixo LargM x Largura m xima do campo de vari vel NumDec N mero de casas decimais espa o em branco significa nenhuma casa deci mal Md1 Primeiro c digo de dados perdidos para vari veis num ricas Md2 Segundo c digo de dados perdidos para vari veis num ricas Recodifica o Requerendo uma recodifica o de vari veis alfab ticas para valores num ricos Para modificar as defini es de vari veis coloque o cursor dentro da janela Ent o utilize as teclas de navega o ou o mouse para mover para o campo requerido e mude o conte do Use o comando de menu Construir Dataset de IDAMS para criar arquivos Dicion rio e Dados do IDAMS Eles ser o ambos colocados no folder Dados da aplica o corrente 9 7 Exportando Arquivos Dados do IDAMS WinIDAMS possui tamb m uma ferramenta para exportar arquivos Dados do IDAMS atrav s da Interface do Usu rio do WinIDAMS Isso pode ser feito na janela Dados usando o comando Arquivo Exportar O arquivo Dados do IDAMS exibido na janela ativa pode ser salvo em um dos tr s formatos livres de arquivos de dados e arquivos txt nos quais os campos s o separados por tabs e arquivos csv nos quais os campos s
329. com informa o relevante sobre o dataset n mero de casos n mero de vari veis nome do arquivo Dados etc 40 3 Janela Principal de GraphID para An lise de um Dataset 319 Info de c lula Apar ncia do pincel Fonte para escalas Fonte para nomes Cores b sicas Salvar cores Salvar fontes Ferramentas Exibe uma janela com informa o relevante sobre a plotagem ativa nomes de vari veis seus valores m dios desvios padr es correla es e coeficientes de regress o Chama a caixa de di logo para selecionar o s mbolo e cor para os casos dentro do pincel Chama a caixa de di logo para selecionar a fonte para escalas para a janela de zoon ativa Chama a caixa de di logo para selecionar a fonte para os nomes das vari veis Chama a caixa de di logo para selecionar cores para a janela ativa cor da margem cor do grid e fundo da c lula diagonal Salva modifica o de cores Salva modifica o de fontes Nesse menu voc pode encontrar ferramentas para manipular a matriz de diagramas de dispers o e para chamar outros gr ficos fornecidos por GraphID Pincel Zoom Agrupamento Cancelar agrupamento Histogramas Suaviza o Diagramas de 3D Modo direcionado Gr ficos de Box Whisker Jittering Mascarar Desmascarar Seleciona cancela a modalidade de pincel Magnifica a plotagem ativa ou os conte dos de pincel para a janela completa Chama a caixa de di logo para especificar a cria
330. completa para g 1 e em parti es tentativas para grupos parentes como tamb m para cada grupo resultando de uma parti o tima i SOMA WT N mero de casos N se a vari vel de pondera o n o for especificada ou n mero de casos ponderados W no grupo g ii VARIA O Essa a entropia para o grupo g i e uma medida da desordem na distribui o da vari vel dependente Vy 2 rig X In E Lg j l 4 onde Ng m Tjg Tjgk Tg Liq k 1 j 1 56 4 Refer ncias 417 b f g e Ligk frequ ncia codificado 0 ou 1 do c digo j ou valor da vari vel j do caso k no grupo g iii VAR EXPL Varia o explicada EV Ver 1 a v acima para informa es gerais e 3 a ii acima para detalhes sobre V varia o usado na an lise de chi quadrado iv VARIA O EXPLICADA o percentual da varia o total explicada pelos grupos finais Ver 1 a vi acima e 3 b abaixo An lise univariada de grupos finais S o as estat sticas de resumo para os grupos finais Ver 1 b acima para informa es gerais e 3 a ii e 3 a iii acima para detalhes sobre as medidas V e EV usadas na an lise de chi quadrado Tabela de resumo de parti o A tabela fornece a varia o da vari vel dependente a cada parti o como tamb m a varia o explicada pela parti o Ver 3 a ii e 3 a iii acima para f rmulas Tabela de resumo de grupos finais A tabela fornece a varia o da vari vel dependente para os
331. condicioinal Dados Arquivos FTO2 registros rejeitados registros de casos ruins quando WRITE BADRECS especificado DATAxxxx dados de entrada omitir se DATA usado DATAyyyy dados de sa da casos bons PRINT resultados default IDAMS LST 14 7 Declara es de Controle de Programa Referir se ao cap tulo O Arquivo Setup do IDAMS para descri es mais aprofundadas das declara es de controle de programa itens 1 3 abaixo 1 T tulo mandat rio Uma linha contendo at 80 caracteres para nomear os resultados Exemplo CHECKING THE MERGE OF RECORDS IN STUDY 95 DATA 2 Par metros mandat rio Para selecionar op es de programa Exemplo MAXE 25 RECORDS 8 IDLOC 1 5 INFILE IN xxxx Um sufixo ddname de 1 4 caracteres para o arquivo Dados de entrada Default ddname DATAIN MAXCASES n O n mero m ximo de casos a ser usado do arquivo de entrada Default Todos os casos serao utilizados MAXERR 10 n N mero m ximo de casos com erros Quando n 1 casos de erro ocorrerem a execu o termina Casos antes do BEGINID aqueles fora da ordem de classifica o e registros sem a constante nao contam como casos de erro Casos de erro s o aqueles com registros inv lidos duplicados ou perdidos 14 7 Declara es de Controle de Programa 125 OUTFILE OUT yyyy Um sufixo ddname de 1 4 caracteres para o arquivo Dados de saida Default ddname DATAOUT RECORDS 2 n O n mero de registros por caso como defini
332. consist ncias ocorrem a execu o terminada 28 7 Matriz de Configura o de Entrada A matriz de configura o de entrada deve estar no formato de uma matriz retangular do IDAMS Ver o cap tulo Dados em IDAMS Ela propicia uma configura o inicial a ser usada nas computa es As linhas devem representar as vari veis e as colunas dimens es Ela usualmente produzida por uma execu o pr via de MDSCAL e submetida para que uma execu o pr via possa come ar onde ela foi deixada A matriz deve conter pelo menos tantas dimens es quanto o valor dado para o par metro DMAX Nota Se a lista de vari vel VARS especificada MDSCAL usa as primeiras n linhas da configura o de entrada onde n o n mero de vari veis na lista sem checar os n meros das vari veis 28 8 Estrutura de Setup RUN MDSCAL FILES Especifica es de arquivo SETUP 1 T tulo 2 Par metros MATRIX condicional Matriz de dados Matriz de pesos Matriz de configura o inicial Nota Nem totas as matrizes devem ser inclu das aqui contudo se mais de uma matriz inclu da elas devem estar na ordem acima Arquivos FTO2 matriz de configura o de sa da FTO3 matriz de pondera o de entrada se INPUT WEIGHTS especificado omitir se MATRIX usado FTO5 configura o inicial de entrada se INPUT CONFIG especificado omitir se MATRIX usado FTO8 matriz de dados de entrada omitir se MATRIX usado
333. correspondente i e um dataset do IDAMS Note que os registros T sempre definem a localiza o das vari veis em termos de posi o inicial e largura do campo O arquivo de dados cont m um registro por cada caso O comprimento de registro a soma das larguras dos campos de todas as vari veis de sa da e determinado pelo programa BUILD Valores de vari veis num ricas Valores de vari veis num ricas s o editadas em uma forma padr o como descrito no par grafo Processamento de vari veis num ricas acima Valores de vari veis alfab ticas Os valores de dados para vari veis alfab ticas n o s o editados e s o os mesmos tanto no entrada quanto no sa da Largura de vari vel Normalmente BUILD determina que a largura de uma vari vel seja correspondente ao n mero de caracteres que a vari vel ocupa nos dados de entrada Contudo se um c digo de dados perdidos possui um d gito significante a mais do que a largura do campo de entrada a largura do campo de sa da ser aumentada de um Localiza o da vari vel BUILD desiga os campos de sa da na ordem num rica das vari veis Portanto se as primeiras duas vari veis possuem largura de sa da de 5 e 3 localiza es 1 5 s o designadas para a primeira vari vel e 6 8 para a segunda vari vel etc N mero de refer ncia e ID do estudo O n mero de refer ncia se n o estiver em branco e a ID do estudo s o os mesmos dos seus valores de entrada Se o n mero de refer
334. cos e percentuais rmax C digo m ximo das vari veis de linha para c lculos estat sticos e percentuais Se o rmin ou rmax especificado ambos devem ser especificados Se somente o n mero da vari vel especificado valores m nimos e m ximos n o se aplicam 290 Tabelas Univariadas e Bivariadas TABLES C var cmin cmax var N mero da vari vel de coluna para uma tabela bivariada nica Para fornecer os valores m ximos e m nimos para um conjunto de tabelas fa a o n mero da vari vel ser zero e g C 0 2 5 nesse caso os c digos m nimos e m ximos se aplicam em todas as vari veis no par metro COLVARS emin C digo m nimo das vari veis de coluna para c lculos estat sticos e percentuais cmax C digo m ximo das vari veis de coluna para c lculos estat sticos e percentuais Se o rmin ou rmax especificado ambos devem ser especificados Se somente o n mero da vari vel especificado valores m nimos e m ximos n o se aplicam TITLE t tulo de tabela T tulo a ser impresso no topo de cada tabela nesse conjunto Default N o h t tulo da tabela CELLS ROWPCT COLPCT TOTPCT FREQS NOFREQS UNWFREQS MEAN Conte dos das c lulas das tabelas quando PRINT TABLES ou WRITE TABLES especificado ROWP Percentuais para tabelas univariadas ou percentuais baseados em totais de linha para tabelas bivariadas COLP Percentuais baseados em totais de colunas para tabelas bivariadas TOTP Percentuais baseados
335. cria o com Recode 46 usadas na regress o 205 num ricas 103 regras de codifica o 12 vari vel agregada 97 98 alfab tica 13 ativa 195 295 360 427 corre o 129 decimal 12 dummy 46 n mero 12 15 n mero de refer ncia 15 nome 15 51 num rica 12 edi o 14 103 105 regras de codifica o 12 passiva 195 295 362 427 principal 195 360 registro de descri o 15 suplementar 195 362 tipo 15 vari ncia an lise de 241 vetores pr prios 359 Wilcoxon teste signed ranks 283 425 WinIDAMS arquivos 79 folders 80 Interface do Usu rio customiza o do ambiente 83 NDICE
336. crita nas colunas 73 80 dos registros da seguinte maneira 208 Regressao Linear REGRESSN registro definidor de matriz N nnnnn registros de correla o REG xxx registros de m dias MEAN xxx registros de desvio padr o SDEV xxx nnnnn o tamanho da amostra de REGRESSN O xxx o n mero de seqii ncia come ando com 1 para o primeiro registro de correla o e incrementado de um para cada registro sucessivo atrav s do registro do ltimo desvio padr o Os elementos da matriz s o r s de Pearson Eles como tamb m as m dias e desvios padr es s o baseados nos casos que possuem dados v lidos em todas as vari veis especificadas em qualquer das listas de vari veis de regress o As correla es s o para todos os pares de vari veis de todas as listas de vari veis de an lise tomadas juntas 27 5 Dataset s de Res duos de Sa da Para cada an lise um dataset de res duos pode ser requisitado ver o par metro de regress o WRITE Isso produzido na forma de um arquivo Dados descrito por um dicion rio do IDAMS Ele cont m quatro ou cinco vari veis por caso se os dados s o ou n o ponderados uma vari vel de ID uma vari vel dependente uma vari vel dependente predita calculada um res duo e um peso se houver Casos s o produzidos na ordem dos casos de entrada As caracter sticas do dataset s o as seguintes No de Largura No de C digo vari vel Nome de campo decimais de MD1 vari vel de ID 1 mesmo do entr
337. ctro e para espectro DFT gr fico de desvios do espectro cumulativo em rela o ao espectro cumulativo de um ru do branco Ele pode usar a transforma o de Fourier discreta r pida DFT e ou o m todo de entropia m xima MENT para estima o da densidade No procedimento 334 An lise de S ries Temporais DFT duas janelas s o utilizadas para obter a estimativa melhorada da densidade espectral janela de dados Welch no dom nio de tempo e alisamento polinomial no dom nio de frequ ncia Espectro cruzado analisa um par de s ries estacion rias Ele fornece os valores de pot ncia espectral cruzada fun o de fase e coer ncia como tamb m as suos gr ficos O espectro cruzado estimado usando a janela de alisamento de Parzen Filtros de freqii ncia decomp e uma s rie temporal em componentes de frequ ncia Eles criam uma nova s rie ao aplicar um dos seguintes filtros frequ ncia baixa frequ ncia alta band pass ou band cut Para filtro de frequ ncia alta ou baixa o seu limite frequ ncia igual ao valor do par metro de Freqti ncia Para filtro de band pass ou band cut os limites de frequ ncia s o determinados pelo intervalo Freqti ncia Largura de janela Freqti ncia Largura de janela Uma op o Eliminar tend ncia permite a retirada da tend ncia de uma s rie temporal antes da filtragem o componente de tend ncia adicionado aos resultados da filtragem Refer ncias Farnum N R Stanton L W
338. d ee Brad y a ed bk hale eee ee et Aa he q a DS e 20 2 JMatrizesic os ad 4 Ae eo we we tel oe oD ee ha ee BEES elie PA RSD 3 O Arquivo Setup do IDAMS 3 1 Conte do Finalidade soos 2 ee seek eee ee ew STA ia 3 2 Comandos do IDAMS 0 000 2 ee 3 3 Especifica es de Arquivo aaa aaa ee 3 4 Exemplos do Uso de Comandos e Especifica es de Arquivo 0 200050 3 5 Declara es de Controle de Programa 2 0 00 00 2 ee Sool Descri o Geralt ay e o he BE eA AR BLA ee a ee ke ee 3 5 2 Regras Gerais de Codifica o 2 a a 20 3 RITOS 8 3 ad oes ae el wee aed gl DD Mea he ba a ee Bk SD Titulo wee ee kde LA th te ae ee ee ADA oboe Da Ey ye See ale aa 3 5 5 ParainetrOss at poeiras ee ee BP a we Oe ee ea ae ee e 3 6 Declara es de Recode 2 a a e a a viii CONTE DO 4 Facilidade Recode 33 4 1 Regras de Codifica o 4 2 44 6 wk Bio ee de De lda EA a a PA A a a ee DR A A 33 4 2 Conjunto de Amostra de Declara es de Recode aaa ee 33 4 3 Manuseio de Dados Perdidos 0 0 00 a 34 4 4 Como Recode Funciona ccccccclcll ee 34 4 5 Operandos B sicos 2 0540444 554 hab be bee ee AO Dee RE a A 35 2 6 Operadores B sicos a us pugar Soe Bok Slate ke E oR Ee ek eee a ER HO es 36 AST Expressoes qa S Fae ge ee i Ue oe a Ee Ba we OA a A ae pe oe 36 A S Furigoes Aritmeticas toe be 4a ke ba ave eh bb ow PE oe ie Geeta a 37 4 9 Fun es L gicas saca sa cae ap arg
339. da Para a primeira itera o seu valor igual a 0 COSAV presente CAGRGL presente X COSAVW COSAV previo x 1 0 COSAVW onde COSAVW um fator de pondera o sob controle do usu rio ACSAV Valor absoluto m dio do cosseno do ngulo entre gradientes sucessivos Trata se de m dia ponderada Para a primeira itera o seu valor igual a 0 ACSAV presente CAGRGLpresente x ACSAVW ACSAV previo x 1 0 ACSAVW onde ACSAVW um fator de pondera o sob controle do usu rio SFGR Fator de escala do gradiente medida que a computa o procede o fator de escala de gradientes sucessivos diminui Uma maneira do procedimento de escalonamento poder ser parado alcan ar se um valor m nimo de fator de escala do gradiente SFGR BJ DD onde g o gradiente presente STEP Tamanho do passo Na f rmula de tamanho de passo os dois principais determinantes do novo tamanho de passo s o o passo pr vio e o fator de ngulo Os tamanhos de passo utilizados n o afetam a solu o final mas eles afetam o n mero de itera es requisitadas para alcan ar se uma solu o STEP presente STEPprevio X fator de ngulo x fator de relaxamento x fator de boa sorte onde fator de ngulo Hg SRA 1 4 fator de rel ent ies ator de relaxamento ou vies AB A 1 4 min 1 SRATAV B fator de boa sorte 1 ACSAV COSAV min 1 SRAT I O primeiro tamanho de passo computado da seguinte mane
340. da descri o de registro deve se iniciar em uma nova linha Exemplo RECID 21 RIDLOC 1 RECID 3 RIDLOC 2 PAD 43599 999998889999999881119 RECID xxxxx Um c digo de tipo de registro de 1 5 caracteres que n o esteja em branco Deve vir entre aspas simples se contiver caracteres de letras min sculas Nao h default RIDLOC s Coluna inicial do campo de ID do registro Nao ha default PAD xxx Valores de preenchimento a serem usados ao se preencher um registro desse tipo A lista de valores deve vir entre aspas simples se contiver caracteres n o alfanum ricos O primeiro caracter ser colocado na coluna 1 do registro preenchido produzido etc Para continuar em uma linha subsegiente entre com um tra o Se o comprimento da string menor do que o comprimento do registro ent o o resto da string completada na direita com o PADCH especificado na declara o de par metro Default PADCH usado para a string inteira 14 8 Restri es 127 Nota A correta ID de caso e ID de registro s o automaticamente inserida dentro de registro preenchido nas posi es corretas 14 8 Restri es 1 M ximo comprimento do registro para dados de entrada 128 2 M ximo n mero de registros de sa da por caso 50 3 O programa reserva espa o de trabalho para um m ximo de 60 registros com valores de ID de caso id nticos Inclu dos na contagem est o registros inv lidos duplicados e v lidos e tamb m registros
341. das 2 Dados representando um ordenamento de alternativas e Prefer ncia estrita para todas as alternativas ordenadas faz se a suposi o que tenham valores diferentes e rela es entre alternativas possuindo o mesmo rank n o s o consideradas no c lculo da rela o de prefer ncias ao longo das alternativas e Prefer ncia fraca alternativas com mesmo rank s o consideradas durante o c lculo 34 2 Caracter sticas Padr o do IDAMS Sele o de casos e vari veis O filtro padr o est dispon vel para selecionar os casos dos dados de entrada e o par metro VARS usado para selecionar vari veis Transformando dados Declara es de Recode podem ser usadas Note que somente a parte inteira das vari veis recodificadas usada pelo programa i e vari veis recodificadas s o arredondas para o inteiro mais pr ximo Ponderando dados Dados podem ser ponderados por valores inteiros Note que pesos com valores decimais s o arredondados para o inteiro mais pr ximo Quando o valor da vari vel de pondera o para um caso zero negativo perdido ou n o num rico ent o o caso sempre evitado o n mero de casos tratados dessa maneira impresso Tratamento de dados perdidos O par metro MDVALUES est dispon vel para indicar quais valores de dados perdidos se houver ser o usados para checar a exist ncia de dados perdidos Para DATA RAWC as vari veis com dados perdidos s o evitadas para DATA RANKS os valores de
342. das declara es de controle de programa itens 1 5 abaixo 1 Filtro opcional Seleciona um subconjunto de casos a ser usado na execu o Exemplo INCLUDE V2 1 4 AND V15 2 2 T tulo mandat rio Uma linha contendo at 80 caracteres para nomear os resultados Exemplo AN LISE DA IDADE E SALARIO COM SEXO E PROFISSAO COMO FATORES 3 Par metros mandat rio Para selecionar op es de programa Exemplo DEPVARS V5 V8 COVA V101 V102 INFILE IN xxxx Um sufixo ddname de 1 4 caracteres para os arquivos Dicion rio e Dados de entrada Default ddnames DICTIN DATAIN BADDATA STOP SKIP MD1 MD2 Tratamento de valores n o num ricos Ver o cap tulo O Arquivo Setup do IDAMS 30 6 Declaragoes de Controle de Programa 237 MAXCASES n O n mero m ximo de casos depois da filtragem a ser usado do arquivo de entrada Default Todos os casos ser o utilizados MDVALUES BOTH MD1 MD2 NONE Quais valores de dados perdidos devem ser utilizados para vari veis acessadas nesse conjunto de tabelas Ver o cap tulo O Arquivo Setup do IDAMS DEPVARS lista de vari veis Uma lista de vari veis a serem utilizadas como vari veis dependentes N o h default COVARS lista de vari veis Uma lista de vari veis a serem utilizadas como covariates AUGMENT m n Para formar o termo de erro a soma dos quadrados intra ser expandida pelas colunas m m 1 m 2 n da matriz de estimativas ortogonais Default A soma dos quadrad
343. de REGRESSN uma alternativa a PEARSON para gerar uma matriz de correla o ver o par grafo Tratamento de dados perdidos 27 2 Caracter sticas Padr o do IDAMS Sele o de casos e vari veis Se dados brutos s o usados como entrada o filtro padr o est dispon vel para selecionar um subconjunto de dados dos dados de entrada Se uma matriz de correla o utilizada como entrada no programa sele o de caso n o aplic vel As vari veis para a equa o de regress o s o especificadas nos par metros de regress o DEPVAR e VARS Transformando dados Se dados brutos s o usados como entrada declara es de Recode podem ser usadas Ponderando dados Se dados butos s o usados como entrada uma vari vel pode ser usada para ponderar os dados de entrada essa vari vel de pondera o pode possuir valores inteiros ou decimais O programa for a o somat rio dos pesos a ser igual ao n mero de casos de entrada Quando o valor da vari vel de pondera o para um caso zero negativo perdido ou n o num rico ent o o caso sempre pulado o n mero de casos tratados dessa maneira impresso Tratamento de dados perdidos 1 Entrada Se dados brutos s o usados como entrada o par metro MDVALUES est dispon vel para indicar quais valores de dados perdidos se houver devem ser usados para checar a exist ncia de dados perdidos Casos onde dados perdidos ocorrem em qualquer vari vel de regress o em qualquer
344. de Controle 389 51 2 Estat sticas de An lise de Vari ncia 2 2 A 390 Scoring Baseado em Ordena o Parcial de Casos 393 52 1 Terminologia Especial e Defini es 2 2 A 393 52 2 C lculo dos Escores ccccccclll a a a a A 394 5273 Referencias 4 4 4 4 8 ae eee E Pra One a Ob BO ee ee Ee ee GD 395 Correlagao de Pearson 397 53 1 Estat sticas Emparelhadas 2 aaa a A 397 53 2 M dias e Desvios Padroes N o emparelhadas 2 0000 eee eee 398 CONTEUDO xvii 53 3 Equa o de Regress o para Escores Brutos 2 0 00000 ee ee 398 93 4 Matriz de Gorrelagao eet 2 nat KPa ne BRB ee ae SS Sa Pe al es Sh Eee 398 53 5 Matriz de Produtos Cruzados 2 oe 398 53 6 Matriz de Covariancia a usas EE EE ke ee E A CAES OR Ree SOR A 398 54 Ordenamento de Alternativas 401 54 1 Manuseamento dos Dados de Entrada o oa a a a a 401 54 2 M todo Baseado em L gica Classica 1 A 402 54 3 M todos Baseados em L gica Difusa A Rela o de Entrada 404 54 4 M todo difuso 1 Camadas N o dominadas o o ao a a a a 406 54 5 M todordif 2 RANEES sa eon a a oo ea ao a ete o aa Cpo ano Sees Se le a at ah 408 54 6 Referencias sas bahai es wh ee a a ADO TS O a a i a a E 409 55 Diagramas de Dispersao 411 55 1 Estatisticas Univatiadas Saara aoe E BAA ee TE E PO E Ee EE os 411 55 2 Estat sticas Univariadas Emparelhadas 0 02 0000 eee ee 411 55 3 Es
345. de casos a ser utilizado pelo programa INCLUDE ou o subconjunto de casos a ser ignorado EXCLUDE 26 O Arquivo Setup do IDAMS Uma declara o pode conter um m ximo de 15 express es Uma express o consiste de um n mero de vari vel um sinal de igual e uma lista de valores poss veis lista de valores pode conter valores individuais e ou intervalos de valores separados por v rgulas e g V2 1 5 9 Intervalos abertos s o indicados por lt ou gt e g INCLUDE V1 0 3 5 gt 10 contudo a vari vel deve sempre ser seguida de um sinal e g V1 gt 0 deve ser expresso como V1 gt 0 e V1 lt 0 como V1 lt 0 Express es s o conectadas pelas conjun es AND e OR AND indica que um valor para cada uma das s ries de express es conectadas por AND deve ser achado OR indica que um valor de pelo menos uma das s ries de express es conectadas por OR deve ser encontrado Express es conectadas por AND s o avaliadas antes de express es conectadas por OR Por exemplo expression 1 OR expression 2 AND expression 3 interpretado como expression 1 OR expression 2 AND expression 3 Portanto para que um caso esteja no subconjunto definido por estas express es ou um valor de expression 1 ocorre ou um valor de ambas expression 2 e expression 3 ocorrem ou um valor ocorre em cada uma das tr s express es Par ntese n o podem ser usados em declara es de filtro para indicar preced ncia na avalia o de express
346. de casos tratados dessa maneira impresso Tratamento de dados perdidos O par metro MDVALUES est dispon vel para indicar quais valores de dados perdidos se houver devem ser usados para checar a exist ncia de dados perdidos Casos com dados perdidos nas vari veis quantitativas podem ser exclu dos da an lise ver o par metro MDHANDLING 38 3 Resultados Dicion rio de entrada Opcional ver o par metro PRINT Registros de descri o de vari veis e registros C se houver somente para vari veis usadas na execu o Tipologia inicial Constru o de uma tipologia inicial Opcional ver o par metro PRINT O reagrupamento de grupos iniciais seguido por uma tabela de n meros de refer ncias cruzadas atribu dos aos grupos antes e depois da constru o dos grupos iniciais Tabelas mostrando a redistribui o de casos entre uma itera o e a seguinte e dando o percentual do n mero total de casos agrupados apropriadamente Evolu o do percentual da vari ncia explicada de uma itera o a outra Caracter sticas de dist ncias por grupos O n mero de casos em cada grupo inicial da tipologia juntamente com o valor da m dia e o desvio padr o das dist ncias Classifica o de dist ncias Opcional ver o par metro PRINT Tabela mostrando dentro de cada grupo a distribui o de casos atrav s de quinze intervalos cont nuos esses intervalos s o diferentes para cada grupo primeira tabela id ntic
347. de filtro de plotagem pesos e vari veis utilizadas em declara es de Recode 2 N o h limite no n mero de plotagens mas SCAT produz apenas 5 plotagens para cada passagem de dados de entrada 35 8 Exemplo Gera o de duas plotagens ponderada pela vari vel V100 e n o ponderada repetidas para 3 subconjuntos de dados diferentes 35 8 Exemplo 273 RUN SCAT FILES PRINT SCAT1 LST DICTIN MY DIC arquivo Dicion rio de entrada DATAIN MY DAT arquivo Dados de entrada SETUP GENERATION OF TWO PLOTS REPEATED FOR EACH SUBSET OF DATA valors default obtidos para todos par metros X V21 Y V3 FILTER V5 1 2 X V21 Y V3 FILTER V5 1 2 WEIGHT V100 X V21 Y V3 FILTER V5 3 3 X V21 Y V3 FILTER V5 3 3 WEIGHT V100 X V21 Y V3 FILTER V5 4 7 X V21 Y V3 FILTER V5 4 7 WEIGHT V100 Capitulo 36 Busca de Estrutura SEARCH 36 1 Descri o Geral SEARCH um procedimento de segmenta o bin rio usado para desenvolver um modelo preditivo para vari veis dependentes Ele busca ao longo de um conjunto de vari veis preditoras aqueles preditores que mais aumentam a habilidade do pesquisador em explicar a vari ncia ou a distribui o de uma vari vel dependente A quest o que parti o dicot mica e em que vari vel preditora nos dar o maior aumento em nossa habilidade de predizer os valores da vari vel dependente inserida em um esquema iterativo a base para o algoritmo usado nesse programa SEARCH
348. de ser usada para selecionar ainda mais casos para um grupo particular de tabelas 284 Tabelas Univariadas e Bivariadas TABLES Tabelas de somas Tabelas cujas c lulas cont m a soma de uma vari vel dependente podem ser constru das ao especificar se a vari vel dependente como um peso E g especifique WEIGHT V208 onde V208 repre senta a renda dos respondentes para se obter a renda total de todos os respondentes que pertencem a uma c lula Nota As seguintes op es est o dispon veis para controlar a apar ncia dos resultados Um t tulo pode ser especificado para cada conjunto de tabelas Percentuais e valores m dios se requeridos podem ser impressos em tabelas separadas O grid pode ser suprimido Linhas que n o possuem entradas em se es particulares de uma grande tabela de freqii ncias podem ser impressas tabelas com mais do que dez colunas s o impressas em se es e o uso dessa op o de linhas de zeros assegura que as v rias se es possuem o mesmo n mero de linhas o que importante se elas forem cortadas e passadas juntas 37 2 Caracter sticas Padr o do IDAMS Sele o de casos e vari veis O filtro padr o est dispon vel para selecionar um subconjunto de casos dos dados de entrada Al m disso os filtros locais e fatores de repeti o chamados especifica es de subconjunto podem ser usados para selecionar um subconjunto de casos de uma tabela em particular Para tabelas que s
349. de um folder qualquer Existente O folder Dados da aplica o corrente o default Selecionando em Files of type a op o Arquivos Dados dat mostra somente arquivos Dados do IDAMS Sele o de vari veis A sele o de um conjunto de dados para an lise invoca uma caixa de di logo para a defini o da tabela Voc ser apresentado a uma lista de vari veis dispon veis e quatro janelas para especificar vari veis para diferentes finalidades Use a t cnica Drag and Drop para movimentar vari veis entre e ou dentro das janelas requisitadas Vari veis de p gina s o utilizadas para construir p ginas separadas da tabela para cada valor distinto de cada vari vel na vez e para todos os casos tomados juntos P gina total Casos inclusos em uma p gina particular possuem todos os mesmos valores na vari vel de p gina Vari veis de p gina n o s o nunca aninhadas A ordem em que as vari veis s o especificadas determina a ordem em que as p ginas s o colocadas na janela Tabela Vari veis de linha s o as vari veis cujos valores s o usados para definir linhas de tabela A ordem delas determina a seqti ncia do uso do aninhamento 306 Tabelas Multidimensionais e suas Apresenta es Gr ficas Vari veis de coluna s o as vari veis cujos valores s o usados para definir as colunas A ordem delas determina a sequ ncia do uso do aninhamento Vari veis de c lula s o vari veis cujos valores s o usados para
350. de vari veis do dicion rio de entrada Para arquivos em formato DIF labels de coluna aparecem como itens LABEL na se o Header C digos de colunas podem estar presentes como a primeira linha no arranjo de dados Importa o de matriz A entrada sempre um arquivo ASCII em formato livre onde os valores num ricas strings de caracteres s o separadas por um delimitador Campos vazios i e strings vazias entre delimatores de caracteres s o pulados Cada arquivo pode conter apenas uma matriz para importa o O arquivo de matriz de entrada pode opcionalmente oferecer informa o consistindo de uma s rie de strings para nomear colunas linhas da matriz e dos c digos correspondentes Se fornecidos eles devem seguir a sintaxe dada abaixo que diferente para matrizes retangulares e quadradas Matriz retangular Esse um arquivo ASCII contendo um arranjo rectangular de valores em formato livre informa o do dicion rio pode ser inclu da opcionalmente Exemplo Sal rio m dio Grupo de idade Sexo Masculino Feminino 1 2 20 30 1 600 530 31 40 2 650 564 41 60 3 723 618 138 Importagao Exportagao de Dados IMPEX Formato 1 As primeiras tr s strings cont m respectivamente 1 uma descri o do conte do da matriz 2 o t tulo da linha nome da vari vel de linha e 3 o t tulo da coluna nome da vari vel de coluna Opcional 2 Labels de coluna Opcional uma label por colu
351. definidas em declara es de inicializa o CARRY MDCODES NAME e Para continuar uma declara o em outra linha entre com um tra o no final da linha e continue a partir de qualquer posi o na pr xima linha e O comprimento m ximo de linha de 255 caracteres e o n mero m ximo de caracteres para uma declara o 1024 excluindo tra os de continua o e espa os em branco no final depois do tra o 4 2 Conjunto de Amostra de Declara es de Recode Para dar uma id ia de como os elementos da liguagem Recode funcionam um conjunto de amostras de declara es de Recode dado abaixo RECODE IF V5 LT 8 THEN REJECT exclue casos onde V5 lt 8 IF NOT MDATA V6 THEN R51 TRUNC V6 4 ELSE R51 0 R52 BRAC V10 0 24 1 25 49 2 50 74 3 agrupa valores de V10 74 99 4 TAB 1 R53 BRAC V11 TAB 1 agrupa V11 da mesmo jeito que V10 IF V26 INLIST 1 10 THEN R54 1 AND R55 1 ELSE R54 2 IF R54 EQ 1 THEN GO TO Li R55 99 R56 Vi5 V35 GO TO L2 L1 R56 99 L2 R57 COUNT 1 V20 V27 V29 conta quantas das vari veis listadas possuem o valor 1 NAME R52 GROUPED AGE R53 GROUPED AGE AT MARRIAGE MDCODES R55 99 R56 99 34 Facilidade Recode 4 3 Manuseio de Dados Perdidos Exceto em fun es especiais MAX MEAN MIN STD SUM VAR Recode n o checa automaticamente os valores das vari veis em rela o a dados perdidos O usu rio deve portanto controlar especificamente os dados perdidos antes de rea
352. dependente para casos na j 5 Wijk Yijk ok Vi al gt Wijk k b Desvio n o ajustado em rela o a m dia geral categoria do preditor i Nao ajustado aij Ji Y c Coeficiente Desvio ajustado a em rela o a m dia geral Esse o coeficiente de regress o para cada categoria de cada preditor Predito Yk y 5 Qijk t Os valores de ai s o obtidos por meio de um procedimento iterativo que p ra quando 537 yp predito yz alcan a o m nimo d M dia de classe ajustada Isso uma estimativa do que a m dia deveria ser se o grupo tivesse sido exatamente como a popula o em termos da distribui o em torno de todas as classifica es dos preditores Se n o houvesse nenhuma correla o entre preditores a m dia ajustada seria igual a m dia da classe Ajustado 7 Y aij 1 A es ma e Desvio padr o estimado da vari vel dependente para a j 5 Wijk Yik E Wijk wr D Wijk as st X wijk wig Nig k k categoria do preditor 1 Sij f Coeficiente de varia o C var Ra Yij 49 3 Estat sticas de An lise para An lise de Classifica o M ltipla 379 g h J k 1 SS de desvios n o ajustados Essa a soma dos quadrados dos desvios n o ajustados para o preditor i _ 2 U SO wie Gi 7 j ok SS de desvios ajustados Essa a soma dos quadrados dos desvios ajustados para o preditor 1 Di 5 X wir 5 j k Eta quadrado pa
353. des um objetivo que crucial tanto para estabelecer planos s lidos de desenvolvimento quanto para o monitoramento das suas execu es Origem e Breve Hist ria do IDAMS IDAMS foi originalmente derivado do pacote de software OSIRIS III 2 desenvolvido no in cio dos anos setenta no Institute for Social Research da Michigan University U S A Ele tem sido e continua sendo enriquecido modificado e atualizado pelo Secretariado da UNESCO com a coopera o de experts de diferentes pa ses como especialistas Americanos Belgas Brit nicos Colombianos Franceses H ngaros Poloneses Russos Eslovacos e Ucranianos de onde vem o nome do software Internationally Developed Data Analysis and Management Software Package No in cio havia IDAMS para computadores mainframe da IBM O primeiro lan amento 1 2 foi distribu do em 1988 continha a maior parte das facilidades de an lise de dados Apesar de rotinas b sicas e um n mero de programas terem sido retirados do OSIRIS HI 2 eles foram substancialmente modificados e novos programas foram adicionados propiciando ferramentas para contagem de ordem parcial an lise fatorial ordenamento de alternativas e tipologia com classifica o ascendente Inova es para manuseamento de c digos e para documenta o de execu o de programa foram incorporadas O software foi acompanhado do Manual do Usu rio Amostras de Impress o e Cart o de Refer ncia R pida Lan amento 2 0 foi distribu
354. digo opcional Essas especifica es definem as vari veis a serem checadas e seus valores de c digo v lidos e inv lidos Exemplos V3 1 3 5 9 Os dados para a vari vel 3 podem ter c digos 1 3 5 9 Quaisquer outros valores de c digo s o inv lidos e ser o documentados V7 V9 V12 V14 Os dados para as vari veis 7 9 e 12 at 14 2 50 75 100 podem ter apenas valores de 2 50 75 100 V50 lt gt 75 Os dados para a vari vel 50 podem ter qualquer c digo exceto 75 Formato geral lista de v ri veis lista de valores de c digo ou lista de v ri veis lt gt lista de valores de c digo Regras de codifica o Cada especifica o de c digo deve iniciar se em uma nova linha Para continuar em uma outra linha quebre depois de uma v rgula e entre com um tra o Podem ser utilizadas quantas linhas de continua o sejam necess rias Espa os em branco podem ocorrer em qualquer lugar nas especifica es 112 Verificagao de C digos CHECK Lista de vari veis e Cada n mero de vari vel deve ser precedido por um V e Vari veis podem ser expressas solitariamente separadas por uma v rgula em intervalos sepa radas por um tra o ou como uma combina o de ambos V1 V2 V10 V20 e As vari veis podem ser definidas em qualquer ordem e Todas as vari veis agrupadas em uma express o devem ter a mesma largura de campo e g para V2 V3 10 20 V2 e V3 devem ambas possuir a mesma largura de campo definida
355. digo de ASCII 46 COMM V rgula c digo de ASCII 44 STRINGS PRIME QUOTE NONE Define o caracter usado para envolver as strings de caracteres PRIM Aspas simples QUOT Aspas NONE Nenhum caracter especial usado Nota ao importar exportar arquivos DIF QUOTE sempre usado independente do que selecionado NDEC 2 n N mero de casas decimais a serem retidas na exporta o PRINT DICT CDICT NODICT DATA DICT Imprime o dicion rio sem registros C CDIC Imprime o dicion rio com registros C se houver DATA Imprime os valores de dados Nota a Op es de impress o de dicion rio controlam tanto a impress o do dicion rio de entrada quanto o de sa da b Op es de impress o de dados controlam a impress o de dados de sa da se um arquivo de dados exportado e controlam tanto o entrada quanto o sa da se importa o de dados requerida o entrada nunca impresso se um arquivo em formato DIF importado c Para matrizes a matriz de entrada impressa toda vez que impress o de dados especificada 142 Importagao Exportagao de Dados IMPEX 16 8 Restri es 1 O n mero m ximo de vari veis R que podem ser exportadas 250 2 O n mero m ximo de vari veis que podem ser usadas em uma execu o incluindo vari veis usadas apenas em declara es de Recode 500 3 O n mero m ximo de linhas da matriz 100 4 O n mero m ximo de colunas da matriz 100 5 O n
356. distribu do en abril de 2006 em Portugu s O lan amento 1 3 foi tamb m distribu do em Ingl s Franc s Portugu s e Espanhol e cont m um novo programa para an lise de vari ncia multivariada MANOVA c lculo do coeficiente de varia o em quatro programas manuseio melhorado das vari veis recodificadas com decimais em SCAT e TABLES e completa harmoniza o do comprimento de registro de dados Reconhecimentos Primeiramente agradecimentos devem ir para o Prof Frank M Andrews f 1994 do Institute for Social Research University of Michigan Estados Unidos como tamb m para o Instituto que autorizou a UN ESCO a possuir o c digo fonte do OSIRIS III 2 e us lo como ponto de partida no desenvolvimento do pacote de software IDAMS Maiores melhorias e adi es vem acontencendo desde ent o A esse respeito agradecimentos particulares devem ir para Dr Jean Paul Aimetti Administrador do D H E Conseil Paris e Professor no Conservatoire National des Arts et M tiers CNAM Paris Fran a Prof J P Benz cri iii and E R Iagolnitzer U E R de Math matiques Universit de Paris V Fran a Eng Tibor Diamant e Dr Zolt n Vas J zsef Attila University Szeged Hungria Prof Anne Marie Dussaix Ecole Sup rieure des Sciences Economiques et Commerciales ESSEC Cergy Pontoise Fran a Dr Igor S Enyukov and Eng Nicola D Vylegjanin StatPoint Moscow Federa o Russa Dr P ter Hunya que tem sido o Diretor do Kalm
357. divide a amostra por meio de uma s rie de parti es bin rias em s ries de subgrupos mutuamente exclusivos Os subgrupos s o escolhidos tal que a cada passo no procedimento a parti o em dois novos subgrupos explica mais a vari ncia ou distribui o reduz o erro preditivo um pouco mais do que a parti o em qualquer outro par de subgrupos SEARCH pode executar as seguintes fun es x Maximizar diferen as em m dias de grupos linhas de regress o de grupo ou distribui es crit rio chi quadrado de m xima verossimilhan a Ranquear os preditores para dar a eles prefer ncia na parti o Sacrificar pot ncia explanat ria por simetria Iniciar depois que uma estrutura de arvore parcial especificada tiver sido gerada Gerando um dataset de residuos Residuos podem ser computados e produzidos como um arquivo de dados descrito por um dicion rio do IDAMS Ver a se o Dataset de Res duos de Sa da para detalhes a respeito desse conte do 36 2 Caracter sticas Padr o do IDAMS Sele o de casos e vari veis O filtro padr o est dispon vel para selecionar um subconjunto de casos dos dados de entrada As vari veis dependentes s o especificadas no par metro DEPVAR e os preditores s o especificados no par metro VARS nos declara es de preditores Transformando dados Declara es de Recode podem ser usadas Ponderando dados Uma vari vel pode ser usada para pondera o dos dados de entrada essa vari
358. do IDAMS para armazenamento de v rias estat sticas pos suem registros de comprimento fixo 80 characters sem caracteres de tabula o e Arquivo Setup set Esse arquivo usado para armazenar comandos do IDAMS especifica es de arquivo declara es de controle de programa e declara es de Recode se houver O arquivo Setup pode ser preparado na janela Setup da Interface do Usu rio O comprimento do registro vari vel apesar de o m ximo ser de 255 caracteres e Arquivo Resultados lst IDAMS normalmente escreve os resultados em um arquivo O conte do desse arquivo pode ser ent o revisto antes mesmo da impress o Nota Com a finalidade de facilitar o trabalho com o WinIDAMS recomend vel usar um nome comum para os arquivos Dados e Dicion rio como tamb m um mesmo nome para os arquivos de Setup e Resultados Os arquivos de usu rio s o especificados no arquivo Setup seguindo o comando FILES ver o cap tulo O Arquivo Setup do IDAMS para uma descri o detalhada 80 Arquivos e Folders Arquivos de Sistema Normalmente arquivos de sistema n o s o acessados diretamente pelo usu rio Eles s o criados durante o processo de instala o arquivos de sistema permanentes durante a customiza o de uma aplica o arquivos Aplica o ou durante execu o de procedimentos do WinIDAMS arquivos tempor rios de trabalho Arquivos de sistema permanentes Eles incluem os arquivos de programas execut
359. do em 1990 Al m de agrupar 1 programas para calcular correla es Pear sonianas e 2 programas para ordenamento de alternativas ele continha melhorias t cnicas em um n mero de programas Lan amento 3 0 foi distribu do em 1992 Continha melhorias significativas como harmoniza o de par metros palavras chave e sintaxe de declara es de controle possibilidade de checagem da sintaxe de declara es de controle sem execu o possibilidade de execu o em um n mero limitado de casos harmo niza o das menssagens de erro possibilidade de agrega o e listagem de vari veis recodificadas recodifica o alfab tica e seis novas fun es aritm ticas na op o Recode Dois novos programas foram adicionados um para checar a consist ncia de dados e outro para an lise discriminante O Anexo com f rmulas estat sticas foi adicionado ao Manual do Usu rio Nota Em 1993 depois da prepara o do lan amento 3 02 para os sistemas operacionais OS e VM CMS o desenvolvimento da vers o para mainframe foi terminada ii Paralelamente havia IDAMS para microcomputadores em MS DOS O desenvolvimento da vers o para microcomputadores come ou em 1988 e continuou em paralelo ao desen volvimento da vers o para mainframe at o lan amento 3 O primeiro lan amento 1 0 foi distribu do em 1989 com as mesmas caracter sticas e programas da vers o mainframe Lan amento 2 0 foi distribu do em 1990 ele era tamb m completamente
360. do nas descri es de Record IDLOC sl el s2 e2 Colunas iniciais e finais de 1 5 campos de identifica o de casos Pelo menos uma deve ser fornecida Se houver mais de um campo de ID de caso entao eles devem ser especificados na ordem na qual os dados de entrada sao classificados Nenhum default BEGINID id do caso O menor valor de ID de caso v lido na qual o programa come a a processar de 1 a 40 caracteres entre aspas simples se contiver qualquer caracter n o alfanum rico Se campos de ID de casos m ltiplos s o utilizados o valor deve ser a concatena o das ID s de casos individuais fornecida na ordem de classifica o Default Em branco NOSORT 0 n O n mero m ximo de casos fora da ordem de classifica o tolerado pelo programa Quando n 1 casos fora da ordem de classifica o ocorrerem a execu o termina DELETE NEVER ANYMISSING ALLMISSING Especifica sob quais condi es em rela o a registros perdidos um caso deve ser deletado NEVE Nunca rejeita um caso devido a registros perdidos Se algum ou todos os registros est o perdidos o programa ir preencher com espa os em branco ou valores fornecidos pelo usu rio todos os registros que s o perdidos e rejeitar qualquer registro com ID s de registro inv lida antes de processar o caso ANYM N o processa nenhum caso no qual um ou mais registros est o perdidos i e nenhum caso incompleto deve ser processado ALLM N o processa qualquer caso no
361. dos O comando de impress o desativado pelo comando DATA Portanto a menos que um comando PRINT siga imediatamente um comando DATA os dados n o ser o impressos DICT O comando DICT sinaliza que um dicion rio do IDAMS vem a seguir e Essa facilidade n o pode ser usada se o programa gera um dicion rio de sa da e o arquivo DICTOUT n o est especificado i e o dicion rio produzido ser gravado em um arquivo tempor rio default e O comando de impress o desativado pelo comando DICT Portanto a menos que um comando PRINT siga imediatamente o comando DICT o dicion rio n o ser impresso FILES RESET Sinaliza o in cio das especifica es de arquivo Nomes default de arquivos s o colocados em cada arquivo no in cio da execu o do s programa s do IDAMS atrav s do uso de uma arquivo especial idams def Qualquer um desses nomes default podem ser mudados pela introdu o de declara es de especifica o de arquivos depois do comando FILES ver Especifica es de Arquivo abaixo Para retornar aos nomes de arquivo default dos arquivos Fortran FT exceto FT06 e FT50 usar o comando FILES RESET MATRIX O comando MATRIX sinaliza que uma matriz ou conjunto de matrizes vir e Essa facilidade n o pode ser usada se a facilidade DATA usada e O comando de impress o desativado pelo comando MATRIX Portanto a menos que um comando PRINT siga imediatamente o comando MATRIX a matriz
362. dos lt 0 25 Nenhuma estrutura substancial foi encontrada 42 7 Agrupamento Aplicado a Grandes Volumenes de Dados CLARA Similarmente a PAM o m todo CLARA tamb m baseado na busca por k objetos representativos Mas o algoritmo CLARA desenhado especialmente para analisar grandes conjuntos de dados Consequentemente a entrada de CLARA deve ser um dataset do IDAMS Internamente CLARA conduz dois passos Primeiro uma amostra coletada do conjunto de objetos ca sos e dividida em k clusters usando o mesmo algoritmo de PAM Ent o cada objeto n o pertecendo a amostra designado para o mais pr ximo objeto representativo em rela o aos k objetos A qualidade desse agrupamento definida como a dist ncia m dia entre cada objeto e seu objeto representativo Cinco dessas amostras s o coletadas e depois submetidas a um cluster e ent o aquela com a menor dist ncia m dia obtida selecionada O agrupamento retido do conjunto de dados inteiro ent o analisado mais profundamente A dist ncia final m dia as dist ncias m dia e m xima em rela o a cada medoide s o calculadas do mesmo jeito como em PAM para todos os objetos e n o apenas aqueles selecionados na amostra Silhuetas de clusters e estat sticas relacionadas s o tamb m calculadas do mesmo jeito que em PAM mas apenas para objetos na amostra selecionada pois o gr fico da silhueta completa seria muito grade para imprimir 42 8 Agrupamento Difuso FANNY
363. dos Declara es de Recode podem ser usadas Note que para vari veis R o n mero de decimais a ser retido especificado pelo par metro NDEC Ponderando dados Uma vari vel de pondera o pode ser especificada para cada plotagem Ambas vari veis R e V com casas decimais s o multiplicadas por um fator de escala para obter se valores inteiros Ver a se o Dataset de Entrada abaixo 270 Diagramas de Dispersao SCAT Quando o valor da vari vel de pondera o para um caso for zero negativa perdida ou n o num rica ent o o caso sempre evitado o n mero de casos tratados dessa maneira impresso Tratamento de dados perdidos O par metro MDVALUES est dispon vel para indicar quais valores de dados perdidos se houver devem ser usados para checar a exist ncia de dados perdidos As estat sticas univariadas que aparecem no in cio dos resultados imediatamente seguindo o dicion rio s o baseadas em todos os casos que possuem dados v lidos em cada vari vel considerada separadamente Para as plotagens o programa elimina casos que possuam dados perdidos em uma ou ambas as vari veis em um a plotagem em particular Essa dele o por pares afeta tamb m as estat sticas univariadas e bivariadas que s o impressas no topo de cada plotagem 35 3 Resultados Dicion rio de entrada Opcional ver o par metro PRINT Registros de descri o de vari veis e registros C se houver somente para vari veis usadas na execu
364. dos ou op es do WinIDAMS a barra de ferramentas para escolher comandos rapidamente e a barra de status para exibir informa o sobre o documento ativo ou comando op o focalizada e a janela Aplica o localizada no canto esquerdo para exibir o nome da aplica o ativa folders e documentos para essa aplica o e as janelas de documento para exibir documentos diferentes do WinIDAMS 82 Interface do Usu rio A barra de menu e a barra de ferramentas possuem conte dos fixos dependentes do documento Os menus comuns s o descritos baixo enquanto menus dependentes do tipo de documento s o descritos nas se es relevantes 9 2 Menus Comuns a Todas Janelas do WinIDAMS A barra de menu principal cont m sempre os sete seguintes menus Arquivo Editar Ver Executar Intera tivo Janela e Ajuda Arquivo Novo Chama a caixa de di logo para selecionar o tipo de documento a ser criado e para dar o seu nome e localiza o Abrir Depois de escolher o tipo de documento chama a caixa de di logo para selecionar o documento a ser aberto Fechar Fecha a janela ativa Salvar Salva o documento exibido na janela ativa Salvar como Chama a caixa de di logo para salvar o documento na janela ativa Configurar impressora Chama a caixa de di logo para modificar as op es de impress o e da im pressora Vis o preliminar Exibe o documento ativo como ele ser impresso Imprimir Chama a caixa de di logo para imprimir o conte d
365. doso ao referir se a uma declara o antes de GO TO pois um loop sem fim pode ser formulado Exemplo GO TO TOWN R10 R5 GO TO 1 TOWN R10 R5 V11 1 Rii REJECT A declara o REJECT direciona a facilidade Recode a rejeitar o caso presente e obter outro caso O novo caso ent o processado do come o das declara es de Recode Portanto REJECT pode ser utilizado como um filtro com as vari veis R Prot tipo REJECT Exemplo IF MDATA V8 V12 V13 THEN REJECT RELEASE A declara o RELEASE direciona a facilidade Recode a liberar o caso presente para o pro cessamento do programa e para reaver controle depois do processamento sem ler um outro caso Depois de reaver o controle Recode reassume com a primeira declara o de Recode RELEASE pode ser utilizada para decompor um nico registro em v rios casos para an lise Note Ao utilizar a declara o RELEASE deve se tomar cuidado para n o se ter um processamento que continue indefinidamente Prot tipo RELEASE Exemplo CARRY R1 Ri Ri 1 IF Ri LT Vi THEN RELEASE ELSE R1 0 RETURN A declara o RETURN direciona a facilidade Recode para retornar o controle para o programa IDAMS Nem uma outra declara o do IDAMS executado para o caso corrente Prot tipo RETURN Exemplo IF V8 LT 12 THEN GO TO A RETURN A R10 V8 4 13 Declara es Condicionais A declara o IF permite a designa o condicional e ou controle condicional uma declara o composta onde v
366. e 1 rd da pa O rij uma fun o monotonicamente decrescente dos dois primeiros par metros e uma fun o monotonicamente crescente dos dois ltimos Isso implica que e ao aumentar se o de pc e ou diminuir se da pa pode se diminuir o n mero de conec es na rela o de domin ncia e e ao mudar se os par metros na dire o oposta pode se criar mais conec es b Identifica o de n cleos Os N CLEOS s o subconjuntos de A conjunto de alternativas consistindo de alternativas n o dominadas Uma alterativa a n o dominada se e somente se rij 0 paratodoi 1 2 m i De acordo com esse crit rio o n cleo do conjunto A o n cleo de maior n vel o subconjunto C A a aj A rij 0 EE A e Se C A ent o todas as alternativs s o dominadas e Se C A A ent o todas as alternativas s o n o dominadas ii Para encontrar o n cleo subsequente os elementos do n cleo anterior s o removidos da rela o de domin ncia primeiramente Isso significa que as linhas e colunas correspondentes s o removidas da matriz relacional Ent o a busca por um novo n cleo repetida em na forma reduzida A aplica o sucessiva de i e ii fornece uma s rie de n cleos Af A5 Aj Esses n cleos representam camadas consecutivas de alternativas com ranges decrescentes na estrutura de pre fer ncias enquanto as alternativas pertencendo a um mesmo n cleo s o assumidas possuirem um mesmo rango 5
367. e E ea Declara es de Controle de Programa 4 RestriGOES x go a he aa es he eds We ew SE E 37 10Exemplo 38 Tipologia e Classifica o Ascendente TYPOL 38 1 38 2 38 3 38 4 38 5 38 6 38 7 38 8 38 9 Descri o Geral uau eae ie A Ee OR Oe ws Caracter sticas Padr o do IDAMS 2 Resultados 27 2 qo ale hese he ae A ee ee 2 a Dataset de Saida fe Pha ee A SE Cs da le is eee BEEN are Matriz de Configura o de Sa da 2 2 0 0 2 2 000 Dataset de Entrada ss ee ee ee RR RO ew ee ees Matriz de Configura o de Entrada 0 0 Estrutura de Setup eine yes 2 ea eee ec Le Ee Hoe Declara es de Controle de Programa 38 10Restri es 38 11Exemplos V An lise Interativa de Dados 39 Tabelas Multidimensionais e suas Apresenta es Gr ficas 39 1 39 2 39 3 39 4 39 5 39 6 Visao Geral ir cpm so O Sloe quo ti eet a eb eee at ADO peida a Prepara o da An lise soy ce tero roen a ea aa Janela Tabelas Multidimensionais a a a a a e a aa Apresenta o Gr fica de Tabelas Univariadas Bivariadas Como Fazer uma Tabela Multidimensional Como Mudar uma Tabela Multidimensional 40 Explora o Gr fica de Dados 40 1 40 2 40 3 40 4 Visao Geral ss sea de ge a bee ee Pek ae bo A ed Prepara o da An lise so se tiena ee Janela Principal de GraphID para An lise de um Dataset 40 3 1 Barra
368. e Gated ads Destinos SPOR 2S eh HOD PARA RO RR E ate ent 10 SE23 02 0006 1D tais se OR Aa OL ur etl ace 10 co DESA OLA aos ext tae bok ee Ss 1 Dani 22 campo campo campo de de ID do de ID do ID do primeiro segundo registro caso caso No exemplo h dois tipos de registro para cada caso identificados por um 10 ou 12 nas colunas 28 29 A ID do caso consiste de dois campos n o cont guos colunas 4 7 e colunas 11 12 Portanto SE2301 uma ID de caso como s o SE2302 e SE2401 122 Verifica o de Intercala o de Registros MERCHECK Eliminando registros invalidos Um registro de dados de entrada contendo uma ID de registro nao definido por descri es de Record conhecido como um registro extra opcionalmente impresso mas nunca transmitido para o arquivo de sa da Al m disso h duas op es para eliminar outros tipos de registros inv lidos e Registros que n o cont m uma constante especificada s o rejeitados Ver os par metros CONSTANT CLOCATION e MAXNOCONSTANT e O usu rio pode fornecer o valor da ID do caso do primeiro caso de dados v lidos Todos os registros contendo um valor de ID de caso menor do que aquele especificado ser rejeitado Ver o par metro BEGINID Op es para manusear casos com registros perdidos O usu rio deve selecionar usando o par metro DELETE uma das tr s poss veis maneiras de manusear casos incompletos 1 DELETE ANYMISSING
369. e S ries Temporais Dados de s ries temporais podem ser transformados pelo c lculo de diferen as alisamento supress o de tend ncia usando um n mero de fun es etc O menu Transforma es cont m comandos para criar novas s ries temporais baseadas em valores das s ries selecionadas Note que vari veis exibidas para sele o s o renumeradas sequencialmente come ando de zero 0 FR An lise de S ries Temporais TimeSID eim weg eA Aritm tica emparelhada Diferen as M4 ROC Fonte de escala E EB 41 5 An lise de S ries Temporais 333 M dia cria uma nova s rie temporal como uma m dia das s ries especificadas S ries a serem tomadas para o c lculo s o selecionadas na caixa de di logo Sele o de s ries ver se o Prepara o da An lise Aritm tica emparelhada cria um conjunto de s ries temporais pela execu o de opera es aritm ticas em pares de s ries temporais especificadas na caixa de di logo cada s rie especificada na primeira lista de argumentos com o segundo argumento Diferen as MA ROC cria um conjunto de s ries temporais baseado em transforma es diferen as sequen ciais m dia m vel n o centrada taxa de mudan a das s ries especificadas na caixa de di logo Par metros espec ficos para cada transforma o como tamb m o tipo de transforma o ROC s o ajustados na mesma caixa de di logo 41 5 An lise de S ries Temporais
370. e a parte inteira utilizada 8 Se a vari vel de ID alfab tica com largura gt 4 somente os quatro primeiros caracteres s o usados 230 An lise de Classifica o M ltipla MCA 29 9 Exemplos Exemplo 1 An lise de classifica o m ltipla usando quatro vari veis controle preditoras V7 V9 V12 V13 e a vari vel dependente V100 an lises separadas ser o executadas no dataset inteiro e em dois sub conjuntos de casos RUN MCA FILES PRINT MCA1 LST DICTIN LAB DIC arquivo Diction rio de entrada DATAIN LAB DAT arquivo Dados de entrada SETUP ALL RESPONDENTS TOGETHER valores default obtidos para todos par metros DEPV V100 CONV V7 V9 V12 V13 RUN MCA SETUP INCLUDE V4 21 31 39 ONLY SCIENTISTS valores default obtidos para todos par metros DEPV V100 CONV V7 V9 V12 V13 RUN MCA SETUP INCLUDE V4 41 49 ONLY TECHNICIANS valores default obtidos para todos par metros DEPV V100 CONV V7 V9 V12 V13 Exemplo 2 An lise de classifica o m ltipla com vari vel dependente V201 e tr s vari veis preditoras V101 V102 V107 dados devem ser ponderados pela vari vel V6 produzindo dataset de res duos onde casos s o identificados pela vari vel V2 casos com valores extremos outliers de mais do que 4 desvios padr es em rela o a grand m dia na vari vel dependente devem ser exclu dos da an lise Res duos para os primeiros 20 casos s o listados subsequentemente ao uso do pro
371. e coluna 4 tabelas com valores m dios de uma vari vel adicional 5 estat sticas bivariadas teste t para m dias entre duas linhas chi quadrado coeficiente de contig ncia V de Cramer Taus de Kendall Gama Lambda ro de Spearman um n mero de estat sticas para Medicina Baseada em Evid ncia e tr s testes n o param tricos Wilcoxon Mann Whitney e Fisher Tipologia e classifica o ascendente TYPOL Cria uma vari vel de tipologia como um resumo de um grande n mero de vari veis quantitativas e qualitativas O usu rio escolhe o n mero inicial e final de grupos o tipo de dist ncia utilizada e a maneira que a tipologia inicial iniciada Os grupos da tipologia inicial s o estabelecidos utilizando se de um procedimento iterativo O n mero de grupos pode ser reduzido usando se um algoritmo de classifica o ascendente hier rquica Uma distin o pode ser feita entre vari veis ativas que participam na constru o da tipologia e vari veis passivas para as quais as principais estat sticas s o calculadas entre os grupos da tipologia Tabelas multidimensionais interativas Esse componente permite visualizar e adequar tabelas multi dimensionais com frequ ncias percentuais de linha de coluna e totais estat sticas sum rias soma con tagem m ximo m nimo vari ncia desvio padr o de vari veis adicionais e estat sticas bivariadas At sete vari veis podem ser aninhadas em linhas e colunas constru o de um
372. e di logo no painel esquerdo da janela para modificar a imagem gr fica e rotacion la O bot o no canto esquerdo superior pode ser usado para reajustar os gr ficos na posi o inicial O bot o no canto direito superior pode ser usado para ajustar o centro da nuvem de pontos no centro de gravidade ou no ponto zero Os bot es no grupo Rotacionar s o usados para rotacionar o diagrama de dispers o ao redor dos eixos correspondentes e aqueles bot es no grupo Espalhar s o usados para mover novos pontos do e para o centro O grupo Nomes permite voc exibir ou esconder os nomes das vari veis nos eixos correpondentes Finalmente o diagrama 3D pode ser projetado como tr s diagramas de dispers o 2D ao se requisitar 2D view 40 4 Janela de GraphID para An lise de uma Matriz Quando o arquivo com matrizes tiver sido selecionado voc pode clicar em Abrir ou dar um clique duplo no nome do arquivo para exibir um histograma em 3D com uma barra para cada c lula da primeira matriz no arquivo A altura da barra representa o valor da estat stica da matriz transformada usando o seu range i e h Sval Smin Smar Smin Por default valores negativos s o mostrados em azul e valores positivos em vermelho 326 Explora o Gr fica de Dados GraphID Explora o Gr fica Interativa de Dados 3D Histogrammes i Iof xi arquivo Editar ver Janela Ajuda tm x SE a waas ee HA o e Slo 2 Cores
373. e duas m dias independentes i e duas amostras independentes A vari ncia agupada pa Yi Yn 62 2 487 Nn N Nh Ni np 2 Ni Nh onde Ji a m dia da vari vel de coluna para casos na linha i Jp a m dia da vari vel de coluna para casos na linha h s a vari ncia amostral da vari vel de coluna para casos na linha i si a vari ncia amostral da vari vel de coluna para casos na linha A Se testes t s o requisitados desvios padr es s o calculados para os casos em cada linha da seguinte maneira 57 3 Nota sobre Pesos Se estat sticas bivariadas s o requisitadas e uma vari vel de pondera o especificada uma mensagem de precau o impressa e a estat stica computada utilizando se valores ponderados k WkTk r Wk xe Yk WkYk Vi Wk Ui N X we k fi a frequ ncia ponderada na c lula ij Capitulo 58 Tipologia e Classifica o Ascendente Nota o valores de vari veis subscrito para caso subscrito para vari vel subscrito para grupos n mero de vari veis ativas quantitativas e dicotomizadas qualitativas n mero de vari veis passivas quantitativas e dicotomizadas qualitativas n mero de grupos iniciais n mero de casos no grupo i ponderados se o peso do caso for utilizado n mero de casos no grupo j ponderados se o peso do caso for utilizado valor do peso de vari vel valor do peso de caso soma total dos pesos dos casos 58 1 Tipos de Vari v
374. e ee Se le 5 11 8 Declara es de Controle de Programa 2 00 00 a 11 9 Exemplos o wa ee bat wen ee Se RA Be AS O EG Ee EA 12 Verifica o de C digos CHECK 12 1 Descri o Geral suma we a Mo ee ee RR a ee A A q E 12 2 Caracter sticas Padr o do IDAMS 00 2 00000 a 1273 Resultados suche got Gog ow ek be ee ee eg ee od ar ee a Bak le eee Ea 12 4 Dataset de Entrada e uo sa Oe eo eae AO ee ee eae pe eb 12 5 Estrutura de Sebupe cose Gt te ak a ee PR ee a Se ee SE Eee 12 6 Declara es de Controle de Programa 2 0 00002 ee ee T2 T Restri es guga ers dk Bee te We RY E a ARA eG A i EEE E Bb a 0 1208 Exemplos cs no nato yar aoe dnd doh Bade FEO ea A eed Satake ie ha CO A hoe aai 13 Verificagao de Consist ncia CONCHECK 13 14 Descri o Geral Se ssa ae gt hotest age aha A ts BEE ago LE aba iq os ng Mae tal Se By PGR ai Tass 13 2 Caracter sticas Padr o do IDAMS sraa can ee TIS Resultados st ak ee tid dente Oy LR etd ee ot at Mood we Ro aad dood he AS a a ca te DP Pa Ra 13 4 Dataset de Entrada sure fhe este tengo hk DORA ee che sen APE eae wives ok ao eae Ae ed 13 5 Estrutura d SetuP ee one ele 6s nee ee Rh bee oe ee gba ee ee ee ee a 13 6 Declara es de Controle de Programa 2 00 ee 13 7 Restri es sneup ate an te ot Men pe a a ek Re E a 13 8 Exemplos vase ga 2 Geto oe me tie aie amp 6 SD Ak ee ee ek Ee Das ok ue eg tn ab 14 Verifica o de Intercala o de Registros M
375. e estruturas O Manual do Usu rio foi reestruturado para apresentar os t picos de uma maneira concisa e f cil de seguir Pela primeira vez foi disponibilizada uma vers o em Ingl s Desde 1998 o lan amento 4 tem sido gradualmente desenvolvido em Franc s Espanhol rabe e Russo 2000 primeira vers o de IDAMS para Windows e desenvolvimento adicional O lan amento 1 0 de IDAMS para o sistema operacional Windows de 32 bit foi fornecido para teste no ano 2000 e sua distribui o iniciou se em 2001 Ela oferece uma interface de usu rio moderna com uma gama de novas caracter sticas para melhorar a facilidade de uso e o acesso on line ao Manual de Refer ncia usando Windows Help padr o Novos componentes interativos para an lise de dados propiciam ferramentas para constru o de tabelas multidimensionais explora o gr fica de dados e an lise de s ries temporais O lan amento 1 1 foi distribu do em setembro de 2002 com as seguintes melhorias 1 externaliza o do texto abrindo a possibilidade de ter o software em outras l nguas al m do Ingl s 2 harmoniza o do texto nos resultados Foi a primeiro lan amento da vers o Windows que apereceu em Ingl s Franc s e Espanhol O lan amento 1 2 foi distribu do en julho de 2004 em Ingl s Franc s e Espanhol e cont m novas fun es em tr s programas na Interface do Usu rio e nos m dulos interativos de explora o gr fica de dados e de an lise de s ries temporais Foi
376. e vari ncia o resumo da parti o e o resumo dos grupos finais Tabelas de resumo de preditores Opcional ver as op es dos par metros PRINT TABLE FIRST e FINAL As tablas de grupo primeiro PRINT FIRST as tabelas de grupos finais PRINT FINAL ou as tabelas de todos grupos PRINT TABLE contendo um resumo das melhores parti es para cada preditor para cada grupo As tabelas s o impressas em ordem de grupo reversa i e o ltimo grupo vem primeiro Diagrama de rvore Opcional Opcional ver o par metro PRINT Diagrama de rvore hier rquico Cada n caixa da rvore cont m n mero do grupo n mero de casos N n mero da parti o n mero da vari vel preditora m dia da vari vel dependente para an lise de m dias e m dia da vari vel dependente e covariate e inclina o para an lise de regress o 36 4 Dataset de Res duos de Sa da Res duos podem opcionalmente ser produzidos na forma de um arquivo de dados descrito por um dicion rio do IDAMS Ver o par metro WRITE Para m dias e an lise de regress o e an lise de chi quadrado com m ltiplas vari veis dependentes cada registro de sa da cont m uma vari vel de ID a vari vel de grupo vari veis dependentes vari veis dependentes calculadas preditas res duos e um peso se houver Para an lise de chi quadrado com uma vari vel dependente categ rica ele cont m uma vari vel de ID a vari vel de grupo a primeira categoria da vari ve
377. ear REGRESSN INPUT RAWDATA MATRIX RAWD Os dados de entrada est o em uma forma de arquivo Dados descrito por um dicion rio do IDAMS MATR Os dados de entrada s o coeficientes de correla o e est o em uma forma de matriz quadrada do IDAMS Par metros somente para entrada de dados brutos INFILE IN xxxx Um sufixo ddname de 1 4 caracteres para os arquivos Dicion rio e Dados de entrada Default ddnames DICTIN DATAIN BADDATA STOP SKIP MD1 MD2 Tratamento de valores de dados n o num ricos Ver o cap tulo O Arquivo Setup do IDAMS MAXCASES n O n mero m ximo de casos depois da filtragem a serem usados do arquivo de entrada Default Todos os casos ser o utilizados MDVALUES BOTH MD1 MD2 NONE Quais valores de dados perdidos devem ser usados para vari veis acessadas nessa execu o Ver o cap tulo O Arquivo Setup do IDAMS MDHANDLING 0 n O n mero de casos de dados perdidos a serem permitidos antes do t rmino da execu o Um caso contado como perdido se ele possuir um dado perdido em qualquer uma das vari veis nas equa es de regress o WEIGHT n mero de vari vel O n mero da vari vel de peso se os dados devem ser ponderados CATE Especifica CATE se a defini o de uma vari vel dummy oferecida IDVAR n mero de vari vel Vari vel a ser produzida ou impressa como ID de caso se dataset de res duos s o requisitado As vari veis de ID n o devem ser inclu das em qualquer lista de vari
378. ecifica o pode ser usada como um filtro local para uma ou mais tabelas e como um fator de repeti o para outras tabelas Regras para codifica o Prot tipo nome declara o nome Nome do subconjunto 1 8 caracteres alfanum ricos iniciando se com uma letra Esse nome deve corresponder exatamente ao nome usado em especifica es de an lise subseqtientes Espa os em branco intercalados n o ser o permitidos E recomend vel que todos os nomes sejam justificados a esquerda declara o Defini o de subconjunto que segue a sintax da declara o de filtro padr o do IDAMS Para fatores de repeti o somente uma vari vel deve ser especificada na express o A maneira como filtros locais e fatores de repeti o funcionam descrita abaixo Filtros locais Uma especifica o de subconjunto identificada com um filtro local para uma tabela ou conjunto de tabelas especificando se um nome de subconjunto com o par metro FILTER O filtro local opera da mesma maneira que o filtro padr o exceto que ele se aplica somente s especifica es de tabela onde s o referenciados Exemplo EDUCATN INCLUDE V4 0 4 9 AND V5 1 nome de subconjunto express o No exemplo acima se EDUCATN designada como um filtro local na especifica o de tabela a tabela seria produzida incluindo apenas aqueles casos codificados com 0 1 2 3 4 ou 9 para V4e 1 para V5 Fatores de repeti o Uma especifica o de subconjunto identificada co
379. ecutadas mantendo se as diferen as de ranks sempre iguais a 1 mas aumentando a propor o de discord ncia e diminuindo a propor o de discord ncia RUN RANK FILES como no Exemplo 1 SETUP RANK ORDERING OF ALTERNATIVES CLASSICAL LOGIC PREF WEAK NALT 15 METH CLAS VARS V21 V23 V25 V27 PCON 75 DDIS 1 PDIS 5 PCON 66 DDIS 1 PDIS 10 PCON 51 DDIS 1 PDIS 15 PCON 40 DDIS 1 PDIS 20 Capitulo 35 Diagramas de Dispersao SCAT 35 1 Descri o Geral SCAT um programa de an lise bivariada que produz diagramas de dispers o estat sticas univariadas e estat sticas bivariadas Os diagramas de dispers o s o plotados em um sistema de coordenadas retangulares para cada combina o de valores de coordenadas que aparece nos dados a frequ ncia da sua ocorr ncia mostrada SCAT til para mostrar rela es bivariadas se os n meros de valores diferentes para cada vari vel grande e o n mero de casos de dados contendo qualquer um dos valores pequeno Se contundo uma vari vel assume relativamente poucos valores diferentes em um grande n mero de casos de dados o programa TABLES mais apropriado Formato da plotagem Cada plotagem desejada definida separadamente ao se especificar as duas vari veis a serem usadas chamadas vari veis X e Y As escalas dos eixos s o ajustadas separadamente para cada plotagem para permitir que vari veis com escalas radicalmente diferentes possam ser plotadas em rela o a elas m
380. edimento de otimiza o desenvolvido para manusear o caso geral normalizado ou n o normalizado permite ao usu rio decidir se normalizar a matriz relacional difusa antes do procedimento de ordenamento ver op o NORM Uma interpreta o cuidadosa dos resultados necess ria depois da normaliza o Usualmente dados incompletos resultam em uma ma triz relacional n o normalizada especialmente quando DATA RAWC usado e o n mero de alternativas selecionadas em respostas individuais menor do que o n mero de alternativas poss veis Apesar de uma matriz n o normalizada dar resultados cujos n veis de incerteza s o maiores ela pode fornecer uma vis o mais realista sobre a rela o latente determinando os dados de fato a normaliza o pode ser interpretada como um tipo de extrapola o 262 Ordenamento de Alternativas RANK Dois tipos de rela es individuais de prefer ncias estrita ou fraca podem ser especificadas ambas no caso de dados representando uma sele o de alternativas e no caso de dados representando um ordenamento de alternativas por ranges 1 Dados representando uma sele o de alternativas e Prefer ncias estritas cada alternativa selecionada considerada ter um nico diferente rango enquanto s n o selecionadas dado o mesmo rank mais baixo e Prefer ncias fracas todas as alternativas selecionadas s o assumidas possu rem um rank co mum que maior do que o rank das n o seleciona
381. efer ncias Kruskal J B Multidimensional scaling by optimizing goodness of fit to a non metric hypothesis Psycho metrica 3 1964 Kruskal J B Nonmetric multidimensional scaling a numerical method Psychometrica 29 1964 Capitulo 49 An lise de Classifica o M ltipla Nota o y valor da vari vel dependente w valor do peso k subscrito para caso i subscrito para preditor j subscrito para categoria de um preditor p n mero de preditores c n mero de categorias n o vazias ao longo de todos os preditores aij desvio ajustado da j ma categoria do preditor i ver 2 c abaixo Nij n mero de casos na gj estimo categoria do preditor N n mero total de casos W soma total dos pesos subscrito ijk indica que o caso k pertence a jema categoria do preditor i 49 1 Estat sticas da Vari vel Dependente a M dia M dia geral de y X we Ye pb o W b Desvio padr o de y estimado e WS ut Dum E c Coeficiente de varia o _ 1008 C E 7 d Soma de y Soma de y Sou Yk k 378 An lise de Classifica o M ltipla e Soma de y quadrado Soma de y 5 Wk YE k f Soma total de quadrados TSS So we ye 7 k g Soma explicada de quadrados ESS 5 5 Qij pm Wijk Vit i j k h Soma residual de quadrados RSS TSS ESS 49 2 Estat sticas de Preditores para An lise de Classifica o M ltipla 1 a estima a M dia de classe M dia da vari vel
382. eficiente de cor rela o m ltipla R de x com as p 1 outras vari veis independentes na equa o E uma medida da intercorrela o de x com os outros preditores Boat 1 Quociente de covariancia 1 Cii A af j onde c o i elemento da diagonal da inversa da matriz de correla o dos preditores na equa o de regress o ver a se o 6 acima 47 9 Res duos Os res duos s o a diferen a entre o valor observado da vari vel dependente e o valor predito pela equa o de regress o er Yk Yr O teste para detectar correla o serial popularmente conhecido como estat stica d de Durbin Watson para autocorrela o de primeira ordem dos res duos calculada da seguinte forma N S ex ex a d k 2 ek iM 47 10 Nota sobre Regressao Stepwise Regress o stepwise introduz os preditores passo a passo no modelo come ando com a vari vel independente mais correlacionada com y Depois do primeiro passo o algoritmo seleciona do grupo de vari veis remanes centes aquela que d a maior redu o na vari ncial residual n o explicada da vari vel dependente i e a vari vel cuja correla o parcial com y a maior O programa ent o executa um teste F parcial na entrada para checar se a vari vel absorver uma quantidade significante da varia o em rela o aquela removida por vari veis j na regress o O usu rio pode especificar um valor de F m nimo para a inclus
383. eis Utilizadas O programa aceita tanto vari veis QUANTITATIVAS quanto QUALITATIVAS categ ricas as ltimas sendo tratadas como quantitativas depois de uma completa dicotomiza o das suas respectivas categorias i e depois da constru o de tantas vari veis dicot micas 1 0 quanto o n mero de categorias As vari veis usadas pelo programa podem ser ativas ou passivas As VARI VEIS ATIVAS s o aquelas em cuja base a tipologia constru da As VARI VEIS PASSIVAS n o participam na constru o da tipologia mas o programa imprime para elas as principais estat sticas dentro dos grupos de tipologia Um conjunto de vari veis ativas denotado aqui Xa e um conjunto de vari veis passivas Vp 58 2 Perfil de Caso O perfil do caso k um vetor P tal que Pr thi ekoran t kora ia Tha kv onde todo x Xa 428 Tipologia e Classifica o Ascendente Se as vari veis ativas s o requisitadas a serem padronizadas o k perfil de caso se torna Thy Ha Su onde sy o desvio padr o da vari vel x ver 7 b abaixo 58 3 Perfil de Grupo Perfil do grupo i chamado tamb m de baricentro do grupo um vetor P tal que Pi Tin Tiz p Piv Tia Ew e no caso de dados padronizados se torna Tiv n Sy onde o numerador a m dia da vari vel x para os casos pertencendo ao grupo i e o denominador o desvio padr o geral dessa vari vel 58 4 Dist ncias Usadas H tr s tipos b sic
384. eis e casos RUN FACTOR CORRESPONDENCE ANALYSIS ON CONTINGENCY TABLE IDVAR V8 PLOTS USER PRINT MATRIX OFPRINC PVARS V31 V33 FILES PRINT FACT3 LST SETUP BADD MD1 DICT PRINT 3 8 33 1 T 8 C 8 81 C 8 82 c 8 83 c 8 84 C 8 85 c 8 86 T 31 Head T 32 Scientifc T 33 Technician DATA PRINT 81 5 0 0 82 1 3 0 83 0 17 01 84 0 28 04 85 0 001 86 0 017 1 Scientific degree Professor Ass Prof Doctor M Sc Licence Other 10 20 20 20 20 Capitulo 27 Regress o Linear REGRESSN 27 1 Descri o Geral REGRESSN oferece uma capacidade de regress o m ltipla geral designada tanto para regress o linear padr o quanto stepwise V rias an lises de regress o usando diferentes par metros e vari veis podem ser feitas com uma execu o Termo constante Se a entrada consiste de dados brutos o usu rio pode requisitar que a equa o n o contenha termo constante ver o par metro de regress o CONSTANT 0 Nesse caso uma matriz baseada na matriz de produto cruzado analisada ao inv s da matriz de correla o Isso muda a inclina o da linha ajustada e pode afetar substancialmente os resultados Na regress o stepwise as vari veis podem entrar na equa o em uma ordem diferente daquela quando um termo constante estimado Se uma matriz de correla o a entrada a equa o de regress o sempre incluir um termo constante Uso de vari veis categ ricas como vari veis independentes Uma
385. em at 10 dimens es 3 A matriz de configura o inicial pode ter um m ximo de 60 linhas e 10 colunas 28 11 Exemplo 221 28 11 Exemplo Gera o de uma matriz de configura o de sa da a matriz de dados de entrada est em uma forma padr o do IDAMS e em um arquivo n o h nem matriz de pondera o de entrada nem matriz de configura o de entrada 20 itera es s o requisitadas an lise deve ser executada em um subconjunto das vari veis RUN MDSCAL FILES FTO2 MDS MAT arquivo Matriz de configura o de sa da FTO8 ABC COR arquivo Matriz de dados SETUP MULTIDIMENSIONAL SCALING ITER 20 WRITE CONFIG FILE DATA VARS V18 V36 Capitulo 29 An lise de Classifica o M ltipla MCA 29 1 Descri o Geral MCA examina a rela o entre v rias vari veis preditoras e uma nica vari vel dependente e determina os efeitos de cada preditor antes e depois do ajustamento por suas inter correla es com outros preditores na an lise Ele tamb m fornece informa o sobre as rela es bivariadas e multivariadas entre os preditores e a vari vel dependente A t cnica MCA pode ser considerada o equivalente a uma an lise de regress o m ltipla usando vari veis dummy MCA contudo muitas vezes mais conveniente de usar e interpretar MCA possui tamb m uma op o para an lise de vari ncia univariada MCA assume que os efeitos dos preditores s o aditivos i e que n o existem intera es entre os preditor
386. emparelhadas MATRIX SQUARE apenas REGR Imprime os coeficientes da regress o MATRIX SQUARE apenas XPRO Imprime a matriz de produtos cruzados MATRIX SQUARE apenas 33 8 Restri es Quando MATRIX SQUARE especificado 1 O n mero m ximo de vari veis permitidas em uma execu o 200 Esse limite inclui todas as vari veis de an lise e vari veis usadas em declara es de Recode 2 N meros de vari veis de Recode n o devem exceder 999 se o par metro WRITE especificado Elas s o produzidas como n meros negativos na parte descritiva da matriz que tenha apenas 4 colunas reservadas ao n mero da vari vel e g R862 se torna 862 Quando MATRIX RECTANGULAR especificado 1 O n mero m ximo de vari veis em uma lista de vari veis de linha ou coluna 100 2 O n mero total m ximo de vari veis de linha vari veis de coluna vari veis usadas em declara es de Recode e a vari vel de pondera o 136 33 9 Exemplos Exemplo 1 C lculo de uma matriz quadrada de coeficientes de correla o r de Pearson com dele o por pares de casos que possuam dados perdidos a matriz ser escrita em um arquivo e impressa RUN PEARSON FILES PRINT PEARS LST FTO2 BIRDCOR MAT arquivo Matriz de saida DICTIN BIRD DIC arquivo Dicion rio de entrada DATAIN BIRD DAT arquivo Dados de entrada SETUP MATRIX OF CORRELATION COEFFICIENTS PRINT PAIR REGR CORR WRITE CORR ROWV V18 V21 V36 V55 V61 Exemplo 2
387. emplos VAR R10 N 5 PRINT CLORENZ VAR V25 N 10 FILTER MALE ANALID M VAR V25 N 10 FILTER FEMALE KS M VAR n mero de vari vel Vari vel a ser analisada N o h default WEIGHT n mero de vari vel O n mero da vari vel de pondera o se os dados devem ser ponderados Pondera o de dados n o permitida para o teste de Kolmogorov Smirnov N 20 n N mero de subintervalos Se n lt 2 ou n gt 100 um aviso impresso e o valor de default usado 194 Fun es de Distribui o e de Lorenz QUANTILE FILTER xxxxxxxx Somente casos que satisfa am a condi o definida na especifica o de subconjunto com nome xxxxxxxx ser utilizada para essa an lise Inclua o nome entre aspas simples se ele contiver caracteres n o alfanum ricos Letras mai sculas devem ser usadas para fazer o match do nome na especifica o de subconjunto Nome esse que ser automaticamente convertido para mai sculas ANALID label Uma label para essa an lise de maneira que ela pode ser referenciada para executar o teste de Kolmogorov Smirnov Deve ser incluso entre aspas simples se contiver caracteres n o alfanum ricos KS label Label uma label designada para uma an lise pr via atrav s do par metro ANALID e define a vari vel e ou amostra com a qual essa an lise deve ser comparada usando o teste de Kolmogorov Smirnov Deve ser incluso entre aspas simples se contiver caracteres n o alfanum ricos PRINT FLORENZ CLORENZ FLOR Impri
388. enamento final de objetos Os objetos s o listados na ordem em que eles aparecem no gr fico de separa o banner Os passos de separa o e as vari veis utilizadas para separa o s o impressas abaixo de identificadores de objetos c Gr fico de separa o banner Essa representa o gr fica bastante similar ao banner impressa por DIANA O comprimento de uma linha de estrelas agora proporcional ao n mero do passo onde a separa o foi conduzida Linhas de identificadores de objetos correspondem a objetos Uma linha de identificadores que n o continue no lado direito do banner sinaliza um objeto que se tornou um cluster singleton naquele passo correspondente Linhas de identificadores plotados entre duas linhas de estrelas indicam objetos que pertencem a um cluster que n o pode ser separado 42 12 Refer ncias Kaufman L and Rousseeuw P J Finding Groups in Data An Introduction to Cluster Analysis John Wiley amp Sons Inc New York 1990 Rousseeuw P J Silhouettes a Graphical Aid to the Interpretation and Validation of Cluster Analysis Journal of Computational and Applied Mathematics 20 1987 Capitulo 43 An lise de Configura o Nota o Seja A n z uma matriz retangular de n vari veis linhas e t dimens es colunas Uma vari vel ou ponto a posui t coordenadas cada uma correspondendo a uma dimens o Qis elemento da matriz A na linha e coluna s i j subscritos para vari veis linhas n
389. encendo ao n cleo com o maior valor de filia o alternativas mais cr veis Para METHOD RANKS a matriz relacional normalizada impressa primeiro se normaliza o requisitada Os resultados s o ent o impressos em duas formas para facilidade de interpreta o 1 Todas as alternativas s o listadas sequencialmente com para cada uma o c digo e label de c digo da alternativa ou o n mero de vari vel e nome os valores de fun o de filia o da alternativa indicando qu o forte ela est conectada a cada rango a lista do s rango es mais cr veis para aquela alternativa 2 Todos os rangess s o listados sequencialmente com para cada um o n mero do rango o c digo e label de c digo das alternativas ou os n meros e nomes das vari veis os valores de fun o de filia o da alternativa indicando qu o forte ela est conectada a cada rango a lista da s alternativa s mais cr veis para aquele rango M todo baseado em l gica cl ssica METHOD CLAS Resultados de an lise Para cada estrutura relacional de domin ncia final resultando de uma an lise as diferen as de ranks e as propor es populacionais de m nimo m ximo especificados pelo usu rio s o impres sas seguidos pela lista de n cleos sucessivos n o dominados identificados pelos seus n meros sequenciais com as alternativas pertencendo a eles Nota Alternativas recebem nomes que s o os primeiros 8 caracteres da nome de vari vel para DAT
390. enciada clique no bot o direito do mouse ou pode ser adicionada no final do arquivo linha com asterisco no in cio da linha A entrada de dados pode ser facilitada tomando vantagem de duas op es dadas no menu Op es Checagem de c digo checa os valores de dados durante a entrada de dados em rela o aos c digos definidos no dicion rio que s o os nicos c digos considerados v lidos Salto autom tico move o cursor automaticamente para o pr ximo campo quando d gitos em n mero suficiente tenham sido introduzidos para preencher o campo Se n o selecionado voc deve pressionar Enter ou Tab para movimentar se para o pr ximo campo Modificando o valor de uma vari vel Clique o campo da vari vel e entre com o novo valor entrando o primeiro caracter do novo valor limpa o campo Um clique duplo no campo de uma vari vel pode ser usado para modificar parte do valor corrente A tecla Esc pode ser usada para recuperar o valor pr vio Copiando o valor de uma vari vel em um outro campo Clique no campo da vari vel e copie o seu conte do para o Clipboard comando Editar Copiar Ctrl C ou bot o Copiar na barra de ferramentas 9 6 Importando Arquivos de Dados 89 Ent o clique o campo requerido e passe o valor comando Editar Colar Ctrl V ou bot o Colar da barra de ferramentas O comando Editar Desfazer caso pode ser utilizado para recuperar o valor pr vio Opera es de edi o em uma linha ou em um bloco de linhas
391. encias ss poe e oat ele we ee eee bee ele eee EE eee ak e Sb 6 45 Fun es de Distribui o e de Lorenz 45 1 F rmula para Pontos de Quebra ccccccclccl ee 45 2 Pontos de Quebra de Fun o de Distribui o aaa 45 3 Pontos de Quebra da Fun o de Lorenz iccccccccccc ee 45 4 Curva de Lorenz 24 pra ala a Cen eek do gg EA Dek Ae ee VER RAD ee oe eee ed 45 5 O coeficienteide Gini us Sade Se eee RAD Ee ee as See DA Da a SL RT E CR 45 6 Estat stica D de Kolmogorov Smirnov ccccccccccc 45 7 Nota a Respeito de Pesos oot oeeo ala a a u da aa ee 46 An lise Fatorial 46 1 Estat sticas Univariadas i s yos ot ee a pa a aa ee 46 2 Dados de Entrada stats 4 RA BE E oom BG a aiaa a ae ER fee Ree ee 46 3 Matrizes N cleo Matrizes de Rela es 2 2 ee a AGA TACO Se gat pede sheen erty fig Gente oh Boe ae toe EBB lg ete ae ele ee ay ERA ee Sh MD 46 5 Valores e Vetores Pr prios 2 2 ee 46 6 Tabela de Valores Pr prios s ste s i a e a a y ee 329 329 329 329 330 331 332 333 335 337 337 337 338 338 338 338 340 340 341 342 343 343 345 345 345 345 346 346 346 346 346 347 347 349 349 350 xvi 47 48 49 50 51 52 53 CONTE DO 46 7 Tabela de Fatores de Vari veis Ativas oaoa aaa ee 360 46 8 Tabela de Fatores de Vari veis Passivas ooa a 362 46 9 Tabela de Fatores de Casos Ativos ooo oaa ee 362 46 10Tabela de Fatores de Casos Passivos ooo a 364
392. ens s o realizadas para compatibilidade entre os dados e a corre o e uma boa documenta o impressa descrevendo todas as corre es realizadas Opera o do programa CORRECT inicialmente l o dicion rio e armazena a informa o sobre as vari veis em um dataset Cada instru o de corre o de dados ent o processada Depois que a instru o lida CORRECT l o arquivo de dados copiando casos at o caso identificado na instru o ser encontrado CORRECT executa a instru o listando o caso ou revisando valores para vari veis selecionadas e pro duzindo o caso ou deletando o caso da sa da quando apropriado Quando todas as instru es s o exauridas os casos de dados remanescentes se houver s o copiados para a sa da e a execu o termina normalmente Se erros na ordem de classifica o das instru es de corre o ou casos de dados ocorrem e tamb m se h erros de sintaxe nas intru es de corre o CORRECT documenta a situa o nos resultados e continua com a pr xima instru o Corre o de vari veis O usu rio especifica a identifica o de caso seguido pelos n meros de vari veis a serem corrigidos juntamente com os seus novos valores Ambas var veis num ricas com valor inteiro ou decimal e alfab ticas podem ser corrigidas Corrigindo vari veis de ID de casos Se um campo de ID deve ser corrigido normalmente a ordem de classifica o ser afetada e o par metro CKSORT NO deve portanto se
393. entados pelo mesmo s mbolo o default um pequeno ret ngulo preto Pode se designar um s mbolo para um grupo ou colapsar grupos ao designar se o mesmo s mbolo para dois ou mais grupos A lista de grupos dada na caixa da esquerda Duas outras caixas servem para selecionar cores e s mbolos Para selecionar uma cor ou s mbolo basta clicar nela Sua imagem aparecer imediatamente no bot o pr ximo ao nome do grupo selecionado Modo direcionado Essa op o til quando a ordem dos casos em algumas vari veis de coluna possui um significado e g quando os valores de uma vari vel de coluna indicam intervalos de tempo Ligando as imagens sequencialmente atrav s de linhas retas pode ajudar por exemplo a procurar padr es c clicos Para mudar para plotagens direcionadas ou voltar para diagramas de dispers o pressione o bot o Modo direcionado da barra de ferramentas ou use o comando de menu Ferramentas Modo direcionado Mascarando e Desmascarando casos Voc pode mascarar casos projetados em diagramas de dispers o Essa caracter stica pode ser til por exemplo para remover outliers do gr fico Mascarando est dispon vel quando o pincel est ativo Para mascarar casos inclusos dentro pincel clique o bot o Mascarar da barra de ferramentas Casos mas carados s o ocultos em todos diagramas de dispers o Mascarando pode ser executado v rias vezes Todos ou parte dos casos mascarados pode ser desmascarados ao se clica
394. ento de dados O usu rio especifica at 20 vari veis de defini es de grupo ID que determinam o n vel de agrega o do aquivo de sa da Por exemplo se algu m quisesse agregar dados a n vel individual ao n vel de domic lio uma vari vel identificando o domic lio seria a vari vel de defini o de grupo Cada vez que AGGREG l um registro de entrada ele checa se ocorreu alguma mudan a em quaisquer vari veis ID Quando isso encontrado um registro produzido contendo o sum rio de estat sticas das vari veis agregadas especificadas para o grupo de registros que acabou de ser processado Inserindo constantes nos registros de grupos Constantes podem ser inseridas nos registros de grupos usando par metros PAD1 PAD5 que especificam as chamadas vari veis pad O valor de uma vari vel pad uma constante Transferindo vari veis Vari veis podem ser transferidas para os registros de grupo produzidos Note que apenas os valores do primeiro caso no grupo s o transferidos 10 2 Caracter sticas Padr o do IDAMS Sele o de casos e vari veis O filtro padr o est dispon vel para selecionar um subconjunto de casos dos dados de entrada Vari veis ID definindo os grupos e as vari veis a serem agregadas s o especificadas 98 Agregacao de Dados AGGREG com os par metros As vari veis ID s o automaticamente inclu das no dataset de sa da Transformando dados Declara es de Recode podem ser usadas Tratamento
395. entre pontos e produtos escalares A configura o pode ser impressa ap s cada transforma o An lise discriminante DISCRAN Procura pela s melhor es fun o es linear es de um conjunto de vari veis que reproduz tanto quanto poss vel um agrupamento a priori dos casos utilizado um procedimento passo a passo i e em cada passo a vari vel mais poderosa inclu da Tr s amostras de casos podem ser distinguidas amostra b sica na qual os principais passos de an lise discriminante s o executados amostra de teste na qual a pot ncia da fun o discriminante checada amostra an nima a qual utilizada apenas para classificar os casos Escolha de casos e valores dos dois primeiros fatores discrimantes se houver mais de 2 grupos podem ser salvos em um dataset Fun es de distribui o e de Lorenz QUANTILE Fun es de distribui o apresentando entre 2 e 100 subintervalos fun es de Lorenz curva de Lorenz e coeficientes de Gini e o teste de Kolmogorov Smirnov An lise fatorial FACTOR Cobre um conjunto de an lises de componentes principais produtos escalares covari ncias correla es e correspond ncias de an lise fatorial Para cada an lise ele constr i uma matriz representando as rela es entre vari veis e computa seus valores e vetores pr prios Ap s isto ele calcula os fatores do caso e ou da vari vel dando para cada caso e ou vari vel sua ordenada qualidade de representa o e con
396. eporte se ao cap tulo O Arquivo Setup do IDAMS para descri es mais aprofundadas das declara es de controle de programa tens 1 4 abaixo 1 Filtro opcional Seleciona um subconjunto de casos a ser usado na execu o Exemplo INCLUDE Vi 1 13 6 Declara es de Controle de Programa 117 2 Titulo mandat rio Uma linha contendo at 80 caracteres para nomear os resultados Exemplo TESTING FOR INCONSISTENCIES IN NORTH REGION 3 Par metros mandat rio Para selecionar op es de programa Exemplo IDVARS V1 V3 V4 MAXERR 50 INFILE IN xxxx Um sufixo ddname de 1 4 caracteres para os arquivos Dicion rio e Dados de entrada Default ddnames DICTIN DATAIN BADDATA STOP SKIP MD1 MD2 Tratamento de valores de dados n o num ricos Ver o cap tulo O Arquivo Setup do IDAMS MAXCASES n O n mero m ximo de casos depois da filtragem a ser usado do arquivo de entrada Default Todos os casos ser o utilizados MAXERR 999 n O n mero m ximo de inconsist ncias a serem impressas antes de CONCHECK parar IDVARS lista de vari veis At 5 vari veis cujos valores ser o listados para identificar casos com inconsist ncias Default N mero sequencial do caso impresso VARS lista de vari veis Vari veis a serem listadas para qualquer caso que possui pelo menos um erro FILLCHAR string At 8 caracteres usados para separar vari veis ao se listar inconsist ncias Default 2 espa os PRINT CDI
397. equerido F n o requerido TEE testes t T requerido F n o requerido EXA teste n o param trico de Fisher T requerido F n o requerido WIL teste n o param trico de Wilcoxon T requerido F n o requerido MW teste n o param trico de Mann Whitney T requerido F n o requerido SPM ro de Spearman T requerido F n o requerido EBM estat siticas de Medicina Baseada em Evid ncia T requerido F n o requerido Tabelas que s o requisitadas usando se os par metros PRINT MATRIX ou WRITE MATRIX n o s o listadas nos conten dos e s o sempre impressas primeiro com n meros de p gina e tabela negativos Outras tabelas s o impressas na ordem das especifica es de tabela exceto para tabelas onde s o requisitadas apenas estat sticas univariadas essas s o sempre agrupadas e impressas no final Tabelas bivariadas Cada tabela bivariada se inicia em uma nova p gina uma tabela grande pode precisar de mais de uma p gina Tabelas s o impressas com at 10 colunas e 16 linhas por p gina dependendo do n mero de itens em cada c lula Colunas e linha s o impressas para c digos que aperecem realmente nos dados Linha e coluna de totais e frequ ncias cumulativas marginais e percentuais se requisitados s o impressos ao redor da borda da tabela Uma grande tabela impressa em linhas verticais Por exemplo uma tabela com 40 c digos de linha e 40 c digos de coluna seria normalmente impressa em 12 p ginas com
398. er s o executadas logo antes da rota o ortogonal da configura o Depois de cada opera o os resultados s o impressos Os efeitos das op es de an lise s o cumulativos Se a configura o final impressa e ou salva isso feito depois de todas as an lises terem sido feitas 3 Especifica es de transforma o Condicional se TRANSFORM foi especificado use par metros como especificados abaixo Tantas transforma es quantas desejadas podem ser especificadas cada uma deve come ar em uma nova linha Se o usu rio especifica o ngulo de rota o DEGREES e duas dimens es DIMENSION a rota o executada Se uma constante ADD e uma dimens o DIMENSION s o especificadas a transla o executada Exemplo DEGR 45 DIME 5 8 PRINT PLOT PRINT CONFIG PLOT CONF Imprime a configura o translada e rotacionada autom tico para configura es com 2 dimens es e para a configura o final PLOT Plot a configura o translada ou rotacionada Nota N o haver sa da impresso para a transforma o se PRINT n o especificado Ele deve ser especificado para cada transforma o Par metros de rota o DIMENSION n m As duas dimens es a serem rotacionadas apenas rota o pareadas DEGREES n Angulos de rota o em graus apenas rota o ortogonal Par metros de transla o DIMENSION n A dimens o a ser translada ADD n Valor a ser adicionado a cada coordenada para a dimens
399. er sticas de Dist ncias por Grupos a b c d e f g h N O n mero de casos em cada grupo da tipologia inicial M dia Dist ncia m dia para cada grupo i e a m dia de dist ncias do perfil do grupo em rela o a todos os casos pertencendo a esse grupo DP Desvio padr o da dist ncia de cada grupo Classifica o de dist ncias Distribui o de casos tanto em termos de freq ncias quanto percent agens ao longo de 15 intervalos cont nuos que s o diferentes para cada grupo Contagem total N mero total de casos participando na constru o da tipologia inicial M dia Dist ncia m dia geral DP Desvio padr o geral Classifica o de dist ncias mesmos limites para cada grupo Mesmo que 6 d acima exceto que os 15 intervalos posuem a mesma amplitude para todos os grupos 58 7 Estat sticas de Resumo para Vari veis Quantitativas e para Vari veis Qualitativas AtHas 58 7 Estat sticas de Resumo para Vari veis Quantitativas e para Vari veis Qualitativas Ativas a M dia M dia de quantitativas x Xa U 4 Para categorias de vari vel qualitativa uma propor o de casos nessa categoria 5 Wk Tku 7 ee E Ww b D P Desvio padrao c Peso O valor do peso da varidvel calculado para cada varidvel da seguinte maneira 0 para vari veis passivas quantitativas 1 para vari veis ativas quantitativas aae para categorias de uma vari vel ativa qualitativa Ay onde c o n mero
400. er se o 4 acima e calcula o perfil para esse novo grupo a Grupo 3 Perfil do novo grupo impresso para at 15 vari veis ativas em ordem decrescente do seus desvios ver 10 d abaixo Note que se houver menos do que 15 vari veis ativas ou menos do que 15 vari veis com casos v lidos em grupos agregados o programa completa a lista usando vari veis passivas b Grupo i Perfil do grupo i impresso para as mesmas vari veis como acima c Grupo j Perfil do grupo j impresso para as mesmas vari veis como acima 58 11 Refer ncias 433 d Desv Valor absoluto da diferen a entre os perfis do grupos i e j impresso para as mesmas vari veis como acima Dev 2y Zin E Tijv e Desvio ponderado Desvio ponderado pelo peso e desvio padr o de vari vel impresso para a mesma vari vel com acima WDev 2 Dev z a Sv 58 11 Refer ncias Aimetti J P SYSTIT Programme de classification automatique GSIE CFRO Paris 1978 Diday E Optimisation en classification automatique RAIRO Vol 3 1972 Hall amp Ball A clustering technique for summarizing multivariate data Behavioral Sciences Vol 12 No 2 1967 Ap ndice Mensagens de Erro dos Programas do IDAMS Visao Geral Um esfor o foi feito no sentido de tornar as mensagens de erro auto explicativas Portanto esse Ap ndice essencialmente descreve o esquema de codifica o usado para as mensagens de erro Erros e Alertas Erros E causam sempre a
401. er selecionadas Existe uma op o para casar um caso de um arquivo com mais de um caso de um segundo arquivo e g para adicionar dados domiciliares de um arquivo em cada registro individual em um segundo arquivo Classifica o e fus o de arquivos SORMER Essa uma ferramenta de finalidade geral para classi fica o de dados em ordem crescente ou decrescente em at 12 campos At 16 arquivos podem ser fundidos Subdivis o de datasets SUBSET Produz um novo dataset arquivos Dados e Dicion rio contendo casos selecionados e ou vari veis do dataset original H uma op o para checar a exist ncia de dados duplicados Transforma o de dados TRANS Permite que vari veis criadas com a ferramenta Recode do IDAMS possam ser salvas em um dataset permanente 1 3 Facilidades para An lise de Dados An lise de agrupamento CLUSFIND Executa an lise de agrupamento via parti o de um conjunto de objetos casos ou vari veis em um conjunto de clusters assim determinados por um dentre 6 algoritmos 2 baseados na parti o ao redor de medoids objetos representativos um baseado em agrupamento difuso e os outros 3 baseados em agrupamento hierarquizado 1 3 Facilidades para An lise de Dados 3 An lise de configura o CONFIG Executa an lise em uma configura o de entrada nica criada por exemplo pelo programa MDSCAL Ele possui a capacidade de centrar normalizar rotar transladar as dimens es computando dist ncias
402. era o alguma usada como um ponto conveniente de transfer ncia Prot tipo CONTINUE Exemplo IF Vi7 EQ 10 THEN GO TO AT R10 V11 GO TO THAT AT R20 V1i1 100 THAT CONTINUE ENDFILE A declara o ENDFILE faz com que a facilidade Recode feche a base de dados de entrada exatamente como se um fim de arquivo fosse atingido Se a fun o EOF tiver sido especificada ser designado para a fun o EOF um valor verdadeiro para uma passagem final atrav s das declara es de Recode desde o come o depois de ENDFILE tiver sido executado Prot tipo ENDFILE Exemplo IF Vi EQ 100 THEN ENDFILE Essa declara o pode ser usada para testar um conjunto de declara es Recode ou um setup do IDAMS nos primeiros n casos de um dataset ERROR A declara o ERROR direciona a facilidade Recode a terminar a execu o com uma mensagem de erro que indica o n mero de casos e o n mero de declara o de Recode na qual o erro ocorreu 4 13 Declaragoes Condicionais 49 Prot tipo ERROR Exemplo IF R6 EQ 2 THEN GO TO B ERROR B CONTINUE GO TO A declara o GO TO usada para mudar a sequ ncia na qual as declara es s o executadas Na aus ncia de uma declara o GO TO ou BRANCH cada declara o executada sequ ncialmente Prot tipo GO TO label Onde label uma label de declara o de caracteres 1 4 A declara o identificada pela label pode vir fisicamente antes ou depois da declara o GO TO Aten o Seja cuida
403. eradores l gicos Operadores l gicos s o usados entre operandos l gicos Operandos l gicos assumem apenas os valores de verdadeiro ou falso Eles s o NOT AND ambos OR um ou outro 4 7 Express es Uma express o uma representa o de um valor Uma constante simples vari vel ou refer ncia fun o uma express o Combina o de constantes vari veis fun es e outras express es com operadores tamb m s o express es Recode pode avaliar express es aritm tica e l gicas Note que par nteses podem ser utilizados em qualquer lugar na express o para clarificar a ordem na qual deve ser avaliada Express es aritm ticas Express es aritm ticas s o criadas utilizando se operadores aritm ticos e vari veis constantes e fun es aritm ticas Eles produzem um valor num rico Exemplos s o V732 o valor de V732 44 a constante 44 R67 V807 25 25 mais o valor de R67 dividido pelo valor de V807 LOG R10 o log do valor de R10 Express es l gicas Express es l gicas s o avaliadas como de valor verdadeiro ou falso Vari veis p l gicas n o existem na linguagem Recode portanto o resultado de express es l gicas n o podem ser assumidos P P P por uma vari vel Express es l gicas s podem ser utilizadas em declara es IF Exemplos s o R5 EQ V333 Verdadeiro se o valor de R5 igual ao valor de V333 e falso caso contr rio V62 GT 10 OR R5 EQ V333 Verdadeiro
404. erao utilizados MAXERR 0 n O n mero m ximo de erros de largura de campo insuficiente permitido antes da execu o parar Esses erros ocorrem quando o valor de uma vari vel grande demais para caber no campo designado e g um valor de 250 quando WIDTH 2 tiver sido especificado Ver o cap tulo Dados em IDAMS OUTFILE OUT yyyy Um sufixo ddname de 1 4 caracteres para os arquivos Dicion rio e Dados de sa da Default ddnames DICTOUT DATAOUT OUTVARS lista de vari veis Vari veis V e R que devem ser produzidas A ordem das vari veis na lista s ser significante se o par metro VSTART for especificado Se VSTART n o for especificado todos os n meros de vari vel V e R devem ser nicos N o h default VSTART n As vari veis ser o numeradas sequencialmente come ando em n no dataset de sa da Default N meros de vari vel de entrada s o retidos WIDTH 9 n A largura do campo de vari vel de sa da default a ser utilizada para vari veis R Esse default pode ser desconsiderado para vari veis espec ficas com a especifica o de dicion rio WIDTH Para mudar a largura de campo de uma vari vel V num rica crie uma vari vel R equivalente ver Exemplo 1 DEC 0 n N mero de casas decimais a serem retidas para vari veis R 168 Transforma o de Dados TRANS PRINT OUTDICT OUTCDICT NOOUTDICT DATA OUTD Imprima o dicion rio de sa da sem registros C OUTC Imprima o dicion rio de sa da com reg
405. erdidos O par metro de tabela MDVALUES est dispon vel para indicar quais valores de dados perdidos se houver devem ser usados para checar a exist ncia de dados perdidos Casos com dados perdidos na vari vel dependente s o sempre exclu dos Casos com dados perdidos na vari vel de controle podem opcionalmente ser exclu dos ver o par metro de tabela MDHANDLING 242 An lise de Vari ncia Univariada ONEWAY 31 3 Resultados Especifica es de tabela Uma lista de especifica es de tabela oferecendo uma lista de conte dos para os resultados Dicion rio de entrada Opcional ver o par metro PRINT Registros de descri o de vari veis e registros C se houver somente para vari veis usadas na execu o Estat sticas descritivas dentro de categorias da vari vel de controle Estat sticas intermedi rias s o impressas em formato de tabela para cada valor de c digo da vari vel de controle mostrando o n mero de casos v lidos N e a soma dos pesos arredondados para o inteiro mais pr ximo soma dos pesos como percentual da soma total m dia desvio padr o coeficiente de varia o soma e soma dos quadrados da vari vel dependente soma da vari vel dependente como percentual da soma total Uma linha de totais impressa para a tabela dando somas ao longo de todas as categorias da vari vel de controle exceto categorias com zero graus de liberdade que s o exclu das dos totais Estat sticas de an lise de
406. erirem TIES DIFFER Quando h poucos empates faz pouca diferen a qual abordagem utilizada Quando h muitos empates a abordagem utilizada faz diferen a e o contexto deve ser considerado ao se fazer a escolha 28 2 Caracter sticas Padr o do IDAMS Sele o de casos e vari veis filtragem de casos deve ser feita na hora em que a matriz criada n o em MDSCAL O par metro VARS permite que a computa o seja executada em subconjuntos da matriz ao inv s da matriz inteira Transformando dados Uso de declara es de Recode n o aplic vel no MDSCAL Transforma es de dados devem ser executadas na hora que a matriz de entrada criada Ponderando dados Pondera o no sentido usual ponderando casos para diferentes taxas de amostragem ou diferentes n veis de agrega o deve ser feita antes do uso de MDSCAL tal pondera o deve ser incor porada na matriz de dados de entrada H uma op o de pondera o de um tipo bem diferente dispon vel em MDSCAL ver o par metro INPUT WEIGHTS Ele deve ser usado para designar pesos para c lulas da matriz de entrada o usu rio fornece uma matriz de valores que devem ser usados como pesos para os elementos correspondentes na matriz de entrada Tratamento de dados perdidos Dados perdidos para casos individuais devem ser contabilizados no momento que a matriz de dados de entrada criada n o em MDSCAL Se depois que a matriz tenha sido criada uma entrada na matriz dado
407. erizam a hierarquia completa O maior di metro indica o n vel no qual o conjunto de dados completos dividido Os objetos a esquerda desses valores constituem um cluster e os objetos no lado direito constituem um outro cluster O segundo maior di metro indica a segunda divis o e assim sucessivamente Banner de dissimilaridades Em rela o ao m todo AGNES trata se de uma representa o gr fica dos resultados Ele tamb m consiste de linhas de estrelas e das listras que repetem os identificadores dos objetos O banner lido da esquerda para direita mas as escalas fixas acima e abaixo do banner variam agora de 1 00 correspondendo ao di metro do conjunto de dados completo e 0 00 correspon dendo ao di metro dos singletons Cada linha com estrelas termina no di metro onde o cluster dividido O di metro real do conjunto de dados correspondendo a 1 00 no banner fornecido logo abaixo do banner Coeficiente divisivo A largura m dia do banner chamada de coeficiente divisivo DC Ele descreve a intensidade da estrutura de cluster encontrada DC xh onde l o comprimento da linha contendo o identificador do objeto i 42 11 Agrupamento Monot tico MONA 343 42 11 Agrupamento Monot tico MONA O m todo MONA destinado a dados que consistam exclusivamente de vari veis bin rias dicot micas aquelas que podem assumir apenas dois valores e portanto 2 0 ou zif 1 Apesar do algoritmo ser do tipo divisivo
408. ervalo 2 5 ndice de riqueza com valores 0 5 de acordo com o n mero de bens possu dos R104 COUNT 1 V31 V35 Se todos os tens s o codificados 1 sim o ndice R104 ter valor de 5 Se todos s o codificados com 2 n o ou est o faltando ent o o ndice ser zero 6 Cria 3 vari veis dummy codificadas 0 1 da vari vel de educa o DUMMY R105 R107 USING V5 1 2 3 As tr s vari veis de resultado assumir o os seguintes resultdos Vo 1 R105 1 R106 0 R107 0 Vo 2 R105 0 R106 1 R107 0 V5 3 R105 0 R106 0 R107 1 V5 not 1 2 or 3 R105 0 R106 0 R107 0 default se nenhum valor para ELSE for dado 7 Idade da crian a mais nova Idades das ltimas 4 crian as s o armazenadas nas vari veis 42 a 45 a mais velha sendo a que est em V42 Se algu m possui 3 crian as ent o o valor de V44 d a idade da crian a mais nova se algu m tem 4 ou mais crian as ent o n s queremos V45 Nesse caso V41 n mero de crian as pode ser usado como um indice para selecioinar a vari vel correta utilizando a fun o SELECT IF V41 GT 4 THEN V41 4 IF V41 EQ O OR MDATA V41 THEN R109 99 ELSE R109 SELECT FROM V42 V45 BY V41 NAME R109 Last child s age MDCODES R109 99 8 Quociente Peso Altura como um n mero decimal e arredondado para o inteiro mais pr ximo IF MDATA V21 V22 OR V22 EQ O THEN R111 99 AND R112 99 ELSE R111 V21 V22 AND R112 TRUNC V21 V22 5 NAME R111 Weight Height ratio dec
409. es Vari veis podem aparecer em qualquer ordem e em mais de uma express o No entanto note que V1 1 OR V1 2 equivalente express o V1 1 2 Note tamb m que V1 1 AND V1 2 uma condi o imposs vel poi nenhum caso pode assumir simultaneamente um 1 e um 2 como valor da vari vel V1 Uma declara o de filtro pode opcionalmente ser terminada por um asterisco As vari veis em um filtro Vari veis de tipo de caracter num rico e alfab tico podem ser usadas Vari veis R n o s o permitidas em filtros principais Elas s o permitidas em an lises espec ficas ou filtros locais Note que a declara o REJECT em Recode pode ser usada para filtrar casos de vari veis R Os valores em um filtro para vari veis num ricas Valores num ricos podem ser inteiros ou decimais positivos ou negativos e g 1 2 4 10 Valores s o expressos de maneira nica ou em intervalos e s o separados por v rgulas e g 1 5 8 12 18 Para vari veis de filtro num rico valores de vari vel no arquivo de dados s o primeiro convertidos para modo bin rio real usando o n mero correto de casas decimais do dicion rio e a compara o com o valor do filtro feita numericamente Note que isso significa que para uma vari vel com casas decimais valores de filtro devem ser definidos com o ponto decimal na posi o correta e g V2 2 5 2 8 Casos onde a vari vel de filtro possui um valor n o
410. es Ele desenhado para uso com vari veis preditoras medidas em escalas nominal ordinal e intervalos Ele aceita um n mero desigual de casos nas c lulas formadas pela classifica o cruzada dos preditores Alternativas ao MCA s o REGRESSN e ONEWAY REGRESSN oferece uma capacidade de regress o m ltipla ONEWAY executa uma an lise de vari ncia univariada A vantagem do MCA em rela o RE GRESSN que ele aceita vari veis preditoras em uma forma t o fraca quanto escalas nominais e ela n o assume linearidade na regress o As vantagens em rela o a ONEWAY s o que em MCA o c digo m ximo para uma vari vel de controle em uma an lise univariada 2999 ao inv s de 99 em ONEWAY Gerando um dataset de res duos Res duos podem ser computados e produzidos como um arquivo Dados descrito por um dicion rio do IDAMS Ver a se o Dataset s de Res duos de Sa da para detalhes desse conte do A op o n o est dispon vel se somente um preditor especificado Procedimentos iterativos MCA usa um algoritmo de itera o para aproximar os coeficientes constituindo as solu es para o conjunto de equa es normais O algoritmo de itera o p ra quando os coeficientes sendo gerados est o suficientemente precisos Isso envolve colocar uma toler ncia e especificar um teste para determinar quando aquela toler ncia foi alcan ada ver par metros de an lise CRITERION e TEST Quatro testes de converg ncia est o dispon
411. es m dios das vari veis selecionadas no passo q para O grupo g N n mero de casos no grupo g W soma total de pesos para o grupo g I4 subconjunto de indices para vari veis selecionadas no passo q 44 1 Estat sticas Univariadas Essas estat sticas ponderadas se os pesos forem especificados s o calculadas para cada grupo e para cada vari vel de an lise usando a amostra b sica A m dia calculada tamb m para a amostra b sica total m dia total a M dia N9 g g gt Wk Tki k 1 Wa 9 T Nota a m dia total calculada usando uma f rmula an loga b Desvio padr o 350 An lise Discriminante 44 2 Discrimina o Linear Entre 2 Grupos O procedimento baseado na fun o linear discriminante de Fisher e usa a matriz de covari ncia total para calcular os coeficientes dessa fun o Classifica o de casos feita usando se os valores dessa fun o e n o dist ncias O crit rio aplicado para selecionar se a vari vel seguinte o D de Mahalanobis dist ncia de Mahalanobis entre dois grupos Depois de cada passo o programa fornece a fun o discriminante linear a tabela de classifica o e o percentual de casos corretamente classificados para ambas as amostras i e b sica e de teste a b d Fun o discriminante linear Vamos denotar a fun o calculada no passo q como falaj o bgi Xi Gq icla Os coeficientes bg dessa fun o para as vari veis 7
412. esfor o possui duas fun es Primeiro ela uma medida de qu o bem a configura o derivada corresponde aos dados de entrada Segundo ela utilizada para decidir que pontos devem continuar na pr xima itera o H tamb m duas f rmulas dispon veis para o c lculo do esfor o SQDIST e SQDEV Esfor o SQDIST Esfor o SQDEV onde dij dist ncia entre vari veis i e j na configura o ver 8 c abaixo dij aqueles n meros que minimizam o esfor o sujeito a restri o que o dij tenha a mesma ordem de rank dos dados de entrada ver 8 d abaixo d a m dia de todos os dij S b SRAT Quociente de esfor o O usu rio pode parar o procedimento de escalonamento especificando o quociente de esfor o a ser alcan ado Para a primeira itera o n mero 0 seu valor igualado a 0 800 SRAT Esfor o previo Esfor o presente c SRATAV Media do quociente de esfor o Para a primeira itera o seu valor igual a 0 8000 SRATAV presente SRAT ee E x SRATAV previo 66666 48 4 Hist ria de C lculos 373 d f g h CAGRGL Esse o cosseno do ngulo entre o gradiente corrente e o gradiente pr vio 5 gt Jis Gis i s DD DE Cas gradiente presente CAGRGL cos onde RS l g gradiente pr vio O gradiente inicial igualado a uma constante 1 Inicial gis 7 COSAV Cosseno m dio do ngulo entre gradientes sucessivos Trata se de uma m dia pondera
413. esmas sem perda de discrimina o Normalmente o programa plota a vari vel com o maior intervalo antes do re escalonamento ao longo do eixo horizontal No entanto o usu rio pode requerer que a vari vel X seja sempre plotada ao longo do eixo horizontal As frequ ncias reais s o introduzidas no diagrama se eles forem menores que 10 Para frequ ncias de 10 65 as letras do alfabeto s o utilizadas Se a frequ ncia de um ponto maior que 65 um asterisco colocado no diagrama Esse esquema de codifica o parte dos resultados para facilidade de refer ncia Estat sticas A m dia desvio padr o valores m nimo e m ximo s o impressos para cada vari vel acessada incluindo o filtro de plotagem e vari vel de pondera o se houver Para cada plotagem o programa tamb m imprime a m dia desvio padr o contagem de casos e intervalo para as duas vari veis coeficiente de correla o r de Pearson a constante de regress o e o coeficiente de regress o n o padronizado para prever Y partindo de X 35 2 Caracter sticas Padr o de IDAMS Sele o de casos e vari veis O filtro padr o est dispon vel para selecionar subconjuntos de casos dos dados de entrada Al m disso uma vari vel de filtro de plotagem e intervalo de valores podem ser especificados para restringir os casos de dados inclu dos em uma plotagem particular As vari veis a serem plotadas s o especificadas em pares com par metros de plotagem Transformando da
414. essamento s o as seguintes e Se um campo cont m um n mero reconhec vel o n mero editado em uma forma padr o e ent o processado ver o cap tulo Dados em IDAMS para detalhes e Se um campo cont m somente espa os vazios ele ou recodificado para assumir o 1 ou 2 c digo de dados perdidos noves ou zeros ou se nenhuma recodifica o especificada sinalizado como um erro e processado como um campo em branco A coluna 64 no registros T pode ser usada para especificar uma regra de recodifica o para a vari vel ver a se o Dicion rio de Entrada para detalhes e Se um campo cont m espa os em branco no final ilegais e g 04 em um campo num rico de tr s d gitos ou espa os em branco envolvidos e g 0 4 ele reportado como um erro e o valor mudado para 9 s e Se um campo cont m um valor positivo ou negativo com caracteres ou erroneamente entrados e g 1 23 ele reportado como um erro e o valor mudado para 9 s 104 Constru o de um Dataset IDAMS BUILD e Se um c digo de dados perdidos para uma vari vel possui um d gito a mais do que o campo o campo de sa da ser um caracter mais comprido do que o de entrada Essa carcter stica pode ser utilizada quando for necess rio aumentar o campo de sa da sem mudar a largura do campo de entrada por exemplo se c digos 0 9 e um espa o em branco fossem definidos para uma nica vari vel de coluna o ca
415. esultado com o valor de 0 13 8 Exemplos RUN CONCHECK FILES DICTIN DATAIN SETUP MY DIC MY DAT 119 arquivo Dicion rio de entrada arquivo Dados de entrada PART 2 DA CHECAGEM DE CONSIST NCIA MAXERR 400 IDVARS V1 V3 VARS V5 V10 V200 V231 TEST R1 CNUM 201 CVARS V203 V205 TEST R2 CNUM 202 CVARS V203 V210 V212 TEST R3 CNUM 203 CVARS V214 V215 TEST R4 CNUM 204 CVARS V222 V226 TEST R5 CNUM 205 CVARS V229 V230 RECODE R900 1 A SELECT FROM R1 R5 BY R900 O IF R900 LT 5 THEN R900 R900 1 AND GO TO A IF V203 IN 1 5 17 20 25 AND V204 EQ 3 OR V205 EQ M THEN R1 1 IF V203 GT 6 AND MDATA V210 V211 V212 THEN R2 1 IF 2 TRUNC V214 2 EQ V214 OR V215 EQ O THEN R3 1 IF COUNT 1 V222 V226 LT 2 THEN R4 1 IF MDATA V229 AND NOT MDATA V230 THEN R5 1 Capitulo 14 Verifica o de Intercala o de Registros MERCHECK 14 1 Descri o Geral O programa MERCHECK detecta e corrige erros de fus o registros perdidos duplicados ou inv lidos em um arquivo de dados contendo registros m ltiplos por caso Ele produz um arquivo de dados contendo um n mero igual de registros por caso por meio do preenchimento de registros perdidos e dele o de registros duplicados e inv lidos Apesar de ter sido originalmente escrito para checar dados de imagem de cart o o comprimento do registro de dados de entrada pode ser qualquer valor at 128 Como qualquer outro programa do IDAMS assume que cada caso no arquivo de d
416. fica es de an lise repetida como requerida para l gica cl ssica apenas DICT condicional Dicion rio DATA condicional Dados Arquivos DICTxxxx dicion rio de entrada omitir se DICT usado DATAxxxx dados de entrada omitir se DATA usado PRINT resultados default IDAMS LST 34 6 Declaragoes de Controle de Programa 265 34 6 Declara es de Controle de Programa Referir se ao cap tulo O Arquivo Setup do IDAMS para descri es mais detalhadas das declara es de controle de program itens 1 4 abaixo 1 Filtro opcional Seleciona um subconjunto de casos a ser usado na execu o Exemplo INCLUDE V2 11 2 T tulo mandat rio Uma linha contendo at 80 caracteres para nomear os resultados Exemplo FIRST RUN OF RANK 3 Par metros mandat rio Para selecionar op es de programa Exemplo DATA RANKS PREF STRICT MDVALUES NONE VARS V11 V13 INFILE IN xxxx Um sufixo ddname de 1 4 caracteres para os arquivos Dicion rio e Dados de entrada Default ddnames DICTIN DATAIN BADDATA STOP SKIP MD1 MD2 Tratamento de valores de dados n o num ricos Ver o cap tulo O Arquivo Setup do IDAMS MAXCASES n O n mero m ximo de casos depois da filtragem a serem usados como arquivo de entrada Default Todos os casos ser o usados MDVALUES BOTH MD1 MD2 NONE Quais valores de dados perdidos ser o utilizados para as vari veis acessadas nessa execu o Ver o cap tulo O Arquivo Setup do
417. fica o Tamanho da tabela e Recodifica o univariada e bivariada de maiores propor es e completa s o produzidas mais eficiente mente por TABLE e IF e Em uma recodifica o univariada de grandes dimens es um para um usar uma linha de uma tabela retangular TABLE melhor que IF Capitulo 5 Gerenciamento e An lise de Dados 5 1 Valida o de Dados com IDAMS 5 1 1 Resumo Antes de se come ar a an lise de dados com qualquer software os dados normalmente necessitam ser vali dados Tal valida o tipicamente composta de tr s est gios 1 Checando se os dados est o completos i e verificando que todos os casos esperados est o presentes no arquivo de dados e que os registros corretos existem para cada caso se houver registros m ltiplos por caso 2 Checando se vari veis num ricas possuem apenas valores num ricos e checando se os valores s o v lidos 3 Checagem de consist ncia entre vari veis Como muitos outros softwares estat sticos IDAMS requer que haja a mesma quantidade de dados para cada caso Se os dados para um caso se estende por v rios registros ent o cada caso deve constar do mesmo conjunto de registros Se certas vari veis n o s o aplic veis em alguns casos ent o valores perdidos devem ser designados Capacidade de checagem de fus o de registros em IDAMS permite checar se cada caso de dados possui o conjunto correto de registros Isso executado pelo programa MER
418. fica o deve ser especificada N mero m ximo de vari veis a serem transferidas 99 N mero m ximo de vari veis de entrada incluindo aquelas nas declara es de filtro e Recode 100 202 An lise Fatorial FACTOR 5 N mero m ximo de 24 plotagens definidas por usu rio 6 Se a vari vel de ID ou uma vari vel a ser transferida alfab tica com largura gt 4 apenas os primeiros quatro caracteres s o usados 7 Para os par metros o seguinte deve ser atendido max D1 D2 D3 lt 5000 onde D1 NPV NPV 10 NV D2 NV NF 6 NPV NIF D3 NV NF NIF 3 NP e NV NPV NF NIF NP significam o n mero total de vari veis de an lise n mero de vari veis ativas n mero de fatores a serem computados n mero de fatores a serem ignorados n mero m ximo de pontos a ser repesentado nas plotagens respectivamente 26 9 Exemplos Exemplo 1 An lise fatorial de correla es an lises s o baseadas em 20 vari veis e 7 fatores s o requisitados o n mero de fatores a ser rotacionado definido de acordo com o crit rio de Kaiser estat sticas matriz de correla o e vetores pr prios ser o impressos seguidos pelos fatores de vari vel e plotagens padr o os fatores n o ser o mantidos no arquivo RUN FACTOR FILES PRINT FACT1 LST DICTIN A DIC arquivo DATAIN A DAT arquivo SETUP FACTOR ANALYSIS OF CORRELATIONS Dicion rio de entrada Dados de entrada ANAL N
419. figura o inicial o programa gera uma configura o arbitr ria tomando os primeiros n pontos da seguinte lista cada express o entre par nteses representa um ponto 1 0 0 0 0 2 0 0 0 0 3 0 0 0 0 t 1 0 0 0 0 t 2 0 0 48 3 Centragem e Normaliza o da Configura o No in cio de cada itera o a configura o centrada e normalizada 1 2 es ma RA j Se zis denota o elemento na i linha e s coluna da configura o ent o Centrado Zis Lis Ts Vis Us Normalizado is E n f 372 onde Ne tis NE n Ts a m dia da dimens o s e o fator de normaliza o Escalonamento Multidimensional Note que a soma total de quadrados dos elementos da configura o centrada normalizada igual a n o n mero de vari veis 48 4 Hist ria de C lculos Na conclus o de cada itera o itens 4 a at 4 h abaixo s o impressos Isso cria uma hist rico que em geral de interesse somente quando se tem medo que a converg ncia n o tenha sido completa Contudo no final do hist rico a raz o da parada impressa Se o programa n o parar porque um m nimo n o foi alcan ado pode ser verdade que a solu o alcan ada seja praticamente indisting vel do m nimo Minimo esse que seria alcan ado com algumas itera es a mais em particular se o esfor o muito pequeno isso geralmente ocorre a Esfor o A medida de
420. fun o linear dos preditores e similar a um coeficiente de correla o de Pearson simples exceto pelo fato de ser sempre positivo R v R R n o impresso se o termo constante for restrito a zero Fra o da vari ncia explicada R pode ser interpretado como a propor o da vari ncia na vari vel dependente explicada pelos preditores s vezes chamado de coeficiente de determina o uma medida da efetividade geral da regress o linear Quanto maior ele for melhor a equa o ajustada explica a varia o nos dados NO Ge 2r k Roelens ore X ue 7 k onde Jk o valor predito da vari vel dependente para o k esimo caso y a m dia da vari vel dependente Como R R n o impresso se o termo constante for restringido a zero Determinante da matriz de correla o Esse o determinante da matriz de correla o dos preditores Ele representa atrav s de um nico n mero a vari ncia generalizada em um conjunto de vari veis e varia de 0 a 1 Determinantes pr ximos de zero indicam que algumas ou todas as vari veis explanat rias s o altamente correlacionadas Um determinante de zero indica uma matriz singular o que significa que pelo menos um dos preditores uma fun o linear de um ou outros mais Graus de liberdade dos res duos Se a constante n o restrita a ser zero df N p 1 Se a constante restrita a ser zero df N p 368 g Regressao Linear Termo constante A 7 5
421. gistro preenchido s o listados Registros ocorrendo antes daquele com BEGINID Esses s o impressos opcionalmente Ver o par metro PRINT LOWID Registros fora da ordem de classifica o Esses s o normalmente impressos apesar de que os resultados n o podem ser suprimidos Ver o par metro PRINT NOSORT Registros sem a constante especificada Qualquer registro que n o cont m a constante especifi cada pelo usu rio na coluna correta impresso Esse relat rio pode ser suprimido Ver o par metro PRINT NOCONSTANT Estat sticas de execu o No final do relat rio o n mero total de registros perdidos e registros duplicados e o n mero total de casos que foram lidos escritos deletados e que cont m erros s o impressos 14 4 Dados de Sa da Os dados de sa da um arquivo com o mesmo comprimento de registro do arquivo de dados de entrada e um mesmo n mero de registros por caso Cada caso cont m cada um dos tipos de registro especificado nas descri es do Record 124 Verifica o de Intercala o de Registros MERCHECK 14 5 Dados de Entrada A entrada consiste de um arquivo de registros de dados de comprimento fixo normalmente classificado por ID de caso e ID de registro dentro do caso O comprimento do registro n o pode exceder 128 14 6 Estrutura de Setup RUN MERCHECK FILES Especifica es de arquivo SETUP 1 T tulo 2 Par metros 3 Descri es de registro repetido como requisitado DATA
422. gram LIST RUN MCA FILES PRINT MCA2 LST DICTIN LAB DIC arquivo Diction rio de entrada DATAIN LAB DAT arquivo Dados de entrada DICTOUT LABRES DIC arquivo Dictiondrio para residuos DATAOUT LABRES DAT arquivo Dados para res duos SETUP MULTIPLE CLASSIFICATION ANALYSIS RESIDUALS WRITTEN INTO A FILE valores default obtidos para todos par metros DEPV V201 OUTL EXCL OUTD 4 IDVA V2 WRITE RESI CONV V101 V102 V107 WEIGHT V6 RUN LIST SETUP LISTING START OF RESIDUAL FILE MAXCASES 20 INFILE OUT Exemplo 3 Para uma vari vel dependente V52 intera es entre tr s vari veis V7 V9 V12 ser o checadas V7 codificada 1 2 9 V9 codificada 1 3 5 9 e V12 codificada 0 1 9 onde 9 s s o valores perdidos Uma nica vari vel de combina o constru da usando se Recode Isso envolve recodificar cada vari vel em um conjunto de c digos cont guos come ando de zero e ent o usando a fun o COMBINE para produzir um nico c digo para cada combina o poss vel de c digos das tr s vari veis separadas MCA executado usando 3 vari veis separadas como preditores e uma an lise de vari ncia univariada executada usando a combina o de vari veis como controle Casos com dados perdidos nos preditores ser o exclu dos Casos com valores maiores do que 90000 na vari vel dependente ser o tamb m exclu dos 29 9 Exemplos 231 RUN MCA FILES DICTIN CON DIC arquivo Diction rio de entrada
423. gual a 1 se simultaneamente V5 n o igual a 7 e R8 igual a 9 NOte Os par nteses n o s o requeridos IF MDATA V6 OR V10 LT O THEN GO TO X Se o valor de V6 perdido ou V10 menor que 0 desvie para a pr xima declara o marcada com X caso contr rio continue com a pr xima declara o 4 14 Declara es de Inicializa o Defini o Essas declara es s o executadas de uma vez antes do processamento de dados come ar para inicializar valores que ser o utilizados na execu o das declara es de Recode Elas n o podem ser usadas em express es e n o podem ter labels CARRY A declara o CARRY faz com que os valores das vari veis listadas sejam transportados de caso em caso Vari veis CARRY s o inicializadas apenas uma vez antes de se iniciar a leitura de dados com valor 0 As vari veis CARRY podem ser usadas como contadores ou como acumuladores para agrega o Prot tipo CARRY varlist Onde varlist uma lista de vari veis R Exemplo CARRY R1 R5 R10 R12 4 14 Declara es de Inicializa o Defini o 51 MDCODES A declara o MDCODES muda de c digos de dados perdidos do dicion rio para as vari veis de entrada ou estabelece c digos de dados perdidos para vari veis de resultado Os default usados por Recode para vari veis R e V sem especifica o de dados perdidos no dicion rio e sem especifica o de MDCODES s o MD1 1 5 x 10 e MD2 1 6 x 10 Prot tipo MDCODES varlis
424. ha enquanto o caracter usado como separador decimal detectado na segunda linha do arquivo Portanto a presen a de caracters decimais mandat ria na segunda linha de arquivos de entrada se uma vari vel cont m decimais Durante o processo de importa o o conte do de vari veis alfab ticas importadas pode ser convertido para c digos num ricos mantendo os valores alfab ticos como labels de c digo no dicion rio de IDAMS criado Virgulas utilizadas como separador decimal s o convertidas em pontos A opera o de Importa o de Dados ativada com o comando Arquivo Importar seguido pela sele o do arquivo requisitado na caixa de di logo Abrir no arquivo padr o O caracter de separa o e o caracter usado como separador decimal s o exibidos junto com os valores de todos os campos para os tr s primeiros casos A leitura de dados podem ent o ser checada antes de iniciar se a importa o Depois disso voc ter a seu dispor duas janelas chamadas Dados externos e Defini o de vari veis ambas em forma de planilha A janela Dados externos mostra apenas o conte do do arquivo a ser importado Nenhuma opera o de edi o permitida exceto copiar uma sele o para o Clipboard A janela Defini o de vari veis serve para preparar descri es de vari veis do IDAMS Seu conte do inicial fornecido por default e com base nos dados importados mas voc livre para modific lo e complet lo se necess rio As
425. hado n o ponderado usado para medir dissimilaridades entre clusters Fa a R e Q denotar dois clusters e R e Q denotar seus n meros de objetos A dissimilaridade d R Q entre clusters R and Q definida como a m dia de todas as dissimilaridades d onde i qualquer objeto de R e j qualquer objeto de Q 1 UR eg du 24 ds iERJEQ 342 b d An lise de Agrupamento Ordenamento final de objetos e dissimilaridades entre eles Na primeira linha os objetos s o listados na ordem em que eles aparecem na representa o gr fica dos resultados Na segunda linha as dissimilaridades entre clusters que se juntam s o impressas Note que o n mero de dissimilaridades impressas um a menos que o n mero de objetos N porque h N 1 fus es Banner de dissimilaridades uma representa o gr fica dos resultados Um banner consiste de estrelas e listas As estrelas indicam as liga es e as linhas s o repeti es de identificadores de objetos Um banner sempre lido da esquerda para a direita Cada linha com estrelas se inicia na dissimilaridade entre os clusters sendo fundidos Existem escalas fixas acima e abaixo do banner indo de 0 00 dissimilaridade 0 a 1 00 maior dissimilaridade encontrada A maior dissimilaridade de fato correspondendo a 1 00 no banner fornecida logo abaixo do banner Coeficiente aglomerativo A largura m dia do banner chamada de coeficiente aglomerativo AC Ele descreve a
426. i veis de import ncia n o uniforme uma lista de prioridade pode ser definida usando o par metro de an lise LEVEL no ordenamento parcial Se as vari veis de prioridade mais alta determinam sem ambiguidade a rela o de dois casos as vari veis de prioridade mais baixa n o s o consideradas No caso especial quando apenas uma vari vel usada em uma an lise os valores transformados correspondem s suas probabilidades ver as op es ORDER ASEA DEEA ASCA DESA Em uma an lise uma s rie de subconjuntos mutuamente exclusivos pode ser examinada usando a facilidade do subconjunto Nesse evento a s vari vel eis de escore s o computadas dentro de cada subconjunto de casos 32 2 Caracter sticas Padr o do IDAMS Sele o de casos e vari veis O filtro padr o est dispon vel para selecionar casos para a execu o Uma op o de subsetting de casos est dispon vel tamb m para cada an lise Vari veis a serem transferidas para o arquivo de sa da s o selecionadas nas especifica es de an lise Transformando dados Declara es de Recode podem ser usadas Note que somente a parte inteira de vari veis recodificadas usada pelo programa i e vari veis recodificadas s o arredondadas para o inteiro mais pr ximo Ponderando dados Uso de vari veis de pondera o n o aplic vel Tratamento de dados perdidos O par metro MDVALUES est dispon vel para indicar quais valores de dados perdidos se houver devem ser
427. i veis i e j na configura o dij uma transforma o monot nica dos p s Pij o indice de entrada de similaridade ou dissimilaridade entre vari veis i e j 48 9 Nota sobre Empates nos Dados de Entrada Empates nos dados de entrada i e valores id nticos na matriz de dados de entrada podem ser tratados de duas maneiras a escolha depende do usu rio A abordagem prim ria DIFFER trata os empates na matriz de entrada com uma rela o de ordem inde terminada que pode ser resolvida arbitrariamente para diminuir dimensionalidade ou esfor o A abordagem secund ria EQUAL trata empates como se implicassem uma rela o de equival ncia que tanto quanto poss vel deve ser mantida mesmo se o esfor o aumente Se houver poucos empates n o faz muita diferen a entre qual abordagem escolher 48 10 Nota sobre Pesos O programa permite pondera o mas n o a pondera o no sentido usual do IDAMS A pondera o do MDSCAL pode ser usada para designar import ncia diferente para valores de dados diferentes isso para designar pesos para c lulas da matriz de dados de entrada Esse tipo de pondera o pode ser usado por exemplo para acomodar diferentes variabilidades de medida dentre os valores dos dados Se pesos forem utilizados Esfor o SQDIST Esfor o SQDEV onde dd wis di i j D i oj d 376 Escalonamento Multidimensional e wij indica o valor na c lula ij da matriz de peso 48 11 R
428. ia o de uma vari vel de classifica o resumindo 5 vari veis quantitativas e 4 qualitativas usando a dist ncia city block configura o inicial ser estabelecida por uma sele o aleat ria de casos classifica o se inicia com 6 grupos e terminar com 3 grupos reagrupamento ser baseado em dist ncia m nima dados perdidos ser o exclu dos da an lise RUN TYPOL FILES PRINT TYPOL1 LST DICTIN A DIC arquivo Dicion rio de entrada DATAIN A DAT arquivo Dados de entrada SETUP SEARCHING FOR NUMBER OF CATEGORIES IN A CLASSIFICATION VARIABLE AQNTV V114 V116 V118 V120 V122 AQLTV V5 V7 V36 REDU INIG 6 FING 3 INIT RAND NCAS 1200 REGR DIST PRINT GRAP ROWP DIST Exemplo 2 Gerando uma vari vel de classifica o do Exemplo 1 com 4 categorias a vari vel deve ser escrita em um arquivo vari veis V18 e V34 s o usadas como passivas quantitativas e vari veis V12 e V14 como passivas qualitativas 302 Tipologia e Classifica o Ascendente TYPOL RUN TYPOL FILES PRINT TYPOL2 LST DICTIN A DIC arquivo Dicion rio de entrada DATAIN A DAT arquivo Dados de entrada DICTOUT CLAS DIC arquivo Dicion rio de sa da DATAOUT CLAS DAT arquivo Dados de sa da SETUP GENERATING A CLASSIFICATION VARIABLE AQNTV V114 V116 V118 V120 V122 AQLTV V5 V7 V36 REDU PQNTV V18 V34 PQLTV V12 V14 INIG 6 FING 4 INIT RAND NCAS 1200 REGR DIST PRINT GRAP ROWP WRITE DATA IDVAR V1 Parte V An lise Inter
429. ibilidade conhecidos r Para esse fim outra nota o introduzida Note que para uma alternativa a estar exatamente no pesimo lugar significa que prefer vel a m p alternativas e precedida pelas restantes p 1 alternativas Quando o subconjunto de alternativas depois de a fixado ent o Ab o subconjunto de alternativas onde a e sempre preferivel AS o subconjunto de alternativas que sao preferiveis a aj A o subconjunto AN a Obviamente Apa U Anp A ANA p e a declara o Tj equivalente a sequ ncia de declara es aj prefer vel a todos os elementos de Anen e todos os elementos de Abi s o prefer veis a aj conectados pelo operador disjuntivo l gico f4 Al m do mais a declara o a prefer vel a todos os elementos de Ags uma conjun o das j conhecidas declara es a prefer vel a a com o n vel de credibilidade igual a r 1 para todos os elementos a de Amap Similarmente a declara o todos os elementos de A s o preferiveis a aj uma conju o das j conhecida declara o a prefer vel a a com o n vel de credibilidade igual a r j para todos os elementos a de Ariy Aplicando os operadores difusos correspondentes os elementos da matriz M podem ser obtidos da seguinte maneira Cjp max min min rj min ri A n p EA EA p aic A m O c mputo dos valores de c p executado usando se um procedimento de otimiza o que produz
430. icadas se pelo menos duas delas tiver valores n o perdidos Caso contr rio o resultado ser 1 5 x 10 MIN A fun o MIN retorna o valor m nimo em um conjunto de vari veis Valores de dados perdidos s o exclu dos O argumento MIN pode ser usado para especificar o n mero m nimo de valores v lidos para que o m nimo possa ser calculado Caso contr rio o valor default de valores perdidos de 1 5 x 10 ser retornado Prot tipo MIN varlist MIN n Onde e varlist uma lista de vari veis tipo R e V e constantes e n o n mero m nimo de valores v lidos para c lculo do valor m nimo O valor default de n 1 4 8 Fun es Aritm ticas 41 Exemplo R10 MIN V5 V7 V9 R2 NMISS A fun o NMISS retorna o n mero de valores perdidos em um conjunto de vari veis Prot tipo NMISS varlist Onde varlist uma lista de vari veis tipo R e V Exemplo R22 NMISS R6 R10 O valor retornado depende de quantas das vari veis R6 R10 possuem valores perdidos O valor m ximo 5 para um caso onde todas as 5 vari veis possuem dados perdidos NVALID A fun o NVALID retorna o n mero de valores v lidos valores n o perdidos em um conjunto de vari veis Prot tipo NVALID varlist Onde varlist uma lista de vari veis tipo R e V Exemplo R2 NVALID V20 V22 V24 O valor retornado depende de quantas das vari veis possuem valores v lidos O valor m ximo de 3 ser obtido se todas as vari veis possuem va
431. icado com o par metro NALT DATA RANKS Aqui cada fator listado no question rio como uma vari vel e g V13 Pr prio escrit rio V14 Alto sal rio V17 Coleguas compat veis e o respondente convidado a designar o rank de cada um onde 1 dado ao fator mais importante 2 ao pr ximo mais importante etc Aqui as vari veis representam os fatores e seus valores representam o rango Para cada vari vel deve ser designado um rank e todos os fatores sempre entrar o na an lise Os ranks devem ser codificados de 1 at n onde n o n mero de vari veis sendo consideradas Notas 1 Se DATA RANKS o c digo 0 e todos os c digos maiores do que n onde n o n mero de vari veis i e n mero de alternativas s o tratados com valores perdidos e s o designados para o rank mais baixo Se DATA RAWC os primeiros c digos NALT diferentes encontrados ao ler se os dados excluindo 0 s o usados como c digos v lidos Outros c digos encontrados mais tarde nos dados s o tomados como c digos inv lidos Zero sempre tratado como c digo ilegal Se o n mero de alternativas selecionadas pelos respondentes for menor do que NALT ent o as alternativas n o selecionadas aparecem nos resultados com c digo zero e label de c digo vazia 34 5 Estrutura de Setup RUN RANK FILES Especifica es de arquivo RECODE optional Declara es de Recode SETUP 1 Filtro opcional 2 T tulo 3 Par metros 4 Especi
432. icado em parte A tecla Esc pode ser usada para recuperar valores anteriores Opera es de edi o podem ser executadas em uma linha ou bloco de linhas Para marcar uma linha clique em qualquer campo dessa linha Um tri ngulo aparece no cabe alho da linha e a linha colorida de azul escuro Para marcar um bloco de linhas coloque o cursor do mouse no cabe alho da linha onde voc 9 5 Criando Renovando Exibindo Arquivos Dados 87 quer iniciar a marca o e clique o bot o esquerdo do mouse A linha se torna amarela indicando que est ativa Ent o movemente o cursor do mouse acima ou abaixo para a linha onde voc quer finalizar a marca o e clique o bot o esquerdo do mouse mantendo a tecla Shift Linhas marcadas se tornam azul escuro a cor amarela mostra a linha ativa Voc pode Cortar Copiar e Colar linha s marcada s usando os comandos do Editar bot es de barra de ferramentas equivalentes ou teclas de shortcut Ctrl X Ctrl C ou Ctrl V respectivamente Usando o bot o direito do mouse voc pode Inserir antes Inserir depois Deletar ou Limpar a linha ativa quando um bloco de linhas marcada Detectando erros em um dicion rio Use o comando de menu Verificar Validade Erros s o mostrados um por um e podem ser corrigidos quando eles todos s o exibidos Al m do mais Interface tenta prevenir voc de salvar dicion rios com erros Tamb m quando voc abre um dicion rio com erros a presen a deles sinalizada antes
433. icas e Vari veis de identifica o de caso ID e vari veis transferidas Vari veis V possuem as mesmas carac ter sticas dos seus entradas equivalentes vari veis Recode s o produzidas com WIDTH 9 e DEC 2 e Vari veis de fator computadas Nome especificado por FNAME Largura de campo 7 No de decimais 5 MD1 e MD2 9999999 26 5 Dataset de Entrada A entrada um arquivo Dados descrito por um dicion rio do IDAMS Todas as vari veis usadas para an lise devem ser num ricas eles podem ter valores inteiros ou decimais Elas devem ser dicot micas ou medidas em uma escala intervalar A vari vel de ID de caso e vari veis a serem transferidas podem ser alfab ticas H dois tipos de vari veis de an lise ativas e passivas Al m disso uma vari vel identificando o caso deve existir Outras vari veis podem ser selecionadas para transfer ncia para o arquivo de dados de sa da dos fatores de caso Um mais casos no final do arquivo de dados de entrada podem se especificados como casos passivos Para an lise de correspond ncia dois tipos de dados s o apropriados a vari veis dicot micas de um arquivo de dados brutos ou b uma tabela de conting ncia descrita por um dicion rio e usado como entrada do jeito de um dataset do IDAMS 198 An lise Fatorial FACTOR 26 6 Estrutura de Setup RUN FACTOR FILES Especifica es de arquivo RECODE optional Declara es de Recode SETUP 1 Filtro opcional 2
434. iciando 7 1 Vis o Geral dos Passos a serem Executados com o WinIDAMS Nesse exemplo um dicion rio do IDAMS para a descri o de dados coletados por um question rio preparado e os dados de alguns respondentes s o carregados Um conjunto de declara es de controle do IDAMS um setup ent o preparado e utilizado para produzir distribui es de frequ ncia para Idade Sexo e Educa o n mero de anos dividida em 4 grupos Os passos necess rios s o os seguintes Criar um ambiente de aplica o Preparar e armazenar um dicion rio descrevendo as vari veis nos dados Entrar os dados esse passo seria eliminado se os dados tivessem sido preparados fora do WinIDAMS Preparar e armazenar um setup de instru es especificando o que deve ser feito com os dados Executar o programa do IDAMS como especificado no setup Rever os resultados e modificar o setup se necess rio ent o repetir a partir do passo 4 JSD TORO Imprimir os resultados Para come ar primeiro inicie o WinIDAMS Voc ver a janela Principal do WinIDAMS i Win IDAMS l lol x Arquivo Editar ver Aplica o Executar Interativo Janela Ajuda D S Hajte o ABEM OPP P e S Default 2 Matrices Results Pplica o 70 Iniciando 7 2 Criar um Ambiente de Aplica o O ambiente de aplica o permite que voc pr defina atalhos completos para tr s folders Todos os arquivos de entrada sa da ser o a
435. igualado a 1 para cada inconsist ncia e g IF V6 EQ 1 AND V32 NE 9 THEN R1001 1 IF V6 NE 1 AND V32 EQ 9 THEN R1001 1 ELSE R1001 0 Use o conjunto de declara es de Recode com CONCHECK para imprimir casos com erros Passo 10 Corrija casos com erros como no passo 8 Executa os passos 9 e 10 at que nenhum erro seja reportado O resultado dos dados da execu o final do CORRECT estar pronta para an lise 5 2 Gerenciamento e Transforma o de Dados IDAMS cont m um conjunto extenso de facilidades para gerar ndices medidas derivadas agrega es e outras transforma es dos dados incluindo recodifica o alfab tica As capacidades mais frequ ntemente utilizadas s o propiciadas pela facilidade Recode que pode executar opera es tempor rias em todos os programas de an lise que utilizam dataset IDAMS Resultados de recodifica o podem ser salvos como vari veis permanentes atrav s do programa TRANS Essas facilidades operam em vari veis dentro de um caso e permitem recodifica o dos valores de uma ou mais vari veis gera o de vari veis via combina o de vari veis controle da seqii ncia dessas opera es atrav s de testes de express es l gicas e um n mero de declara es especiais e fun es A informa o do novo dicion rio necess ria para descrever os resultados das opera es executadas automaticamente produzida Para agrega o dos casos o programa AGGREG est dispon vel AGGREG propicia somas
436. ilidade de corrigir e checar os erros Por exemplo se um usu rio espera que uma quantidade consider vel de preenchimento ocorra mas virtualmente nenhuma duplicata ou registros inv lidos pode ser suficiente ter apenas um resumo de erros impresso e especificar que casos com erros se houver sejam salvos ver a op o WRITE BADRECS e listados mais tarde V rios controles na quantidade dos resultados s o poss veis com os par metros PRINT EXTRAS DUPS e PADS Casos de erros resumo de erros O resumo de erros consiste de uma identifica o do caso de erro contagem do caso ou ID do caso e qualquer uma das tr s mensagens sobre os erros que ocorreram A contagem sequencial de casos n o considera registros ou casos eliminados porque eles aparecem antes da ID do come o ou n o possuem a constante requerida A ID do caso retirada do s campo s de ID dos casos como especificado pelo par metro IDLOC Os tr s tipos de erros s o reportados ou seja 1 tipos de registro inv lidos 2 casos com registros perdidos 3 casos com registros duplicados Casos de erros registros maus H os registros inv lidos e duplicados como tamb m registros para casos que foram rejeitados por causa de registros perdidos Eles s o impressos na ordem em que aparecem no arquivo de entrada Casos de erros registros bons Se um caso mantido depois de um erro ser encontrado os registros originais gravados no arquivo de sa da incluindo qualquer re
437. ima Classifica o da amostra b sica Esses par metros definem os grupos a priori no procedimento de an lise discriminante Todos os grupos devem ser definidos explicitamente e a suas interse es em pares devem ser vazias Contudo elas n o precisam cobrir toda a amostra b sica GRVAR n mero de vari vel A vari vel usada para a defini o de grupo Vari vel V ou R pode ser utilizada N o h default 190 An lise Discriminante DISCRAN GR01 m1 m2 Define o primeiro grupo na amostra b sica GR02 m1 m2 Define segundo grupo na amostra b sica GRnn m1 m2 Define o n simo grupo na amostra b sica nn lt 20 Nota Pelo menos dois grupos devem ser especificados 24 8 Restri es 1 N mero m ximo de grupos a priori 20 2 A mesma vari vel n o pode ser usada duas vezes A largura m xima de campo de vari vel de ID de caso 4 N mero m ximo de vari veis a serem transferidas 99 Vari veis R n o podem ser transferidas IS Also 3G Se uma vari vel a ser transferidas alfab tica com largura gt 4 apenas os primeiros quatro caracteres s o usados 24 9 Exemplos Exemplo 1 An lise discriminante em todos os casos juntos casos s o identificados por V1 5 passos de an lise s o requisitados grupos a priori s o definidos pela vari vel V111 que inclui categorias 1 6 RUN DISCRAN FILES PRINT DISC1 LST DICTIN MY DIC arquivo Dicion rio de entrada DATAIN M
438. inteiras ou decimais positivas ou negativas e g 3 5 5 50 0 5 Constantes de caracteres Constantes de caracteres v m entre aspas simples e g ABCXYZ M Uma aspa simples ao longo de uma constante de caracter deve ser representada por duas aspas simples adjacentes e g DON T would be written DON T Constantes de caracteres s o usadas na declara o NAME para definir nomes para novas vari veis Elas tamb m podem ser utilizadas em express es l gicas para testar valores de vari veis alfab ticas e g IF V10 EQ M apenas os primeiros 4 caracteres s o usadas em tais compara es e constantes vari veis de comprimento lt 4 s o completadas a direita com espa os em branco Constantes de caracteres n o podem ser utilizadas em fun es aritm ticas exceto BRAC 36 Facilidade Recode 4 6 Operadores B sicos Operadores aritm ticos Operadores aritm ticos s o usados entre operandos aritm ticos Operadores dispon veis em ordem de preced ncia s o nega o EXP x exponencia o pot ncia x onde 181 lt x lt 175 multiplica o divis o adi o subtra o Operadores relacionais Operadores relacionais s o utilizados para determinar se dois valores aritm ticos possuem ou n o uma rela o particular enter si Os operadores relacionais s o LT menor que LE menor que ou igual GT maior que GE maior que ou igual EQ igual NE diferente Op
439. intera o O programa pode tamb m gerar contrastes de Helmert Aumento da soma dos quadrados intra c lulas poss vel aumentar a soma dos quadrados intra c lulas termo do erro usando estimativas ortogonais ver o par metro AUGMENT Isso permite que o programa seja usado para quadrados Latinos bem como para ajuntamento de termos de intera o com o erro Reordenamento e ou ajuntamento de estimativas ortogonais Um ordenamento convencional das estimativas dos efeitos ortogonais e g m dia C B A BxC AxC AxB AxBxC para designs de tr s fatores est constru do no programa para utiliza o padr o Contudo estimativas ortogonais podem ser rearranjadas em diferentes ordens ver o par metro REORDER Al m disso poss vel ajuntar v rias 234 An lise de Vari ncia Multivariada MANOVA estimativas ortogonais como os v rios termos de intera o para teste simult neo ou para parti o do agrupamento de estimativas ortogonais de um dado efeito em agrupamentos menores para teste em separado ver o par metro de nome de teste DEGFR 30 2 Caracter sticas Padr o do IDAMS Sele o de casos e vari veis O filtro padr o est dispon vel para selecionar casos para a execu o Vari veis dependentes s o selecionadas pelo par metro DEPVARS e covariates pelo par metro COVARS Vari veis fator s o especificadas em declara es de fator especiais Transformando dados Declara es de Recode podem ser usadas Note
440. io para descrever os dados brutos Os programas do IDAMS que produzem datasets sempre produzem novos dicion rios refletindo o novo formato dos dados criados Registros do dicion rio possuem formato fixo e comprimento de 80 caracteres Um descri o detalhada de cada tipo de registro de dicion rio dada abaixo Registro de descri o de dicion rio Esse sempre o primeiro registro no dicion rio 2 3 O Dicion rio do IDAMS 15 Colunas Conte do 4 3 indica o tipo de dicion rio 5 8 N mero da primeira vari vel alinhamento a direita 9 12 N mero da ltima vari vel alinhamento a direita 13 16 N mero de registros por caso alinhamento a direita 20 Forma em que a localiza o da vari vel especificada colunas 32 39 nos registros de descri o de vari veis branco N mero do registro e colunas inicial e final O comprimento do registro deve ser 80 para usar esse formato se o n mero de registros por caso gt 1 1 Localiza o inicial e largura do campo Registros de descri o de vari veis Registros T O dicion rio cont m um desses registros para cada vari vel Esses registros s o organizados em ordem crescente do n mero da vari vel Os n meros das vari veis n o precisam ser cont guos O n mero m ximo de vari veis 1000 Colunas Conte do 1 T 2 5 N mero da vari vel 7 30 Nome da vari vel 32 39 Localiza o de acordo com a coluna 20 do registro de descri o de dicion rio Es
441. ion rio sempre produzida Se nao for requerida a defini o do arquivo DICTOUT pode ser omitida Os dados s o sempre copiados para a sa da mesmo que n o haja nenhuma corre o ou dele o 15 5 Dataset de Entrada A entrada um arquivo Dados descrito por um dicion rio do IDAMS Normalmente CORRECT espera que os casos de dados sejam classificados em ordem ascendente de valores de vari veis ID de caso O usu rio pode contudo indicar via o par metro CKSORT que os casos n o est o em ordem ascendente Essa op o deve ser usada com cuidado a ordem das instru es de corre o deve combinar exatamente com a ordem dos dados no arquivo 15 6 Estrutura de Setup RUN CORRECT FILES Especifica es de arquivo SETUP 1 Filtro opcional 2 T tulo 3 Par metros 4 Instru es de corre o repetida como requerido DICT condicional Dicion rio DATA condicional Dados Files DICTxxxx dicion rio de entrada omitir se DICT usado DATAxxxx dados de entrada omitir se DATA usado DICTyyyy dicion rio de sa da DATAyyyy dados de sa da PRINT resultados default IDAMS LST 15 7 Declara es de Controle de Programa 131 15 7 Declara es de Controle de Programa Reporte se ao cap tulo O Arquivo Setup do IDAMS para descri es aprofundadas das declara es de controle do programa tens 1 3 abaixo 1 Filtro opcional Seleciona um subconjunto de casos a ser usado na execu o
442. ion rio e Dados de sa da Default ddnames DICTOUT DATAOUT VSTART n As vari veis ser o numeradas sequencialmente come ando em n no dataset de sa da Default N meros de vari veis de entrada s o retidos REFNO OLDREF VARNO OLDR Retenha os n meros de refer ncias em registros C e T como no dicion rio de entrada VARN Renove o n mero de refer ncia nos registros C e T para fazer o match com o n mero da vari vel de sa da PRINT OUTDICT OUTCDICT NOOUTDICT VARNOS OUTD Imprime o dicion rio de sa da sem registros C OUTC Imprime o dicion rio de sa da com registros C se houver VARN Imprime uma lista de n meros anteriores e novos de vari veis e n meros de refer ncia 164 Subdivis o de Datasets SUBSET 20 8 Restri es 1 O n mero m ximo de vari veis de classifica o que podem ser definidas 20 2 As larguras combinadas dos campos das vari veis de classifica o n o deve exceder 200 caracteres 20 9 Exemplos Exemplo 1 Construindo um subconjunto de casos para vari veis selecionadas vari veis ser o renumeradas come ando em 1 e uma tabela dando os n meros anteriores e novos de vari vel ser o impressos RUN SUBSET FILES PRINT SUBS1 LST DICTIN ABC DIC arquivo Dicion rio de entrada DATAIN ABC DAT arquivo Dados de entrada DICTOUT SUBS DIC arquivo Dicion rio de sa da DATAOUT SUBS DAT arquivo Dados de sa da SETUP INCLUDE V5 2 4 5 AND V6 2301 SUBSETTING VARIABLES AND
443. ionalmente escrita na forma de uma matriz retangular do IDAMS ver par metro WRITE Ver o cap tulo Dados em IDAMS para uma descri o do formato Essa matriz fornece linha por linha para cada vari vel quantitativa e para cada categoria de vari veis ativas qualitativas seus valores m dios ao longo dos grupos e desvio padr o geral para a tipologia inicial i e antes do reagrupamento acontecer Os elementos da matriz s o escritos em formato 8F9 3 Registros de dicion rio s o escritos 38 6 Dataset de Entrada A entrada um arquivo Dados descrito por um dicion rio do IDAMS Todas as vari veis de an lise devem ser num ricas elas podem possuir valores inteiros ou decimais A vari vel de ID de caso e vari veis a serem transferidas podem ser alfab ticas 298 Tipologia e Classifica o Ascendente TYPOL 38 7 Matriz de Configura o de Entrada A matriz de configura o de entrada deve estar na forma de uma matriz retangular do IDAMS Ver o capitulo Dados em IDAMS para uma descri o do formato Essa matriz opcional e fornece uma configura o inicial para ser usada nas computa es As estat sticas inclu das devem ser valores m dios para as vari veis quantitativas e propor es n o percentagens para as categorias das vari veis qualitativas e g 180 ao inv s de 18 0 por cento Uma matriz de configura o produzida pelo programa em uma execu o pr via pode servir de configura o de entrada 38
444. ira STEP 50 x Esfor o x SFGR 374 Escalonamento Multidimensional 48 5 Esfor o para Configura o Final Isso uma reitera o do ltimo valor da coluna Esfor o do hist rico de computa o ver 4 a acima Aqui o Esfor o uma medida de qu o bem a configura o final se ajusta aos dados de entrada Interpreta o do esfor o para a configura o final depende da f rmula utilizada nos c lculos Note que o uso de SQDEV do Esfor o produz valores substancialmente maiores de esfor o para o mesmo grau de qualidade de ajuste Para o modo cl ssico de se utilizar MDSCAL Kruskal e Carmone 1964 oferecem a seguinte tabela de valores de limites de N digamos de 10 a 30 e o limite usual de dimensionalidade digamos de 2 a 5 Esfor o SQDIST Esfor o SQDEV Pobre 20 0 40 0 Justo 10 0 20 0 Bom 5 0 10 0 Excelente 2 5 5 0 Perfeito 0 0 0 0 48 6 Configura o Final Em cada itera o a configura o seguinte formada iniciando se a partir da configura o antiga e movendo se ao longo do gradiente negativo de esfor o uma dist ncia igual ao tamanho de passo ASSO SEGR gradiente Cada linha da matriz de configura o final fornece as coordenadas de uma vari vel da configura o A orienta o dos eixos de refer ncia arbitr ria e portanto deve se procurar por eixos rotacionados ou mesmo obl quos que possam ser prontamente interpret veis Se uma dist ncia euclidiana ordi
445. ist ncia CONCHECK Inconsist ncias Para cada caso contendo uma inconsist ncia uma linha de identificagao impressa consistindo do n mero de sequ ncia do caso e opcionalmente os valores das vari veis ID especificadas Isso seguido pelos valores das vari veis especificadas com o par metro VARS Para cada inconsist ncia individual detectada em um caso o n mero e nome da condi o correspondente e os valores das vari veis especificadas na declara o de condi o s o impressos Estat sticas de erros No final da execu o uma tabela de sum rio impressa dando o n mero de casos processados o n mero de casos contendo pelo menos uma inconsist ncia e para cada condi o de inconsist ncia seu n mero e nome e o n mero de casos que falharam o teste 13 4 Dataset de Entrada A entrada um arquivo Dados descrito por um dicion rio do IDAMS Vari veis num ricas ou alfab ticas podem ser usadas 13 5 Estrutura de Setup RUN CONCHECK FILES Especifica es de arquivo RECODE opcional Declara es de Recode expressando inconsist ncias SETUP 1 Filtro opcional 2 T tulo 3 Par metros 4 Declara es de condi o DICT condicional Dicion rio DATA condicional Dados Arquivos DICTxxxx dicion rio de entrada omitir se DICT usado DATAxxxx dados de entrada omitir se DATA usado PRINT resultados default IDAMS LST 13 6 Declara es de Controle de Programa R
446. istados para todas as vari veis descritas no dicion rio ou um subconjunto se o par metro VARS especificado Transformando dados Declara es de Recode podem ser usadas Tratamento de dados perdidos Valores de dados perdidos s o impressos quando eles ocorrem n o causando a o especial 17 3 Resultados Dicion rio de entrada Opcional ver o par metro PRINT Registros de descri o de vari veis e registros C se houver apenas para vari veis usadas na execu o Se todas as vari veis s o selecionadas para impress o ent o o dicion rio completo impresso em ordem sequencial Dados Vari veis num ricas s o impressas com ponto decimal expl cito se houver e sem zeros iniciais Se um valor ultrapassa a largura de campo ele impresso como uma string de asteriscos Dados ruins substitu dos por c digos de dados perdidos de default s o impressos como espa os em branco Valores para uma vari vel s o impressos em uma coluna que se extende pelas p ginas para todos os casos selecionados para impress o Abaixo segue um esbo o em um bloco do formato de impress o 146 Lista de Datasets LIST vV Vv Vv vV XXX XXXX X XXXXXXXX XXX XXXX X XXXXXXXX XXX XXXX x XXXXXXXX Os cabe alhos de v nas colunas representam os n meros de vari veis e os x s representam os valores de vari vel Se o usu rio requisita impress o de mais vari veis do que pode caber na linha 127 caracteres LIST far um n mero de passagens
447. istros C se houver DATA Imprima os valores das vari veis de sa da Especifica es de dicion rio opcional Para qualquer conjunto de vari veis em particular a largura de campo e o n mero de casas decimais podem ser especifcados Essas especifica es descon siderar o os valores colocados pelos par metros principais WIDTH e DEC Note que os c digos de dados perdidos e nomes de vari veis s o designados pelas declara es de Recode MDCODES e NAME respectivamente Cuidado A declara o MDCODES ret m apenas 2 casas decimais para vari veis R arredondando os valores para mais As regras de codifica o s o as mesmas dos par metros Cada especifica o de dicion rio deve iniciar em uma nova linha Exemplos VARS R4 WIDTH 4 DEC 1 VARS R8 WIDTH 2 VARS R100 R109 WIDTH 1 VARS lista de vari veis As vari veis R onde os par metros WIDTH e DEC se aplicam WIDTH n Largura de campo para as vari veis de sa da Default Valor dado pelo par metro WIDTH DEC n N mero de casas decimais Default Valor dado pelo par metro DEC 21 8 Restri es 1 2 3 O n mero m ximo de vari veis R que pode ser produzido 250 O n mero m ximo de vari veis que pode ser usado na execu o incluindo vari veis utilizadas somente em declara es de Recode 500 O n mero m ximo de especifica es de dicion rio 200 21 9 Exemplos Exemplo 1 Vari veis selecionadas do dataset de entrada s o
448. istros de um n mero de casos em um nico registro e produz um novo dataset com um registro para cada grupo Por exemplo registros representando membros de um domic lio s o agrupados em um domic lio representando o registro As vari veis nos novos registros s o estat sticas descritivas dos registros individuais e g soma m dia valor m nimo m ximo Constru o de um dataset IDAMS BUILD Um arquivo de dados original que pode conter registros m ltiplos por caso carregado juntamente com um dicion rio descrevendo as vari veis a serem selecionadas BUILD checa a exist ncia de valores n o num ricos em campos num ricos campos em branco podem ser recodificados com valores num ricos especificados pelo usu rio e outros valores n o num ricos s o reportados e substitu dos por 9 s Verifica o de c digos CHECK Reporta casos que tenham valores inv lidos de vari veis C digos v lidos para cada vari vel s o especificados pelo usu rio e ou tirados do dicion rio Verifica o de consist ncia CONCHECK Reporta casos que possuam inconsist ncias entre duas ou mais vari veis As declara es Recode do IDAMS s o utilizadas para especificar as rela es l gicas a serem checadas Verifica o de intercala o de registros MERCHECK Confere se os registros corretos est o presentes para cada caso em um arquivo com m ltiplos registros por caso Ele produz um arquivo contendo um n mero igual de registros por cas
449. itmo PAM minimiza a soma de dissimilaridades ao inv s da dissimilaridade m dia A sele o de k medoides executada em duas fases Na primeira fase um agrupamento inicial obtido pela sucessiva sele o de objetos representativos at que k objetos tenham sido encontrados O primeiro objeto aquele para o qual a soma das dissimilaridades em rela o a todos os outros objetos a menor poss vel 42 6 Parti o ao Redor de Medoids PAM 339 Isso um tipo de mediana multivariada dos N objetos por isso o termo medoide Subseqiientemente a cada passo PAM seleciona o objeto que diminui a fun o objetivo soma de dissimilaridades tanto quanto poss vel Na segunda fase uma tentativa feita para melhorar o conjunto de objetos representativos Isso feito considerando se todos os pares de objetos i h cujo objeto i foi selecionado e objeto h n o checando se selecionando h e deselecionando i reduz a fun o objetivo Em cada passo a troca mais econ mica mantida a b d f g Dist ncia m dia final dissimilaridade Essa a fun o objetivo do PAM que pode ser visto como uma medida de adequa o do agrupamento di mi i Dist ncia m dia final Istancia media Ana N N 1 onde m i o objeto representativo medoide mais pr ximo do objeto i Clusters isolados H dois tipos de clusters isolados L clusters e L clusters Cluster C um L cluster se para
450. itos abaixo em ordem alfab tica CHECK n Se esse comando est presente o programa n o ser executado se o programa imediatamente anterior tiver terminado com uma codi o cujo o c digo tiver sido maior que n Se o comando est presente mas nenhum valor colocado o valor de n ser por default 1 22 O Arquivo Setup do IDAMS e Todos os programs terminam com uma c digo de condi o de 16 se forem encontrados erros de setup Por exemplo se TABLES executado imediatamente depois de TRANS mas o usu rio n o quer executar TABLES se um erro de setup ocorreu na execu o de TRANS um comando CHECK depois do comando RUN TABLES previnir a execu o de TABLES e O comando CHECK pode aparecer em qualquer lugar no setup do programa mas usualmente colocado imediatamente depois do comando RUN COMMENT texto O texto desse comando impresso na listagem do setup Esse comando n o tem nenhum efeito na execu o do programa DATA O comando DATA sinaliza que dados seguir o Essa facilidade n o pode ser usada se o programa gera um arquivo Dados de sa da e um arquivo DATAOUT n o foi especificado i e os dados produzidos sejam gravados em um arquivo tempor rio default e Essa facilidade n o pode ser usada se MATRIX for usada e O comprimento de registro dos dados no setup n o pode exceder 80 caracteres Se registros ou linhas mais longos s o introduzidas apenas os primeiros 80 caracteres ser o utiliza
451. iva do usu rio determinar a adequa o do registro que foi retido Op es para manusear registros deletados Esses registros de dados de entrada que s o deletados i e n o escritos no arquivo de sa da podem ser salvos em um arquivo separado ver o par metro WRITE Sele o dos tipos de registros MERCHECK permite ao usu rio selecionar subconjuntos de tipos de reg istros de um arquivo de dados de entrada mais amplo Simplesmente inclua apenas as ID s necess rias nas de scri es de Record e escolha uma op o de impress o de erro apropriada EXTRAS n ou PRINT ERRORS por exemplo e um valor real stico de MAXERR Minimizar o sa da impresso para casos com erro essencial pois quase todos os casos no arquivo de dados de entrada ser o reportados com um erro devido aos registros com ID s de registro inv lidas i e aqueles n o especificados nas descri es de Record Capacidades de recome ar O par metro BEGINID pode ser usado para recome ar MERCHECK se uma execu o anterior terminou antes de todos os dados de entrada serem processados O usu rio deve determinar o valor da ID do caso para o ltimo caso produzido e fazer BEGINID igual ao valor 1 Se o fim da execu o ocorreu porque o par metro MAXERR foi ultrapassado a ltima leitura do registro de entrada aparecer nos resultados e BEGINID dever ser ajustada para a ID do caso daquele registro Nota MERCHECK objetiva a checagem de arquivos de dados com registros
452. iz cont m correla es m dias e desvios padr es As m dias e desvios padr es est o desemparelhados Os registros de dicion rio que s o produzidos por PEARSON cont m n meros e nomes de vari veis do dicion rio de entrada e ou declara es de Recode A ordem das vari veis determinada pela ordem das vari veis na lista de vari veis PEARSON pode gerar correla es iguais a 99 99901 e m dias e desvios padr es iguais a 0 0 quando n o for poss vel computar um valor intelig vel Raz es t picas para isso s o quando todos os dados s o eliminados devido a dados perdidos ou uma das vari veis possui um valor constante Note que MDSCAL n o aceita esses valores perdidos apesar de REGRESSN aceitar Matriz de covari ncia A matriz de covari ncia sem a diagonal na forma de uma matriz quadrada do IDAMS produzida quando o par metro WRITE COVA especificado 33 5 Dataset de Entrada A entrada um arquivo Dados descrito por um dicion rio do IDAMS Todas as vari veis de an lise devem ser num ricas elas podem ter valores inteiros ou decimais 33 6 Estrutura de Setup RUN PEARSON FILES Especifica es de arquivo RECODE opcional Declara es de Recode SETUP 1 Filtro opcional 2 T tulo 3 Par metros DICT condicional Dicion rio DATA condicional Dados Arquivos FTO2 matrizes de sa da se par metro WRITE especificado DICTxxxx dicion rio de entrada omitir se DICT usado
453. iz de Correla o 42 6 Parti o ao Redor de Medoids PAM 1 2 20 0 0 000000 eee eee 42 7 Agrupamento Aplicado a Grandes Volumenes de Dados CLARA 42 8 Agrupamento Difuso FANNY 2 0 00 00 00000 eee ee 42 9 Agrupamento Hier rquico Aglomerativo AGNES 20 00 2008 42 10Agrupamento Hier rquico Divisivo DIANA 00 0000 00000008 42 11 Agrupamento Monot tico MONA 0 a ADA 2Reter ncias dns cece Atte hae A rte E he Peo lh Be eo TS BR atin ted Bolin ed 43 An lise de Configura o 43 1 Configura o Gentrada s sok ee a alia e a TE DO DEE E a E a 43 2 Configura o Normalizada 2 a E E a a a a a a e a a aa a 43 3 Solu o com Eixos Principais aaa aaa ee 43 4 Matriz de Produtos Escalares aoaaa ee 43 5 Matriz de Dist ncias Entre Pontos oaaae a 43 6 Configura o Rotacionada e ts assaia a i a md aa a a aa e a a ee 43 7 Configura o Translada tee ege na eea a a a aa E aa y E TE S ai 43 8 Rotacgao Variax ais a y EAR OE SEL ed Vil a a ee as a ae te ae Be leh Se Bo 43 9 Configura o Classificada seia a ee RR A oe ee ee ee ee ee CRE d 43 10Relerencias us ae eae eee hy Ee Bn Oh RD RP ee a hae ae We aes 44 An lise Discriminante 44 1 Estat sticas Univariadas ior areco suma ee Re ee Be ee a 44 2 Discrimina o Linear Entre 2 Grupos oaao ee 44 3 Discrimina o Linear Entre Mais Do Que 2 Grupos 0 0000040 2 ae 444 Refer
454. k Yg Zak Zg k 1 9 a 2 2 V Tg oz d Tabela de resumo de grupos finais A tabela fornece a mesma informa o exceto a varia o explicada como na Tabela de resumo de parti o mas para grupos finais e Percentual de varia o explicada O percentual de varia o total explicada pela melhor parti o para cada grupo ver 1 e e 2 a vi acima f Res duos Os res duos s o as diferen as entre o valor observado e o valor predito da vari vel depen dente ek Yk Yk Valores preditos s o calculados da seguinte maneira Tik Qi bi Zik onde a e b s o coeficientes de regress o para o grupo final i 56 3 An lise de Chi quadrado Esse m todo pode ser utilizado ao se analisar uma vari vel dependente nominal ou ordinal ou um conjunto de vari veis dependentes dicot micas com v rios preditores Seu objetivo o de criar grupos que permitir o o aparecimento da melhor predi o da categoria da vari vel dependente a partir da sua distribui o de grupo Em outras palavras grupos criados devem fornecer as maiores diferen as nas distribui es das vari veis dependentes O crit rio de parti o varia o explicada calculado tomando como base as distribui es de freq ncia da vari vel dependente Note que vari veis dicot micas dependentes m ltiplas s o tratadas como categorias de uma vari vel categ rica a Estat sticas de tra o Essas s o as estat sticas calculadas na amostra
455. k RU tls eee a a aes 132 15 91 EXEMPLO sds io alt due eee e ido ee Poe Sty od ee oe Be ete eee eS 132 16 Importa o Exporta o de Dados IMPEX 135 16 1 Descri o Geral s se Ses ete dea DOE ES 2 Bl DAE E A EUR Be ba hh 135 16 2 Caracter sticas Padr o do IDAMS 2 2 2 ee 135 16 3 Resultados s s eure n ge tt BE E Aa a a da Mk ee PRR E Ae Eee ee Be ad 136 16 4 Arquivos de Saida 4 25 o pave ee a ee hee Rk Boe LS SRE ne ee ee 136 16 5 Arquivos de Entr da s ef gcc gg egal Ae a 8 BP AR A doa ew gale ha ara 137 16 6 Estrutura de Setup e a a a e ee 139 16 7 Declara es de Controle de Programa 2 00 0000 a 139 16 8 INeStriGOes fF Sto a FER th Pa et tee Det ny Sy O ae de Vi oa age Oe aie Be ata ed 142 16 9 Exemplos oer Ure Sea Ss a eee eects boat a TENTE P O EDGAR E a Get es 142 17 Lista de Datasets LIST 145 17 Descri o Geral a aus ss ss EO Ee ee ee EE ee DA G A 145 17 2 Caracter sticas Padr o do IDAMS 2 2 2 2 0 a 145 ViseResultadosss 6 5 pet be Eri ais Cae Gy anh be ade decr e o edu Baek CREA ld oe la SP SA 145 17 4 Dataset de Entrada m c sos agr sto ee ee c o a BA 146 1 9 Esttutura de Sebupis aera cee a a do dar o ee A eed Udo an o AS E SCE ee oe EN E Ca AS NS 146 17 6 Declara es de Controle de Programa 20 00 0000 ee ee 147 177 Restri o ssa ci ge ee der apra eo a Se oe eS E IE a RED og Ds eel 148 T78 Exemplos is 24 ad DE ETA ae ee AU RE SR RED BAe De O aA ar O ee
456. l a 3 ent o o valor de 2 ser designado para R1 interse o da linha 5 com a coluna 3 Se V6 igual a 2 e V4 igual a 6 ent o o valor de 4 ser designado para R1 interse o da linha 2 com a coluna 6 Se V6 igual a 4 e V4 igual a 2 ent o o valor de 0 ser designado para R1 linha 4 n o est definida o valor de ELSE utilizado R5 TABLE 3 V8 TAB 7 ELSE TABLE V1 V8 TAB 1 Isto utilizar a tabela denominada 7 com 3 como o ndice de linha e o valor de V8 como o ndice de coluna Se o valor de V8 n o est na tabela 7 ent o a tabela 1 ser usada com ndice de linha V1 e ndice de coluna V8 TRUNC A fun o TRUNC retorna o valor inteiro de um argumento Prot tipo TRUNC arg Onde arg qualquer express o aritm tica da qual o valor inteiro deve ser obtido Exemplo R5 TRUNC V5 R5 receber o valor do entradada vari vel V5 truncada em um inteiro VAR A fun o VAR retorna a vari ncia dos valores de um conjunto de vari veis excluindo se valores perdidos O argumento MIN pode ser usado para especificar o n mero m nimo de valores v lidos para que a vari ncia seja calculada Caso contr rio o valor default de valores perdidos de 1 5 x 10 ser retornado Prot tipo VAR varlist MIN n Onde e varlist uma lista de vari veis do tipo R e V e constantes e n o n mero m nimo de valores v lidos para o c mputo da vari ncia O valor default de n 1 Exemplo
457. l de pondera o se os dados forem ponderados DTYPE CITY EUCLIDEAN CHI CITY Dist ncia city block EUCL Dist ncia euclidiana CHI Dist ncia chi quadrado Nota A respeito da escolha do tipo de dist ncia recomend vel usar e A distancia city block quando algumas vari veis ativas s o qualitativas e outras quantitativas 300 Tipologia e Classifica o Ascendente TYPOL e A dist ncia euclidiana quando as vari veis ativas s o todas quantitativas com padroniza o se elas n o estiverem medidas na mesma escala e A dist ncia chi quadrado quando as vari veis ativas s o todas qualitativas INIGROUP n N mero de grupos iniciais Se uma vari vel chave deve servir como base para a tipologia e se o n mero de grupos iniciais especificados aqui maior do que o valor m ximo da vari vel chave o programa automaticamente corrige isso Tamb m se h certas categorias com casos de zeros o n mero de grupos iniciais ser o n mero de categorias n o vazias N o h default FINGROUP 1 n N mero de grupos finais INITIAL STEPWISE RANDOM KEY INCONF A maneira em que a configura o inicial estabelecida STEP Amostra por passos RAND Amostra aleat ria KEY Perfil de grupos iniciais criado de acordo com vari veis chave INCO Um perfil a priori de grupos iniciais dado em um arquivo de configura o de entrada Nota Vari veis inclu das na configura o de entrada devem corresponder exatamente a
458. l dependente a primeira categoria predita calculada da vari vel dependente o res duo para a primeira categoria da vari vel dependente a segunda categoria da vari vel dependente a segunda categoria predita calculada da vari vel dependente o res duo para a segunda categoria da vari vel dependente etc e um peso se houver As caracter sticas das vari veis de sa da s o as seguintes No de Largura No de C digo vari vel Nome de campo decimais MD1 varidvel de ID 1 mesmo do entrada 0 mesmo do entrada vari vel de grupo 2 Group variable 3 0 999 dependente var 1 3 mesmo do entrada a mesmo do entrada predita var 1 4 mesmo do entrada cal 7 EEN 9999999 res duo para var 1 5 mesmo do entrada res 7 Tet 9999999 dependente var 2 6 mesmo do entrada f woe mesmo do entrada predito var 2 7 mesmo do entrada cal 7 re 9999999 residuo para var 2 8 mesmo do entrada res 7 ay 9999999 peso se ponderado n mesmo do entrada k r mesmo do entrada 36 5 Dataset de Entrada 277 transferido do dicion rio de entrada para vari veis V ou 7 para vari veis R di transferido do dicion rio de entrada para vari veis V ou 2 para vari veis R Pee 6 mais o no de decimais para a vari vel dependente menos a largura da vari vel dependente se isso for negativo ent o 0 Se o valor calculado ou res duo exceder a largura de campo alocada ser substitu do pelo c digo MD1 36 5 Dataset de Entrada A entrada um arquivo de dados
459. lambda apropriado quando a vari vel de coluna a vari vel dependente Ele assume os valores de 0 a 1 0 max fij max f 3 j a Aca s N max f j Ver acima as defini es de termos nas f rmulas 424 r Tabelas Univariadas e Bivariadas Estat sticas de Medicina Baseada em Evid ncia EBM Elas s o calculadas para tabelas 2x2 onde a primeira linha representa freq ncias de evento a e n o evento b para casos no grupo de tratados e a segunda linha representa frequ ncias de evento c e n o evento d no grupo de controle As seguintes estat sticas s o calculadas Taxa de evento no grupo experimental TEE a a b Taxa de evento no grupo de controle TEC c c d Redu o absoluta de risco diferen a de risco RAR TEC TEE Redu o relativa de risco RRR RAR TEC N mero necess rio para tratamento NNT 1 RAR Risco relativo quociente de risco RR TEE TEC e seu intervalo de confian a de 95 CIRR exp In estimador RR 1 96VT onde a vari ncia estimada de In estimador RR e b a d c a b c d Razao de possibilidades quociente de odds RP ad bc e seu intervalo de confianca de 95 CIrp exp In estimador RP 1 96VV onde a vari ncia estimada de In estimador RP e 1 1 1 1 V 54 4 a b c d Teste exato de Fisher O teste de probabilidade exato de Fisher uma t cnica n o param trica extremamente til para analisar dados discretos nominais
460. lassifica o O programa possui uma op o para checar se os casos de dados est o em ordem ascendente baseado em uma lista de vari veis de ordem de classifica o ver o par metro SORTVARS Casos adjacentes com identifica o duplicada n o s o considerados fora de ordem Contudo h uma op o para deletar ocorr ncias duplicadas de qualquer caso 20 2 Caracter sticas Padr o do IDAMS Z Sele o de casos e vari veis Subdivisao casos alcan ado ao usar se um filtro para selecionar um conjunto de casos particular do dataset de entrada Sele o de vari veis feita definindo um conjunto de vari veis de entrada a ser transferido para o dataset de sa da As vari veis podem ser processadas em qualquer ordem e podem ser transferidas mais de uma vez desde que os n meros das vari veis de sa da sejam re numerados Transformando dados Declara es de Recode n o podem ser utilizadas Tratamento de dados perdidos SUBSET n o faz diferen a entre valores de dados perdidos e substan tivos todos os dados s o tratados da mesma maneira 20 3 Resultados Dicion rio de sa da Opcional ver o par metro PRINT Estat sticas do subdivis o O comprimento de registro de sa da o n mero de registros de dicion rio e de dados de sa da N meros de vari veis anteriores entrada versus novos sa da Opcional ver o par metro PRINT Um quadro contendo os n meros de vari vel de entrada e n meros de refer ncia e
461. les s o listados abaixo mas n o ser o descritos em detalhe Inserir fornece comandos para a inser o de quebras de p gina e se o figuras objetos OLE Object Linking amp Embedding emolduramento e desenho de objetos Fonte permite a voc modificar a fonte e cor do texto selecionado e a cor do pano de fundo Par grafo permite ao usu rio alinhar par grafos diferenciadamente ident los exib los em espa o duplo e desenhar uma borda e sobras no fundo Tabela d acesso a um n mero de comandos para inserir e manipular tabelas Ver cont m tr s comandos adicionais para exibir o documento ativo em modo de p gina para exibir a r gua e o marcador de par grafo Barra de ferramentas de formata o permite que se escolha rapidamente comandos de formata o que s o usados mais frequentemente Parte III Facilidades para Gerenciamento de Dados Capitulo 10 Agregacao de Dados AGGREG 10 1 Descri o Geral AGGREG agrega registros individuais casos de dados em grupos definidos pelo usu rio e computa um sum rio de estat sticas descritivas para vari veis especificadas em cada grupo As estat sticas incluem somas m dias vari ncias desvios padr es como tamb m valores m nimos e m ximos e a contagem de valores de dados perdidos Um dataset de sa da do IDAMS criado i e o arquivo de dados agrupado agregado descrito pelo dicion rio do IDAMS o arquivo de dados agregados cont m um registro caso po
462. letado Reconfigurando os defaults do WinIDAMS Para substituir uma aplica o em exibi o pela aplica o default voc pode fech la usando comando do menu Aplica o Fechar ou selecion la e abrir o arquivo Default app Fechando uma aplica o ativa Use o comando do Aplica o Fechar A aplica o default se torna ativa 9 4 Criando Renovando Exibindo Arquivos Dicion rio 85 Programs do IDAMS usam os atalhos definidos na aplica o para prefixar qualquer nome de arquivo que n o se inicie por lt drive gt ou e O atalho do folder Dados prefixado para todos os nomes de arquivo em declara es com ddnames DICT DATA ou FTnn referindo se a matrizes e O atalho do folder Trabalho prefixado para nomes de arquivos em declara es com ddnames PRINT ou FTO6 e O atalho do folder Tempor rio prefixado para arquivos tempor rios Exemplos Folder Dados c MyStudy students data Especifica o no setup dictin students2004 dic Nome completo de arquivo dicion rio c MyStudy students data students2004 dic 9 4 Criando Renovando Exibindo Arquivos Dicion rio A janela Dicion rio para criar renovar ou exibir um dicion rio IDAMS chamada quando e voc cria um novo arquivo Dicion rio o comando do menu Arquivo Novo IDAMS Dictionary file ou o bot o Novo da barra de ferramentas e voc abre um arquivo Dicion rio com extens o dic exibido na janela Aplica o d um clique dup
463. lise 179 345 centragem 345 371 matriz 345 371 374 entrada em CONFIG 180 entrada em TYPOL 298 produzida por CONFIG 180 produzida por MDSCAL 217 produzida por TYPOL 297 normaliza o 345 371 proje o 180 rota o 179 345 rota o varimax 180 346 transforma o 179 346 conting ncia coeficiente 283 308 421 tabelas 283 copiando datasets 161 correla o coeficientes 255 397 matriz 398 entrada em CLUSFIND 175 entrada em MDSCAL 217 entrada em REGRESSN 208 produzida por PEARSON 256 produzida por REGRESSN 206 207 parcial 207 366 corrigindo dados 59 88 129 ID de caso 129 vari veis 129 covari ncias matriz produzida por PEARSON 257 Cramer V de 283 421 crit rio de Kaiser 199 curtose 358 420 D de Sormer 308 NDICE dados agrega o 97 checagem de estrutura 58 121 classificando 89 corre o 59 88 129 edi o 14 57 103 entrada 88 exporta o em formato DIF 136 em formato livre 90 137 formato em IDAMS 12 importa o 20 em formato DIF 137 em formato livre 89 137 listagem 145 no setup de entrada 22 recodifica o 59 transforma o 59 165 valida o 57 109 115 121 dados perdidos a serem usados para checagem 30 c digos designados por Recode 51 especifica o 13 15 checando com Recode 45 defini o 13 dele o por casos em Pearson 255 em REGRESSN 206 dele o por pares em Pearson 255 manuseio via Recode 34 datase
464. lizar os c lculos com vari veis A fun o MDATA est dispon vel para esse prop sito e g IF MDATA V5 V6 THEN R1 999 ELSE R1 V5 V6 H duas fun es adicionais MD1 e MD2 que retornam o 1 ou 2 valor de c digo de dados perdidos para uma vari vel e g R2 MD1 V6 aloca o valor do 1 c digo de dados perdidos de V6 em R2 Finalmente c digos de dados perdidos podem ser alocados a vari veis R ou V com a declara o de defini o MDCODES e g MDCODES R3 8 9 assinala 8 e 9 como o 1 e 2 c digos de dados perdidos para R3 As vezes um conjunto de declara es de Recode n o assinala valor algum para uma vari vel R em um registro de dados particular A vari vel R assumir o valor default de MD1 1 5 x 10 para o qual inicializado Para mudar isso para um valor de dados perdidos mais aceit vel n s devemos testar se o valor grande caso positivo assinale um valor de dado perdido apropriado e g IF R100 GT 1000000 THEN R100 99 MDCODES R100 99 4 4 Como Recode Funciona Checagem de sintaxe e interpreta o Declara es de Recode s o lidas e analisadas em busca de erros antes da interpreta o de outras declara es de controle de programa do IDAMS e antes da execu o do programa Se s o encontrados erros messagens de diagn stico s o impressas e a execu o do programa terminada Resultados Recode imprime as declara es de Recode inseridas pelo usu rio juntamente com os erros de sint
465. lo Tabelas Univariadas e Bivariadas Note que estat sticas s o calculadas somente quando h uma vari vel de linha e uma de coluna Imprimindo uma p gina de tabela O conte do completo da p gina ativa ou partes desejadas somente podem ser impressos usando o comando Arquivo Imprimir Se voc quiser imprimir apenas algunas colunas e ou linhas oculte as outras colunas linhas primeiro As colunas linhas mostradas ser o impresas Exportando uma p gina de tabela O conte do completo da p gina ativa ou partes desejadas somente podem ser exportados em formato livre delimitado por v rgula ou caracter de tabula o ou em formato HTML Use o comando Arquivo Exportar e selecione o formato requerido Se voc quiser exportar apenas algunas colunas e ou linhas oculte as outras colunas linhas primeiro As colunas linhas mostradas ser o exportar 39 4 Apresenta o Gr fica de Tabelas Univariadas Bivariadas Frequ ncias exibidas em uma p gina de tabelas univariadas bivariadas podem ser apresentadas graficamente usando um dos 24 estilos a sua disposi o A constru o do gr fico iniciada pelo comando de menu Gr fico Criar Esse comando chama a caixa de di logo para selecionar o estilo do gr fico para a p gina ativa Al m disso voc pode requisitar uma transforma o logar tmica de frequ ncias e pode fornecer uma legenda para cores e s mbolos usados no gr fico Gr ficos projetados n o podem ser manipulados Contudo
466. lo no nome do arquivo requerido na lista Datasets e voc abre um arquivo Dicion rio com qualquer extens o que n o est na janela Aplica o o comando do menu Arquivo Abrir Dicion rio ou o bot o Abrir da barra de ferramentas TE WinsDAMS demog dic iol x E Arquivo Editar Ver Verificar Executar Interativo Janela Ajuda la x D Sug renoc IABE PL Ple xi ES MyAppl C Setups CJ Datasets Matrices C Results Ea demog dic Pronto Caso NUM Z R Pplicagao A janela oferece dois espa os um para as defini es de vari veis espa o Vari veis e outro para os c digos e labels de c digos da vari vel corrente espa o C digos Uma linha azul no topo de cada espa o indica qual espa o est ativo Os cabe alhos das colunas no espa o das Vari veis possuem o seguinte significado 86 Interface do Usu rio Numero N mero da vari vel Nome Nome da vari vel Loc Largura Localiza o de in cio e largura de campo da vari vel no arquivo Dados Dec N mero de casas decimais espa o em branco implica nenhuma casa decimal Tipo Tipo de vari vel N num rica A alfab tica Mdl Primeiro c digo de dados perdidos para vari veis num ricas Md2 Segundo c digo de dados perdidos para vari veis num ricas Refe N mero de refer ncia IdEs ID do estudo Para maiores detalhes ver a se o O Dicion rio do IDAMS no cap tulo
467. lo em todas as declara es de nome de teste incluindo um grau de liberdade para a grande m dia Default Se usa o agrupamiento natural dos graus de liberdade 30 7 Restri es 1 O n mero m ximo de vari veis dependentes 19 2 O n mero m ximo de covariates 20 3 O n mero m ximo de especifica es de fator 8 4 O n mero m ximo de valores de c digo em uma especifica o de fator 10 5 O n mero m ximo de c lulas 80 6 C lulas com frequ ncia zero com apenas um caso ou com m ltiplos casos id nticos s vezes causam problemas a execu o termina prematuramente ou ela pode terminar mas produzir F ratios inv lidos e outras estat sticas 30 8 Exemplos Exemplo 1 An lise de vari ncia univariada V10 a vari vel dependente com dois fatores representados por A com c digos 1 2 3 e B com c digos 21 e 31 contrastes nominais ser o utilizados nos c lculos e testes ser o executados na ordem convencional RUN MANOVA FILES PRINT MANOVA1 LST DICTIN CM NEW DIC arquivo Dicion rio de entrada DATAIN CM NEW DAT arquivo Dados de entrada SETUP ANALISE DE VARIANCIA UNIVARIADA DEPVARS v10 FACTOR V3 1 2 3 FACTOR V8 21 31 TESTNAME grande m dia TESTNAME B TESTNAME A TESTNAME AB Exemplo 2 An lise de vari ncia multivariada V11 V14 s o vari veis dependentes com dois fatores sexo codificado 1 2 e idade codificado 1 2 3 contrastes nominais ser
468. lores v lidos Ser retornado 0 se todas as 3 s o perdidas RAND A fun o RAND retorna um valor que um n mero aleat rio distribu do uniformemente baseado nos argumentos starter e limit como descrito abaixo Prot tipo RAND starter limit Onde e starter uma constante inteira que utilizada para iniciar a sequ ncia aleat ria Se o starter 0 ent o o tempo do rel gio corrente utilizado e limit um argumento opcional uma constante inteira que utilizada para especificar o intervalo i e 3 significa um intervalo de 1 a 3 O valor default 10 o que significa que o intervalo default 1 a 10 Exemplos R1i RAND 0 IF RAND O NE 1 THEN REJECT Para cada caso processado R1 assumir um valor igual a um n mero rand mico uniformemente distribu do entre 1 e 10 A sequ ncia inicializada no tempo de rel gio quando o RAND foi executado pelo primeira vez Note que RAND pode ser usado com a declara o REJECT para selecionar uma amostra aleat ria de casos O 2 exemplo resultar na inclus o de 1 10 da amostra de casos de maneira aleat ria RECODE A fun o RECODE usada para retornar um valor baseado nos valores simult neos de m vari veis Prot tipo RECODE varl var2 varm TAB i ELSE valor regral regra2 regra n Onde e varl var2 varm uma lista de at 12 vari veis R e ou V a serem testadas e TAB i numera o conjunto de regras de recode estabelecid
469. m o par metro VARS Transformando dados Declara es de Recode podem ser usadas Ponderando dados Uma vari vel pode ser utilizada para ponderar os dados essa vari vel de pondera o pode possuir valores inteiros ou decimais Quando o valor da vari vel de pondera o para um caso zero negativo perdido ou n o num rico ent o o caso sempre pulado o n mero de casos pulados impresso Tratamento de dados perdidos O par metro MDVALUES est dispon vel para indicar quais valores de dados perdidos se houver devem ser utilizados para checar a exist ncia de dados perdidos Casos com dados perdidos na vari vel de amostra vari vel de grupo e ou vari veis de an lise podem ser opcionalmente exclu das da an lise 24 3 Resultados Dicion rio de entrada Opcional ver o par metro PRINT Registros de descri o de vari veis e registros C se houver apenas para vari veis usadas na execu o 186 An lise Discriminante DISCRAN N mero de casos nas amostras O n mero de casos nas amostras b sica de teste e an nima de acordo com par metros definidores da amostra N mero revisado de casos nas amostras O n mero de casos nas amostras b sica de teste e an nima revisados de acordo com os par metros definidores de amostra e grupo Note que as figuras revisadas podem ser menores do que as n o revisadas para as amostras b sica e de teste se os grupos definidos n o cobrem completamente as amostras Amostra
470. ma distribui o similar e valores obtidos ap s a limpeza para ver como a valida o de dados afetou os dados Prepare declara es de controle especificando os c digos v lidos ou intervalo de valores para cada vari vel Esses podem ser preparados antes do tempo para todas as vari veis ou alternativamente depois do passo 6 para apenas aquelas vari veis que sabe se conter c digos inv lidos Use o dataset produzido no passo 5 como entrada para o programa CHECK para obter uma lista de casos com valores inv lidos Note que a especifica o de c digos v lidos para vari veis pode tamb m ser obtida dos registros C no dicion rio se estes forem introduzidos no passo 5 5 2 Gerenciamento e Transformagao de Dados 59 Passo 8 Prepare corre es para erros detectados no passo 5 e passo 7 Use o programa CORRECT para atualizar o dataset IDAMS criado no passo 5 Note que as corre es podem tamb m ser feitas com a Interface do Usu rio do WinIDAMS se o n mero de casos n o for t o grande Contudo usando CORRECT um m todo menos propenso a erros Execute passos 7 e 8 at que nenhum erro seja reportado 5 1 4 Checagem de Consist ncia Passo 9 Prepare declara es l gicas das checagens de consist ncia a serem executadas e g GR VIDA V32 inaplic vel se e somente se SEXO V6 Masculino Designe um n mero de resultado para cada checagem de consist ncia e traduza a l gica em declara es de Recode onde o resultado
471. mais obtido do dicion rio para vari veis V e do par metro NDEC para vari veis R ele impresso para cada vari vel 37 7 Estrutura de Setup 287 Estat sticas univariadas sem distribui es s o calculadas usando se o n mero de casas decimais especificado no dicion rio para vari veis V e obtido do par metro NDEC para vari veis R Campos contendo caracteres n o num ricos incluindo campos em branco podem ser tabulados ao se definir o par metro BADDATA como MD1 ou MD2 Ver o cap tulo O Arquivo Setup do IDAMS 37 7 Estrutura de Setup RUN TABLES FILES Especifica es de arquivo RECODE opcional Declara es de Recode SETUP Filtro opcional Titulo Par metros Especifica es de subconjunto opcional TABLES Especifica es de tabela repetidas como requisitadas DICT condicional Dicion rio DATA condicional Dados Arquivos FTO2 tabelas matrizes de saida DICTxxxx dicion rio de entrada omitir se DICT usado DATAxxxx dados de entrada omitir se DATA usado PRINT resultados default IDAMS LST 37 8 Declara es de Controle de Programa Reportar se ao cap tulo O Arquivo Setup do IDAMS para descri es mais aprofundadas das declara es de controle de programa itens 1 3 e 6 abaixo 1 Filtro opcional Seleciona um subconjunto de casos a ser usado na execu o Exemplo INCLUDE V3 6 2 T tulo mandat rio Uma linha contendo at 80 caracteres
472. matriz de correla o produzida por PEARSON pode ser utilizada em REGRESSN e em CLUSFIND Al m disso CLUSFIND e MDSCAL utilizam matrizes quadradas de similaridades e dissimilaridades Exemplo Colunas 111111111122222222228 123456789012345678901234567890 Definidor de matriz 2 4 Declara es de formato F 12F6 3 F 6E12 5 Identifica es de HT 1 IDADE vari vel T 3 EDUCA O T 9 RELIGIAO T 10 SEXO 011 174 033 131 105 133 0 33350E 01 0 54950E 01 0 50251E 01 0 40960E 01 0 20010E 01 0 19856E 01 0 15000E 01 0 12345E 01 Arranjo de valores M dias amp desvios padr es Formato A matriz quadrada cont m o seguinte 1 Um registro definidor da matriz Ele o primeiro registro d o tipo de matriz e as dimens es do arranjo de valores Colunas Conte do 4 2 indica matriz quadrada 5 8 O n mero de vari veis alinhado a direita 2 Uma declara o em formato Fortran descrevendo cada linha do arranjo de valores A declara o de formato descreve o n mero de campos de valores em cada registro de 80 caracteres e o formato de cada um Por exemplo um formato 12F6 3 indica que cada linha do arranjo Diction rio armazenada com at 12 valores por registro cada valor ocupando 6 colunas 3 das quais s o casas decimais Se uma linha cont m mais de 12 valores um novo registro conter o 13 0 valor etc Cada nova linha do arranjo come a sempre em um novo registro
473. mbina o de datasets s vezes conhecido por fus o ocorre quando casos adicionais devem ser inclu dos em um dataset Os novos registros devem ser descritos pelo mesmo dicion rio dos dados originais Esse tipo de fus o pode ser alcan ado com o programa SORMER 60 Gerenciamento e An lise de Dados Fun es para estabelecer subconjuntos est o dispon veis como opera es tempor rias em muitos programas do IDAMS utilizando se um filtro para selecionar casos particulares para processamento Arquivos permanentes contendo subconjuntos de datasets IDAMS um subconjunto de vari veis ou subconjunto de casos ou ambos podem tamb m ser criados Os programas SUBSET e TRANS ser o muito provavelmente utilizados nesses casos apesar de que v rios outros programas que produzem datasets como MERGE podem tamb m ser usados Sele o de casos pode ser feita assumindo se que apenas certos casos s o logicamente de interesse como o caso de respondentes do sexo feminino apenas ou de modo aleat rio usando a fun o RAND do Recode com o programa TRANS Uma mostra do valores reais armazenados em um dataset IDAMS muitas vezes de grande ajuda para checagem de resultados dos passos de modifica o dos dados e de fato em qualquer est gio O programa LIST est dispon vel para esse prop sito e permite listagems completas de uma sele o de casos e vari veis espec ficas A sele o ou filtragem de casos para exposi o pode ser feito u
474. me a fun o de Lorenz e coeficiente de Gini CLOR Imprime a curva de Lorenz plotada em decis A fun o de Lorenz tamb m impressa Nota Se KS especificado o par metro PRINT ignorado 25 7 Restri es gt a p w N O n mero m ximo de vari veis a serem utilizadas an lise pondera o filtro local 50 O n mero m ximo de casos que podem ser analisados 5000 O n mero m nimo de subintervalos 2 m ximo 100 O n mero m ximo de especifica es de subconjuntos 25 Se estiver utilizando o teste de Kolmogorov Smirnov o n mero m ximo de casos 2500 A fun o de Lorenz e o teste de Kolmogorov Smirnov n o podem ser requisitados para uma mesma an lise O valores de pontos de quebra s o sempre impressos com tr s casas decimais Vari veis com mais de tr s casas decimais s o truncadas em tr s espa os ao serem impressas 25 8 Exemplo Gera o de uma fun o de distribui o fun o de Lorenz e coeficientes de Gini para a vari vel V67 an lises separadas s o executadas no dado todo e ent o em dois subconjuntos o teste de Kolmogorov Smirnov executado para testar a diferen a das distribui es da vari vel V67 em dois subconjuntos dos dados RUN QUANTILE FILES PRINT QUANT LST DICTIN MY DIC arquivo Dicion rio de entrada DATAIN MY DAT arquivo Dados de entrada SETUP COMPARISON OF AGE DISTRIBUTIONS FOR FEMALE AND MALE valores default tomados para todos o
475. mentos XO Wr Eri Ti Eki Fs k Um caso designado para o grupo cujo vyg x possua o menor valor a menor dist ncia O PERCENTUAL DE CASOS CLASSIFICADOS CORRETAMENTE calculado como o quociente entre o n mero de casos na diagonal e o n mero total de casos na tabela de classifica o b Tabela de classifica o para amostra de teste Constru do do mesmo jeito da tabela de amostra b sica ver 3 a acima c Crit rio para sele o da vari vel seguinte A vari vel selecionada no passo q aquela que maximiza o valor do tra o da matriz T B4 onde 7 a matriz de covari ncia total usada no passo q ver 3 a acima e B4 a matriz de covari ncia entre grupos com elementos XO WY y Ti u bij W A parte seguinte da an lise pontos 3 d 3 h abaixo executada em uma das tr s circunst ncias que seguem e quando o passo precede uma queda do percentual de casos corretamente classificados e quando o percentual de casos corretamente classificados igual a 100 e quando o passo o ltimo d Aloca o e dist ncias de casos na amostra b sica As dist ncias em rela o a cada grupo s o calculadas como descrito no ponto 3 a acima as vari veis usadas no c lculo s o aquelas retidas no passo A designa o de casos para os grupos feita como descrito no ponto 3 a acima e An lise fatorial discriminante A matriz T B descrita em 3 c acima analisada Os dois primeiros vetores pr
476. mera a tabela definida nesse uso de TABLE opcional ou faz refer ncia a tabela definida em um uso pr vio de TABLE e ELSE valor d um valor para ser utilizado para pares de valores que n o sejam definidos na tabela O valor pode ser uma express o aritm tica O valor de ELSE possui o valor default de 99 se n o especificado i e TABLE sempre retorna um valor 44 Facilidade Recode e PAD valor d um valor para ser inserido em qualquer c lula que definida pelas especifica es COLS mas n o definida pelas especifica es de ROWS e TAB ELSE e PAD podem ser especificadas em qualquer ordem e cl c2 cm s o as colunas para a tabela Intervalos podem ser usados nas defini es da coluna e rl r2 rn s o as linhas da tabela O tamanho total da tabela ser de m por n onde m o n mero de colunas e n o n mero de linhas e valores da linha r1 valores da linha r2 valores da linha rn s o os valores retornados dependendo dos valores r e c Os valores s o dados na mesma ordem das especifica es da coluna o primeiro valor corresponde a cl o segundo a c2 etc Intervalos podem ser usados nas defini es dos valores de linha Exemplos Assuma a seguinte tabela Col 1 2 3 4 5 6 Linha oonu NN OWrRrRE Oo WU NhN OWNNN OWNNN OW WW Ww O Ea PA R1 TABLE V6 V4 TAB 1 ELSE 0 PAD 9 COLS 1 6 ROWS 2 1 1 2 2 3 4 3 1 2 2 2 3 4 5 1 2 2 2 3 4 6 3 3 3 3 3 4 8 9 Se V6 igual a 5 e V4 igua
477. mero de vari vel Localiza es de vari vel Localiza es de vari vel s o designadas contiguamente de acordo com a ordem das vari veis na lista OUTVARS se VSTART for especificado ou depois da classifica o em ordem do n mero da vari vel se VSTART n o especificado Tipo largura e n mero de decimais da vari vel s o os mesmos das vari veis de entrada N meros de refer ncia Como no entrada ou modificado de acordo com o par metro REFNO Registros C C digos e suas labels s o copiados como eles est o no dicion rio de entrada 20 5 Dataset de Entrada A entrada um arquivo Dados descrito por um dicion rio do IDAMS Vari veis num ricas ou alfab ticas podem ser usadas 20 6 Estrutura de Setup RUN SUBSET FILES Especifica es de arquivo SETUP 1 Filtro opcional 2 T tulo 3 Par metros DICT condicional Dicion rio DATA condicional Dados Arquivos DICTxxxx dicion rio de entrada omitir se DICT usado DATAxxxx dados de entrada omitir se DATA usado DICTyyyy dicion rio de sa da DATAyyyy dados de sa da PRINT resultados default IDAMS LST 20 7 Declara es de Controle de Programa 163 20 7 Declara es de Controle de Programa Reporte se ao cap tulo O Arquivo Setup do IDAMS para descri es mais profundas das declara es de controle de programa tens 1 3 abaixo 1 Filtro opcional Seleciona um subconjunto de casos a ser usado na execu o E
478. mero m ximo de c lulas da matriz 1000 16 9 Exemplos Exemplo 1 Vari veis selecionadas do conjunto de dados de entrada s o transferidas para o arquivo de sa da juntamente com duas novas vari veis dados s o produzidos em formato livre com valores separados por um ponto e v rgula v rgulas ser o utilizadas em nota o decimal enquanto valores de vari veis alfab ticas vir o entre aspas nomes e n meros de vari veis ser o inclu dos no arquivo de dados de sa da RUN IMPEX FILES PRINT EXPDAT LST DICTIN OLD DIC arquivo Dicion rio de entrada DATAIN OLD DAT arquivo Dados de entrada DATAOUT EXPORTED DAT arquivo Dados exportado SETUP EXPORTING IDAMS FIXED FORMAT DATA TO FREE FORMAT DATA EXPORT DATA NAMES CODES BADD MD1 MAXERR 20 OUTVARS V1 V20 V33 V45 V50 R105 R122 FORMAT DELIM WITH SEMI DECIM COMMA STRINGS QUOTE RECODE R105 BRAC V5 15 25 1 lt 36 2 lt 46 3 lt 56 4 lt 66 5 lt 90 6 ELSE 9 MDCODES R105 9 NAME R105 GROUPS OF AGE IF MDATA V22 THEN R122 99 9 ELSE R122 V22 3 MDCODES R122 99 9 NAME R122 NO ARTICLES PER YEAR Exemplo 2 Dados em formato DIF s o importados para o IDAMS labels e c digos de coluna s o inclu dos no arquivo de dados de entrada e v rgulas s o utilizadas na nota o decimal RUN IMPEX FILES PRINT IMPDAT LST DICTIN IDA DIC Arquivo Dicion rio descrevendo os dados a serem importados DATAIN IMPORTED DAT Arquivo Dados a ser importado DICTOUT
479. mo indicado na tabela de fatores BASV Representa vetores b sicos NORM Representa vetores b sicos usando uma norma especial para representa o simplicio fatorial OVLP FIRST LIST DEN Op o relativa a representa o de pontos quase coincidentes FIRS Imprime o n mero ID de caso da vari vel para o primeiro ponto apenas LIST D uma lista vertical dos pontos possuindo a mesma abscissa no gr fico at um outro ponto ser encontrado o n mero ID de caso da vari vel ent o perdido DEN Imprime a densidade n mero de pontos quase coincidentes Imprime para um ponto oo 66 99 para dois quase conincidente pontos para tr z 3 etc para 9 pontos 9 para mais de 9 pontos NCHAR 2 deve ser especificado se essa op o for sele cionada NCHAR 4 n N mero de digitos caracteres usados para a identifica o das varidveis casos na s plotagem ens 1 a 4 caracteres PAGES 1 n Numero de paginas por plotagem FORMAT STANDARD NONSTANDARD Define o tamanho da moldura da plotagem STAN Usa uma moldura de 21 x 30 cm para a plotagem mostrando o fator com a maior extens o no eixo horizontal e usando diferentes escalas para os dois eixos NONS A moldura n o ser padronizada no sentido do descrito acima O tamanho da plotagem definido por PAGES n e significado dos eixos X e Y 26 8 Restri es A won N mero m ximo de vari veis de an lise 80 Uma e somente uma vari vel de identi
480. mo um fator de repeti o para uma tabela ou conjunto de tabelas especificando se o nome do subconjunto com o par metro 37 8 Declaragoes de Controle de Programa 289 REPE Somente uma vari vel pode ser dada em uma especifica o de subconjunto a ser usada como fator de repeti o Fatores de repeti o permitem a gera o de tabela 3 way onde a vari vel usada no fator de repeti o pode ser considerada como a vari vel controle ou painel Usando se um fator de repeti o e um filtro tabelas 4 way podem ser produzidas Express es INCLUDE fazem com que as tabelas sejam produzidas com a inclus o de cada valor ou intervalo de valores da vari vel controle usada na express o V rgulas separam os valores ou intervalos Portanto se houver n v rgulas na express o ser o produzidas n 1 tabelas Exemplo EDUCATN INCLUDE V4 0 4 9 nome do subconjunto express o No exemplo acima se EDUCATN designado como um fator de repeti o duas tabelas resultar o uma incluindo casos codificados 0 4 para a vari vel 4 e outra incluindo casos codificados 9 para a vari vel 4 EXCLUDE pode ser usado para produzir tabelas com todos os valores exceto aqueles especificados Exemplo EDUCATN EXCLUDE Vi 1 4 nome de subconjunto express o No exemplo acima se EDUCATN designado como um fator de repeti o duas tabelas resultar o uma incluindo todos os valores exceto 1 e o outra incluindo todos os valores exceto 4 5 TABLES A palav
481. mpo em branco n o poderia ser recodificado em um nico valor num rico sem permitir um c digo de 2 d gitos no sa da Tabela exibindo exemplos de edi o executados por BUILD e os conte dos do campo de sa da para um campo num rico de entrada de 3 d gitos Valor No MD1 Recodifi Valor Largura Messagem de erro do dec ca o do do campo entrada especif sa da sa da 032 0 9999 0032 4 32 0 032 3 32 0 5 999 3 brancos intercalados na var 32 0 gt 999 3 brancos intercalados na var 03 0 03 3 3 0 03 3 S73 0 03 3 3 2 0 003 3 32 1 032 3 32 1 003 3 3 2 1 032 3 32 2 gt 032 3 35 1 004 3 3 0 00 3 3 1 03 3 03 1 03 3 8888 1 8888 4 somente se PRINT RECODES 0 000 3 somente se PRINT RECODES Nenhum 3 brancos na var A32 999 3 caracteres ruins na var 3 2 gt 999 3 caracteres ruins na var 11 2 Caracter sticas Padr o do IDAMS Sele o de casos e vari veis Esse programa n o tem condi es de selecionar casos de um arquivo de dados de entrada O filtro padr o n o est dispon vel Atrav s das descri es das vari veis qualquer subconjunto dos campos dentro de um caso pode ser selecionado para os dados de sa da Transformando dados Declara es de Recode n o podem ser utilizadas Tratamento de dados perdidos Build n o faz distin o entre dados substantivos e valores de dados perdidos No entanto campos em branco p
482. n lise de vari ncia multivariada MANOVA Executa an lise de vari ncia e de covari ncia multi variada e univariada usando um modelo linear geral At oito fatores vari veis independentes podem ser utilizados Se mais de uma vari vel dependente for especificada ambas as an lises univariada e multivari ada s o executadas O programa executa uma solu o exata com n meros iguais ou desiguais de casos nas c lulas An lise de vari ncia univariada ONEWAY Estat sticas descritivas da vari vel dependente ao longo das categorias da vari vel de controle e estat sticas de an lise como soma dos quadrados total soma dos quadrados entre m dias soma dos quadrados entre grupos eta e eta quadrado ajustado e n o ajustado e valor do F test Scoring baseado em ordena o parcial de casos POSCOR Calcula os escores de escala ordinal de vari veis de intervalo ou de escala ordinal Os escores s o calculados para cada caso envolvido na an lise e eles medem a posi o relativa do caso no conjunto de casos Os scores opcionalmente com outras vari veis especificadas pelos usu rios s o produzidos na forma de um dataset IDAMS Correla o de Pearson PEARSON Calcula os coeficientes de correla o r de Pearson covari ncias e coeficientes de regress o Pode ser requisitado que dados perdidos sejam deletados aos pares ou por casos Matrizes de covari ncia e correla o produzidas podem ser salvas em um arquivo Ordenamento de
483. n ria foi usada poss vel rotacionar a configura o de maneira que seus eixos principais coincidam com os eixos de coorde nadas O programa CONFIG pode ser usado para esse prop sito Nova configura o configura o antiga 48 7 Configura o Classificada Essa a configura o final apresentada com cada dimens o classificada as coordenadas s o reordenadas da menor para a maior 48 8 Resumo a IPOINT JPOINT S o subscritos de vari veis i j indicando a quais pares de vari veis se referem as tr s estat sticas abaixo b DATA Para cada par de vari vel o ndice de entrada de similaridade ou dissimilaridade como fornecido pelo usu rio na matriz de dados de entrada c DIST Essa a dist ncia entre pontos na configura o final Para a m trica r de Minkowski 1 r dij m Lis z s No caso de r 2 isso torna se a dist ncia euclidiana ordin ria dij X tis js s 48 9 Nota sobre Empates nos Dados de Entrada 375 No caso de r 1 isso se torna a distancia city block dij X lri Te Ljs S d DHAT D hats s o n meros que minimizam o esfor o sujeito a restri o de que d hats possuem a mesma ordem de rank dos dados de entrada eles possuem dist ncia apropriadas estimadas com os dados de entrada Eles s o obtidos de 5 y is se D dij e dij gt dm se pij lt Pim similaridades i j i j ou Pij gt Pim dissimilaridades onde dij dist ncia entre var
484. n rio completo com registros C sem listar os dados RUN LIST FILES DICTIN STUDY DIC arquivo Dicion rio de entrada DATAIN NUL SETUP LISTING COMPLETE DICTIONARY PRIN CDICT Exemplo 3 Checar a recodifica o pela listagem de valores de vari veis de entrada e recodificadas para 10 casos RUN LIST FILES DICTIN A DIC arquivo Dicion rio de entrada DATAIN A DAT arquivo Dados de entrada RECODE R101 COUNT 1 V40 V49 IF MDATA V9 V10 THEN R102 99 ELSE R102 V9 V10 R103 BRAC V16 15 24 1 25 34 2 35 54 3 ELSE 9 SETUP CHECKING VALUES FOR 3 RECODED VARIABLES MAXCASES 10 SKIP 10 SPACE 1 VARS V40 V49 R101 V9 V10 R102 V16 R103 Capitulo 18 Intercalagao de Datasets MERGE 18 1 Descri o Geral MERGE funde vari veis de casos em um dataset do IDAMS com vari veis de um segundo dataset juntando os casos de par em par de acordo com uma s vari vel eis de emparelhamento Os casos nos dois datasets n o necessitam ser id nticos isto todos os casos presentes em um dataset n o precisam estar presentes no outro O arquivo de dados de sa da consiste de registros contendo vari veis especificadas pelo usu rio de cada um dos dois arquivos de entrada juntamente com um dicion rio IDAMS correspondente Para distinguir os dois datasets um referido como dataset A e o outro dataset B ao longo do write up Combinando datasets com cole es id nticas de casos Um exemplo de um uso do programa a com
485. n rio de entrada para as vari veis acessadas com registros C se houver DICT Imprime o dicion rio de entrada sem registros C OUTC Imprime o dicion rio de sa da com registros C se houver OUTD Imprime o dicion rio de sa da sem registros C DATA Imprime os dados com as designa es de grupo originais dos casos GROU Imprime para cada caso a designa o de grupo baseada na fun o discriminante Especifica o de amostra Esse par metros s o opcionais Se eles n o s o especificados todos os casos do arquivo de entrada s o interpretados como sendo de uma amostra b sica Amostras de teste e an nima se elas existirem devem sempre ser explicitamente definidas A interse o dos pares de amostras devem ser vazias Contudo elas n o precisam cobrir o arquivo de dados de entrada completo Um nico valor ou intervalo de valores pode ser usado para selecionar casos que pertecem s amostras correspondentes mi valor de vari vel de amostra ou mi lt valor de vari vel de amostra lt m2 onde ml e m2 podem ser valores inteiros ou decimais SAVAR n mero de vari vel A vari vel usando para defini o de amostra Vari vel R ou V pode ser usada BASA m1 m2 Condicional define a amostra b sica Deve ser fornecida se SAVAR for especificado TESA ml m2 Condicional e opcional se SAVAR for especificado Define a amostra de teste ANSA m1 m2 Condicional e opcional se SAVAR for especificado Define a amostra an n
486. na do arranjo de valores 3 C digos de coluna Opcional um c digo por coluna do arranjo de valores 4 Um arranjo de valores Isso pode conter opcionalmente uma label de linha e ou c digo antes de cada linha de valores Nota Se labels de linha ou coluna e ou c digos n o est o presentes eles s o automaticamente gerados para a matriz IDAMS de sa da labels como R 0001 R 0002 C 40001 C 40002 e c digos de 1 at o n mero de linhas ou colunas respectivamente Matriz quadrada Esse um arquivo ASCII contendo a por o triangular inferior de uma matriz apenas elementos fora da diagonal e opcionalmente vetores de m dias e desvios padr es seguindo a matriz em formato livre Exemplo Paris London Brussels Madrid 331323334 Paris 1 London 2 0 55 Brussels 3 0 45 0 35 Madrid 4 1 45 2 35 1 15 Formato 1 Labels de coluna nomes de vari veis Opcional tantas labels quantas colunas linhas no arranjo de valores 2 C digos de colunas n meros de vari veis Opcional tantos c digos quantas colunas linhas no arranjo de valores 3 Um arranjo de valores Pode opcionalmente conter uma label de linha e ou c digo antes de cada linha de valores 4 Um vetor de m dias Opcional 5 Um vetor de desvios padr es Opcional Nota Se labels e ou c digos n o est o presentes eles s o automaticamente gerados para a matriz do IDAMS de sa da labels como V 0001 V 000
487. nclusas na an lise usando f rmulas dadas em 1 a 1 b e 1 c respectivamente a diferen a potencial nos resultados devendo se ao n mero diferente de casos v lidos a Soma ponderada ajustada O n mero de casos ponderados com dados v lidos em x b M dia de x M dia da vari vel x para todos os casos com dados v lidos em x c Desvio padr o de x estimado Desvio padr o da vari vel x para todos os casos com dados v lidos em q 53 3 Equa o de Regress o para Escores Brutos computada em todos os casos v lidos para o par x y a Coeficiente de regress o Trata se do coeficiente de regress o n o padronizado de y vari vel de pendente em x vari vel dependente 3 y Bye fry 2 Sx b Termo constante A ByxT equa o de regress o y By a A 53 4 Matriz de Correla o Os elementos dessa matriz s o computados tomando como base a f rmula dada em 1 d acima Note que os desvios padr es produzidos com a matriz de correla o s o calculados de acordo com a f rmula dada em 1 c acima desvios padr es estimados 53 5 Matriz de Produtos Cruzados E uma matriz quadrada com os seguintes elementos CP ry se Wk Tk Yk k 53 6 Matriz de Covari ncia E uma matriz contendo os seguinte elementos COV ay Tay Sx Sy 53 6 Matriz de Covari ncia 399 onde e sy s o calculados de acordo com as f rmulas an logas Note que a matriz de covari ncia produzida por PEARSON n o cont
488. nda vari vel de filtro Se esse segundo filtro especificado um caso deve satisfazer os requerimentos de ambos para entrar na tabela 31 7 Restri es 1 O n mero m ximo de vari veis de controle 99 O n mero m ximo de vari veis dependentes 99 O n mero total de vari veis que podem ser acessadas 204 incluindo vari veis usadas em declara es de Recode ONEWAY usa os valores da vari vel de controle no intervalo de O a 99 Se para quallquer caso a vari vel de controle para uma certa an lise possuir um valor excedendo esse intervalo o caso eliminado daquela tabela 3 A soma m xima de pesos aproximadamente 2 000 000 000 4 O F ratio impresso apenas para dados n o ponderados 31 8 Exemplos 245 31 8 Exemplos Exemplo 1 Tr s an lises de vari ncia univariada usando V201 como controle e V204 como vari vel de pendente primeiro para o conjunto inteiro segundo para um subconjunto de casos tendo valores 1 3 para a vari vel V5 e o terceiro subconjunto de casos possuindo valores 4 7 para a vari vel V5 RUN ONEWAY FILES PRINT ONEW LST DICTIN STUDY DIC arquivo Dicion rio de entrada DATAIN STUDY DAT arquivo Dados de entrada SETUP ONE WAY ANALYSES OF VARIANCE DESCRIBED SEPARATELY valores default obtidos para todos par metros CONV V201 DEPV V204 CONV V201 DEPV V204 F1 V5 1 3 CONV V201 DEPV V204 F1 V5 4 7 Exemplo 2 Gera o de uma an lise de vari ncia univariada p
489. ndo TABLES Alternativamente n s poder amos usar declara es CARRY EOF e REJECT da linguagem Recode e usar TABLES diretamente 1 CARRY R901 R902 R903 R904 2 IF R901 EQ 0 THEN R901 V1 3 IF R901 NE V1 THEN GO TO VIL 4 IF EOF THEN GO TO VIL 5 R902 R902 1 6 R903 R903 V8 V9 7 IF V31 EQ 1 THEN R904 R904 1 8 REJECT 9 VIL R101 R904 100 R902 10 R101 BRAC R101 lt 25 1 lt 50 2 lt 75 3 lt 101 4 11 R102 R903 R902 12 R102 BRAC R102 lt 1000 1 lt 2000 2 lt 5000 3 ELSE 4 13 R901 V1 14 R902 1 15 R903 V8 V9 16 IF V31 EQ 1 THEN R904 1 ELSE R904 0 17 NAME R102 renda m dia R101 owning car R901 uma vari vel de trabalho usada para guardar a ID da aldeia corrente quando o primeiro caso lido R901 0 o valor da ID V1 da aldeia designado para R901 R902 a R904 s o vari veis de trabalho para respectivamente o n mero de pessoas na aldeia a renda total das pessoas na aldeia e o n mero de pessoas possuindo carros na aldeia Enquanto a ID da aldeia permanece a mesma dados s o acumulados nas vari veis R902 a R904 cujos valores s o transportados a medida que casos novos s o lidos O caso ent o rejeitado n o passado an lise e o pr ximo caso lido Quando uma mudan a na ID da aldeia encontrada as instru es na label VIL s o executadas o conte do corrente das vari veis R902 R903 e R904 usado para computar as vari veis requeridas renda m dia agrupada e agru
490. nela painel ativo Exibe uma impress o pr via dos conte dos da janela painel ativo Chama a caixa de di logo para modificar as op es de impress o e da im pressora Encerra a sess o do TimeSID O menu pode conter tamb m a lista de arquivos recentemente abertos i e arquivos usados em sess es pr vias do TimeSID Editar O menu possui um comando Copiar para copiar os conte dos da janela painel ativo para o Clipboard Ver Barra de ferramentas Barra de status Escala OX Fonte para escalas Cores b sicas Exibe oculta barra de ferramentas Exibe oculta barra de status Exibe oculta a escala OX para a s rie temporal Chama a caixa de di logo para selecionar a fonte para as escalas Chama a caixa de di logo para selecionar cores para a margem e fundo 41 3 Janela Principal de TimeSID 331 Janela Tabela de dados Chama a janela com a tabela de dados Colunas da tabela de dados sao as s rie de tempo analisadas incluindo os resultados de transforma o Al m de Tabela de dados o menu cont m a lista de janelas abertas e op es Windows para arranj las Ajuda Manual do WinIDAMS Propicia acesso ao Manual de Refer ncia do WinIDAMS Sobre TimeSID Mostra a informa o sobre a vers o e direito de propriedade de TimeSID e um link para acessar a p gina na Web do IDAMS no escrit rio da UNESCO Os dois outros menus Transforma es e An lise s o descritos em detalhes nas se es Transforma
491. nentes est o em colunas S o os componentes do termo de erro da an lise depois dos ajustamentos nos covariates 30 4 Dataset de Entrada 235 Para an lise univariada Uma tabela anova Graus de liberdade soma de quadrados quadrados m dios e F ratios Para an lise multivariada Os seguintes itens s o impressos para cada efeito Ajustamentos s o feitos para covariates se houver A ordem dos efeitos exatamente o oposto da ordem das especifica es do nome do teste F ratio para o crit rio de verossimilhan a A aproxima o de Rao utilizada Isso um teste de signific ncia multivariada do efeito geral para todas as vari veis dependentes simultaneamente Vari ncias can nicas dos componentes principais da hip tese S o as ra zes ou valores proprios da matriz de hip tese Coeficientes dos componentes principais da hip tese S o as correla es entre as vari veis e os componentes da matriz de hip tese O n mero de componentes n o nulos para qualquer efeito ser o m nimo entre os graus de liberdade e o n mero de vari veis dependentes Escores dos componentes de contraste para efeitos estimados S o os escores da hip tese para o contraste usado no design Eles s o an logos s m dias das colunas em uma an lise de vari ncia univariada e podem ser utilizados da mesma maneira para localizar vari veis e contrastes que propiciem desvios n o usuais da hip tese nula Teste cumulativo de Bartlett nas ra zes
492. nhas s o executados somente nas primeiras 50 linhas de uma tabela Para de matrizes de estat sticas bivariadas de sa da o n mero m ximo de vari veis que podem ser requisitadas para uma linha ou coluna 95 Se arquivos de sa da para tabelas e matrizes s o ambos requisitados eles s o produzidos em um mesmo arquivo f sico N o h nenhum jeito de colocar labels em linhas e colunas de tabelas quando vari veis recodificadas s o usadas 37 10 Exemplo 293 37 10 Exemplo No exemplo abaixo as seguintes tabelas s o requisitadas 1 Contagem de frequ ncia para as vari veis V201 V220 2 Estat sticas univariadas sem tabelas de frequ ncia para as vari veis V54 V62 e V64 M dias ter o uma casa decimal e outras estat sticas 3 casas decimais 3 Contagens de frequ ncias e percentuais com frequ ncias cumulativas e percentuais para vari veis V25 V30 e uma vers o agrupada da vari vel V7 Casos com dados perdidos n o devem ser exclu dos dos percentuais ou estat sticas Estat sticas de mediana ou moda requisitadas 4 Para as categorias de uma nica vari vel V201 contagens de freqii ncia e a m dia da vari vel V54 5 8 tabelas bivariadas com vari veis de linha V25 V28 e vari veis de coluna V29 V30 repetida pelos valores 1 e 2 da vari vel V10 sexo i e com sexo como uma vari vel de painel controle Conta gens percentuais de linha coluna e total estar o em cada c lula Estat sticas chi quadrado
493. no dicion rio que fornece todas as outras informa es necess rias sobre a vari vel como seu nome e sua localiza o no registro de dados Tipos de vari veis Vari veis podem ser do tipo num rica ou alfab tica ambas armazenadas em modo caracter Vari veis num ricas Podem ter valores positivos ou negativos e possuem as seguintes caracter sticas e Um valor pode ser composto de caracteres num ricos 0 9 um ponto decimal e um sinal Espa os em branco no come o s o permitidos e Valores devem ser alinhados a direita i e sem espa os em branco no final ao n o ser que um ponto decimal apare a explicitamente e A largura m xima do campo de 9 mas um n mero de d gitos significativos de at 7 apenas contando os inteiros e decimais juntos mantindo no processamento e Valores de vari veis podem inteiros e g a idade ou uma vari vel categ rica como sexo ou pode ser decimal e g uma vari vel medindo percentuais O n mero de casas decimais NDEC armazenado no registro definidor de vari vel no dicion rio Normalmente o ponto decimal est impl cito e n o aparece nos dados Nesse caso NDEC d o n mero de d gitos do valor da vari vel que devem ser tratados como casas decimais Se um ponto decimal expl cito codificado nos dados ent o NDEC usado para determinar o n mero de d gitos a direita do ponto decimal que ser retido arredon dando o valor caso necess rio e g valores 4 5
494. nt 0 137 Yr of bir 7 a Eu z a ed Ex OBJ Case237 IHOR 0 8834 VER 1960 ZA Note que essas s o linhas de regress o de Y versus X onde as vari veis X e Y s o projetadas respectivamente no eixo horizontal e vertical Para obter as linhas clique o bot o Linhas suavizadas da barra de ferramentas ou use o comando de menu Ferramentas Suaviza o Ent o na caixa de di logo selecione as linhas desejadas a suas cores e o valor do par metro de suaviza o O par metro de suaviza o o n mero de vizinhan as O seu valor default 7 O valor n o pode ser maior que n 2 onde n o n mero de casos 40 3 5 Gr ficos de Box Whisker Essa caracter stica especialmente til se os casos tiverem sido particionados em grupos ver Agrupamento de casos acima Use o comando de menu Ferramentas Gr ficos de Box Whisker ou clique no bot o Gr ficos de Box Whisker da barra de ferramentas para obter uma caixa de di logo para especificar o n mero de colunas e linhas vis veis como tamb m as cores para a janela das gr ficos de Box Whisker Para cada vari vel selecionada uma imagem gr fica exibida na forma de um conjunto de caixas cada caixa correspondendo a um grupo de casos A base da caixa pode ser feita proporcional ao n mero de casos no grupo e o limite superior e inferior mostram os quantiles superior e inferior respectivamente O final superior e inferior das linhas verticai
495. nte 76 Iniciando TE WinipAMs demogi set loj x z Arquivo Editar Yer Checar Executar Interativo Janela Ajuda l x Dsus sem 38 BUM 2 2B e Prototyp SRUN TABLES SFILES dictin demog dic datain demog dat SRECODE r100 brac v4 0 0 1 6 1 7 12 2 13 25 3 else 9 name rl00 n vel educacional mdcodes r100 9 SSETUP frequ ncias univariadas para dados demog baddata mdl tables rowvars v2 v3 r100 X f demog dic demog dat demog1 set Pronto Linha NUM h O RUN identifica o programa IDAMS desejado seguindo o comando FILES o arquivo Dados e o arquivo Dicion rio associado s o especificados o comando RECODE seguido por declara es Recode aqui a recodifica o utilizada para agrupar anos de educa o em 4 grupos o comando SETUP seguido por par metros para a opera o nesse caso requerendo distribui es de freq ncia univariadas s o dados de acordo com as regras do programa TABLES Clique em Arquivo Salvar e salve o arquivo de setup no arquivo demog1 set Save in E work amp EE EJ My Computer E E o File name demog1 set My Network P Save as type Arquivos Setup set x Cancel 7 6 Execute o Setup e De dentro da janela Setup clique em Executar Setup corrente O setup corrente salvo em um arquivo tempor rio e executado Um di logo aparece durante a execu o e desaparece se a execu o feita com sucess
496. ntes sucessivos uma m dia ponderada ACSAV o valor corrente do valor absoluto m dio do cosseno do ngulo entre gradientes sucessivos uma m dia ponderada SFGR o comprimento mais propriamente o fator de escala do gradiente STEP o tamanho do passo Raz o para interrup o Quando a computa o interrompida a raz o indicada por um dos seguintes avisos Foi esfor o o m nimo N mero m ximo de itera es usado Foi alcan ado esfor o satisfat rio ou Foi alcan ado esfor o zero Configura o final Para cada solu o as coordenadas Cartesianas da configura o final s o impressas Configura o classificada Opcional ver o par metro PRINT Para cada solu o as proje es dos pontos da configura o final s o classificadas separadamente em cada dimens o em ordem ascendente e ent o impressas Resumo Para cada solu o os valores de dados originais s o classificados e impressos juntamente com suas dist ncias finais correspondentes DIST e as dist ncias hipot ticas requeridas para um ajuste monot nico perfeito DHAT 28 4 Matriz de Configura o de Sa da Ao ser calculada a configura o final para cada dimensionalidade ela pode ser processada como uma matriz retangular do IDAMS A configura o centralizada e normalizada As linhas representam as vari veis e as colunas as dimens es Os elementos da matriz s o escritos em formato 10F7 3 Registros de dicion rio
497. ntifica o 3 2 Idade 2 3 Sexo 1 9 1 Masculino 2 Feminino 9 DP 4 Educa o 2 e Pressione Ctrl N ou clique em Arquivo Novo Esses comandos abrem o di logo Novo New x Arquivos IDAMS Dictionary file 4 IDAMS Data file ES IDAMS Setup file ths Nome do arquivo sem extens o E ile es Localiza o c MyAppl data nee e O di logo mostra a lista de tipos de documentos usados no WinIDAMS Escolha IDAMS Dictionary file j selecionado por default e Clique no campo de Nome de archivo e entre com o nome demog Ent o clique OK Note que a extens o dic adicionada automaticamente ao nome do arquivo e Voc vera agora a janela Aplica o uma janela com 2 espa os para entrar as descri es das vari veis e labels e c digos associados opcionais O nome do arquivo Dicion rio completo demog dic mostrado na tela 72 Iniciando lol x E Arquivo Editar Yer Verificar Executar Interativo Janela Ajuda l8 x jOsHS mRo 7e BRM SPPE x xi Ey MyAppl C Setups CJ Datasets CJ Matrices C Results E demog dic Pronto Caso NUM a Pplica o e Clique na primeira c lula na linha do espa o de descri o de vari veis e entre o n mero da primeira vari vel T o logo voc comece a entrar com informa o na linha marcada com um asterisco uma nova linha ser criada logo ap s a linha corrente e
498. ntrole de programa Mesmo que nenhum tipo de t tulo seja desejado ainda assim necess rio incluir uma linha em branco Regras de codifica o e A declara o pode ser uma string com quaisquer caracteres de onde os primeiros 80 caracteres ser o utilizados i e se um t tulo maior que 80 caracteres for utilizada ela truncada nos primeiros 80 caracteres e Seo titulo n o estiver entre aspas simples letras min sculas ser o convertidas em mai sculas e espa os em branco ser o reduzidos a apenas um espa o em branco e O t tulo nao deve come ar com as palavras INCLUDE ou EXCLUDE 3 5 5 Par metros Finalidade Todos os programas do IDAMS foram desenhados de maneira bastante geral permitindo ao usu rio selecionar de um conjunto com v rias op es Essas op es e valores s o gerados por par metros e s o fornecidos nas declara es de controle de programa como par metros especifica es de regress o especifica es de tabela etc Par metros s o especificados pelo usu rio atrav s de um formato de palavra chave padr o com uma palavra em Ingl s ou abrevia o usada para identificar a op o Exemplos 1 WRITE CORR WEIGHT V3 PRINT DICT PAIR PEARSON par metros 2 DEPV V5 METHOD STEP VARS R3 R9 V30 WRITE RESID REGRESSN par metros da regress o 3 ROWV V3 V9 V10 COLV V4 V11 V19 CELLS FREQ ROWPCT STATS CHI TAUA TABLES descri o da tabela Locali
499. num rica imut vel e g o n mero de vari vel original ou a refer ncia a uma quest o 15 19 Valor do c digo alinhado a esquerda 22 72 Label para esse c digo Note que apenas os 8 primeiros caracteres ser o utilizados por pro gramas de an lise imprimindo labels de c digo apesar de que a label completa aparecer nas listagens do dicion rio 73 75 ID do estudo opcional 2 3 2 Exemplo de um Dicion rio Colunas 1 2 3 4 5 Corrs 123456789012345678901234567890123456789012345678901234567890 3 1 20 1 1 T 1 Identifica o 1 5 T 2 Idade 6 2 99 T 3 Sexo 8 1 Cc 3 1 Feminino C 3 2 Masculino T 11 Regi o 16 1 C 11 1 Norte C 11 2 Sul C 11 3 Leste C 11 4 Oeste T 12 M dia da nota 17 31 000 900 T 20 Nome 31 30 1 Isso um dicion rio descrevendo 6 campos de dados em um registro de dados mostrado diagramaticamente abaixo 1 5 6 7 8 16 17 19 31 60 vi V2 V3 vii V12 V20 ID Idade Sexo Regi o Nota Nome As localiza es das vari veis s o expressas em termos de posi o inicial e largura de campo 1 na coluna 20 do definidor do dicion rio e h um registro por caso 1 na coluna 16 Existe uma casa decimal na vari vel m dia da nota V12 A vari vel idade possui um c digo 99 para dados perdidos Para a m dia da nota 0 s implican dados perdidos como tamb m dados com valores maiores ou iguais 90 0 O nome de cada respondente V20 armazenado como uma vari vel de caracteres alfab ticos tipo 1
500. num rico s o sempre exclu dos da execu o e Os valores em um filtro para vari veis alfab ticas Valores de 1 4 caracteres s o expressos como strings de caracteres entre aspas simples e g F Espa os em branco n o precisam ser inclu dos i e espa os em branco ser o adicionados no final Se a vari vel possui uma largura de campo maior que 4 somente os primeiros 4 caracteres dos dados s o utilizados para a compara o com a vari vel de filtro Somente valores nicos separados por v rgulas s o permitidos intervalos de strings de caracteres n o podem ser usados Note A primeira declara o que segue ao comando SETUP reconhecido como o filtro principal se ela se inicia por INCLUDE ou EXCLUDE Se o primeiro caracter que n o esteja em branco for qualquer outra coisa a declara o assumida ser um t tulo 3 5 Declara es de Controle de Programa 27 3 5 4 T tulos Finalidade Uma declara o de t tulo usada para identificar os resultados da execu o de um programa Alguns programas do IDAMS imprimem essa t tulo uma vez no in cio dos resultados equanto outros usam na para identificar cada p gina Exemplos 1 TABELAS DOS DADOS DA ELEI O DE 1998 JULHO 2000 2 IMPRESS O DOS DADOS CORRETOS DO SURVEY A34 2 Localiza o Uma declara o de t tulo requerida por todos os programas do IDAMS O t tulo a primeira ou se um filtro usado a segunda declara o de co
501. o 7 7 Rever Resultados e Modificar o Setup 77 e Os resultados s o por default escritos em um arquivo idams lst Ele pode ser modificado ao se adicionar uma linha PRINT abaixo de FILES para dar o nome do arquivo Resultados e g print a demog1 Ist para guardar os resultados em um arquivo de disquete 7 7 Rever Resultados e Modificar o Setup e O arquivo Resultados carregado automaticamente quando a execu o terminada TH WintDAMs idams lst Ioj x Arquivo Editar Ver Executar Interativo Janela Ajuda 8 x D sna repo AMEK LLP er E C idams lst UNESCO VWinIDAMS 1 2 Julho de 2004 l Benvindo ao WinIDAMS 1 2 Julho de 2004 l Vers o em portugu s I Lista de setup 1 RUN TABLES 2 FILES 3 DICTIN DEMOG DIC gt gt gt gt gt C MyAppl data DEMOG DIC demog dic demog dat demog1 set idams Ist Pronto e O ndice fornecido pela janela da esquerda permite a localiza o r pida de partes dos resultados Abra o clicando idams Ist e empurrando o bot o com um asterisco no pad num rico Ent o clique no elemento que voc deseja ver TE WinsDAMs idams lst El C idams Ist fregi ncias univari B C TABLES fr T E Setup Tabela n mero a Distribui o de fr Recodifi Par met N mero de vari vel C Conte c Fator de escala i MP1 9 MDZ Tabela r RB os Totan 5 Tabela r
502. o processado de forma serial e registros cont guos com o mesmo valor de vari veis ID s o agregados Portanto o arquivo de entrada deve ser classificado nas vari veis de ID antes de se usar AGGREG Note que AGGREG n o checa a ordem de classifica o do arquivo de entrada 100 Agregacao de Dados AGGREG 10 6 Estrutura de Setup RUN AGGREG FILES Especifica es de arquivo RECODE optional Declara es de Recode SETUP 1 Filtro opcional 2 T tulo 3 Par metros DICT condicional Dicion rio DATA condicional Dados Arquivos DICTxxxx dicion rio de entrada omitir se DICT usado DATAxxxx dados de entrada omitir se DATA usado DICTyyyy dicion rio de sa da DATAyyyy dados de sa da PRINT resultados default IDAMS LST 10 7 Declara es de Controle de Programa Reporte se ao cap tulo O Arquivo Setup do IDAMS para descri es mais aprofundadas das declara es de controle de programa itens 1 3 abaixo 1 Filtro opcional Seleciona um subconjunto de casos a ser usado na execu o Exemplo INCLUDE V1 10 20 30 50 OR V10 90 300 2 T tulo mandat rio Uma linha contendo at 80 caracteres para identificar os resultados Exemplo AGGREGATION TEACHER STUDENT DATA 3 Par metros mandat rio Para selecionar op es de programa Exemplo IDVARS V1 V2 STATS SUM VARI DEC 3 AGGV V5 V10 V50 V75 PAD1 80 INFILE IN xxxx Um sufixo ddname de 1 4 caracteres para os arquiv
503. o Coloque o nome entre aspas simples se ele contiver quaisquer caracteres n o alfanum ricos Se o nome n o faz o match com nenhuma especifica o de subconjunto a tabela ser evitada Tabelas ser o repetidas para cada grupo de casos especificados Letras mai sculas devem ser usadas para fazer o match do nome da especifica o de subconjunto que automaticamente convertido para letras mai sculas 37 8 Declara es de Controle de Programa 291 USTATS MEANSD MEDMOD Somente tabelas univariadas MEAN MEDM NTILE n Imprime m dia m nimo m ximo vari ncia n o viesada desvio padr o coeficiente de varia o assimetria curtose n mero total de casos ponderados e n o ponderados Imprime mediana e moda se existirem empates valores numericamente menores s o selecionados Somente tabelas univariadas O n o n mero de quantiles a serem calculados ele deve estar no intervalo 3 10 STATS CHI CV CC LRD LCD LSYM SPMR GAMMA TAUA TAUB TAUC EBMSTAT WILC MW FISHER T Se quaisquer estat sticas bivariadas forem impressas ou produzidas forne a o par metro STAT com cada uma das estat sticas desejadas Tabelas bivariadas e matriz de sa da CHI CV CC LRD LCD LSYM SPMR GAMM TAUA TAUB TAUC Chi quadrado Se MATRIX n o requerida a sele o de CHI CV ou CC far com que os tr s sejam computados V de Cramer Coeficiente de contig ncia Lambda vari vel de linha a
504. o PRINT CENT SORT DIST TRANS MATRIX STANDARD NONSTANDARD STAN Registros de identifica o de vari vel s o inclusos na matriz de configura o de entrada NONS Registros de identifica o de vari vel n o s o inclusos DSEQ 1 n O n mero da segii ncia no arquivo de entrada da configura o que deve ser analisada WRITE CONFIG DISTANCES CONF Remete a configura o final para outro arquivo DIST Remete a matriz de dist ncias entre pontos para outro arquivo TRANSFORM Especifica es de transforma o ser o supridas 182 An lise de Configura o CONFIG PRINT CENTER NORMALIZE PRINAXIS SCALARS DISTANCES VARIMAX SORTED PLOT ALL CENT Muda a origem para o centr ide do espa o NORM Altera o tamanho do espa o tal que a soma dos quadrados dos elementos da matriz seja igual ao n mero de vari veis PRIN Procura pelos eixos principais SCAL Matriz de produtos escalares DIST Matriz de dist ncias entre pontos VARI Rota o ortogonal varimax depois da transforma o se houver SORT Configura o classificada depois da transforma o se houver PLOT Plota a configura o final ALL Imprime CENT NORM PRIN SCAL DIST VARI SORT PLOT Default A configura o de entrada impressa Nota Op es de an lise s o executadas na configura o de entrada na sequ ncia especificada acima a despeito da ordem na qual elas s o especificadas com o par metro PRINT Transforma es se houv
505. o Registros inv lidos ou duplicados podem ser deletados e registros perdidos podem ser inseridos com valores perdidos missing values especificados pelo usu rio Corre o de dados CORRECT Atualiza um arquivo Dados pela aplica o de corre es aos valores de vari veis individuais em casos especificados O arquivo Results cont m a sequ ncia escrita das corre es que possibilita que as mesmas sejam arquuivadas Importa o exporta o de dados IMPEX Import objetiva a constru o de dataset ou matrizes IDAMS de arquivos advindos de outros softwares O objetivo de export tornar poss vel o uso de arquivos Dados e Matrix armazenados ou criados pelo IDAMS por outros pacotes Arquivos texto em formato livre ou DIF podem ser importados ou exportados Lista de datasets LIST Valores de vari veis selecionadas originais ou recodificadas e ou casos sele cionados podem ser listados em formato de coluna Intercala o de datasets MERGE Dois datasets podem ser fundidos utilizando se de casos de simi laridade de acordo com um conjunto de vari veis chamadas de vari veis de emparelhamento Existem 4 op es para selecionar casos para o dataset resultante 1 apenas casos presentes em ambos os arquivos interse o 2 casos presentes em qualquer arquivo uni o 3 todo caso presente no primeiro arquivo 4 todo caso do segundo arquivo O usu rio especifica quais vari veis de cada um dos dois arquivos de entrada devem s
506. o W soma total de pesos para casos ativos 46 1 Estat sticas Univariadas Essas estat sticas univariadas s o calculadas para todas as vari veis usadas na an lise i e vari veis ativas e passivas se houverem Note que as vari veis s o renumeradas de 1 coluna RNK Somente casos ativos entram nos c lculos a M dia mn J Wi Lij _ i l SC b Vari ncia estimada AQ o Sj N 1 Ww mn mn r c Desvio padr o estimado a a2 Sj Sj d Coeficiente de varia o C Var 35 ee ete CS J 358 An lise Fatorial e Total soma para zj mn Total 5 Wi Tij i l f Assimetria I1 Do ti ey BP _ i l m3j gly onde m3 2 2 W Ee g Curtose mn yey so ER 92 3 onde m4 wW h N Ponderado N mero de casos ativos se o peso n o for especificado ou n mero ponderado de casos ativos soma dos pesos 46 2 Dados de Entrada Os dados s o impressos para os casos ativos e passivos A primeira coluna da tabela cont m os valores da variable de ID de caso at 4 d gitos A segunda coluna Coef cont m o valor do peso designado para cada caso w A terceira coluna PT igual a soma ponderada dos valores das vari veis ativas para cada caso totais de linha ponderados J1 j 1 A primeira linha cont m os primeiros quatro caracteres de cada nome de vari vel A segunda linha PJ igual a soma ponderada dos valores dos casos ativos pa
507. o coloque o pincel em uma aglomera o de um diagrama de dispers o e observe como esses casos est o localizados em outros diagramas Se a mesma aglomera o aparece em outros diagramas ent o a aglomera o pode indicar de fato um cluster real Claro que os diagramas de dispers o devem ser escolhidos de maneira que as dist ncias entre casos sejam de mesma magnitude em diagramas diferentes Outra aplica o do pincel a de estudar as distribui es condicionais Se os 4 cantos do pincel s o dados POr Lmin Lmax Ymins Ymax ent o os casos dentro do pincel s o aqueles que satisfazem as condi es Lmin LES Tmax e Ymin lt y lt Ymax e os casos satisfazendo essas condi es podem ser estudados nos outros diagramas de dispers o O pincel pode ser tamb m usado para mascarar e procurar casos Para entrar no modo pincel ou cancel lo clique o bot o Pincel da barra de ferramentas ou use o comando de menu Ferramentas Pincel Para colocar o pincel na rea desejada coloque o cursor na ponta pressione o bot o da esquerda puxe e solte na outra ponta Para movimentar ou mudar a forma do pincel coloque o cursor dentro do ret ngulo do pincel ou a seu lado pressione o bot o esquerdo e puxe Note para mov lo rapidamente para outra c lula coloque o cursor na c lula desejada e pressione o bot o esquerdo do mouse Zooming Zooming cria uma nova janela para ampliar a c lula selecionada ou em modo pincel para ampliar o pincel
508. o denotadas por um A ou B ao inv s de V para identificar o dataset de entrada onde elas existem Por exemplo Al B5 A3 A45 seleciona vari veis V1 V3 V45 do dataset A e vari vel V5 do dataset B Ver a descri o de vari veis de sa da na se o Declara es de Controle de Programa Transformando dados Declara es de Recode n o podem ser utilizadas Tratamento de dados perdidos Para as op es MATCH UNION MATCH A e MATCH B c digos de dados perdidos s o usados como valores para as vari veis de sa da que n o estejam dispon veis para um caso particular Ver o par grafo Manuseando casos que aparecem em apenas um dataset de entrada na se o descrevendo o dataset de sa da abaixo Os c digos de dados perdidos s o obtidos dos dicion rios dos datasets A e B O usu rio especifica para cada dataset se o primeiro ou segundo c digo de dados perdidos 150 Intercala o de Datasets MERGE deve ser usado e isso para todas as vari veis do dataset ver os par metros APAD e BPAD Se uma vari vel n o tem um c digo de dados perdidos apropriado no dicion rio ent o espa os em branco ser o utilizados Dados perdidos nunca s o produzidos como o valor de uma vari vel de sa da que tamb m um das vari veis de emparelhamento porque o valor de uma vari vel de emparelhamento est sempre dispon vel naquele dataset que cont m o caso Por exemplo com MATCH UNION selecionado suponha que a
509. o ent o o caso ser sempre evitado o n mero de casos tratados dessa maneira impresso Tratamento de dados perdidos O par metro MDVALUES est dispon vel para indicar quais valores de dados perdidos se houverem devem ser usados para checar a exist ncia de dados perdidos As estat sticas univariadas para cada vari vel s o computadas dos casos que possuem dados v lidos n o perdidos para a vari vel Dados perdidos dele o por pares Estat sticas emparelhadas e cada coeficiente de correla o podem ser computadas dos casos que possuem dados v lidos para ambas as vari veis MDHANDLING PAIR Portanto um caso pode ser usado no c mputo de alguns pares de vari veis e n o ser usado em outros pares Esse m todo de manusear dados perdidos referido como o algoritmo de dele o por pares Nota Se h dados perdidos coeficientes de correla o individuais podem ser computados em diferentes subconjuntos dos dados Se h uma grande quantidade de dados perdidos isso pode levar inconsist ncias internas na matriz de correla o que podem causar dificuldades em an lises multivariadas subseqiientes Dados perdidos dele o por casos O programa pode tamb m ser instru do MDHANDLING CASE a computar estat sticas emparelhadas e correla es dos casos que possuem dados v lidos em todas as vari veis na lista de vari veis Portanto um caso usado no c mputo para todos os pares de vari veis ou n o usado 256 Correl
510. o particularmente para Judith Rattenbury que esbo ou a primeira vers o em Ingl s do Manual 1988 e que continuou revisando outras edi es at 1998 Jean Paule Griset UN ESCO Paris que desenhou juntamente com Nicole Visart a tipografia do Manual usado at 1998 Teresa Krukowska IDAMS Group UNESCO Paris que compilou a parte com as f rmulas estat sticas mudou a tipografia do Manual em 1998 continua atualizando a vers o original em Ingl s desde 1999 que respons vel pela produ o do Manual em Ingl s Franc s Espanhol e Portugu s e que toma conta da harmoniza o o m ximo poss vel dos textos em Ingl s Franc s Espanhol e Portugu s Reconhecimento para os autores dos documentos do OSIRIS de cujo material foi extra do o Manual de Refer ncia do WinIDAMS devem ser feitos da seguinte maneira o Manual do Usu rio do OSIRIS II 2 Vol 1 editado por Sylvia Barge e Gregory A Marks e Vol 5 compilado por Laura Klem Institute for Social Research University of Michigan Estados Unidos Agradecimentos devem ir tamb m para os tradutores do pacote de software e da documenta o em Franc s Espanhol e Portugu s pela suas coopera es e Professor Jos Raimundo Carvalho CAEN P s gradua o em Economia UFC Fortaleza Brasil pela tradu o do Manual e dos textos pertencentes ao software em Portugu s e Professor Bernardo Li vano Escuela Colombiana de Ingenier a ECI Bogota Col mbia pela tradu o do Manu
511. o Ca 0 indica uma completa aus ncia de coer ncia O valor 1 para o indice C pode ser interpretado como uma ordem de alternativas oposta a ordem definida pela rela o difusa vi NDICE DE INTENSIDADE Esse ndice pode ser interpretado como um n vel de credibilidade m dia das declara es a prefer vel a aj ou a prefer vel a a Em geral seu valor 1 lt I lt 2 enquanto no caso de uma prefer ncia estrita O lt I lt 1 Aqui J 1 implica uma rela o normalizada ver se o 3 c abaixo e significa que em todos os dados de prefer ncia uma das declara es acima v lida para todos os pares de alternativas gt Cry tra i lt j tne vii INDICE DE DOMIN NCIA tamb m um ndice dependente da ordem e 1 lt D lt 1 D 894 i lt j D n O INDICE DE DOMIN NCIA ABSOLUTA similarmente ao indice de coer ncia definido como o indice de domin ncia independente de ordem Seu valor Da o limite superior para D e0 lt Da lt 1 Drag 156 i lt j m m 1 2 Os ndices D e Da indicam a diferen a m dia entre a credibilidade das declara es a prefer vel a aj e das declara es opostas a prefer vel a a Da Note que C I De Cy I Da n o s o independentes umdo outro ou seja CI DeCal Ds d Matriz normalizada Uma matriz normalizada obtida da matriz R usando a seguinte trans forma o Tij 2 Paes T Fra se i j eri
512. o cap tulo Dados em IDAMS Campos num ricos vazios i e strings vazias entre caracteres delimitadores em um arquivo de entrada em formato livre s o substitu dos pelo primeiro c digo de dados perdidos correspondente ou por 9 s se o primeiro c digo de dados perdidos n o est definido Exporta o A sa da um arquivo ASCII cujo conte do varia de acordo com os requerimentos de exporta o Dados em formato DIF Esse um arquivo com se es Header e Data Vetores correspondem a vari veis do IDAMS e TUPLES a casos Al m do itens requeridos pelo header LABEL um item opcional padr o usado para exportar nomes de vari veis Na se o Data o indicador Value V sempre usado para valores num ricos Um ponto decimal ou v rgula usada em nota o decimal se o n mero de decimais definido no dicion rio for maior que zero 16 5 Arquivos de Entrada 137 Dados em formato livre Este um arquivo cujos valores das vari veis sao separados por um delimitador ver os par metros WITH e DELCHAR e casos s o separados adicionalmente pelo carriage return mais caracteres de alimenta o de linha Para valores de vari veis num ricas um ponto decimal ou v rgula ver o par metro DECIMALS inclu do se o n mero de decimais definido no dicion rio for maior que zero Valores de vari veis alfab ticas v m entre aspas simples ou aspas ou n o inclusos entre quaisquer caracteres especiais
513. o de corre o de dados Essa caixa fornece n mero seqii ncial de casos n mero e nome da vari vel valor de c digo inv lido e uma lista drop down de c digos v lidos como definidos no dicion rio Classificar chama uma caixa de di logo de classifica o para especificar at 3 vari veis de classifica o e a ordem correspondente de classifica o para cada uma delas Depois de clicar OK o arquivo classificado aparce na janela Dados Classificar dados de uma vari vel uma coluna pode tamb m ser feito dando uma clique duplo no n mero da vari vel na in cio do espa o Dados Um duplo clique classifica os casos em ordem crescente Para obter uma classifica o em ordem decresente repita o clique duplo Dois tipos de gr ficos s o sugeridos para uma vari vel no menu Gr ficos Gr fico de barras fornece as frequ ncias ou percentuais para categorias de vari veis qualitativas Para vari veis quantitativas o usu rio define o n mero de barras NB em ambos os lados da m dia M e o coeficiente C para calcular a largura da barra classe A largura da barra BW igual ao valor do desvio padr o STD multiplicado pelo coeficiente BW C STD As barras s o constru das usando os valores M NB BW M 2BW M BW M M BW M 2BW M NB BW A altura de um ret ngulo frequ ncia relativa da classe largura da classe Al m disso a curva de distribui o normal tendo a m dia e o desvio padr o calculados pode ser pr
514. o de entrada mas podem tamb m ser deixados intactos ou fornecidos para vari veis de sa da atrav s da declara o de Recode MDCODES Nenhuma checagem de dados perdidos feita nos valores de dados exceto atrav s do uso de declara es de Recode 21 3 Resultados Dicion rio de sa da Opcional ver o par metro PRINT Dados de sa da Opcional ver o par metro PRINT Valores para todos os casos de cada vari vel V ou R s o dados 10 valores de vari vel por linha Para vari veis alfab ticas apenas os 10 primeiros caracteres s o impressos 21 4 Dataset de Sa da A sa da um dataset do IDAMS que cont m apenas aquelas vari veis V e R especificadas no par metro OUTVARS A informa o do dicion rio para as vari veis no arquivo de sa da designada da seguinte maneira Segii ncia de vari veis e n mero de vari veis Se VSTART especificado vari veis s o colocadas como elas aparecem na lista OUTVARS e elas s o numeradas de acordo com o par metro VSTART Se VSTART n o especificado as vari veis de sa da t m o mesmo n mero da lista OUTVARS e elas s o classificadas em ordem crescente por n mero de vari vel 166 Transforma o de Dados TRANS Nomes de vari vel e c digos de dados perdidos Obtidos do dicion rio de entrada apenas vari veis V ou das declara es de Recode NAME e MDCODES se houver Localiza es de vari vel Localiza es de vari vel s o designadas contiguamente de acordo
515. o de qualquer vari vel o programa avalia se o valor de F obtido em um dado passo satisfaz o m nimo e se satisfizer a vari vel entrar Similarmente o programa decide a cada passo se qualquer vari vel previamente inclu da ainda satisfaz um m nimo tamb m fornecido pelo usu rio e caso contr rio remove se tal vari vel R2 pi R2 p df Valor de F parcial para vari veli 5 t Ri Pi 370 Regressao Linear onde RZ pi R quadrado m ltiplo para o conjunto de preditores P j na regress o com preditor Rj p R quadrado m ltiplo para o conjunto de preditores P j na regress o df graus de liberdade dos res duos Em qualquer passo do procedimento os resultados s o os mesmos de como seriam em uma regress o padr o usando se um conjunto particular de vari veis portanto o passo final de uma regress o stepwise mostra os mesmos coeficientes que uma execu o normal usando as vari veis que sobreviveram ao procedimento stepwise 47 11 Nota sobre Regress o Descendente Regress o descendente como regress o stepwise exceto que o algoritmo come a com todas as vari veis independentes e ent o elimina e adiciona de volta vari veis de um jeito stepwise 47 12 Nota sobre Regress o com Intercepto Zero E poss vel ao se usar o programa REGRESSN requerer se uma regress o com intercepto zero i e que a vari vel dependente seja zero quando todas as vari veis independentes forem zero Se uma
516. o de subconjunto de AGE e Entre com um tra o no final de uma linha para continuar em outra linha 5 POSCOR A palavra POSCOR nessa linha sinaliza que as especifica es de an lise seguem Deve ser inclu da para separar especifica es de subconjuntos das especifica es de an lise e deve aparecer somente uma vez 6 Especifica es de an lise As regras de codifica o s o as mesmas dos par metros Cada especi fica o de an lise deve se iniciar em uma nova linha Exemplo ORDER ASER ANAME MSDCORE DNAME DOWNSCORE VARS V3 V6 LEVELS 1 1 2 2 VARS lista de vari veis As vari veis V e ou R a serem usadas na an lise N o h default ORDER ASEA DEEA ASCA DESA ASER DESR ASCR DEER Especifica o tipo de escore a ser computado O escore baseado em ASEA casos melhores ou iguais dominando DEEA casos piores ou iguais dominados ASCA casos estritamente melhores estritamente dominando DESA casos estritamente piores ou iguais estritamente dominados relativamente ao n mero total de casos ASER DESR ASER casos melhores ou iguais dominando DESR casos estritamente piores ou iguais estritamente dominados relativamente ao n mero de casos compar veis ASCR DEER ASCR casos estritamente melhores estritamente dominando DEER casos piores ou iguais dominados relativamente ao n mero de casos compar veis Nota Em ambos os casos anteriores os dois escores s o computados seja qual for o selecionado A soma dele
517. o do documento exibido no espa o janela ativa Note que as partes escondidas do documento n o s o impressas Sair Termina a sess o do WinIDAMS O menu pode tamb m conter uma lista de at 7 documentos recentemente abertos i e documentos usados em sess es pr vias do WinIDAMS Editar A disponibilidade e s vezes o t tulo de alguns comandos nesse menu podem ser diferentes em janelas diferentes Desfazer Cancela a ltima a o Refazer Executa novamente a ltima a o cancelada Cortar Move a sele o para o Clipboard Copiar Copia a sele o para o Clipboard Colar Copia o conte do do Clipboard no lugar onde o cursor estiver posicionado Encontrar Inicia o mecanismo de busca do Windows Repor Inicia o mecanismo de substitui o do Windows Encontrar pr ximo Procura pela pr xima apari o de uma string de caracteres exibida na caixa de di logo Encontrar Note que nas janelas Texto e Resultados as a es de busca substitui o s o ativadas pelos comandos Procu rar Procurar adiante Procurar atr s e Repor 9 3 Customiza o do Ambiente para uma Aplica o 83 Ver Barra de ferramentas Barra de ferramentas exibe oculta Barra de status Barra de status exibe oculta Aplica o Janela de aplica o exibe oculta Mostrar tela completa Exibe a janela ativa em tela cheia Clique o cone Fechar tela completa no canto superior esquerdo ou pressione Esc para voltar tela anterior Executar C
518. o entrada indispon vel com uma matriz Declara es de Recode SETUP 1 Filtro opcional Titulo Par metros Defini o de vari veis dummy condicional Especifica es de regress o repetido como requisitada DICT condicional Dicion rio para entrada de dados brutos DATA conditional Dados para entrada de dados brutos MATRIX condicional Matriz para entrada de matriz de correla o Arquivos FTO2 matriz de correla o de sa da FTO9 matriz de correla o de entrada se MATRIX n o usada e INPUT MATRIX DICTxxxx dicion rio de entrada se DICT n o usado e INPUT RAWDATA DATAxxxx dados de entrada se DATA n o usado e INPUT RAWDATA DICTyyyy dicion rio de res duos de sa da um conjunto para cada DATAyyyy dados de res duos de sa da arquivo de res duos requisitado PRINT resultados default IDAMS LST 27 9 Declara es de Controle de Programa Reportar se ao cap tulo O Arquivo Setup do IDAMS para descri es mais aprofundadas das declara es de controle de programa itens 1 3 e 5 abaixo 1 Filtro opcional Seleciona um subconjunto de casos a ser usado na execu o Dispon vel apenas com entada de dados brutos Exemplo INCLUDE V3 5 2 Titulo mandat rio Uma linha contendo at 80 caracteres para nomear os resultados Exemplo REGRESSION ANALYSIS 3 Par metros mandat rio Para selecionar op es de programa Exemplo IDVAR Vi MDHANDLING 100 Regressao Lin
519. o especificada pode ser negativa e possuir casas decimais 23 9 Restri o O tamanho m ximo da matriz de configura o de entrada 60 linhas por 10 colunas 23 10 Exemplos 183 23 10 Exemplos Exemplo 1 Rota o e transforma o de uma matriz de configura o previamente criada pelo programa MDSCAL a configura o final escrita em um arquivo e ent o impressa as dimens es 1 e 2 s o rotacionadas 60 graus a dimens o 1 transformada pela adi o de 6 RUN CONFIG FILES PRINT CONF1 LST FTO2 CONFIG MAT arquivo de sa da para matriz de configura o FTO9 MDS MAT matriz de configura o de entrada SETUP CONFIGURATION ANALYSIS PRINT PLOT VARI TRAN WRITE CONF DEGR 60 DIME 1 2 PRINT PLOT ADD 6 DIME 1 PRINT PLOT Exemplo 2 Computacao da matriz de produtos escalares e a matriz de distancias entre pontos para a 4 configuracao do arquivo de entrada nenhum plot sera requerido RUN CONFIG FILES PRINT CONF2 LST FTO2 SCAL MAT arquivo de sa da para produtos escalares e dist ncias FTO9 MDS MAT matriz de configura o de entrada SETUP CONFIGURATION ANALYSIS PRINT SCAL DIST DSEQ 4 Capitulo 24 An lise Discriminante DISCRAN 24 1 Descri o Geral A tarefa da an lise discriminante encontrar a melhor fun o discriminante linear de um conjunto de vari veis que reproduza tanto quanto poss vel um agrupamento a priori de casos considerados Z Um procedimento em p
520. o especificadas individualmente as vari veis a serem usadas na tabela s o selecionadas com os par metros de especifica o de tabela R e C Para conjuntos de tabelas vari veis s o selecionadas com os par metros de especifica o ROWVARS e COLVARS Transformando dados Declara es de Recode podem ser usadas Note que para vari veis R o n mero de decimais a ser retido especificado pelo par metro NDEC Ponderando dados Uma vari vel de pondera o pode opcionalmente ser especificada para cada conjunto de tabelas Ambas vari veis R e V com casas decimais s o multiplicadas por um fator de escala para obter se valores inteiros Ver a se o Dataset de Entrada abaixo Quando o valor da vari vel de pondera o para um caso for zero negativa perdida ou n o num rica ent o o caso sempre evitado o n mero de casos tratados dessa maneira impresso Tratamento de dados perdidos 1 O par metro MDVALUES est dispon vel para indicar que valores de dados perdidos se houver devem ser usados para checar a exist ncia de dados perdidos 2 Frequ ncias univariadas e bivariadas s o sempre impressas para todos os c digos de dados quer eles representem ou n o dados perdidos Para remover completamente dados perdidos das tabelas um filtro ou um subconjunto pode ser especificado Alternativamente valores m ximo e ou m nimo da vari vel de linha e de coluna podem ser definidos 3 Casos com dados perdidos podem ser
521. o indicado pelo diagrama seguinte onde os n meros nas c lulas mostram a ordem a qual as p ginas s o impressas 1 2 3 4 10 10 10 10 c digos 1 16 c digos 1 4 7 10 2 16 c digos 2 5 8 11 ltimos 8 c digos 3 6 9 12 Estat sticas bivariadas Opcional ver o par metro de tabela STATS Testes t Opcional ver o par metro de tabela STATS Se os testes t foram requisitados eles e suas m dias e desvios padr es da vari vel de coluna para cada linha s o impressos em uma p gina separada Matrizes de estat sticas bivariadas Opcional ver o par metro de tabela PRINT O canto inferior esquerdo da matriz impresso Oito colunas e 25 linhas s o impressas por p gina Matriz de N s Opcional ver o par metro de tabela PRINT Isso impresso no mesmo formato da matriz correspondente Tabelas univariadas Opcional ver o par metro de tabela CELLS Normalmente cada tabela univariada impressa come ando em uma nova p gina Freqii ncias percentuais e valores m dios de uma vari vel se requisitados para dez c digos s o impressos ao longo da p gina Estat sticas univariadas Opcional ver o par metro de tabela USTATS Quantiles Opcional ver o par metro de tabela NTILE N 1 pontos s o impressos e g se quantiles s o requisitados o par metro NTILE igualado a 4 e 3 tr s pontos de quebra ser o impressos N meros de p gina Esses s o da seguinte forma ttt rr ppp onde 286 Tabelas Uni
522. o m ximo de itera es ter sido excedida CRITERION 005 n Fornece um valor num rico que a toler ncia do teste de converg ncia selecionado Ele vai de 0 0 a 1 0 Entre o ponto decimal OUTLIERS INCLUDE EXCLUDE INCL Casos com valores outlying da vari vel dependente ser o contabilizados e inclu dos na an lise EXCL Outliers ser o exclu dos da an lise 29 8 Restri es 229 OUTDISTANCE 5 n N mero de desvios padr es em rela o a sua grand m dia usados para definir um outlier para a vari vel dependente WRITE RESIDUALS Escreva os res duos em um dataset do IDAMS aplique o modelo MCA apenas para o subconjunto de dados passando os crit rios de dados perdidos c digo m ximo e outlier Casos onde o modelo MCA n o se aplica s o inclu dos no dataset dos res duos com todos os valores exceto o valor da vari vel identificadora ajustados para MD1 Res duos n o podem ser obtidos se apenas uma vari vel preditora for especificada OUTFILE OUT yyyy Um sufixo ddname de 1 4 caracteres para os arquivos Diction rio e Dados de sa da dos res duos Default ddnames DICTOUT DATAOUT Nota Se mais de uma an lise requisita o sa da de res duos os ddnames de default DICTOUT e DATAOUT s podem ser utilizados uma vez IDVAR n mero de vari vel N mero de uma vari vel de identifica o a ser inclu da no dataset de res duos Default Uma vari vel criada cujos valores s o n meros indicando a posi o sequencial do c
523. o mouse e a escala OX pode ser ocultada exibida usando o comando Escala OX do menu Ver Al m do mais apresenta o de gr ficos pode ser modificada da seguinte maneira e regula o do grau de compress o do gr fico use os bot es sob Compress o de OX e cores para pano de fundo e margens use o bot o Cores ou comando Ver Cores b sicas e fonte para escalas use o bot o Fonte para escalas ou o comando Ver Fonte para escalas Mudando o nome das s ries temporais Selecione a s rie temporal requisitada clique no seu nome com o bot o direito do mouse e selecione a op o Mudar nome A janela ativa apresenta o nome para modifica o Note que essas modifica es s o tempor rias e que elas s o mantidas somente durante a sess o corrente Selecionando s ries temporais para exibi o Uma lista de s ries temporais analisadas fornecida no painel esquerdo Dando um clique duplo em uma vari vel na lista voc pode escolher a forma e a cor da linha de proje o Depois de OK o gr fico correspondente exibido no painel superior Essa opera o pode ser repetida para diferentes vari veis e portanto pode se obter v rios gr ficos exibidos simultaneamente no painel superior O painel direito inferior exibe as s ries correntes Deletando s ries temporais da an lise Selecione as s ries temporais requisitadas clique em seus nomes com o bot o direito do mouse e selecione a op o Deleter s rie 41 4 Transforma o d
524. o o WinIDAMS iniciado e qualquer dos folders est faltando ele automaticamente recriado Folder Aplica o lt system_dir gt appl Folder Dados lt system_dir gt data Folder Tempor rio lt system_dir gt temp Folder Transposto lt system_dir gt trans Folder Trabalho lt system_dir gt work onde lt system_dir gt o nome do folder Sistema fixado durante a instala o Para maiores detalhes em como os programas do IDAMS utilizam os atalhos definidos na aplica o ver se o Customiza o do Ambiente para uma Aplica o no cap tulo Interface do Usu rio Capitulo 9 Interface do Usuario 9 1 Conceito Geral A Interface do Usu rio do WinIDAMS uma interface de m ltiplos documentos Ela pode exibir e permitir que se trabalhe simultaneamente com diferentes tipos de documenos como Dicion rio Dados Setup Resul tados e qualquer documento de texto em janelas separadas Al m disso ela d acesso execu o de setups do IDAMS e a componentes de an lise de dados interativos como Tabelas multidimensionais Explora o gr fica de dados e An lise de s ries temporais de qualquer janela de documento A janela Principal do WinIDAMS cont m TS WinIDAMS 0 x Arquivo Editar Ver Aplica o Executar Interativo Janela Ajuda Denas reoc AmE Pople E Default HC Setups H Datasets H Matrices Results Aplica o e a barra de menu para abrir os menus drop down com coman
525. o separados por v rgulas e arquivos csv nos quais os campos s o separados por ponto e v rgula 9 8 Criando Renovando Exibindo Arquivos Setup 91 Os nomes da vari veis do arquivo Dicion rio correspondente s o obtidos como labels de coluna na primeira linha dos dados exportados Se existem labels de c digo para uma vari vel valores de c digos num ricos podem ser opcionalmente substitu dos pelos seus labels de c digo correspondentes no arquivo de dados de sa da Al m do mais vari veis num ricas podem ser processadas com a v rgula usada como separador de casas decimais 9 8 Criando Renovando Exibindo Arquivos Setup A janela Setup para preparar ou exibir um arquivo Setup do IDAMS chamada quando e voc cria um arquivo setup o comando de menu Arquivo Novo IDAMS Setup file ou o bot o Novo da barra de ferramentas e voce abre um arquivo Setup com extens o set exibibido na janela Aplica o d um clique duplo no nome do arquivo requisitado na lista Setups e voc abre um arquivo Setup com qualquer extens o que n o est na janela Aplica o o comando de menu Arquivo Abrir Setup ou o bot o Abrir da barra de ferramentas TE WinIDAMS regr set JD x ja Arquivo Editar Ver Checar Executar Interativo Janela Ajuda x DEdejsvesc JABEK 2 2 S E Regressn x x SRUN REGRESSN Default O Setups SFILES Datasets
526. oc tiver selecionado um dataset voc ser requisitado a especificar as vari veis que voc deseja que sejam analisadas Vari veis num ricas podem ser selecionadas da Lista de origem e movidas para a rea Vars selecionadas Movendo vari veis entre as listas pode ser feito clicando se os bot es gt lt move somente as vari veis marcadas gt gt lt lt move todas as vari veis Note que vari veis alfab ticas n o est o dispon veis aqui e que a vari vel de identifica o de caso n o permitida na an lise Tratamento de dados perdidos Duas possibilidades s o propostas 1 dele o por casos quando um caso usado em an lise somente se ele possui dados v lidos em todas as vari veis selecionadas 2 dele o por pares quando um caso usado se ele tiver dados v lidos em ambas as vari veis para cada par de vari veis separadamente 40 3 Janela Principal de GraphID para An lise de um Dataset Depois da sele o de vari veis e um clique em OK a janela principal GraphID mostra a matriz inicial de diagramas de dispers o com 3 vari veis e as propriedades default da matriz Essa tela pode ser manipulada usando v rias op es e comandos nos menus e ou cones equivalentes da barra de ferramentas 318 Explora o Gr fica de Dados l0 x Arquivo Editar ver Ferramentas Janela Ajuda l x SE Sal maa 25 5al lol ie Sl 2 Yr of bir i a Eu s ed Ex OBI Case382 D
527. odem ser substitu dos por c digos de dados perdidos zeros ou noves 11 3 Resultados Dicion rio de entrada Opcional ver o par metro PRINT A coluna Brule na listagem do dicion rio cont m as regras de recodifica o para os campos em branco como especificadas na col 64 do dicion rio de entrada Note que mensagens de erro para o dicion rio est o intercaladas com a listagem do dicion rio e n o possuem um n mero de vari vel Se o dicion rio de entrada n o for impresso os erros podem ser dif ceis de serem identificados Dicion rio de sa da Opcional ver o par metro PRINT Registros de descri o de vari veis registros T s o impressos com ou sem registros C se houver 11 4 Dataset de Saida 105 Caracter stica do arquivo de dados de sa da Comprimento do registro do arquivo de dados de sa da Mensagens de edi o de dados Para cada caso contendo erros o caso de entrada at 100 caracteres por linha e um relat rio de erros na ordem do n mero da vari vel s o impressos Mensagens de recodifica o de campos em branco Opcional ver o par metro PRINT Para cada caso contendo campos em branco que foram recodificados uma mensagem sobre esse fato juntamente com os casos de dados de entrada s o impressos Essas mensagens s o integradas com as mensagens de edi o de dados se quaisquer erros ocorrerem tamb m no caso 11 4 Dataset de Sa da BUILD cria um arquivo Dados e um dicion rio do IDAMS
528. odem ter valores inteiros ou decimais exceto para preditores que devem ter valores inteiros entre 0 e 31 para classifica o m ltipla e at 2999 para an lise de vari ncia univariada A vari vel de ID de caso pode ser alfab tica Um grande n mero de casos necess rio para uma an lise de MCA um boa regra de bolso que o n mero total de categorias i e soma de categorias ao longo de todos os preditores n o deve exceder 10 do tamanho da amostra A vari vel dependente deve ser medida em uma escala intervalar ou ser dicot mica e n o deve ser muito assim trica Vari veis preditoras para MCA devem ser categorizadas preferencialmente com n o mais de 6 categorias Apesar de MCA ser desenhado para manusear preditores correlacionados nenhum par de preditores deve ser fortemente correlacionado de maneira que haja um overlap perfeito entre suas categorias Se houver um overlap perfeito recodifica o para combinar categorias ou filtragem para remover casos ofensivos necess rio 29 6 Estrutura de Setup 227 29 6 Estrutura de Setup RUN MCA FILES Especifica es de arquivo RECODE opcional Declara es de Recode SETUP 1 Filtro opcional 2 T tulo 3 Par metros 4 Especifica es de an lise repetida como requisitada DICT condicional Diction rio DATA condicional Dados Arquivos DICTxxxx dicion rio de entrada omitir se DICT usado DATAxxxx dados de entrada omitir se D
529. ogramas IDAMS desde que cado caso esteja contido em um n mero igual de registros de formato fixo Contudo se um arquivo Dados usado pela Interface de Usu rio do WinIDAMS ent o h apenas um registro por caso Registros podem ser de comprimento vari vel com um m ximo de 4096 caracteres por caso Se o primeiro registro no arquivo n o o mais longo ent o o comprimento m ximo de registro RECL deve ser fornecido nas respectivas especifica es de arquivo Arquivos de dados produzidos por programas do IDAMS possuem registros de formato fixo sem caracteres de tabula o N o h geralmente limite no n mero de casos que pode ser introduzido em um programa IDAMS e Arquivo Dicion rio dic O dicion rio usado para descrever as vari veis nos dados Ele pode no m nimo descrever apenas as vari veis que est o sendo utilizadas por um programa particular em execu o mas ele pode tamb m descrever todas as vari veis em cada registro de dados O comprimento de registro vari vel mas o comprimento m ximo de 80 Se um dicion rio produzido por um programa IDAMS ent o o comprimento de registro fixo 80 caracteres sem caracteres de tabula o O dicion rio pode ser preparado sem se saber seu formato interno na janela Dicion rio da Interface do Usu rio Alternativamente ele pode ser preparado usando o Editor Geral e seguindo o formato dado no cap tulo Dados em IDAMS e Arquivo Matriz mat As matrizes
530. ojetada para vari veis quantitativas Histograma recomendado para vari veis quantitativas fornece um histograma baseado em freqii ncias ou em percentuais com o n mero de bins especificado pelo usu rio Gr ficos para vari veis quantitativas cont m tamb m estat sticas univariadas para as vari veis projetadas como m dia desvio padr o vari ncia assimetria e curtose Vari veis com casas decimais s o multiplicadas por um fator de escala para obter valores inteiros Nesse caso a m dia desvio padr o e vari ncia devem ser ajustados de acordo 9 6 Importando Arquivos de Dados WinIDAMS fornece uma ferramenta para importar arquivos de dados para o IDAMS diretamente atrav s da Interface do Usu rio do WinIDAMS Essa facilidade pode ser acessada da janela Principal do WinIDAMS da janela Dados e da janela Tabelas multidimensionais Tr s tipos de arquivos de formato livre podem ser importados e arquivos txt nos quais os campos s o separados por tabs 90 Interface do Usu rio e arquivos csv nos quais os campos s o separados por v rgulas e arquivos csv nos quais os campos s o separados por ponto e v rgula Infoma o fornecida na primeira linha considerada ser labels de coluna e utilizada como nomes de vari veis no processo de constru o do dicion rio Portanto a presen a de labels de coluna mandat ria na primeira linha de arquivos de entrada O caracter de separa o detectado na primeira lin
531. om exce o da janela Setup o menu possui apenas um comando Selecionar Setup para selecionar um arquivo com o setup a ser executado Interativo Atrav s desse menu tr s componentes para an lise interativa podem ser acessados Tabelas multidimensionais Explora o gr fica de dados An lise de s ries temporais Ver cap tulos relevantes para uma descri o detalhada de cada componente Janela O menu cont m a lista de janelas abertas e comandos padr es do Windows para organiz las Ajuda Manual do WinIDAMS Propicia acesso ao Manual de Refer ncia do WinIDAMS Sobre o WinIDAMS Exibe informa o sobre a vers o e direitos autorais do WinIDAMS e um link para acessar a Web page do IDAMS nasede da UNESCO 9 3 Customiza o do Ambiente para uma Aplica o Nomes do folder Dados folder Trabalho e folder Tempor rio podem ser definidos pelo usu rio e salvos em um arquivo Aplica o com o nome da aplica o como nome do arquivo O nome da ltima aplica o utilizada salvo pelo sistema e as configura es definidas para essa aplica o s o carregadas no in cio da sess o seguinte Essas configura es podem ser mudadas a qualquer tempo durante a sess o de trabalho ao selecionar criar e ativar outra aplica o Como pelo menos um arquivo Aplica o necess rio para a utiliza o do WinIDAMS uma aplica o stan dard chamada Default fornecida e ser ativada quando voc iniciar WinIDAMS pela primeira
532. om um dicion rio descrevendo as vari veis requeridas e cria um novo arquivo Dados com apenas um registro por caso contendo valores apenas para as vari veis especificadas Ao mesmo tempo ele produz um dicion rio do IDAMS descrevendo o novo arquivo Dados formatado em outras palavras um dataset do IDAMS criado Al m de reestruturar os dados BUILD checa tamb m se h valores n o num ricos em vari veis num ricas Por que usar BUILD Qualquer programa do IDAMS pode ser usando sem ter primeiro sido usado BUILD atrav s da prepara o de um dicion rio do IDAMS separado Contudo BUILD recomendado como um passo preliminar dado que propicia a checagem da correta prepara o do dicion rio assegura que haver um match perfeito entre o dicion rio e os dados assegura que n o haver caracteres n o num ricos inesperados nos dados reduz os dados a um formato compacto de um regitro por caso recodifica todos os espa os vazios de maneira que assumam valores especificados pelo usu rio Processamento de vari veis num ricas Quando BUILD processa um campo como contendo um valor num rico ele checa se o campo possui um n mero reconhec vel ou se possui um espa o em branco Se um valor diferente disso ocorre e g 3J 3 2 etc a posi o sequencial do caso o n mero da vari vel associado com o campo e o caso de entrada s o impressos e uma lista de noves usada como valor de sa da As regras de proc
533. ome especificado por ANAME default em branco Largura de campo especificado por FSIZE default 5 No de decimais 0 MD1 especificado por OMD1 default 99999 MD2 especificado por OMD2 default 99999 Para ORDER ASER DESR ASCR DEER duas varidveis para cada andlise com nomes especificados pelos par metros ANAME e DNAME respectivamente e outras caracter sticas como evidenciado acima Nota Se uma an lise repetida para v rios subconjuntos mutuamente exclusivos de casos a vari vel de escore computada para os casos em cada subconjunto de cada vez Se um caso n o pertence a nenhum dos subconjuntos definidos para a an lise ent o o s valor res da s vari vel veis de escore ser o igualado s ao c digo MD1 32 5 Dataset de Entrada A entrada um arquivo Dados descrito por um dicion rio do IDAMS Para vari veis de an lise apenas valores inteiros s o usados Valores decimais se houver s o arredondados para o inteiro mais pr ximo A vari vel de ID de caso e vari veis a serem transferidas podem ser alfab ticas 32 6 Estrutura de Setup 249 32 6 Estrutura de Setup RUN POSCOR FILES Especifica es de arquivo RECODE opcional Declara es de Recode SETUP Filtro opcional Titulo Par metros Especifica es de subconjunto opcional POSCOR Especifica es de an lise repetidas como requisitadas DICT condicional Dicion rio DATA condicional Dados Arquivos DI
534. omputada pelo programa Resultados da an lise PAM Para cada n mero de clusters da vez indo de CMIN at CMAX o seguinte impresso n mero de objetos representativos clusters e a dist ncia m dia final para cada cluster ID do objeto representativo n mero de objetos e a lista de objetos pertencentes a esse cluster coordenadas dos medoides valores das vari veis de an lise para cada objeto representativo para dataset de entrada apenas vetor de agrupamento vetor de n meros correspondentes aos objetos indicando a que cluster cada objeto pertence e caracter sticas de agrupamento representa o gr fica dos resultados i e uma plotagem da silhueta para cada cluster opcional ver o par metro PRINT Resultados da an lise FANNY Para cada n mero de clusters da vez indo de CMIN at CMAX o seguinte impresso n mero de clusters valor da fun o objetivo a cada itera o para cada objeto a sua ID o coeficiente de filia o para cada cluster coeficiente de parti o de Dunn e sua vers o normalizada agrupamento duro mais pr ximo i e o n mero de objetos e a lista de objetos pertencendo a cada cluster vetor de agrupamento representa o gr fica dos resultados i e uma plotagem da silhueta para cada cluster opcional ver o par metro PRINT Resultados da an lise CLARA Para o n mero de clusters experimentados o seguinte impresso lista de objetos selecionados na amostra retida vetor de agrupamento
535. ondentes da seguinte maneira 1 Muito positivo 2 Positivo 3 Neutro 4 Negativo 5 Muito negativo 8 N o sabe 9 N o revelado 0 A quest o irrelevante para esse respondente Suponha que apenas um agrupamento ou recodifica o de n veis de renda da seguinte maneira necess rio Novo c digo Significado 1 Renda no intervalo 0 a 9999 Renda no intervalo 10 000 a 29 999 renda 30 000 ou mais Recusado N o revelado N o sabe own Desejam se tabula es cruzadas entre a vers o recodificada da vari vel renda V12 e cada uma das vari veis atitudinais V13 a V16 Apenas respondentes do sexo feminino devem ser selecionados para essa an lise Um setup do IDAMS contendo todas as declara es de controle necess rias para esse trabalho mostrado abaixo Os n meros em par ntese na esquerda identificam cada declara o de controle e ligam as declara es explica o subseqii nte 5 4 Exemplo de uma Pequena Tarefa a ser Executada pelo IDAMS 61 1 RUN TABLES 2 FILES 3 DICTIN ECON DIC 4 DATAIN ECON DAT 5 RECODE 6 R101 BRAC V12 0 9999 1 10000 29999 2 30000 99998 3 7 ELSE 9 8 NAME R101 RENDA AGRUPADA 9 SETUP 10 INCLUDE V11 2 11 EXEMPLO DE TABELA USADO DADOS ECONOMICOS 12 13 TABLES 14 ROWVARS R101 V13 V16 15 ROWVAR R101 COLVARS V13 V16 CELLS FREQS ROWPCT STATS CHI Resumidamente isso o que cada declara o faz 1 SRUN TABLES
536. ontendo um valor de dados perdidos exclu da da compara o CASE Uma vari vel contendo um valor de dados perdidos exclu da da an lise OUTFILE OUT yyyy Um sufixo ddname de 1 4 caracteres para os arquivos Dicion rio e Dados de sa da Default ddnames DICTOUT DATAOUT IDVAR n mero de vari vel Vari vel a ser transferida para o dataset de sa da para identificar os casos N o h default TRANSVARS lista de vari veis Vari veis adicionais at 99 a serem transferidas para o dataset de sa da Essa lista n o deve incluir vari veis de an lise ou vari veis usadas em especifica es de subconjunto Essas s o trans feridos automaticamente usando o par metro AUTR AUTR YES NO YES Vari veis de an lise e vari veis usadas em especifica es de subconjunto ser o auto maticamente transferidas para o dataset de sa da NO Nenhuma transfer ncia de vari veis de an lise ou de subconjunto FSIZE 5 n Largura do campo das vari veis escores computadas SCALE 100 n O valor fator de escala especificando o intervalo 0 n dos escores computados OMD1 99999 n Valor do primeiro c digo de dados perdidos para as vari veis computadas escores OMD2 99999 n Valor do segundo c digo de dados perdidos para as vari veis computadas escores PRINT CDICT DICT OUTDICT OUTCDICT NOOUTDICT CDIC Imprime o dicion rio de entrada para as vari veis acessadas com registros C se houver DICT Imprime o dicion rio de entr
537. orrela o Re AS Mens Cnr A7 Mp Az onde Re a matriz dos coeficientes de correla o das vari veis que estimam os valores populacionais Ch uma matriz que apesar de n o ser uma matriz de correla o representa as vari ncias e covari ncias para as vari veis como afetadas pelo tratamento Me os quadrados m dios para o erro Mr os quadrados m dios para a hip tese Ae uma matriz diagonal contendo os erros padr es da estima o A matriz Re computada duas vezes uma vez como descrito na se o Matriz de correla o de erro e a outra vez como descrito aqui Se nenhum covariate foi especificado os resultados s o id nticos e a segunda matriz Re n o impressa Se um ou mais covariates s o especificados a segunda matriz Re incorpora ajustamentos para o s covariate s Solu o da equa o determinadora O m todo usual para computar o crit rio da raz o de verossimilhan a de Wilk adv m da equa o determinadora Mn AMe 0 A equa o acima pr e p s multiplicada pela matriz diagonal A A71 MA7 AR 0 Seja Re FF onde F a matriz dos coeficientes dos componentes principais satisfazendo F F w a matriz diagonal de valores pr prios de Re A segunda equa o determinadora pr multiplicada por F7 e p s multiplicada pela sua transposta dando AIM AFO1 EF F 1 0 ou AF Ma AF Y AZ 0 A ltima equa o ent o resolvida para os valores
538. ortugu s 1 Selectione WIDAMSR13P EXE com o Windows explorer 2 D dois clicks nesse arquivo e siga as mensagens 3 No final do procedimento de instala o uma caixa de di logo aparecer perguntando Voc deseja instalar a atualiza o do HTML Help 1 3 agora E recomendado responder SIM e O procedimento de instala o cria dois itens no menu Program Manager Start um para executar WinIDAMS e um para desinstalar WinIDAMS Ele tamb m cria um cone no desktop que um link atalho para WinIDAMS 6 3 Testando a Instala o Um arquivo Setup contendo instru es para execu o de 4 programas de gerenciamento de dados CHECK CONCHECK TRANS e AGGREG e 6 programas de an lise de dados TABLES REGRESSN MCA SEARCH TYPOL e RANK s o copiados dentro do folder Trabalho work durante a instala o Para executar isso 66 Instalagao Inicie WinIDAMS com um click duplo no seu icone e Voc ver a janela principal do WinIDAMS com uma aplica o default exposta no painel esquerdo Abra o folder Setups H um arquivo demo set com instru es para execu o dos 10 programas e Com o click duplo o arquivo se abre na janela Setup Execute o dessa janela Resultados da execu o s o enviados para o arquivo idams Ist que imediatamente aberto na janela Resultados A vers o distribu da dos resultados encontrada no arquivo demo I st no folder Results Compare as duas vers es dos resultados
539. os 4 Especifica es de plotagem repetidas como requisitadas DICT condicional Dicion rio DATA condicional Dados Arquivos DICTxxxx dicion rio de entrada omitir se DICT for usado DATAxxxx dados de entrada omitir se DATA for usado PRINT resultados default IDAMS LST 35 6 Declara es de Controle de Programa Reporte se ao cap tulo O Arquivo Setup do IDAMS para descri es mais aprofundadas das declara es de controle de programa itens 1 4 abaixo 1 Filtro opcional Seleciona um subconjunto de casos a ser usado na execu o Exemplo INCLUDE V21 6 AND V37 5 2 T tulo mandat rio Uma linha contendo at 80 caracteres para nomear os resultados Exemplo STUDY 600 JULY 16 1999 AGE BY HEIGHT FOR SUBSAMPLE 3 3 Par metros mandat rio Para selecionar op es de programa Novos par metros s o precedidos por um asterisco Exemplo BADD MD2 INFILE IN xxxx Um sufixo ddname de 1 4 caracteres para os arquivos Dicion rio e Dados de entrada Default ddnames DICTIN DATAIN BADDATA STOP SKIP MD1 MD2 Tratamento de valores de dados n o num ricos Ver o cap tulo O Arquivo Setup do IDAMS MAXCASES n O n mero m ximo de casos depois da filtragem a serem usados do arquivo de entrada Default Todos os casos ser o utilizados 272 Diagramas de Dispersao SCAT MDVALUES BOTH MD1 MD2 NONE Quais valores de dados perdidos devem ser utilizados para as vari veis acessadas nessa e
540. os Dicion rio e Dados de entrada Default ddnames DICTIN DATAIN BADDATA STOP SKIP MD1 MD2 Tratamento de valores de dados nao num ricos em vari veis agregadas e em vari veis usadas em Recode Ver o cap tulo O Arquivo Setup do IDAMS 10 7 Declara es de Controle de Programa 101 MAXCASES n O n mero maximo de casos depois de filtragem a ser utilizado do aquivo de entrada Default Todos os casos ser o usados IDVARS lista de vari veis At 20 n meros de vari veis para definir os grupos Vari veis R n o s o permitidas N o h default AGGV lista de vari veis Vari veis R ou V para serem agregadas N o h default STATS SUM MEAN VARIANCE SD COUNT MIN MAX Par metros para selecionar estat sticas requeridas pelo menos uma das seguintes SUM MEAN VARIANCE SD deve ser selecionada Elas s o produzidas para cada grupo e para cada vari vel AGGV SUM Soma MEAN M dia VARI Variancia SD Desvio padrao COUN N mero de casos v lidos MIN Valor m nimo MAX Valor m ximo SAMPLE POPULATION SAMP Computa a vari ncia e ou desvio padr o usando a equa o da amostra POPU Use a equa o da popula o OUTFILE OUT yyyy Um sufixo ddname de 1 4 caracteres para os arquivos Dicion rio e Dados de sa da Default ddnames DICTOUT DATAOUT VSTART 1 n N mero da vari vel para a primeira vari vel no dataset de sa da CUTOFF 100 n O percentual de casos com c digos MD permitidos an
541. os de dist ncias usadas no programa ou seja dist ncia city block dist ncia euclidiana e dist ncia chi quadrado de Benz cri Elas podem ser utilizadas para calcular dist ncias entre dois casos entre um caso e um grupo de casos e entre dois grupos de casos Abaixo essas dist ncias s o definidas como dist ncias entre dois grupos de casos entre dois perfis de casos mas as outras dist ncias podem facilmente ser obtidas ao adaptar se as respectivas f rmulas a Dist ncia city block a ay Zin 5 Tju 1 dij P P a b Dist ncia euclidiana g 1 v 1 g lv 1 58 5 Construindo uma Tipologia Inicial 429 Al m disso o programa propicia a possibilidade de usar se dist ncia ponderada chamada DESLOCAMENTO que definida da seguinte maneira 2N N Dy D Pa Pi dy J P Pj N N J Note que deslocamento entre dois perfis de casos igual s suas dist ncias pois N N 1 58 5 Construindo uma Tipologia Inicial a Sele o de uma configura o inicial Antes de come ar o processo de agrega o de casos o programa seleciona a configura o inicial i e t perfis de grupos iniciais de acordo com uma das seguintes maneiras e perfis de casos de t casos aleatoriamentes selecionados usando n meros aleat rios constituem a configura o inicial para obter se a configura o inicial os casos remanescentes s o distribu dos em t grupos como descrito abaixo e perfis de casos de t caso
542. os intra ser utilizada como o termo de erro REORDER lista de valores Reordena as estimativas ortogonais de acordo com a lista ver o par grafo Reordenando e ou ajuntando estimativas ortogonais acima Note que se o reordenamento das estimativas for requisitado a ordem das especifica es dos nomes dos testes deve corresponder nova ordem Exemplo O ordenamento convencional para um design de tr s fatores pode ser mudado para a ordem m dia A B C AxB AxC BxC AxBxC utilizando REORDER 1 4 3 2 7 6 5 8 PRINT CDICT DICT CDIC Imprime o dicion rio de entrada para as vari veis acessadas com registros C se houver DICT Imprime o dicion rio de entrada sem registros C 4 Especifica es de fator pelo menos um deve ser oferecido At 8 especifica es de fator devem ser oferecidas As regras de codifica o s o as mesmas dos par metros Cada especifica o de fator deve iniciar em uma nova linha Exemplo FACTOR V3 1 2 FACTOR n mero da vari vel lista de valores de c digo Vari vel a ser utilizada como fator seguida pelos valores do c digo que devem ser utilizados para designar a c lula apropriada para o caso CONTRAST NOMINAL HELMERT Especifica o tipo de contraste a ser utilizado na computa o NOMI Contrastes nominais M dias dos efeitos desviadas da grade m dia i e M 1 GM M 2 GM etc HELM Contrastes de Helmer M dia do efeito 1 desviada da soma das medias 1 at r onde r n veis estejam
543. os para todos os grupos segunda tabela Caracter sticas globais de dist ncias O n mero total de casos com a m dia e desvio padr o totais das dist ncias Estat sticas de resumo A m dia desvio padr o e o peso da vari vel para as vari veis quantitativas e para categorias de vari veis qualitativas ativas Descri o de tipologia resultante Para cada grupo de tipologia seu n mero e o percentual de casos pertencendo a ele s o impressos primeiro Ent o as estat sticas s o fornecidas vari vel por vari vel na seguinte ordem 1 vari veis ativas quantitativas 2 vari veis passivas quantitativas 3 vari veis ativas qualitativas 4 vari veis passivas qualitativas Para cada vari vel quantitativa s o dadas a quantidade de vari ncia explicada seu valor m dio total e dentro de cada grupo da tipologia seu valor m dio e desvio padr o Para cada categoria da vari vel qualitativa s o dadas inicialmente sua quantidade de vari ncia explicada e o percentual de casos pertencendo a ela ent o dentro de cada grupo de tipologia s o impressos verticalmente o percentual de casos ao longo das categorias da vari vel na primeira linha e horizontalmente o percentual de casos ao longo dos grupos de tipologia percentuais de linha na segunda linha opcional ver o par metro PRINT Resumo da quantidade de vari ncia explicada pela tipologia Os seguintes percentuais da vari ncia explicada s o dados a vari ncia e
544. ova linha Exemplo PRINT TABLES DEPVAR V35 98 ITER 100 CONV V4 V8 DEPVAR n mero de vari vel maxcode N mero da vari vel e c digo m ximo para a vari vel dependente N o h default o n mero da vari vel deve ser sempre especificado Default para maxcode 9999999 CONVARS lista de vari veis Vari veis a serem usadas como preditores Se apenas uma vari vel dada uma an lise de vari ncia univariada ser executada N o h default MDVALUES BOTH MD1 MD2 NONE Quais valores de dados perdidos para a vari vel dependente devem ser utilizados Ver o capitulo O Arquivo Setup do IDAMS Nota Valores de dados perdidos nunca s o checados para vari veis preditoras WEIGHT n mero de vari vel O n mero da vari vel de pondera o se os dados forem ponderados ITERATIONS 25 n O n mero m ximo de itera es Intervalo 1 99999 TEST PCTMEAN CUTOFF PCTRATIO NONE O teste de converg ncia desejado PCTM Testa se a mudan a em todos os coeficientes de uma itera o para a pr xima est abaixo de uma fra o especificada da grand m dia CUTO Testa se a mudan a em todos os coeficientes de uma itera o para a pr xima menor do que um valor especificado PCTR Testa se a mudan a em todos os coeficientes de uma itera o para a pr xima est abaixo de uma fra o especificada do quociente entre o desvio padr o da vari vel dependente e sua m dia NONE O program continuar processando at o n mer
545. pado de donos de carro e essas vari veis s o ent o passadas para a an lise depois de primeiramente reajustar os valores das vari veis de trabalho para os valores do ltimo caso lido o primeiro caso para a pr xima aldeia Quando o fim do arquivo alcan ado n s precisamos ter certeza de que os dados da ltima aldeia utilizado A declara o 4 alcan a esse objetivo 4 16 Restri es 1 2 N mero m ximo de vari veis R 200 N mero m ximo de tabelas numeradas BRAC RECODE TABLE 20 3 N mero m ximo de caracteres em uma declara o Recode excluido tra os 1024 4 17 Nota 55 4 N mero m ximo declara es de labels aproximadamente 60 5 N mero m ximo de constantes incluindo aquelas em todas as tabelas aproximadamente 1500 6 N mero m ximo de nomes que podem ser definidos em declara es NAME 70 7 N mero m ximo de valores de dados perdidos que podem ser definidos em declara es MDCODES 100 e apenas 2 casas decimais s o mantidas nas vari veis R 8 N mero m ximo de aninhamento de par nteses dentro de uma declara o i e par nteses dentro de par nteses 20 9 N mero m ximo de operadores aritm ticos aproximadamente 400 10 N mero m ximo de vari veis com a declara o SELECT 50 11 N mero m ximo de declara es IF aproximadamente 100 12 N mero m ximo de aninhamento de fun es i e declara es de fun es como argumento de
546. para indicar quais valores de dados perdidos devem ser exclu dos do c mputo dos percentuais e das estat sticas bivariadas Todos Delete todos os valores de dados perdidos Linha Delete os valores de dados perdidos para vari veis de linha Coluna Delete os valores de dados perdidos para vari veis de coluna Neuhun N o delete valores de dados perdidos Por default todos os valores de dados perdidos s o deletados Nota Casos com dados perdidos em vari veis de c lula s o sempre exclu dos do c lculo das estat sticas univariadas A exclus o feita c lula a c lula separadamente para cada vari vel de c lula Portanto o n mero de casos v lidos pode n o ser igual frequ ncia da c lula A estat stica Contagem mostra o n mero de casos v lidos Mudando a defini o de tabela O comando de menu Mudar Especifica o chama a caixa de di logo com a defini o de tabela ativa Voc pode mudar vari veis para an lise os seus aninhamentos como tamb m as percentagens e estat sticas univariadas requisitadas Clicando em OK substitui a tabela ativa por uma nova 39 3 Janela Tabelas Multidimensionais Depois da sele o de vari veis e de um clique em OK a janela Tabelas multidimensionais aparece na janela de documento do WinIDAMS Por default frequ ncias e valores m dios para todas as c lulas s o expostas Se vari veis de p gina s o especificadas labels de c digo ou c digos dessas vari veis s o mostrada
547. para nomear os resultados Exemplo FREQUENCY TABLES 3 Par metros mandat rio Para selecionar op es de programa Novos par metros s o precedidos por um asterisco Exemplo BADDATA SKIP 288 Tabelas Univariadas e Bivariadas TABLES INFILE IN xxxx Um sufixo ddname de 1 4 caracteres para os arquivos Dicion rio e Dados de entrada Default ddnames DICTIN DATAIN BADDATA STOP SKIP MD1 MD2 Tratamento de valores de dados n o num ricos Ver o cap tulo O Arquivo Setup do IDAMS MAXCASES n O n mero m ximo de casos depois da filtragem a serem usados com arquivo de entrada Default Todos os casos ser o utilizados MDVALUES BOTH MD1 MD2 NONE Quais valores de dados perdidos devem ser utilizados para as varidveis acessadas nessa execucao Ver o cap tulo O Arquivo Setup do IDAMS NDEC 0 n N mero de decimais m ximo 4 a ser retido para vari veis R PRINT CDICT DICT TIME CDIC Imprime o dicion rio de entrada para as vari veis acessadas com registros C se houver DICT Imprime o dicion rio sem registros C TIME Imprime a hora ap s cada tabela Especifica es de subconjunto opcional Essas declara es permitem a sele o de subconjuntos de casos para uma tabela ou conjunto de tabelas Exemplo CLASS INCLUDE V8 1 2 3 7 9 H dois tipos de especifica es de subconjunto filtros locais e fatores de repeti o Cada um possui uma fun o diferente mas eles s o muito similares Uma esp
548. pelos dados listando tantas vari veis quanto poss veis de cada vez Por exemplo se 50 vari veis devem ser impressas LIST ler os dados imprimindo todos os valores digamos para as primeiras 10 vari veis Ent o os dados ser o lidos novamente para a impress o digamos para as pr ximas 12 vari veis e assim por diante O n mero de vari veis impressas em cada passagem ao longo dos dados depende da largura do campo das vari veis sendo impressas e automaticamente computado pelo LIST Seqii ncia e identifica o de casos Existem op es para imprimir um n mero de seqii ncia de caso e ou valores de vari veis de identifica o com cada caso Ver os par metros PRINT e IDVARS Eles s o impressos como as primeiras colunas Vari veis de Recode Elas s o impressas com 11 d gitos incluindo um ponto decimal expl cito e 2 casas decimais 17 4 Dataset de Entrada A entrada um arquivo Dados descrito por um dicion rio IDAMS Se apenas uma listagem do dicion rio requerida o arquivo Dados especificado como NUL 17 5 Estrutura de Setup RUN LIST FILES Especifica es de arquivo RECODE optional Declara es de Recode SETUP 1 Filtro opcional 2 T tulo 3 Par metros DICT condicional Dicion rio DATA condicional Dados Files DICTxxxx dicion rio de entrada omitir se DICT usado DATAxxxx dados de entrada omitir se DATA usado PRINT resultados default IDAMS LST 17 6
549. portante em v rios sentidos opcionalmente dois par metros de pondera o internos podem ser especificados ver par metros COSAVW e ACSAVW Dimensionalidade e m trica Solu es podem ser obtidas de 2 a 10 dimens es O usu rio controla a di mensionalidade das configura es obtidas especificando o n mero m ximo e m nimo de dimens es desejadas e a diferen a entre a dimensionalidade de sucessivas solu es produzidas ver os par metros DMAX DMIN e DDIF O usu rio tamb m especifica usando o par metro R se a m trica de dist ncia deve ser euclidiana R 2 o caso usual ou outra m trica r de Minkowski 216 Escalonamento Multidimensional MDSCAL Esfor o Esfor o uma medida de qu o bem a configura o se compatibiliza com os dados O usu rio pode escolher entre duas f rmulas alternadas para computa o do coeficiente de esfor o ou o esfor o padronizado pela soma das dist ncias quadradas da m dia SQDIST ou o esfor o padronizado pela soma dos desvios quadrados da m dia SQDEV Em muitas situa es as configura es alcan adas pelas duas f rmulas n o ser o suficientemente diferentes Maiores valores do esfor o resultam da f rmula 2 para um mesmo grau de ajuste Empates nos coeficientes de entrada H dois m todos alternativos de lidar com empates entre os valores de dados de entrada as dist ncias correspondentes podem ser requeridas a serem iguais TIES EQUAL ou elas podem ser permitidas dif
550. prime R quadrado marginal para todos os previsores em cada passo RESI Imprime os res duos na ordem de seqti ncia de caso de entrada e estat stica de Durbin Watson ERES Imprime res duos exceto para dados perdidos em ordem de magnitude de erro desde que existam menos do que 1000 casos INVE Imprime a matriz de correla o inversa 27 10 Restri es Com dados brutos como entrada podem haver 99 ou 100 dependendo se uma vari vel de pondera o utilizada vari veis diferentes usadas em uma nica equa o de regress o o n mero total de vari veis ao longo de todas as an lises incluindo vari veis de Recode vari vel de pondera o e vari vel de ID n o pode ser maior que 200 Com entrada de uma matriz a matriz pode ser 200 x 200 e at 100 vari veis podem ser usadas em uma nica equa o de regress o FINRATIO deve ser maior ou igual a FOUTRATIO Res duos podem ser listados em ordem ascendente de valor do res duo somente se h menos de 1000 casos Uma vari vel especificada em uma defini o de vari veis dummy pode n o ser usada como vari vel dependentes Um m ximo de 12 vari veis dummy podem ser definidas de uma vari vel categ rica Se a vari vel de ID alfab tica com largura gt 4 somente os primeiros quatro caracteres s o usados 27 11 Exemplos Exemplo 1 Regress o padr o com cinco vari veis independentes usando uma matriz de correla o do IDAMS como entrada RUN
551. prios correspondentes aos dois maiores valores pr prios dessa matriz ser o os dois eixos fatoriais discriminantes A pot ncia discriminante dos fatores medida pelos valores pr prios correspondentes Como o programa fornece a pot ncia discriminante para os tr s primeiros fatores a soma dos valores pr prios permite estimar o n vel de valores pr prios remanescentes i e aqueles que n o s o impressos 352 g h An lise Discriminante Valores de fatores discriminantes para todos os casos e m dias de grupos Para um CASO o valor do fator discriminante calculado como o produto escalar do vetor do caso contendo vari veis retidas no passo pelo valor pr prio correspondendo ao fator Note que esses valores n o s o impressos mas eles s o usados na representa o gr fica dos casos no espa o dos dois primeiros fatores Para uma M DIA DE GRUPO o valor do fator discriminante calculado da mesma maneira mudando se o vetor de caso para o vetor de m dia de grupo Aloca o e dist ncias dos casos na amostra de teste As dist ncias em rela o a cada grupo s o calculadas do mesmo jeito e a designa o de casos para os grupos feita seguindo as mesmas regras da amostra b sica ver 3 d acima Aloca o e dist ncias dos casos na amostra an nima As dist ncias em rela o a cada grupo s o calculadas do mesmo jeito e a designa o de casos para os grupos feita seguindo se as mesmas regras da amostra
552. qual n o haja registros v lidos i e quando todos os registros para um caso possuem ID s de registro inv lidas PADCH x Caracter a ser usado em registros preenchidos Caracteres n o alfanum ricos devem vir entre aspas simples Ver tamb m descri es de Record para valores de preenchimento mais detalhados Default Em branco DUPKEEP 1 n Especifica para registros de dados duplicados que a n sima duplicata encontrada deve ser mantida Se menos do que n duplicatas s o encontradas o caso na qual elas ocorrem deletado mesmo se DELETE NEVER especificado WRITE BADRECS Cria um arquivo dos registros rejeitados casos ruins CONSTANT valor Valor de uma constante Deve vir entre aspas simples se contiver caracteres n o alfanum ricos Qualquer registro de dados de entrada sem a constante rejeitado A localiza o da constante deve ser a mesma ao longo de todos os registros de entrada sem importar o tipo de registro 126 Verifica o de Intercala o de Registros MERCHECK CLOCATION s e Fornecida somente se CONSTANT usada Localiza o do campo da constante S Coluna inicial do campo de constante em cada registro e Coluna final do campo de constante em cada registro MAXNOCONSTANT 0 n Fornecida somente se CONSTANT usada N mero m ximo de registros sem a constante tolerado pelo programa Quando n 1 registros sem a constante s o encontrados MERCHECK termina a execu o PRINT CONSTANT NOCONST
553. que declara es de controle sigam imediatamente o comando RUN 3 3 Especifica es de Arquivo Os nomes dos arquivos a serem utilizados s o dados logo ap s o comando FILES e possuem o seguinte formato ddname filename RECL comprimento m ximo do registro onde e ddname o nome de refer ncia usado internamente por programas e g DICTIN Os arquivos requeri dos e os correspondentes ddnames para um programa particular s o dados no write up do programa na se o Estrutura do Setup e filename o nome do arquivo f sico Envolva o nome entre aspas se ele cont m espa os em branco Ver se o Folders em WinIDAMS para explica es adicionais e RECL deve ser usado caso o primeiro registro em um arquivo Dados n o seja o maior Se RECL n o est especificado o comprimento do registro assumido ter o mesmo comprimento do primeiro registro Se um registro subseqtiente maior um erro de entrada ocorrer Exemplos DATAIN A ECON DAT RECL 92 PRINT RSLTS LST FT02 ECON MAT DICTIN nec0102 commondata econ dic Para descri o mais aprofundada ver se o Customiza o do Ambiente para uma Aplica o em cap tulo Interface do Usu rio 3 4 Exemplos do Uso de Comandos e Especifica es de Arquivo Exemplo A Faz execu es m ltiplas de um programa de an lise e g ONEWAY usando o mesmos dados mas com diferentes filtros por exemplo RUN ONEWAY FILES DICTIN CHEESE DIC D
554. que somente valores inteiros positive ou negativo s o aceitos para vari veis usadas como fatores Ponderando dados Use de vari veis de pondera o n o aplic vel Tratamento de dados perdidos O par metro MDVALUES est dispon vel para indicar que valores de dados perdidos se houver algum devem ser usados para checar a exist ncia de dados perdidos Casos com c digos em qualquer uma das vari veis de entrada dependente covariate ou vari veis de fator s o exclu das Isso pode acarretar muitos valores exclu dos e se constitui em um problema potencial que deve ser considerado ao se planejar a an lise 30 3 Resultados Dicion rio de entrada Opcional ver o par metro PRINT Registros de descri o de vari vel e registros C se houver somente para vari veis usadas na execu o M dias de c lula e N s Para cada c lula N impresso e a m dia para cada vari vel dependente e covariate As m dias n o ajustadas para nenhum covariate C lulas s o marcadas consecutivamente come ando com 1 1 para designs de 2 fatores a despeito dos c digos verdadeiros das vari veis de fator Na indexa o das c lulas os ndices do ltimo fator s o os menores se movem mais r pido Bases de design Trata se de uma matriz de design gerada pelo programa As equa es de efeitos est o em colunas come ando com o efeito da m dia na coluna 1 Se REORDER foi especificado a matriz impressa ap s o reordenamento
555. r prio trivial J1 1 INR x 1000 Tra o Para TODOS OS OUTROS TIPOS DE AN LISE J1 i INRi gt ce 1000 z x Tra o Za f onde Li para an lise de produtos escalares para an lise de produtos escalares normados Es pes wiz W Zij i 1 ij Lig Tj para an lise de covari ncias Tij Tj para an lise de correla es J e sj o desvio padr o amostral da vari vel j Note que a in rcia INR impressa na ltima linha da tabela igual a 1000 As tr s colunas seguintes s o repetidas para cada fator e a F A ordenada do caso no espa o de fatores denotado aqui por Fwi f COS2 Cosseno ao quadrado do ngulo entre o caso e o fator E uma medida da dist ncia entre o caso e o fator Valores pr ximos de 1 indicam dist ncias menores em rela o ao fator Para a AN LISE DE CORRESPOND NCIAS ele calculado da seguinte maneira 2 Ea COS2ai jin x 1000 ee a 1 Para TODOS OS OUTROS TIPOS DE AN LISE 2 Fai COS2ai nr x 1000 gt Toi a 1 g CPF Contribui o do caso para o fator Para a AN LISE DE CORRESPOND NCIAS F2 fi Fai 1000 PFxi C i Para TODOS OS OUTROS TIPOS DE ANALISE 2 Wi F GP Faz at x 1000 Wra a Note que a contribui o CPF impressa na ltima linha da tabela igual a 1000 364 An lise Fatorial 46 10 Tabela de Fatores de Casos Passivos A tabela cont m a mesma informa o que aquela descrit
556. r especificado Se a vari vel de ID cont m caracteres n o num ricos errados ent o coloque os seus valores entre aspas simples na instru o de corre o Dele o de casos O usu rio pode deletar um caso do arquivo de dados ao especificar informa o de identifica o do caso e a palavra DELETE Listagem de casos O usu rio pode escolher ter um caso particular de dados listado ao especificar informa o de identifica o do caso e a palavra LIST 15 2 Caracter sticas Padr o do IDAMS Sele o de casos e vari veis Pode se selecionar um subconjunto de casos a ser processado e produzido incluindo se um filtro padr o Sele o de vari veis inapropriada Transformando dados Declara es de Recode n o podem ser utilizados Tratamento de dados perdidos CORRECT n o faz distin o entre valores de dados substantivos e dados perdidos o conceito n o se aplica opera o do programa 130 Corre o de Dados CORRECT 15 3 Resultados Dicion rio de entrada Opcional ver o par metro PRINT Registros de dicion rio para todas as vari veis s o impressos n o apenas para aqueles sendo corrigidos Listagem das intru es de corre o Instru es de corre o s o sempre listadas Com cada corre o o programa tamb m lista opcionalmente 1 registros de dados de entrada 2 registros deletados ou 3 registros corrigidos ver o par metro PRINT 15 4 Dataset de Sa da Uma c pia do dic
557. r grupo com vari veis que s o o sum rio para o n vel do grupo de cada vari vel de entrada selecionada F rmulas para o c lculo da m dia vari ncia e desvio padr o podem ser encontradas na Parte F rmulas Estat sticas e Refer ncias Bibliogr ficas cap tulo Tabelas Univariadas e Bivariadas Contudo elas pre cisam ser ajustadas pois os casos n o s o ponderados e o coeficiente N N 1 n o utilizado no c lculo da vari ncia amostral e ou desvio padr o Note que o sum rio de estat sticas selecionado para o conjunto inteiro de vari veis agregadas Portanto se houver 2 vari veis agregadas e se 3 estat sticas s o selecionadas haver 6 vari veis computadas AGGREG d condi es a que o usu rio mude o n vel de agrega o dos dados e g de membros individuais da fam lia para domic lio ou de distrito para n vel regional etc Por exemplo suponha que um arquivo de dados contenha registros de cada indiv duo em um domic lio e que n s quis ssemos analisar esses dados ao n vel de domic lio AGGREG permitiria nos agregar valores de vari veis atrav s de todos os registros individuais para cada domic lio para criar um arquivo de registros a n vel de domic lio para an lise posterior Se para ser mais espec fico o arquivo de dados a n vel individual continha uma vari vel dando a renda pessoal AGGREG poderia criar registros ao n vel de domic lio com uma vari vel de renda total do domic lio Agrupam
558. r o bot o Desmascar da barra de ferramentas Salvando e reusando casos mascarados O n mero sequencial dos casos correntemente mascarados pode ser salvo em um arquivo correspondendo ao dataset analisado usando se o comando Arquivo Salvar casos mascarados Essa execu o de masking pode ser recuperada em sess es subsegiientes usando o comando Ferramentas Aplicar mascaramento salvo Agrupamento de casos Essa caracter stica permite voc ver como uma vari vel particiona casos em grupos em todos os diagramas vari vel pode ser tanto quantitativa quanto qualitativa Al m de selecionar 40 3 Janela Principal de GraphID para An lise de um Dataset 321 a vari vel agrupante o usu rio controla a maneira do agrupamento por valores ou por intervalos e o n mero de grupos A caixa de di logo para cria o de grupos ativada ao clicar se o bot o Agrupamento da barra de ferramentas ou ao usar se o comando de menu Ferramentas Agrupamento Explora o com o pincel O pincel um ret ngulo que pode ser movido amplificado e ter sua forma modificada Ao ser movido ao longo do diagrama de dispers o os casos dentro do pincel s o destacados na cor do pincel e s o vistos em todos os outros diagramas de dispers o Uma das aplica es determinar se uma aglomera o de casos em um diagrama de dispers o realmente representa um cluster no espa o ou se a aglomera o simplesmente uma propriedade da proje o Para esse prop sit
559. r para outro e a convers o para um modo computacional bin rio n o realizado nesse caso n o h uma checagem se vari veis num ricas possuem valores num ricos Contudo quando vari veis est o sendo utilizadas em an lises ou em opera es de Recode nesse caso seus valores s o convertidos para modo bin rio e valores contendo caracteres n o num ricos causar o problemas Normalmente tais caracteres devem ser limpos dos dados antes da an lise Al m disso valores em branco em vari veis num ricas n o s o tratados automaticamente como dados perdidos eles tamb m s o considerados como dados n o num ricos ou dados ruins Para permitir a an lise de dados com limpeza incompleta e para o manuseio de campos em branco n o codificados o par metro BADDATA pode ser usado para tratar valores em branco e outros valores n o num ricos como valores perdidos e portanto ter a possibilidade de elimin los da an lise Especifica o do par metro BADDATA MD1 ou BADDATA M2 resulta na convers o de valores ruins para o c digo MD1 ou MD2 da vari vel Se os c digos do MD1 ou MD2 est o em brancos os c digos de dado perdido s o convertidos para os valores default correspondentes ver acima e portanto s o tratados como dados perdidos ver a descri o do par metro BADDATA no cap tulo O Arquivo Setup do IDAMS 2 2 7 Regras de Edi o de Vari veis Produzidas pelos Programas do IDAMS Os programas IDAMS sempre cri
560. ra es de Recode SETUP 1 Filtro opcional 2 T tulo 3 Par metros 4 Especifica es de dicion rio opcional DICT condicional Dicion rio DATA condicional Dados Files DICTxxxx dicion rio de entrada omitir se DICT usado DATAxxxx dados de entrada omitir se DATA usado DICTyyyy dicion rio de sa da DATAyyyy dados de sa da PRINT resultados default IDAMS LST 21 7 Declara es de Controle de Programa 167 21 7 Declara es de Controle de Programa Referir se ao cap tulo O Arquivo Setup do IDAMS para descri es mais aprofundadas das declara es de controle de programa itens 1 4 abaixo 1 Filtro opcional Seleciona um subconjunto de casos a ser usado na execu o Exemplo EXCLUDE V19 2 3 2 Titulo mandat rio Uma linha contendo at 80 caracteres para nomear os resultados Exemplo CONSTRUCTING VIOLENCE INDICATORS 3 Par metros mandat rio Para selecionar op es de programa Exemplo VSTART 1 WIDTH 2 OUTVARS V2 V5 R7 INFILE IN xxxx Um sufixo ddname de 1 4 caracteres para os arquivos Dicion rio e Dados de entrada Default ddnames DICTIN DATAIN BADDATA STOP SKIP MD1 MD2 Tratamento de valores de dados de entrada nao num ricos e valores de saida com largura de campo insuficiente Ver o cap tulo O Arquivo Setup do IDAMS MAXCASES n O n mero m ximo de casos depois de filtragem a ser utilizado do arquivo de entrada Default Todos os casos s
561. ra TABLES nessa linha sinaliza que as especifica es v m a seguir Deve ser inclu do para separar se especifica es de subconjunto das especifica es de tabela e deve aparecer somente uma vez 6 Especifica es de tabela Especifica es de tabela s o usadas para descrever as caracter sticas das tabelas a serem produzidas As regras de codifica o s o as mesmas das dos par metros Cada conjunto de especifica o de tabelas devem come ar em uma nova linha Exemplos R V6 1 8 CELLS FREQS Uma tabela univariada R V6 1 8 C V9 0 4 Uma tabela bivariada com fator de REPE SEX CELLS ROWP FREQS repeti o i e tabela 3 way ROWV V5 V9 CELLS FREQS USTA MEAN Conjunto de tabelas univariadas ROWV V3 V5 COLV V21 V31 Conjunto de tabelas bivariadas R 0 1 8 C 0 1 99 ROWVARS lista de vari veis Lista de vari veis de onde tabelas univariadas s o requisitadas ou s o utilizadas como as linhas em tabelas bivariadas COLVARS lista de vari veis Lista de vari veis a serem utilizadas como colunas para tabelas bivariadas R var rmin rmax var N mero da linha ou vari vel univariada para uma tabela nica Para fornecer os valores m nimos e m ximos para um conjunto de tabelas fa a o n mero da vari vel ser zero e g R 0 1 5 nesse caso os c digos m nimos e m ximos se aplicam a todas as vari veis no par metro ROWVARS rmin C digo m nimo das vari veis de linha para c lculos estat sti
562. ra cada vari vel totais de coluna ponderados nm P Wi Lij i 1 Note que o valor do Coef no in cio dessa linha igual ao n mero ponderado de casos ativos e o valor de PP igual ao Total P das vari veis ativas para os casos ativos nm J1 TAi mam l J 11 O resto da tabela de dados de entrada cont m os valores com uma casa decimal das vari veis ativas e passivas 46 3 Matrizes N cleo Matrizes de Rela es Para cada tipo de an lise a matriz n cleo calculada e impressa Essa uma matriz de rela es entre as vari veis Note que para os resultados os valores da matriz s o multiplicados por um fator cujo valor impresso pr ximo do t tulo da matriz Esse fator igualado a zero quando alguns valores na matriz excederem 5 caracteres pode ser o caso de produtos escalares ou matrizes de covari ncias 46 4 Tra o 359 Para a AN LISE DE CORRESPOND NCIAS os elementos Cj da matriz n cleo s o calculados da seguinte maneira nm NE 1 E wi viz wi viz it SS ye 2a V Py VJ Py i l Pi Para a AN LISE DE PRODUTOS ESCALARES os elementos SP da matriz n cleo s o calculados da seguinte maneira T1 SP j Wi Lij Lij i 1 Para a AN LISE DE PRODUTOS ESCALARES NORMADOS os elementos NS P da matriz n cleo s o calculados da seguinte maneira Il Wi Lij Lij i l NSPjy mn mn E ue Sua i 1 i 1 Para a AN LISE DE COVARIANCIAS os elementos COV da m
563. ra o preditor i Eta ao quadrado pode ser interpretado como o percentual de vari ncia na vari vel dependente que pode ser explicada pelo preditor 7 somente 2_ Ui li Tsg Eta para o preditor i Ele indica a habilidade do preditor usando as categorias dadas para explicar varia o na vari vel dependente ni ni Eta quadrado para preditor i ajustado pelos graus de liberdade Ajustado n 1 A 1 7 onde A o ajustamento pelos graus de liberdade ver 3 b abaixo Eta para o preditor i ajustado Ajustado n 4 1 A 1 n Beta quadrado para o preditor i Beta ao quadrado a soma dos quadrados atribu vel ao preditor depois de manter todos os outros preditores constantes relativa a soma total de quadrados Isso n o significa o percentual da vari ncia explicada D ro a Bi T55 Beta para o preditor i Beta fornece uma medida da habilidade do preditor explicar a varia o na vari vel dependente depois de se ajustar pelos efeitos de todos os outros preditores Coeficientes beta indicam a import ncia relativa de v rios preditores quanto maior o valor mais a varia o explicada pelo beta correspondente Bi B 49 3 Estat sticas de An lise para An lise de Classifica o M ltipla a b R quadrado m ltiplo n o ajustado Esse um coeficiente de correla o m ltiplo ao quadrado Indica a propor o real da vari ncia explicada para os preditores usados na an lise ESS
564. racteres de vari veis alfab ticas s o impressos Nomes de condi o n o podem ser maiores que 40 caracteres N mero m ximo de vari veis ID 5 N mero m ximo de vari veis listadas para cada caso em erro lista VARS 20 N mero m ximo de vari veis listadas para cada condi o lista CVARS 20 13 8 Exemplos Exemplo 1 Testa a rela o entre V6 e V7 e entre V20 e V21 as vari veis de identifica o V2 e V3 devem ser impressas para cada caso com um erro juntamente com os valores das vari veis chave V8 V10 nomes de vari veis devem ser impressos RUN CONCHECK FILES PRINT DICTIN DATAIN RECODE R1 0 R2 0 IF V5 INLIST 1 5 8 AND V7 EQ 2 THEN Ri 1 IF V20 LE 3 AND V21 EQ 5 OR V20 EQ 8 AND V21 EQ 7 OR V20 EQ V21 THEN R2 1 SETUP TESTANDO 2 INCONSISTENCIAS PRINT VNAMES IDVARS V2 V3 VARS V8 V10 TEST R1 CNAME 1st Inconsistency CVARS V5 V7 TEST R2 CNAME 2nd Inconsistency CVARS V20 V21 CONCH1 LST MY DIC arquivo Dicion rio de entrada MY DAT arquivo Dados de entrada Exemplo 2 Testar 5 condi es na parte 2 de um question rio testes s o numerados come ando com 201 todas as vari veis da parte 2 devem ser listadas para cada question rio com erro juntamente com as vari veis chave da parte 1 V5 V10 em adi o vari veis particulares usadas em testes devem ser listadas de novo para cada teste que falha Note o uso da fun o SELECT do Recode para inicializar as vari veis de r
565. ratio que seria obtido para o dado efeito se uma an lise univariada fosse executada com a vari vel y sendo a nica vari vel dependente 50 3 An lise Univariada Se uma nica vari vel dependente for especificada os c lculos n o obstante s o executados como descritos acima Contudo h uma vantagem na simplifica o e g o componente principal da matriz de correla o de erro igualado a um e nenhum c lculo executado O resultado de uma an lise de vari ncia univariada uma tabela de ANOVA convencional com pequenas diferen as Ela cont m uma linha para m dia principal mas n o possui uma linha para o total A m dia principal geralmente n o interpret vel Para obter se a soma dos quadrados totais soma se todas as somas dos quadrados exceto a soma da m dia principal 50 4 An lise de Covari ncia As f rmulas e a discuss o acima n o consideram em grande parte os covariates Se um ou mais covariates s o especificados s o as matrizes de somas de produtos Se e Sn que ser o ajustadas Se houver q covariates o programa inicia se carregando os com p vari veis dependentes H uma matriz px q x px q de somas de produtos do erro Se e uma matriz p x q x p x q Sn para cada hip tese A matriz total S computada Se e Sh sao particionados em se es correspondendo s vari veis dependentes e covariates As matrizes reduzidas p x p de erro e total s o computadas e as matrizes reduzidas para hip
566. rd ncia o segundo par metro propor o m xima para discord ncia pos sibilita ao usu rio transformar a rela o difusa RD dg em uma rela o n o difusa chamada de rela o de discord ncia descrita pela matriz RD da pa rdi da pa cujos elementos s o definidos da seguinte maneira 1 se rd j da gt pa O caso contrario rdi da pa A condi o rd da pa 1 significa que a opini o coletiva est em discord ncia com a declara o a prefer vel a aj i e suporta a declara o a prefer vel a a ao n vel da pa Isso pode ser interpretado como um veto coletivo contra a declara o a prefer vel a a Note que maiores valores de dg e pa levam a regras de constru o menos rigorosas e portanto a condi es para discord ncia mais fracas ii A RELA O DE DOMIN NCIA composta das rela es de discord ncia e de concord ncia A id ia b sica que a declara o a prefer vel a a possa ser aceita se a opini o coletiva e est em concord ncia com isso i e rci de pe 1 e e n o est em discord ncia com isso i e rd da pa 0 caso contr rio essa declara o deve ser rejeitada De fato a rela o de domin ncia sendo uma fun o de quatro par metros descrita pela matriz R de m x m dimens es R Tij de Pe da pa onde os elementos s o obtidos de acordo com a express o Tij de Pe da Pa F min rci de P
567. regli ncias associadas com a diferen a m xima Uma tabela de valores cr ticos da estast stica K denotado por Kp pode ser consultada para determinar a signific ncia da diferen a observada 45 7 Nota a Respeito de Pesos 355 Se os N s para V e V2 n o s o iguais ou maiores que 40 o programa imprime as seguintes estat sticas desvio n o ajustado D fi f l a as Ny No desvio ajustado D Ni No onde N e N2 s o iguais ao n mero de casos em V e V2 respectivamente Ny No Aproxima o chi quadrado 4D P q N No Note A signific ncia do desvio direcional m ximo pode ser encontrada ao se considerar o valor dessa chi quadrado como a distribui o de uma chi quadrado com dois graus de liberdade 45 7 Nota a Respeito de Pesos Para pontos de quebra de fun o de distribui o pontos de quebra de fun o de Lorenz e coeficientes de Gini os dados podem ser ponderados por um inteiro Se o peso for especificado cada caso ser implicitamente contado como w casos onde w o valor do peso para o caso O teste de Kolmogorov Smirnov sempre executado com dados n o ponderados Capitulo 46 An lise Fatorial Nota o xz valores das vari veis i subscrito para caso j j subscritos para vari veis a subscrito para fator n mero de fatores determinados desejados 11 n mero de casos ativos J1 n mero de vari veis ativas w valor do pes
568. regress o atrav s da origem especificada todas as estat sticas exceto aquelas especificadas nas se es 1 a 4 acima s o baseadas em uma m dia de zero O coeficiente de correla o m ltipla e a fra o de vari ncia explicada tens 7 c e 7 d n o s o impressos Estat sticas que n o sejam centradas na m dia podem ser bastante diferentes daquelas que seriam se fosse centradas portanto em uma solu o stepwise vari veis podem muito bem entrar na equa o em uma ordem diferente daquela que seria se uma constante fosse estimada No programa REGRESSN uma matriz com elementos Wk Lik Tjk k Qij X l 2 2 Wk Tik Wk Tik k k analisada qo inv s de R a matriz de correla o Os B s coeficientes da regress o parcial nao padronizada sao obtidos por eee 2 2 B Bi J Wh Lij J Wk Tjk k k Capitulo 48 Escalonamento Multidimensional Nota o x elemento da configura o i j l m subscritos para vari veis n n mero de vari veis s subscritos para dimens o t n mero de dimens es 48 1 Ordem de Computa es Para um dado n mero de dimens es t MDSCAL encontra a configura o de m nimo esfor o pelo uso de um procedimento iterativo O programa come a com uma configura o inicial fornecida pelo usu rio ou pelo programa e continua modificando a at que ela convirja para a configura o de menor esfor o 48 2 Configura o Inicial Se o usu rio n o fornecer uma con
569. rementada de 1 a 9 O loop estar completo quando R99 igualar se a 9 e todos as vari veis tenham sido inicializadas 48 Facilidade Recode 4 12 Declara es de Controle Declara es de Recode s o executadas normalmente em cada caso de dados na ordem do primeiro at o ltimo A ordem pode ser modificada com uma das seguintes declara es de controle Declara o Exemplo Finalidade BRANCH BRANCH V16 L1 L2 Branch dependendo do valor de uma vari vel CONTINUE CONTINUE Continue com a pr xima declara o ENDFILE ENDFILE N o processe mais casos de dados ap s este ERROR ERROR Termine execu o completamente GO TO GO TO TOWN Branch incondicionalmente REJECT REJECT Rejeitar o caso de dados corrente RELEASE RELEASE Liberar o caso de dados corrente para o programa para processamento e ent o executar declara es de recodifica o novamente sem ler outro caso RETURN RETURN Use o caso corrente para an lise sem recodifica o adicional BRANCH A declara o BRANCH muda a seqii ncia na qual as declara es s o executadas dependendo do valor de uma vari vel Prot tipo BRANCH var labels Onde e var uma vari vel R ou V e labels uma lista de um ou mais labels de declara o de caracteres de 1 4 Exemplo BRANCH R99 LAB1 LAB2 LAB3 Transfer ncia feita para LAB1 LAB2 ou LAB3 dependendo se R99 possui um valor de 1 2 ou 3 CONTINUE CONTINUE uma declara o simples que nao executa op
570. ress o Onde e vari vel qualquer vari vel de entrada Vn ou de resultado Rn e express o qualquer express o aritm tica usando como op o fun es aritm ticas de Recode e Note que as vari veis usadas na express o n o s o automaticamente checadas em rela o a valores perdidos exceto quando se trata das fun es especiais MAX MEAN MIN STD SUM VAR Em todos os outros casos declara es espec ficas para checar dados perdidos devem ser introduzidas no lugar apropriado Ver abaixo em Declara es condicionais por exemplo Exemplos R10 5 Para o valor de R10 designada a constante 5 R5 2 V10 V11 V12 2 Qualquer express o aritm tica pode ser usada e par nteses s o utilizados para modificar a preced ncia dos operadores aritm ticos V20 SQRT V20 O valor de V20 trocado pela valor de sua raiz ao quadrado usando a fun o SQRT R20 BRAC V6 0 15 1 16 25 2 26 35 3 36 90 4 ELSE 9 Os valores de 1 2 3 4 ou 9 s o designados para R20 de acordo a que grupo o valor de V6 pertence R10 MD1 V10 O primeiro c digo de dados perdidos de V10 designado como R10 4 11 Declara es Especiais de Designa o DUMMY A declara o DUMMY produz uma s rie de vari veis dummies codificadas 0 ou 1 a partir de uma nica vari vel Prot tipo DUMMY varl varn USING var vall val2 valn ELSE express o 4 11 Declara es Especiais de Designa o 47 Onde e varl var2
571. ressa dois eixos de cada vez Os pontos s o numerados usando as labels de plot para vari veis como impressas no dicion rio de configura o de entrada 23 4 Matriz de Configura o de Sa da A configura o final pode ser escrita em um arquivo ver o par metro WRITE Ela processada como uma matriz retangular do IDAMS Ver o cap tulo Dados no IDAMS para uma descri o de matrizes IDAMS Registros de identifica o de vari veis s ser o processados se tais registros est o inclu dos no arquivo de configura o ver o par metro MATRIX O formato para os elementos da matriz 10F7 3 Os registros contendo os elementos da matriz s o identificados por CFG nas colunas 73 75 e um n mero de sequ ncia nas colunas 76 80 As dimens es da matriz ser o as mesmas dimens es da matriz de entrada 23 5 Matriz de Dist ncia de Sa da A matriz de dist ncia entre pontos pode ser escrita em um arquivo ver o par metro WRITE Isso processado na forma de uma matriz quadrada do IDAMS com registros dummy fornecidos para as m dias e desvios padr es esperados em tal matriz Registros de identifica o de vari veis s o produzidos somente se eles s o inclu dos no arquivo de configura o de entrada ver o par metro MATRIX O formato dos elementos da matriz 10F7 3 Os registros contendo os elementos da matriz s o identificados por CFG nas colunas 73 75 e um n mero de sequ ncia nas colunas 76 80 23 6 Matriz de Configura o
572. ri veis utilizadas na an lise devem ser num ricas elas podem ser inteiras ou com valores decimais A vari vel de ID do caso pode ser alfab tica Vari veis usadas na an lise PAM CLARA FANNY AGNES ou DIANA devem ter escalas em intervalos Vari veis usadas na an lise MONA devem ser bin rias com valores 0 ou 1 Note que CLUSFIND usa at 8 caracteres do nome da vari vel como dado no dicion rio 22 5 Matriz de Entrada 175 22 5 Matriz de Entrada Essa uma matriz quadrada do IDAMS Ver no cap tulo Dados em IDAMS Ela pode conter medidas de similaridades dissimilaridades ou coeficientes de correla o Note que CLUSFIND usa no m ximo 8 caracteres do nome do objeto como dado nos registros de identifica o da vari vel 22 6 Estrutura de Setup RUN CLUSFIND FILES Especifica es de arquivo RECODE opcional com dados de entrada brutos indispon vel com entrada de matriz Declara es de Recode SETUP 1 Filtro opcional para dados de entrada brutos apenas 2 T tulo 3 Par metros DICT condicional Dicion rio para dados de entrada brutos DATA condicional Dados para dados de entrada brutos MATRIX condicional Matriz para entrada de matriz Arquivos FTO9 matriz de entrada se MATRIX n o usado e entrada de matriz DICTxxxx dicion rio de entrada se DICT n o usado e INPUT RAWDATA DATAxxxx dados de entrada se DATA n o usado e INPUT RAWDATA PRINT resultados default IDAMS
573. ri vel V169 espa os em branco para V123 idade devem ser tratados como erros RUN BUILD FILES DATAIN ABCDATA RECL 80 arquivo Dados de entrada DICTOUT ABC DIC arquivo Dicion rio de sa da DATAOUT ABC DAT arquivo Dados de saida SETUP CONSTRUINDO UM CONJUNTO DE DADOS DO IDAMS VNUM NONC MAXERR 200 DICT 3 1169 3 T 1 C DIGO DA CIDADE 1113 ID T 2 ID DO RESPONDENTE 5 10 ID T 3 N MERO DO DOMIC LIO 5 8 ID T 4 NUMERO DO RESPONDENTE 9 10 ID T 101 POSIGAO DO RESP NA FAMIL 13 0 9 1 Qs1 T 122 SEXO 225 9 1 Qs2 T 123 IDADE 48 49 Qs2 T 168 OCUPA O 358 59 99 98 1 Qs3 T 169 RENDA 61 65 99998 0 Qs3 108 Constru o de um Dataset IDAMS BUILD Exemplo 2 Verificar a presen a de caracteres n o num ricos em 4 campos num ricos o arquivo de dados de entrada possui um registro por caso registros s o identificados por um campo alfab tico as 5 vari veis n o numeradas contiguamente os arquivos de sa da normalmente produzidos por BUILD n o s o requeridos e s o definidos como arquivos tempor rios extens o TMP que ser o automaticamente deletados pelo IDAMS no final da execu o RUN BUILD FILES DATAIN A NEWDATA RECL 256 DICTOUT DIC TMP DATAOUT DAT TMP SETUP arquivo Dados de entrada arquivo tempor rio Dicion rio de sa da arquivo tempor rio Dados de sa da CHECANDO E REPORTANDO CARACTERES N O NUM RICOS E ESPA OS EM BRANCO VNUM NONC LRECL 256 PRINT NOOU MAXERR 200 DICT T T T T T
574. riavel de coluna Note que quando mais de um caso ocorre em uma dada linha ou coluna o valor dos Xy s ou Yk s para os casos empatados a m dia dos ranks que seriam designados caso n o tivessem ocorridos empates Por exemplo se h 15 casos na primeira linha da tabela ent o seriam designa dos ranks para esses 15 casos i e valor de X de 8 Lambda sim trica O lambda uma medida sim trica da for a de prever appropriada quando nem colunas nem linhas s o designadas especialmente como a fonte da previs o ou quando n o s o conhecidas Lambda assume valores de O a 1 0 J max fij max fij max f max fi J 3 1 i i j A i 2N max f max fi J t onde fij a freq ncia observada na c lula ij max fij a maior frequ ncia na linha 7 j max fij a maior freq ncia na coluna j KA max f a maior freqii ncia marginal dentre as colunas j j max fi a maior fregi ncia marginal dentre as linhas i t Lambda A vari vel dependente na linha Esse lambda apropriado quando a vari vel de linha a vari vel dependente uma medida da redu o proporcional da probabilidade de erro ao prever se a vari vel linha que calculada ao especificar se a categoria da coluna O lambda de linha dependente assume valores de 0 a 1 0 5 max fij max fi KA KA E Ard a N max fi Ver acima as defini es de termos nas f rmulas Lambda B vari vel dependente na coluna Esse
575. ritm ticas 36 l gicas 36 INDICE formato das declara es 33 fun es aritm ticas 37 l gicas 45 inicializa o dos valores das vari veis 34 linha de continua o 33 manuseio de dados perdidos 34 operadores aritm ticos 36 l gicos 36 relacionais 36 operandos 35 restri es 54 teste 35 vari veis Ve R 35 verifica o de sintaxe 92 Recode declara es BRANCH 48 CARRY 50 CONTINUE 48 de designa o 46 DUMMY 46 ENDFILE 48 ERROR 48 GO TO 49 IF 49 MDCODES 51 NAME 51 REJECT 49 RELEASE 49 RETURN 49 SELECT 47 Recode fun es aritm ticas ABS 37 BRAC 37 COMBINE 38 COUNT 39 LOG 39 MAX 40 MD1 MD2 40 MEAN 40 MIN 40 NMISS 41 NVALID 41 RAND 41 RECODE 41 SELECT 42 SQRT 43 STD 43 SUM 43 TABLE 43 TRUNC 44 VAR 44 Recode fun es l gicas EOF 45 INLIST 45 MDATA 45 recodificando dados 31 33 59 exemplo 33 52 60 441 salvando vari veis recodificadas 165 registro dele o de registro inv lido 122 duplicado detec o e dele o 122 perdido detec o e padding 122 registros C 15 listagem 145 uso na valida o de dados 109 registros T 15 regress o 205 256 269 365 398 412 com intercepto zero 370 com vari veis categ ricas 205 211 223 com vari veis dummy 205 211 linear m ltipla 205 365 linhas de 322 stepwise 205 369 stepwise descendente 205 370 res duos 369 380 415 417 produzidos por MCA
576. riz do IDAMS Para a exporta o de matrizes apenas o formato livre est dispon vel 16 2 Caracter sticas Padr o do IDAMS Sele o de casos e vari veis O filtro padr o est dispon vel para selecionar um subconjunto de casos do dados de entrada quando a exporta o de dados requisitada Da mesma maneira na exporta o de dados vari veis s o selecionadas atrav s do par metro OUTVARS Transformando dados Declara es de Recode podem ser usadas na exporta o de dados Tratamento de dados perdidos Nenhuma checagem de dados perdidos feita nos valores de dados exceto atrav s do uso de declara es de Recode na exporta o de dados Na importa o de dados campos vazios campos vazios entre delimitadores consecutivos s o substitu dos pelo primeiro c digo de dados perdidos ou por um campo de 9 s se o primeiro c digo de dados perdidos n o est definido 136 Importagao Exportagao de Dados IMPEX 16 3 Resultados Importa o de dados Dicion rio de entrada Opcional ver o par metro PRINT Registros de descri o de vari veis e registros C se houver para todas as vari veis inclusas no dicion rio Labels e c digos de colunas de entrada Opcional ver os par metros PRINT e EXPORT IMPORT Labels de coluna e c digos de coluna s o impressos sem formata o ao serem lidos do arquivo de entrada Dados de entrada Opcional ver o par metro PRINT Linhas de dados de entrada n o formatadas s
577. rmar number o n mero da mensagen e tamb m o valor IOSTAT para declara es I O text Explica o evento que causou a mensagem As mensagens de erro de execu o s o auto explicativas e portanto n o est o listadas aqui Indice agregacao de dados 45 50 97 agrupamento hier rquico aglomerativo 174 341 baseado em vari veis dicot micas 174 343 divisivo 174 342 an lise de agrupamento 173 337 de classifica o m ltipla 223 de correla o 255 397 de correspond ncias 195 de escalonamento 215 371 de ordenamento 261 401 l gica cl ssica 261 402 l gica difusa 261 406 408 de regress o 205 de s ries temporais 329 333 de scoring 247 393 de segmenta o 275 413 de vari ncia 223 241 377 389 discriminante 185 349 espacial 179 345 fatorial 195 357 de componentes principais 195 discriminante 186 351 an lise de vari ncia multivariada 233 arquivos classificando 157 Dados 79 de sistema 80 permanente 80 tempor rios 80 de usu rio 79 Dicion rio 79 especificando no IDAMS 22 fundindo 157 limita es de tamanho para o IDAMS 12 Matriz 79 Resultados 79 Setup 79 usados no WinIDAMS 79 assimetria 358 420 auto correla o 333 autoregress o 333 bivariadas estat sticas 283 308 420 produzidas por TABLES 286 tabelas 283 307 apresenta o gr fica 308 produzidas por TABLES 286 c digo checagem 58 109 labels 16 c digo de condi o ajust
578. rrido atrav s de declara es de Recode quando o fim do arquivo alcan ado Prot tipo EOF Exemplo IF Ri NE Vi OR EOF THEN GO TO Li INLIST A fun o INLIST abreviada por IN retorna o valor de verdadeiro se o resultado de uma express o aritm tica pertence a um conjunto especificado de valores Se a express o igual a um valor fora do conjunto de valores a fun o retorna o valor de falso Prot tipo expr INLIST valores ou expr IN valores Onde e expr qualquer express o aritm tica ou uma nica vari vel e valores uma lista de valores Eles podem ser discretos e ou um intervalo de valores Exemplos IF R12 INLIST 1 5 9 10 THEN V5 0 Se R12 tiver um valor de 1 2 3 4 5 9 ou 10 a fun o INLIST retorna o valor de verdadeiro a vari vel de entrada V5 igualada a 0 Caso contr rio INLIST retorna o valor de falso e a vari vel de entrada mant m seu valor original IF V3 V7 IN 2 4 5 6 THEN Ri 1 ELSE R1 9 Se a soma das vari veis de entrada V3 e V7 resulta no valor 2 4 5 ou 6 ent o INLIST retorna um valor de verdadeiro e a vari vel de resultado assumir o valor de 1 Caso contr rio INLIST retorna um valor de falso e R1 ser igualado a 9 MDATA A fun o MDATA retorna um valor de verdadeiro se qualquer das vari veis passadas para a fun o possui valores de dados perdidos caso contr rio a fun o retorna um valor de falso Essa fun o
579. s TABL Imprime as tabelas de resumo de preditor para todos os grupos FIRS Imprime as tabelas de resumo de preditor para o primeiro grupo FINA Imprime as tabelas de resumo de preditor para os grupos finais TREE Imprime o diagrama de rvore hier rquica OUTL Imprime os outliers com vari vel de ID e valores de vari vel dependente 4 Especifica es de preditor mandat rio Fornece um conjunto de par metros para cada grupo de preditores que podem ser descritos com os mesmos valores de par metro As regras de codifica o s o as mesma das dos par metros Cada especifica o de preditor deve come ar em uma nova linha Exemplo VARS V8 V9 TYPE F VARS lista de vari veis Vari veis preditoras nas quais os outros par metros se aplicam N o h default TYPE M F S A restri o do preditor M Preditores s o considerados monot nicos i e os c digos dos preditores devem ser mantidos adjacentes durante o scan de parti o F C digos de preditores s o considerados livre S C digos de preditores ser o selecionados e separados dos c digos remanescentes ao se formarem parti es de teste 6 CODES 0 9 maxcode lista de c digos Ou o valor do c digo mais aceit vel ou uma lista de c digos aceit veis Os c digos podem ir de 0 a 31 Casos com c digos fora do intervalo O a 31 sao sempre descartados RANK n Rango designado Se desejado o ordenamento designe um rango de preditor de 0 a 9
580. s igual ao valor especificado no par metro SCALE 252 Scoring Baseado em Ordena o Parcial de Casos POSCOR SUBSET xxxxxxxx Especifica o nome da especifica o de subconjunto a ser utilizada se houver Coloque o nome entre aspas simples se ele contiver caracteres n o alfanum ricos Letras mai sculas devem ser usadas para coincidir com o nome da especifica o de subconjunto que automaticamente convertida para mai sculas LEVELS 1 1 1 N1 N2 N3 Nk k o n mero de vari veis usadas na lista de vari veis de an lise Ni define a ordem de prioridade da i sima vari vel na lista de vari veis envolvidas no ordenamento parcial Um valor maior implica uma prioridade menor Os valores de prioridade devem ser especificados na mesma sequ ncia das vari veis correspondentes na lista de vari veis de an lise O default de 1 s implica que todas as vari veis possuem a mesma prioridade ANAME nome Um nome de at 24 caracteres para o escore crescente Aspas simples s o mandat rias se o nome contiver caracteres n o alfanum ricos Default Em branco DNAME nome Um nome de at 24 caracteres para o escore decrescente Aspas simples s o mandat rias se o nome contiver caracteres n o alfanum ricos Default Em branco 32 8 Restri es Os valores das vari veis de an lise devem estar entre 32 767 e 32 767 Os componentes da lista de prioridade no par metro LEVEL devem ser inteiros
581. s o gerados Essa matriz pode ser submetida como um entrada de configura o para outra execu o de MDSCAL ou ela pode ser entrada para outro programa como CONFIG para an lise adicional 28 5 Matriz de Dados de Entrada A entrada usual para MDSCAL uma matriz quadrada do IDAMS ver o cap tulo Dados em IDAMS Essa matriz a metade superior direita da matriz sem a diagonal e definida pelo par metro INPUT STANDARD TABLES e PEARSON geram matrizes adequadas para serem entrada de MDSCAL M dias e desvios padr es n o s o usados mas registros dummy apropriados devem ser fornecidos MDSCAL aceitar matrizes em outros formatos al m do o triangular superior direito sem a diagonal Contudo tais matrizes devem conter a por o do dicion rio de uma matriz quadrada do IDAMS e deve ter registros contendo pseudo m dias e desvios padr es no final Os seguintes par metros de INPUT indicam o formato exato da matriz sendo usada como entrada STAN tri ngulo superior direito sem diagonal STAN DIAG tri ngulo superior direito com diagonal LOWER DIAG tri ngulo inferior esquerdo com diagonal LOWER tri ngulo inferior esquerdo sem diagonal SQUARE matriz quadrada completa com diagonal As medidas contidas na matriz de dados podem ser medidas de similaridade como correla es ou dissim ilaridades Apesar do entrada para MDSCAL ser usualmente uma matriz de coeficientes de correla o e g a uma matriz de gamas ou uma matriz de r
582. s o usadas para estimar os valores preditos de V122 i e V122 com os efeitos de V2 V6 removidos Na primeira regress o valores preditos da vari vel dependente V122 s o computados e escritos para o arquivo de res duos OUTB como a vari vel V3 MERGE ent o utilizado para fundir essa vari vel com as vari veis do arquivo original que s o requisitadas no segundo est gio O conjunto de dados produzido de MERGE um arquivo tempor rio portanto n o precisa ser definido conter 5 vari veis da lista de constru o numeradas V1 a V5 onde Al2 e A23 a serem utilizadas como preditores no segundo est gio tornan se V2 e V3 A122 a vari vel dependente original se torna V4 e B3 a vari vel dando valores preditos de V122 se torna V5 Esse arquivo de sa da ent o usado como entrada na regress o de segundo est gio 214 Regressao Linear REGRESSN RUN REGRESSN FILES PRINT REGR4 LST DICTIN STUDY DIC arquivo Dicion rio de entrada DATAIN STUDY DAT arquivo Dados de entrada DICTOUTB RESID DIC arquivo Dicion rio para res duos DATAOUTB RESID DAT arquivo Dados para res duos SETUP TWO STAGE REGRESSION FIRST STAGE MDHANDLING 100 IDVAR V1 DEPV V122 WRITE RESI OUTF 0UTB VARS V2 V6 RUN MERGE SETUP MERGING PREDICTED VALUE V3 IN RES FILE INTO DATA FILE MATCH INTE INAF IN INBF OUTB A1 B1 A1 A12 A23 A122 B3 RUN REGRESSN SETUP TWO STAGE REGRESSION SECOND STAGE MDHANDLING 100 INFI OUT DEPV V5 V
583. s outros dois espa os apenas exibem as informa es relevantes Uma linha azul no topo de cada espa o indica 88 Interface do Usu rio qual espa o est ativo Os espa os s o sincronizados i e sele o do campo de uma vari vel no espa o Dados evidencia a descri o da vari vel correspondente e sele o de um campo do espa o Vari veis mostra o valor da vari vel correspondente no caso corrente Para a vari vel selecionada c digos e labels de c digo se houver s o sempre exibidos Mudando a apar ncia do espa o A apar ncia de cada espa o pode ser mudada separadamente e a mudan a se aplica exclusivamente ao espa o ativo As seguintes possibilidades de modifica o est o dispon veis em todos os espa os e Aumentando o tamanho da fonte use o comando de menu Ver Zoom In ou o bot o Zoom In da barra de ferramentas e Diminuindo o tamanho da fonte use o comando de Ver Zoom Out ou o bot o Zoom Out da barra de ferramentas e Retornando ao tamanho de fonte default use comando de menu Ver 100 ou o bot o 100 da barra de ferramentas e Aumentando Diminuindo a largura da coluna coloque o cursor do mouse na linha que separa duas colunas bem no in cio at que o cursor se torne uma barra vertical com duas flechas e movimente o para a direita esquerda mantendo o bot o esquerdo do mouse apertado O espa o Dados pode ser modificado ainda mais da seguinte maneira e Aumentando Diminuindo a altura das linhas
584. s whiskers emergindo da caixa correspondem aos valores m ximos e m nimos das vari veis para o grupo As linhas dentro da caixa s o a m dia linha verde da vari vel no grupo e sua mediana linha azul de hifens O lado esquerdo do ret ngulo mostra a escala da vari vel e sua margem inferior mostra os n meros dos grupos 324 Explora o Gr fica de Dados Ej GraphiD Explora o Gr fica Interativa de Dados BoxPlot b loj x Arquivo Editar Yer Ferramentas Janela Ajuda tm x E Ba ma a 25 E 9 31 ill e ot el lo 2 Para Ajuda pressione F1 IHOR 1932 VER 3 A Voc pode mudar as cores e fontes dos gr ficos usando bot es apropriados na barra de ferramentas Essas mudan as podem ser salvas como novos default para janelas e sess es subseqiientes O bot o Cores permite voc mudar as cores de Caixas Fundo Whiskers Linha da mediana Linha da m dia Margens Os bot es Fonte permite voc modificar as fontes para escalas e nomes de vari veis Em qualquer c lula de um gr fico de Box Whisker pode ser usado o zoom Selecione a c lula desejada e clique no bot o Zoom da barra de ferramentas 40 3 6 Diagrama Agrupado Essa caracter stica permite a proje o de um diagrama de dispers o bi dimensional dentro de c lulas de uma tabela bi dimensional e portanto uma an lise visual em 4 dimens es Use o comando de menu Ferramentas Diagrama agrupado para obter uma caixa de di logo
585. s Dicion rio e Dados para os programas do IDAMS s o definidos com ddnames DICTxxxx DATAxxxx DICTyyyy e DATAyyyy Se v rios programas IDAMS s o executados em um setup por exemplo programas usando diferentes datasets como entrada ou ao usar se a sa da de um programa como entrada diretamente em outro encadeamento ent o s vezes necess rio mudar esses defaults 5 WEIGHT Esse par metro especifica a vari vel cujos valores devem ser utilizados para ponderar os casos dos dados WEIGHT n mero de vari vel A vari vel especificada pode ser uma tipo V ou tipo R inteira ou decimal Casos com valores de peso perdidos zero negativo e n o num rico s o sempre pulados e uma messagem impressa a respeito dessas ocorr ncias Se o par metro WEIGHT n o especificado nenhuma pondera o executada 3 6 Declara es de Recode 31 6 VARS Esse par metro e outros similares como ROWVARS OUTVARS CONVARS etc s o uti lizados para especificar uma lista de vari veis VARS lista de vari veis Se mais de uma vari vel especificada a lista deve vir entre par nteses Regras de especifica o de listas de vari veis Vari veis s o especificadas por um n mero precedido por um V ou um R Um V denota uma vari vel de um dataset IDAMS ou matriz Um R denota uma vari vel resultante de uma opera o Recode Note que interno aos programas e nos resultados vari veis tipo V e tipo R s o diferenci adas pelo signal
586. s as vari veis s o v lidas 22 8 Restri es 177 PRINT MATRIX Imprime a matriz de entrada Par metros para ambos os tipos de entrada VARS lista de vari veis As vari veis a serem usadas na an lise N o h default ANALYSIS PAM FANNY CLARA AGNES DIANA MONA Especifica o tipo de an lise a ser executada PAM FANN CLAR AGNE DIAN MONA Parti o ao redor de medoides Parti o com agrupamento difuso Parti o ao redor de medoides mesmo que PAM mas para datasets com pelo menos 100 casos CLUSFIND amostrar os casos e escolher a amostra mais representativa Cinco amostras de 40 2 CMAX casos s o retiradas ver o par metro CMAX abaixo Apenas para dados de entrada brutos Agrupamento hier rquico aglomerativo Agrupamento hier rquico divisivo Agrupamento monot tico de dados consistindo de vari veis bin rias Requer pelo menos 3 vari veis Apenas para dados de entrada brutos N o h default CMIN 2 n Para PAM e FANNY O n mero m nimo de clusters para testar CMAX n Para PAM e FANNY o n mero m ximo de clusters para testar Para CLARA o n mero exato de clusters para testar Default O maior n mero entre 20 e o valor especificado por CMIN PRINT DISSIMILARITIES GRAPH TRACE VNAMES DISS GRAP TRAC VNAM Imprime a matriz de dissimilaridade Imprime a representa o gr fica dos resultados Imprime cada passo do split bin rio quando MONA especificado Para entr
587. s chave e Palavras chave com ou sem valores associados s o separadas umas das outras por uma v rgula ou por espa os em branco e g FNAME FRED TRAN 3 KAISER e Listas de palavras chave podem se extender ao longo de diversas linhas mas nesse caso deve haver um tra o no final de cada linha indicando a continua o e g FNAME FRED TRAN 3 KAISER 30 O Arquivo Setup do IDAMS e Palavras chave podem ser atribu das em qualquer ordem Se uma palavra chave aparece mais de uma vez em uma lista ent o o ltimo valor encontrado ser utilizado e Uma palavra chave n o pode ser dividida no final de uma linha e Cada lista de palavras chave pode opcionalmente ser finalizada por um asterisco e Se todas as op es default forem escolhidas uma linha com um asterisco nico deve ser fornecido Detalhes dos par metros mais comuns n o descritos completamente em cada write up do programa 1 BADDATA Tratamento de valores de dados n o num ricos BADDATA STOP SKIP MD1 MD2 Quando caracteres n o num ricos incluindo espa os em brancos envoltos e campos todo em branco s o encontrados em vari veis num ricas o programa deveria STOP Terminar a execu o SKIP Saltar o caso MD1 Trocar os valores n o num ricos pelo primeiro c digo de dados perdidos ou 1 5 x 10 se o primeiro c digo de dados perdidos n o for especificado MD2 Trocar os valores n o num ricos pelo segundo c digo de dados perdidos ou
588. s em formato livre Em estilo de formato livre os campos podem ser separados por espa os tab uladores v rgula ponto e v rgula ou qualquer caracter definido pelo usu rio Pontos decimais ou v rgulas podem ser usados para a nota o decimal Arquivos de dados importados exportados podem conter n meros de vari veis e ou nomes de vari veis como headings de colunas Arquivos de matriz importados exportados podem conter n meros de vari veis valores de c digos e ou nomes de vari veis labels de c digos como headings de coluna linha Importa o de dados O programa cria um novo dataset do IDAMS de um arquivo ASCII de dados j existente em formato livre ou DIF formato para interc mbio de dados desenvolvido pela Software Arts Products Corp e de um dicion rio do IDAMS O dicion rio de entrada define como os campos dos dados de arquivo de entrada devem ser transferidos para o dataset IDAMS de sa da Exporta o de dados O programa cria um novo arquivo de dados ASCII contendo vari veis de um dataset existente do IDAMS e novas vari veis definidas pelas declara es de Recode do IDAMS O arquivo exportado pode ser em formato livre ou DIF Importa o de matriz O programa cria um arquivo Matriz do IDAMS de um arquivo ASCII de formato livre contendo um triangular inferior de uma matriz quadrada ou uma matriz retangular Exporta o de matriz O programa cria um arquivo ASCII contendo todas as matrizes armazenadas em um arquivo Mat
589. s em tabs no final da tabela Uma p gina em particular pode ser acessada atrav s de um clique na label requisitada c digo TE Wintpams XTabl loj x ja Arquivo Editar Ver Formato Mostrar Mudar Gr fico Executar Interativo Janela Ajuda 18 x Oe CIEI LEE BEM pop e Dataset C iWinIDAMS12 PTidataiCM dat Total para todas as p ginas Linha Country code Col R amp D work vs experience Position in unit Executado Caso NUM WY Modificando a apar ncia da p gina A apar ncia de cada p gina pode ser modificada separadamente com as mudan as aplicando se exclusivamente pagina ativa As seguintes modifica es s o poss veis e Aumentando o tamanho da fonte use o comando de menu Ver Zoom In ou o bot o Zoom In da barra de ferramentas e Diminuindo o tamanho da fonte use o comando de menu Ver Zoom Out ou o bot o Zoom Out da 308 Tabelas Multidimensionais e suas Apresenta es Gr ficas barra de ferramentas e Redefinindo o tamanho de fonte default use o comando de menu Ver 100 ou o bot o 100 da barra de ferramentas e Aumentando Diminuindo a largura de uma coluna coloque o cursor do mouse na linha que separa as duas colunas no in cio da coluna at que ele se torne uma barra vertical com duas flechas e movimente a para a direita esquerda mantendo clicado o bot o esquerdo do mouse e Minimizando a largura de colunas marque as colunas requeridas e use o comando de
590. s par metros FEMALE INCLUDE V12 1 MALE INCLUDE V12 2 QUANTILE VAR V67 N 15 PRINT FLOR CLOR VAR V67 N 15 PRINT FLOR CLOR FILT FEMALE ANALID F VAR V67 N 15 PRINT FLOR CLOR FILT MALE VAR V67 N 15 FILT MALE KS F Capitulo 26 An lise Fatorial FACTOR 26 1 Descri o Geral FACTOR cobre um conjunto de an lises de componente principal e an lise de correspond ncias possuindo especifica es em comum Ele fornece a possibilidade de executar com apenas uma leitura da an lise fatorial de correspond ncias dos dados produtos escalares produtos normalizados escalares covari ncias e correla es Para cada an lise o programa constr i uma matriz representando as rela es entre as vari veis e computa seus valores e vetores pr prios Ele ent o calcula os fatores de caso e de vari vel dando para cada caso e vari vel suas ordenadas suas qualidades de representa o e suas contribui es para os fatores Uma representa o gr fica dos fatores com op es ordin rias ou simplicio fatoriais podem tamb m ser impressas As vari veis casos ativos principais s o as vari veis casos em cuja base o procedimento de decom posi o fatorial executado i e elas s o usadas na computa o da matriz de rela es Pode se tamb m procurar por uma representa o de outras vari veis casos no espa o de fatores correspondendo s vari veis ativas Tais vari veis casos possuindo nenhuma influ n
591. s para especifica o de palavras chave e Apenas as primeiras quatro letras de uma palavra chave ou de uma palavra chave associada precisam ser especificadas apesar de que a palavra chave completa pode ser especificada Portanto TRAN uma forma abreviada apropriada para a palavra chave TRANSVARS N o h abrevia es para palavras chave com quatro letras ou menos Regras de especifica o de valores associados e Valor associado uma lista de itens Os itens na lista s o separados por v rgulas Se existirem dois ou mais itens a lista deve vir entre par nteses Intervalos de vari veis ou de valores num ricos inteiros devem ser indicados por uma barra Intervalos de valores num ricos decimais n o s o permitidos Por exemplo R V2 3 5 PRIN DICT DATA STAT MAXC 5 TRAN V5 V10 V25 V32 IDLOC 1 3 7 8 e Valor associado uma string de caracteres A string deve vir entre aspas simples se contiver qualquer caracter n o alfanum rico e g FNAME EDUCATION WAVE 1 Note que espa os em branco pontos e v rgulas s o caracteres n o alfanum ricos Se estiver em d vida use aspas simples Duas aspas simples consecutivas n o aspas duplas devem ser usadas para representar uma aspa simples e g ANAME KEVIN S a aspa simples deletada quanda a string lida melhor n o separar strings ao longo das linhas Regras para especifica o de listas de palavra
592. s selecionados de uma maneira por passos constituem a configura o inicial para obter a configura o inicial os seguintes casos s o distribu dos em t grupos como descrito abaixo e a configura o inicial em um conjunto de perfis de grupo calculados para casos distribu dos ao longo de categorias de uma vari vel chave e a configura o inicial um conjunto de perfis de grupos a priori fornecidos pelo usu rio Quando a constru o come a de t perfis de casos o programa considera esse conjunto de t vetores como um conjunto de t casos iniciais e distribui os casos remanescentes de acordo com sua dist ncia entre si e o caso inicial Vamos chamar o conjunto de t casos iniciais de Pinicial Pris Pias eo Pr e a dist ncia entre grupos e ou casos i e j por D P P3 Note que D P Pj pode ser qualquer dist ncia definida na se o 4 acima Para cada caso Pinicial O programa calcula 8 min D Pi Pk I lt j lt t 6 d min D Pk Pra D Pk Pks Bes 22 Peas Pri Existem duas possibilidades e 8 lt y caso designado para o grupo mais pr ximo Px e o perfil desse grupo recalculado Pr Pk Pi 2 e 0 gt y caso forma um novo grupo que adicionado ao conjunto Pinicial OS dois perfis mais pr ximos Pp and Pk s o agregados formando um grupo com o novo perfil Pr Pay Pry 2 No final desse procedimento a configura o inicial um conjunto de t perfis Pitas Pi P
593. s vari veis fornecidas com os par metros AQNTV e ou AQLTV STEP 5 n Se amostra por passos de casos requisitada INIT STEP n o comprimento do passo NCASES n Se a amostra aleat ria de casos requisitada INIT RAND n o n mero de casos n o ponderados no arquivo de entrada ou uma boa estimativa disso N o h default deve ser especificado se INIT RAND KEY n mero de vari vel Se uma vari vel chave usada para construir grupos iniciais INIT KEY esse o n mero da vari vel chave N o h default deve ser especificado se INIT KEY ITERATIONS 5 n N mero m ximo de itera es para converg ncia do perfil de grupo REGROUP DISPLACEMENT DISTANCE DISP Reagrupamento baseado em m nimo deslocamento DIST Reagrupamento baseado em dist ncia m nima WRITE DATA CONFIG DATA Cria um dataset do IDAMS contendo a vari vel de ID de caso vari veis transferidas vari vel de classifica o e vari veis de dist ncia CONF Produz a matriz de configura o em um arquivo OUTFILE OUT yyyy Um sufixo ddname de 1 4 caracteres para os arquivos Dicion rio e Dados de sa da Default ddnames DICTOUT DATAOUT IDVAR n mero de vari vel Vari vel a ser transferida para o dataset de sa da para identificar casos Obrigat rio se WRITE DATA especificado 38 10 Restri es 301 TRANSVARS lista de vari veis Vari veis adicionais at 99 a serem transferidas para o dataset de sa da LEVELS n1 n2
594. sando combina es de v rias vari veis em express es l gicas um exemplo seria a sele o apenas de registros de mulheres solteiras entre 21 e 25 anos de idade Vari veis num ricas e alfab ticas de um dataset como tamb m vari veis constru das com declara es de Recode podem ser listadas A Interface do Usu rio possui tamb m uma op o para imprimir dados em formato de tabela 5 3 An lise de Dados A considera o fundamental para o usu rio ao selecionar programas de an lise se as fun es estat sticas apropriadas s o fornecidas Um guia em rela o a este assunto est al m do escopo desse manual Um resumo das fun es de cada programa de an lise do IDAMS pode ser encontrado na Introdu o Mais detalhes s o dados nos write ups dos programas individuais As f rmulas utilizadas para computar as estat sticas em cada programa e refer ncias s o dadas nos cap tulos relevantes na parte F rmulas Estat sticas e Refer ncias Bibliogr ficas 5 4 Exemplo de uma Pequena Tarefa a ser Executada pelo IDAMS Suponha que um dataset IDAMS cont m respostas de um question rio de survey e inclui as seguintes vari veis V11 d o sexo do respondente de acordo com o seguinte c digo 1 Masculino 2 Feminino 9 N o revelado V12 a renda do respondente em d lares 99999 n o revelado V13 at V16 s o medidas atitudinais em diferentes assuntos Cada vari vel codificada para refletir os sentimentos dos resp
595. sas decimais exceder 9 ent o DEC reduzido de acordo C digos de dados perdidos C digos de dados perdidos para vari veis ID e vari veis transferidas s o retirados do dicion rio de entrada O segundo c digo de dados perdidos MD2 para vari veis computadas sempre um espa o em branco O valor do primeiro c digo de dados perdidos MD1 alocado como se segue Vari vel de sa da MD1 produzido FW do sa da lt 7 9 s FW do sa da gt 7 999999 Vari vel COUNT 9999 N meros de refer ncia Vari veis computadas recebem o n mero de refer ncia das suas vari veis base Registros C Registros C no dicon rio de entrada s o transferidos para o dicion rio de sa da para vari veis ID e transferidas Uma observa o para o c lculo de estat sticas Antes de produzidos valores computados s o arredonda dos para a largura calculada e n mero de casas decimais Se o valor computado excede 999999999 ou menor do que 99999999 ser produzido como 999999999 10 5 Dataset de Entrada A entrada um arquivo Dados descrito por um dicion rio do IDAMS Vari veis definidoras de grupos ID e vari veis a serem transferidas podem ser num ricas ou alfab ticas apesar de vari veis num ricas serem tratadas como listas de caracteres i e um valor de 044 diferente de 44 Elas n o podem ser vari veis recodificadas Vari veis a serem agregadas devem ser num ricas e podem ser vari veis recodificadas O arquiv
596. segunda ordem Tijl TimlT ml 2 2 L rim B Tij Im onde ri j 1 Tim 1 Tjm 1 S o coeficientes de primeira ordem Note O programa computa as correla es trabalhando passo a passo a partir de coeficientes de ordem zero at coeficientes de primeira ordem segunda ordem etc 47 6 Matriz Inversa Para uma regress o padr o essa a inversa da matriz de correla o das vari veis independentes ex planat rias e a vari vel dependente Para uma regress o stepwise essa a inversa da matriz de correla o das vari veis independentes na equa o final O programa usa o m todo de elimina o Gaussiana para a invers o 47 7 Estat sticas de Resumo de An lise 367 47 7 Estat sticas de Resumo de An lise a b d f Erro padr o de estima o Esse o desvio padr o dos res duos gt ue Fe k Erro padr o de estima o df onde Yr o valor previsto da vari vel dependente para o k esimo caso df graus de liberdade dos res duos ver 7 f abaixo F ratio para a regress o Essa a estat stica F para determinar a signific ncia estat stica do modelo sob considera o Os graus de liberdade sao pe N p 1 2 pacad p 1 R onde R a fra o da vari ncia explicada ver 7 d abaixo Coeficiente de correla o m ltipla Essa a correla o entre a vari vel dependente e o escore preditor Ele indica a intensidade da associa o entre o crit rio e a
597. signa o de casos para os grupos feita como descrito no ponto 2 b acima A mesma f rmula e regras de designa o s o usadas para a amostra b sica as m dias de grupo a amostra de teste e a amostra an nima 44 3 Discrimina o Linear Entre Mais Do Que 2 Grupos 351 44 3 Discrimina o Linear Entre Mais Do Que 2 Grupos O procedimento para discrimina o de 3 ou mais grupos usa n o somente a matriz de covari ncia total mas tamb m a matriz de covari ncia entre grupos O crit rio para selecionar a vari vel seguinte usado aqui o tra o de um produto dessas duas matrizes generaliza o da dist ncia de Mahalanobis para dois grupos Depois de selecionar a nova vari vel a ser introduzida a an lise de fator discriminante executada e o programa fornece a pot ncia discriminante total e a pot ncia discriminante para os tr s primeiros fatores Casos s o classificados de acordo com suas dist ncias do centro dos grupos Em cada passo o programa calcula e imprime a tabela de classifica o e o percentual de casos corretamente classificados em ambas as amostras b sica e de teste a Tabela de classifica o para amostra b sica A dist ncia de um caso x do centro de um grupo g no passo q definida como a fun o linear vya a yg Ty yf 22 onde 7 como descrito em 2 a acima a matriz de covari ncia total calculada para os casos de todos os grupos para as vari veis inclusas no passo q com os ele
598. sivelmente seis itens por c lula ou cada um pode ser obtido como uma tabela distinta Estat sticas univariadas Para an lises univariadas as seguintes estat sticas est o dispon veis m dia moda mediana vari ncia n o viesada desvio padr o coeficiente de varia o assimetria e curtose Uma op o de quantile NTILE est tamb m dispon vel Divis o de tr s a dez partes pode ser requerida Estat sticas bivariadas Para an lises bivariadas as seguintes estat sticas podem ser requeridas testes t de m dias assume popula es independentes entre pares de linhas chi quadrado coeficiente de contig ncia e V de Cramer Gama Lambdas e Taus de Kendall S numerador da estat stica de tau e de gamma seus desvios padr o e normal e sua vari ncia ro de Spearman Estat sticas de Medicina Baseada em Evid ncia EBM testes n o param tricos Wilcoxon Mann Whitney e Fisher Matrizes de estat sticas Matrizes de quaisquer das estat sticas bivariadas exceto testes estat sticas EBM ou estat sticas de S podem ser impressas ou escritas em um arquivo Matrizes correspondentes de n s ponderadas e ou n o ponderadas podem ser produzidas Tabelas de 3 e 4 way Elas podem ser constru das fazendo se uso das caracter sticas de repeti o e constru o de subconjuntos A vari vel de repeti o pode ser vista como uma vari vel de controle ou painel A caracter stica de constru o de subconjuntos po
599. smos comandos op es dos menus correspondentes Eles s o listados aqui do jeito que aparecem da esquerda para a direita Abrir Pincel Gr ficos de Box Whisker Salvar Zoom Cancelar jittering Copiar Agrupamento Diminuir o n vel de jittering Imprimir Histogramas Aumentar o n vel de jittering Cores b sicas Linhas suavizadas Mascarar casos dentro do pincel Fonte para nomes Diagramas de 3D Restaurar passo a passo casos mascarados Fonte para escalas Modo direcionado Informa o sobre GraphID 40 3 2 Manipula o da Matriz de Diagramas de Dispers o Configurando a matriz de diagramas de dispers o A matriz corrente de diagramas de dispers o pode ser mudada usando o comando de menu Ver Configura o Vis vel Aqui voc pode colocar o n mero de colunas e linhas a serem exibidas na tela elas n o precisam ser iguais Outras c lulas podem se tornar vis veis atrav s da rolagem de tela Vari veis A caixa de di logo possui duas listas de vari veis Lista de origem e Vars selecionadas Movendo vari veis entre as listas pode ser feito ao se clicar nos bot es gt lt move somente vari veis selecionadas gt gt lt lt move todas as vari veis S mbolos Nessa caixa de di logo voc pode selecionar a forma e cor dos s mbolos que s o usados para representar cada grupo de casos nas plotagens Se nenhum grupo especificado ent o todos os casos pertencem a um grupo nico por default e todos ser o repres
600. so de A pode ser emparelhado com um ou mais casos de B casos em A que n o fazem o emparelhamento com um caso em B ser o descartados e n o ser o listados RUN MERGE FILES como no Exemplo 1 SETUP B INCLUDE Vi8 2 AND V21 3 COMBINING 2 DATASETS WITH DIFFERENT LEVELS OF DATA MATCH B DUPB A1 B15 B15 A2 A6 A12 B20 B31 B40 Exemplo 4 Renda domiciliar deve ser calculada de um arquivo de membros do domicilio e entao fundido de volta em registros de membros individuais AGGREG usado primeiro para somar renda V6 dos indiv duos do domic lio V3 a vari vel que identifica o domic lio o arquivo de sa da de AGGREG definido por DICTAGG e DATAAGG conter 2 vari veis a ID do domic lio V1 e renda do domic lio V2 esse arquivo ent o usado como o arquivo A com MERGE para adicionar a renda domiciliar adequada vari vel A2 a cada registro individual original vari veis B1 B46 RUN AGGREG FILES PRINT MERGE4 LST DICTIN INDIV DIC arquivo Dicion rio de entrada DATAIN INDIV DAT arquivo Dados de entrada DICTAGG AGGDIC TMP arquivo Dicion rio de sa da tempor rio do AGGREG DATAAGG AGGDAT TMP arquivo Dados de sa da tempor rio do AGGREG DICTOUT INDIV2 DIC arquivo Dicion rio de sa da do MERGE DATAOUT INDIV2 DAT arquivo Dados de sa da do MERGE SETUP AGGREGATING INCOME IDVARS V3 AGGV V6 STATS SUM OUTF AGG RUN MERGE SETUP MERGING HOUSEHOLD INCOME TO INDIVIDUAL RECORDS INAFILE AGG INBFILE
601. sooo a 9 9 Executando Setups do IDAMS 0 0 0000 ee ee 9 10 Manuseando Arquivos Resultados cccclccl 9 11 Criando Renovando Arquivos em Formato Texto e RTF 004 III Facilidades para Gerenciamento de Dados 10 Agrega o de Dados AGGREG 10 1 Descri o Geral e gerar oe eek Be SA RA AA sia AE TE EO bh E Sa Geese be 10 2 Caracter sticas Padr o do IDAMS 2 2 2 0 0000 a 10 3 Resultados 2 asa eaea a ii A he E So ed DP be dd da ed EO a 10 4 Dataset de Sa da 24 4 dase eee ee RR ee RR AR RA ee ee a 10 5 Dataset de Entradas ios i ae So glad a E ood Bo na ete Sok Be Gee be ed Sr a ANO ae 10 6 Estrutura de Setup cated ste eee eae SHAS SL OAS Sealed a ek kee ee 10 7 Declara es de Controle de Programa 2 2 200000 a LOS Restri es a radio pa ener eee ae ae pa TD a Ben elas Ae ae GE te eae Ge pe eke Oe a Se dd 10 9 Exemplo us asa ia ae i de ape ty O es A he a ae a a ee Be BeOS 11 Construgao de um Dataset IDAMS BUILD lik Deseri ao Geral aia ae Be ee Se ee ee epee heehee ee hee ee Phe bee 11 2 Caracter sticas Padr o do IDAMS 0 E E E E A a G ee 1d Ss Resultados prin side pd hte e he aL oh Se ang pena GR Bae eke E a V4 Dataset de Saida a a fona iege ee ee a a ee ee ee ae ee DS 11 5 Dicion rio d Entradas ds te Oe Ree a ee ee ef ha ee OR A ee A he 11 6 Dados de Entrada aa secar te ee ek Aba oe be ee ee A tior Estrutura de Setup i sen ae edie dd Bop de See ee AA be
602. stante ocorre como valor de uma das vari veis da lista varlist Prot tipo COUNT val varlist Onde e val normalmente uma constante mas pode ser tamb m uma vari vel R ou V e varlist d as vari veis R ou V cujos valores devem ser testados em rela o a val Exemplos R3 COUNT 1 V20 V25 Ser designado um valor para R3 igual ao n mero de vezes que o valor 1 ocorre nas 6 vari veis V20 V25 Isso poderia ser utilizado por exemplo para contar o n mero de respostas SIM de um respondente em um conjunto de perguntas R5 COUNT V1 V8 V10 Ser designado um valor para R5 igual ao n mero de vezes que o valor de V1 ocorre nas vari veis V8 V10 LOG A fun o LOG retorna um valor ponto flutuante que o logaritmo na base 10 do argumento passado fun o Prot tipo LOG arg Onde arg qualquer express o aritm tica para a qual o log da base 10 deve ser calculado Exemplos R10 LOG V30 Nota O logaritmo de qualquer n mero X na base B pode ser calculado diretamente pela seguinte trans forma o R1 LOG X LOG B 40 Facilidade Recode Para o logaritmo natural base e isso se torna simplesmente R1 2 302585 LOG X Portanto R1 2 302585 LOG V30 designar para R1 o logaritmo natural da vari vel 30 MAX A fun o MAX retorna o valor m ximo de um conjunto de vari veis Valores de dados perdidos s o exclu dos O argumento MIN pode ser usado para especificar o n mero m nimo de valores
603. t c pia 161 constru o 103 cria o de subconjuntos 161 defini o no IDAMS 11 intercala o 149 ddname 23 para arquivos de dicion rio e de dados 30 decis 191 285 353 420 declara es de controle 25 filtro 25 par metros 27 regras de codifica o 25 t tulo 27 default nos par metros do IDAMS 27 deletando casos 129 161 165 vari veis 161 165 densidades 322 desvio padr o 349 357 365 377 378 389 397 398 411 412 420 431 diagramas de dispersao 269 diagrama agrupado 324 manipula o 320 rota o 325 tridimensional 324 dicion rio 14 INDICE c pia 161 cria o 86 103 descrevedor de vari vel registro T 15 exemplo 16 label de c digo registros C 15 listagem 145 no setup de entrada 22 registro de descri o 14 verifica o 87 discriminante an lise 185 349 an lise fatorial 186 351 fun o 185 350 dist ncia chi quadrado 299 428 city block 176 219 299 338 375 428 de Mahalanobis 185 350 euclidiana 176 215 219 299 338 374 428 distribui es de freqti ncias 283 305 marginais 283 duplicados casos dele o 161 163 registros detec o e dele o 122 Durbin Watson teste 207 369 editando arquivos de texto 93 dados 57 valores de dados n o num ricos 30 103 escalonamento multidimensional 215 371 escores calculados por FACTOR 197 363 364 calculados por POSCOR 248 395 espa os em branco detec o 112
604. t1 md1 md2 varlist2 md1 md2 varlistn md1 md2 Onde e varlistl varlist2 varlistn s o listas de vari veis contendo listas de vari veis nicas e intervalos de vari veis e mdi and md2 s o o primeiro e segundo c digo de dados perdidos respectivamente para todas as vari veis listadas C digos de dados perdidos para valores decimais devem ser especificados com um ponto decimal expl cito Cuidado apenas duas casas decimais s o retidas pelas vari veis R arrendondando se o valor e g md1 especificado como 9 999 tratado como 10 00 e Ou mdl ou md2 deve ser omitida Se mdl omitida uma v rgula deve preceder o valor de md2 Exemplos MDCODES V5 8 9 O primeiro c digo de dados perdidos para V5 ser 8 o segundo c digo de dados perdidos ser 9 MDCODES R9 R11 99 V7 8 9 V6 9 Para R9 R10 e R11 o primeiro c digo de dados perdidos ser 1 5 x 10 e o segundo c digo de dados perdidos ser 99 Para V7 o primeiro c digo de dados perdidos ser 8 e o segundo c digo de dados perdidos ser 9 Para V6 o primeiro c digo de dados perdidos ser 9 e o segundo c digo de dados perdidos ser 1 6 x 10 NAME A declara o NAME designa nomes para vari veis R ou renomea vari veis V Prot tipo NAME varl namel var2 name varn name n Onde e varl var2 varn s o vari veis R ou V e namel name2 name n s o nomes para colocar nessas vari veis e O n mero m ximo de
605. ta o da vari vel no espa o de m fatores medida para TODOS OS TIPOS c DE AN LISE pela soma dos cossenos ao quadrado ver 7 f abaixo Valores pr ximos de 1 indicam um n vel maior de representa o da vari vel por meio dos fatores QED X 0052 a 1 PESO Valor do peso da vari vel Para TODOS OS TIPOS DE AN LISE ele calculado como o quociente entre o total da vari vel e o Total geral ver se o 2 acima multiplicado por 1000 Pj x 1000 fj P x Note que o peso PESO impresso na ltima linha da tabela igual a o Total geral para a an lise de correspond ncia o n mero de casos ponderados para outros tipos de an lise 46 7 Tabela de Fatores de Vari veis Ativas 361 d f g INR In rcia correspondendo vari vel Ela indica a parte da in rcia total relacionada vari vel no espa o de fatores Para a AN LISE DE CORRESPOND NCIAS ela calculada como o quociente entre a in rcia da vari vel e a in rcia total multiplicado por 1000 Note que a in rcia da vari vel depende do peso da vari vel e que o valor do Tra o usado aqui n o inclui os valores pr prios triviais J1 1 2 fy gt D Faj a 1 INR Tra o x 1000 onde Fy a ordenada da vari vel j correspondendo ao fator a ver 7 e abaixo Para a AN LISE DE PRODUTOS ESCALARES AN LISE DE COVARI NCIAS a in rcia da vari vel n o depende do peso da vari vel J1 2 Eaj 1 INR x 1000
606. tado os graus de liberdade para o erro ser igual ao n mero de casos menos o n mero de c lulas no design i Erros padr es da estima o Eles correspondem raiz quadrada dos elementos da diagonal da matriz Me 50 2 C lculos para um Teste em uma An lise Multivariada Os c lculos s o repetidos para cada teste requisitado pelo usu rio Resultados dos c lculos internos descritos abaixo nos pontos a ao d n o s o impressos a Matrize de somas de quadrados devido a hip tese A soma dos quadrados entre subclasses particionado de acordo com os v rios efeitos do modelo Para uma dada hip tese a ser testada o programa determina as estimativas ortogonais a serem testadas e computa a soma dos quadrados devido hip tese Sh b Sw e Sn reduzidos a quadrados m dios e escalonados no espa o de correla o A matriz de quadrados m dios para a hip tese M calculada analogamente aos quadrados m dios do erro Sh Ma dfn onde Sn a matriz de somas de quadrados devido a hip tese ver acima Os graus de liberdade para a hip tese dependem do teste requisitado para um teste de efeito principal 6 9 A onde o fator A possui a n veis os graus de liberdade para a hip tese ser a 1 M uma matriz de produtos das m dias entre subclasses associados com o efeito principal da hip tese de intera o 386 d An lise de Vari ncia Multivariada Ambos Me e Mp s o escalonados ao espa o de c
607. taset IDAMS Matrizes em IDAMS Alguns programas de an lise usam uma matriz quadrada ou retangular como input ao inv s de dados n o trabalhados A matriz quadrada usada para arranjos sim tricos de estat sticas bivariadas com uma constante na diagonal Somente o canto superior direito da matriz armazenado sem a diagonal A matriz retangular usada para arranjos de valores n o sim tricos O significado das linhas e colunas varia de acordo com o programa do IDAMS 1 5 Comandos do IDAMS e Arquivo Setup Com exce o dos componentes interativos do WinIDAMS a execu o de progamas do IDAMS iniciada por um setup O setup cont m informa o como especifica es de arquivo declara es de controle de programas instru es de codifica o de vari veis etc separada por comandos do IDAMS come ados pelo s mbolo que identifica o tipo de informa o sendo especificada O primeiro comando em um arquivo Setup do IDAMS sempre identifica o primeiro programa a ser executado e g RUN TABLES FILES DICTIN nome do arquivo Dicion rio DATAIN nome do arquivo Dados SETUP declara o de controle do programa TABLES RECODE declara es de codifica o de vari veis 1 6 Caracter sticas Padr o do IDAMS Sele o de casos Por default todos os casos de um arquivo Dados ser o processados em uma execu o de programa Para selecionar um subconjunto uma declara o de filtro inclu da no setup e g
608. tatisticas Bivariadas 2a Sr 226 vom clu inte NA AS ee AQUA EAD ee PO O g 412 56 Busca de Estrutura 413 56 1 An lise de M dias cccccccccl 413 56 2 An lise de Regress o auoe a nia e a a a a R a 415 56 3 An lise de Chi quadrado cc ccclccll A 416 D6 4 Referencias ums 264259 4p Saas Sp SS EA Le a Sp Rn a ed ae A DU CA He Bod 417 57 Tabelas Univariadas e Bivariadas 419 DT Estat sticas Univaniadas aos a op sie a nse wate a oe Ge DO O SANA eee ee o eae y Bn E STO de 419 57 2 Estat sticas Bivariadas eko ai iri ete aT a a A A a e aa a aT a A E ata a a aoe it 420 dra Nota sobre PESOS als ya mp ere ee ae is EE CR Pde wo Ae we eee es oe ete an E GU 426 58 Tipologia e Classificagao Ascendente 427 58 1 Tipos de Vari veis Utilizadas 2 2 2 ee 427 08 2 Perhl de Casona e tir a dice eth bE ae Be Vl A oa eae ar a Oe 2 ee Pg 427 98 3 Perfld Grupo i r ea 4c Se nG te eee Pb ee ee Re Pb bee fa ee ee 428 08 4 Dist ncias Usadas ais sense eit oe CL ee ee eho ee ee amp es Se eee 2 428 58 5 Construindo uma Tipologia Inicial 2 A 429 58 6 Caracter sticas de Dist ncias por Grupos 2 2 A 430 58 7 Estatisticas de Resumo para Varidveis Quantitativas e para Varidveis Qualitativas Ativas 431 58 8 Descri o de Tipologia Resultante 2 2 0 0 00 ee ee 431 58 9 Resumo da Quantidade de Vari ncia Explicada pela Tipologia 432 58 10Classifica o Ascendente Hier rquica 2 2 A 432 OS bl
609. te NO Sem normaliza o YES Normaliza o da matriz relacional executada antes do c lculo do valor da fun o de filia o das alternativas PRINT CDICT DICT CDIC Imprime o dicion rio de entrada para vari veis acessadas com registros C se houver DICT Imprime o dicion rio de entrada sem registros C Especifica es de an lise condicional somente no caso do m todo de l gica cl ssica As regras de codifica o s o as mesmas dos par metros Cada especifica o de an lise deve se iniciar em uma nova linha Exemplo PCON 66 DDIS 4 PDIS 20 DCON 1 n Diferen a de ranks controlando a concord ncia em opini es individuais casos Deve ser um inteiro no intervalo 0 at NALT 1 PCON 51 n Propor o m nima de concord ncia individual expressa como uma percentagem requerida na opini o coletiva Deve ser um inteiro no intervalo O at 99 O valor default significa que pelo menos 51 de concord ncia requerida para uma concord ncia coletiva DDIS 2 n Diferen a de ranks controlando a discord ncia em opini es individuais casos Deve ser um inteiro no intervalo 0 a NALT 1 PDIS 10 n Propor o m xima de discord ncia individual expressa como uma percentagem tolerada na opini o coletiva Deve ser um inteiro no intervalo o at 100 O valor default significa que n o mais de 10 de discord ncia individual tolerada 34 7 Restri es 1 2 O n mero m ximo de vari veis permitidas em qualq
610. te 32 33 N mero da sequ ncia do registro contendo a coluna inicial da vari vel 34 35 N mero da coluna inicial 36 37 N mero da sequ ncia do registro contendo a coluna final da vari vel 38 39 N mero da coluna final Ou este 32 35 Localiza o inicial da vari vel no caso 36 39 Largura do campo 1 9 para vari veis num ricas e 1 255 para vari veis alfab ticas 40 N mero de casas decimais apenas valores num ricos Espa os em branco n o implicam em casas decimais 41 Tipo de vari vel branco Num rica 1 Alfab tica 45 51 Primeiro c digo de dados perdidos para vari veis num ricas ou espa os em branco caso n o se especifique o primeiro c digo de dados perdidos Alinhamento a direita 52 58 Segundo c digo de dados perdidos para vari veis num ricas ou espa os em branco caso n o se especifique o segundo c digo de dados perdidos Alinhamento a direita 59 62 N mero de refer ncia opcional pode ser usado para conter alguma refer ncia alfanum rica imut vel para a vari vel e g o n mero original da vari vel ou refer ncia a uma quest o 73 75 ID do estudo opcional pode ser usado para identificar o estudo ao qual esse dicion rio pertence Nota 1 Quando n meros de registro e colunas s o usados para indicar a localiza o da vari vel listagens dos registros do dicion rio n o mostram os n meros de registro e colunas do jeito que eles aparecem no registro do dicion rio Ao contr rio a localiza
611. te maneira rela o de quasi equival ncia R Ra Rite rela o de prefer ncia estrita difusa R RE RIRE RU RNRD RYR onde RT uma rela o oposta rela o R Al m do mais a segunites fun es de filia o s o definidas respectivamente por R e RS p ai aj min rij tji E Tig Toji onde Tij gt Tji H ai as 0 demais casos Para qualquer alternativa fixa a E A a fun o p a a descreve um conjunto difuso de alternativas que s o estritamente dominadas por a O complemento desse conjunto difuso descrito pela fun o de filia o 1 u a a para qualquer a fixo o conjunto difuso de todas as alternativas que n o s o estritamente dominadas por a Ent o a interse o de todos esses conjuntos difusos complementares ao longo de todos os a A representa o conjunto difuso daquelas alternativas a A que n o s o estritamente dominadas por nenhuma das alternativas do conjunto A Esse conjunto chamado de conjunto difuso NP de alternativas ND no conjunto 4 Portanto de acordo com a defini o de interse o NDRY p ai mn p aj a 1 eras ai O valor uN a representa o grau em que a alternativa a n o estritamente dominada por qualquer uma das alternativas do conjunto A O N CLEO DE MAIOR N VEL DE ALTERNATIVAS cont m aquelas alternativas a que oferecem o maior grau de n o domin ncia ou em outras palavras que fornece um valor de uP
612. te que o fator de ajustamento A usado no programa MCA para an lise de vari ncia univariada calculado diferentemente do que no programa ONEWAY de fato N 1 N c A 49 7 Refer ncias Andrews F M Morgan J N Sonquist J A and Klem L Multiple Classification Analysis 2nd ed Institute for Social Research The University of Michigan Ann Arbor 1973 Capitulo 50 An lise de Vari ncia Multivariada Nota o y valor da vari vel dependente ou covariate i j subscritos para categorias de preditores subscrito para o caso p n mero de vari veis dependentes dfn graus de liberdade para a hip tese dfe graus de liberdade para o erro 50 1 Estat sticas Gerais a b d M dias das c lulas Fa a yYijk representar o valor de uma vari vel dependente ou covariate para o caso k na subclasse i j de uma classifica o a dois fatores Vijk k 1 Ya N onde N igual ao n mero de casos na subclasse i j Base de design A matriz de design gerada desenvolvendo se primeiro para cada fator uma matriz de design de um fator uma matriz A de acordo com o tipo de contraste especificado pelo usu rio para aquele fator A matriz de design geral K obtida das matrizes de um fator Ky atrav s do produto de Kronecker entre as matrizes A matriz de design sempre impressa com as equa es de efeitos em colunas come ando com o efeito da grande m dia na primeira coluna Intercorrela l
613. ter da base de dados de texto para programas do IDAMS Arquivo de refer ncia cruzada da base de dados de texto para programas do IDAMS Defini o do mapeamento entre ddnames e nomes de arquivos Arquivo execut vel do GraphID Arquivo Ini utilizado por GraphID para armazenar cores fontes e coordenadas Arquivo execut vel do TimeSID Dil usada por GraphID e TimeSID Dil usada por TimeSID Arquivo de ajuda do manual do WinIDAMS Prot tipos para progamas do IDAMS 6 5 Desinstala o 67 Arquivos de dicion rio e de dados utilizados para os exemplos no folder Dados data WinIDAMS13 EN data WinIDAMS13 FR data WinIDAMS13 SP data WinIDAMS13 PTl data educ dic educ dat rucm dic rucm dat watertim dic watertim dat data csv tab mat Setup de demonstra o e arquivo de resultados no folder Trabalho work WinIDAMS13 EN work WinIDAMS13 FR work WinIDAMS13 SP work WinIDAMS13 PT work demo set demo 1lst 6 5 Desinstalagao Um programa desinstalador criado durante o procedimento de instala o O usu rio pode executar o desinstalador ao clicar no WinIDAMS13 PT Uninstall WinIDAMS13 PT no menu Program Manager Start ou ao deletar a entrada WinIDAMS Vers o 1 3 em Portugu s Janeiro de 2005 no applet Add Remove Programs Control Panel O desinstalador deleta o conte do do folder do WinIDAMS selecionado durante o processo de instala o Ele n o deleta folders que n o estejam vazios Capitulo 7 In
614. ter valores inteiros que n o sejam maiores que 32 767 Note que pesos com valores decimais s o arredondados para o inteiro mais pr ximo Quando o valor da vari vel de pondera o para um caso zero negativo perdido n o num rico ou excede o m ximo ent o o caso pulado o n mero de casos tratados dessa maneira impresso Tratamento de dados perdidos O par metro MDVALUES est dispon vel para indicar quais valores de dados perdidos se houver devem ser utilizados para a checagem de dados perdidos Casos contendo um valor de dados perdidos em uma vari vel de an lise s o eliminados dessa an lise 25 3 Resultados Dicion rio de entrada Opcional ver o par metro PRINT Registros de descri o de vari veis e registros C se houver somente para vari veis usadas na execu o Resultados para cada an lise Fun o de distribui o m nimo m ximo e pontos de quebra de subintervalo Fun o de Lorenz opcional m nimo m ximo e pontos de quebra de subintervalo e coeficiente de Gini Curva de Lorenz opcional plotada em decis Estat sticas do teste de Kolmogorov Smirnov opcional 192 Fun es de Distribui o e de Lorenz QUANTILE 25 4 Dataset de Entrada A entrada um arquivo Dados descrito por um dicion rio do IDAMS Todas as vari veis que s o referenciadas exceto o filtro principal devem ser num ricas elas podem ter valores inteiros ou decimais 25 5 Estrutura de Setup R
615. terface do Usu rio e Facilidades B sicas Recode Ellen Grun ISR Peter Solenberger ISR Interface do Usu rio Jean Claude Dauphin UNESCO Acesso on line ao Manual de Refer ncia Pawel Hoser Jean Claude Dauphin Polish Academy of Sciences UNESCO Facilidades para Gerenciamento de Dados AGGREG Tina Bixby Jean Claude Dauphin BUILD Carl Bixby Sylvia Barge Tibor Diamant CHECK Tina Bixby Jean Claude Dauphin CONCHECK Neal Van Eck CORRECT Tibor Diamant IMPEX P ter Hunya LIST Marianne Stover Sylvia Barge Jean Claude Dauphin MERCHECK Karen Jensen Sylvia Barge Zolt n Vas MERGE Tina Bixby Nancy Barkman Jean Claude Dauphin SORMER Carol Cassidy Jean Claude Dauphin SUBSET Judy Mattson Judith Rattenbury Jean Claude Dauphin TRANS Jean Claude Dauphin ISR UNESCO ISR ISR UNESCO ISR UNESCO Van Eck Computing Consulting UNESCO UNESCO ISR ISR UNESCO ISR ISR JATE ISR ISR NESCO R NESCO R R NESCO NESCO Mw w w WU ahd iv Facilidades para An lise de Dados CLUSFIND CONFIG DISCRAN FACTOR MANOVA MCA MDSCAL ONEWAY PEARSON POSCOR QUANTILE RANK REGRESSN SCAT SEARCH TABLES TYPOL Tabelas Multidimensionais GraphID TimeSID Leonard Kaufman Peter J Rousseeuw Neal Van Eck Tibor Diamant Herbert Weisberg J M Romeder and ADDAD P ter Hunya Tibor Diamand J P Benz cri E R Iagolnitzer P ter Hunya Charles E Hall Elliot M Cramer Neal Van E
616. tes que um c digo de MD seja produzido Um valor inteiro DEC 2 n Para vari veis computadas involvendo m dia vari ncia ou desvio padr o o n mero de casas decimais em adi o aquelas da vari vel de entrada correspondente ver Restri o 7 TRANSVARS lista de vari veis Vari veis cujos valores como designados para o primeiro caso de cada grupo devem ser trans feridos para o arquivo de sa da Vari veis R n o s o permitidas PAD1 constante PAD2 constante PAD3 constante PAD4 constante PAD5 constante At 5 constantes podem ser adicionadas ao dataset de sa da O n mero de caracteres dado determina a largura de campo da constantes 102 Agregacao de Dados AGGREG PRINT MDTABLES GROUPS DATA CDICT DICT OUTDICT OUTCDICT NOOUTDICT MDTA Imprime uma tabela dando o percentual de dados perdidos encontrados para cada vari vel agregada em cada grupo GROU Imprime o n mero de casos por grupo DATA Imprime o valor de cada vari vel computada em cada registro de grupo CDIC Imprime o dicion rio de entrada para as vari veis acessadas com registros C se houver DICT Imprime o dicion rio de entrada sem registros C OUTD Imprime o dicion rio de sa da sem registros C OUTC Imprime o dicion rio de sa da com registros C de vari veis ID e de transfer ncia se houver NOOU N o imprime o dicion rio de sa da 10 8 Restri es 1 N mero m ximo de vari veis a serem agregadas 400 2 N mero m ximo de
617. tifica o de caso Um usu rio poderia especificar MAXCASES 100 apenas os primeiros 100 casos ser o usados IDLOC 1 3 7 9 a ID do caso est localizada nas colunas 1 3 e 7 9 4 Uma palavra chave seguida por uma ou mais valores de palavra chave Os valores de palavras chave po dem ser uma mistura de op es mutuamente exclusivas separadas por barras e op es independentes separadas por v rgulas Por exemplo PRINT OUTDICT OUTCDICT NOOUTDICT DATA OUTD Imprime o dicion rio de sa da sem registros C OUTC Imprime o dicion rio de sa da com os registros C se houver NOOU N o imprime dicion rio de sa da DATA Imprime os valores das vari veis de sa da Um usu rio poderia especificar PRINT OUTC DATA o dicion rio de sa da completo impresso e os valores dos dados s o impressos PRINT NOOUTDICT nenhum dicion rio de sa da ou valores de dados s o impressos 3 5 Declara es de Controle de Programa 29 5 Um conjunto de palavras chave mutuamente exclusivas Apenas uma de um conjunto de op es pode ser selecionada e g SAMPLE POPULATION SAMP Computa a vari ncia e ou desvio padr o usando a equa o da amostra POPU Usa a equa o da popula o Todas as palavras chave exceto as do ltimo tipo s o seguidas por um sinal de igualdade Os valores do caracter num rico e da palavra chave que seguem o sinal de igualdade s o chamados de valores associados Regras de codifica o Regra
618. to 7 o valor s calculado da seguinte maneira b Qi SU max a bi onde a a dissimilaridade m dia do objeto i em rela o a todos os outros objetos do cluster A que cont m 7 e onde b a dissimilaridade m dia do objeto em rela o a todos os outros objetos do cluster mais pr ximo B vizinho do objeto i Note que o cluster vizinho um tipo de segundo melhor para o objeto i Quando o cluster A cont m apenas um objeto i o s zero s 0 h Largura m dia de silhueta de um cluster a m dia de s para todos os objetos i em um cluster i Largura m dia de silhueta a m dia de s para todos os objetos 7 nos dados i e largura m dia de silhueta para k clusters Isso pode ser utilizado para selecionar o melhor n mero de clusters escolhendo aquele k dando a maior m dia de s Outro coeficiente SC chamado COEFICIENTE DE SILHUETA pode ser calculado manualmente como a largura m dia m xima de silhueta ao longo de todo o k para o qual a silhueta pode ser constru da Esse coeficiente uma medida adimensional da quantidade de estrutura de agrupamento que foi descoberta pelo algoritmo de classifica o SC max Sk Rousseeuw 1987 prop s a seguinte interpreta o do coeficiente SC 0 71 1 00 Uma estrutura forte foi encontrada 0 51 0 70 Uma estrutura razo vel foi encontrada 0 26 0 50 A estrutura fraca e pode ser artificial por favor tente m todos adicionais nesses da
619. to fixo do IDAMS seja criado a partir de qualquer arquivo de texto em formato livre ou formato DIF Arquivos de dados criados pelo IDAMS s o sempre arquivos de caracteres em formato fixo Tais arquivos podem ser usados diretamente por outros softwares em conjunto com a informa o descritiva apropriada dos dados para aquele programa Dados em formato livre com Tab v rgula ou ponto e v rgula usados como separadores podem ser obtidos atrav s da Interface de Usu rio do WinIDAMS Al m disso o programa IMPEX permite que um arquivo em formato fixo do IDAMS seja exportado como texto em formato livre ou formato DIF Matrizes IDAMS s o armazenadas em um formato espec fico do IDAMS descrito no cap tulo Dados em IDAMS O programa IMPEX pode ser usado para importar exportar matrizes em formato livre 1 8 Troca de Dados entre CDS ISIS e IDAMS H um programa separado WinIDIS que prepara a descri o de dados e executa trasfer ncia de dados entre IDAMS e CDS ISIS o software da UNESCO para gerenciamento de base de dados e recupera o de informa o Essa transfer ncia controlada pelos arquivos de descri o de dados do IDAMS e do ISIS o dicion rio do IDAMS e a Tabela de Defini o de Campo do CDS ISIS Ao se ir do ISIS para o IDAMS um novo dicion rio e arquivos Dados s o sempre constru dos e podem ser fundidos com outros dados usando se as facilidades de gerenciamento de dados do IDAMS Ao se ir do IDAMS para o ISIS existem
620. todos os resultados e valores de vari veis de emparelhamento para casos aparecendo apenas no dataset A estando ou n o inclu dos no dataset de sa da Imprima todos os resultados e valores de vari veis de emparelhamento para casos aparecendo apenas no dataset B estando ou n o inclu dos no dataset de sa da Impima o dicion rio de sa da sem registros C Impima o dicion rio de sa da com registros C se houver N o imprima o dicion rio de sa da 4 Especifica o de vari veis de emparelhamento mandat rio Essa declara o define as vari veis dos datasets A e B que devem ser comparadas para emparelhar casos Note que cada arquivo de dados de entrada deve ser classificado de acordo com suas vari veis de emparelhamento antes de se usar MERGE Exemplo A1 B3 A5 B1 o que significa que para que um caso do dataset A case com um caso do dataset B o valor da vari vel V1 de A deve ser id ntico ao valor da vari vel V3 de B similarmente para as vari veis V5 e V1 Formato geral An Bm Aq Br Regras de codifica o e A largura do campo das vari veis a serem comparadas deve ser o mesmo A compara o feita tomando como base os caracteres n o os n meros Portanto 0 9 n o equivalente a 009 nem 9 igual a 09 Se as larguras dos campos n o s o as mesmas use o programa TRANS para mudar a largura de uma das vari veis antes de usar MERGE e Cada par de vari veis de emparelhamento
621. todos uic 0 ou 1 N k Fe 5 30 uZ N i 1 c 1 Coeficiente de parti o normalizado de Dunn A vers o normalizada do coeficiente de parti o de Dunn sempre varia de O at 1 seja qual for o valor de k escolhido pats 1 k o 1 ee e k i Agrupamento duro mais pr ximo Essa parti o agrupamento duro obtida ao se designar cada objeto ao cluster no qual ele possui o maior coeficiente de filia o Siluetas de clusters e estat sticas relacionadas s o calculadas da mesma maneira que em PAM 42 9 Agrupamento Hier rquico Aglomerativo AGNES Esse m todo pode ser aplicado ao mesmo tipo de dados que os dos m todos PAN e FANNY Contudo n o mais preciso especificar o n mero de clusters requeridos O algoritmo constr i uma hierarquia do tipo rvore que cont m implicitamente todos os valores de k iniciando com N clusters e procedendo por meio de fus es sucessivas at que um nico cluster seja obtido com todos os objetos No primeiro passo os dois objetos mais pr ximos i e com a menor dissimilaridade inter objeto s o juntos para constituir um cluster com dois objetos enquanto os outros clusters mant m apenas um membro Em cada passo sucessivo os clusters mais pr ximos com a menor dissimilaridade inter objeto s o fundidos a Dissimilaridade entre dois clusters No algoritmo AGNES o m todo de m dia de grupo de Sokal e Michener s vezes chamado m todo da m dia de grupo emparel
622. transferidas para o arquivo de sa da Note que Recode usado para fazer uma c pia das vari veis pois uma restri o no programa a de que uma vari vel s pode ser utilizada uma vez em uma execu o 32 9 Exemplos 253 RUN POSCOR FILES PRINT POSCOR1 LST DICTIN PREF DIC arquivo Dicion rio de entrada DATAIN PREF DAT arquivo Dados de entrada DICTOUT SCORES DIC arquivo Dicion rio de sa da DATAOUT SCORES DAT arquivo Dados de sa da SETUP COMPUTATION OF TWO SCORES MDHAND CASES IDVAR V2 TRANSVARS V4 TYPE INCLUDE V7 1 2 3 POSCOR ORDER DESR ANAME GLOBAL SCORE INCR DNAME GLOBAL SCORE DECR VARS V10 V12 V35 V40 ORDER DESR ANAME ADJUSTED SCORE INCR DNAME ADJUSTED SCORE DECR SUBS TYPE VARS R10 R12 R35 R40 RECODE R10 V10 R12 V12 R35 V35 R36 V36 R37 V37 R38 V38 R39 V39 R40 V40 Exemplo 2 C mputo de tr s escores baseados em casos dominantes relativos ao n mero total de casos vari veis de an lise n o devem ser transferidas para o arquivo de sa da vari veis contendo valores de dados perdidos devem exclu das da compara o vari veis de identifica o de caso V1 e V5 s o transferidas RUN POSCOR FILES como no Exemplo 1 SETUP COMPUTATION OF THREE SCORES AUTR NO IDVAR V1 TRANSVARS V5 POSCOR ORDER ASEA ANAME SCORE 1 INCR VARS V11 V17 V55 V60 ORDER ASEA ANAME SCORE 2 INCR VARS V108 V110 V114 V116 V118 V120 ORDER ASEA ANAME SCORE 3 INCR VARS V22
623. transferidas para o arquivo de sa da juntamente com 2 novas vari veis n meros de vari vel n o s o mudados a largura do campo da vari vel de entrada V20 mudada para 4 21 9 Exemplos 169 RUN TRANS FILES PRINT TRANS1 LST DICTIN OLD DIC arquivo Dicion rio de entrada DATAIN OLD DAT arquivo Dados de entrada DICTOUT NEW DIC arquivo Dicion rio de sa da DATAOUT NEW DAT arquivo Dados de sa da SETUP CONSTRUCTING TWO NEW VARIABLES PRINT NOOUTDICT OUTVARS V1 V19 R20 V33 V45 V50 R105 R122 VARS R105 WIDTH 1 VARS R122 WIDTH 3 DEC 1 VARS R20 WIDTH 4 RECODE R20 V20 NAME R20 VARIABLE 20 R105 BRAC V5 15 25 1 lt 36 2 lt 46 3 lt 56 4 lt 66 5 lt 90 6 ELSE 9 MDCODES R105 9 NAME R105 GROUPS OF AGE IF MDATA V22 THEN R122 99 9 ELSE R122 V22 3 MDCODES R122 99 9 NAME R122 NO ARTICLES PER YEAR Exemplo 2 Esse exemplo mostra o uso de TRANS para checar declara es de Recode valores de dados para as vari veis de ID V1 V2 as vari veis sendo usadas nas recodifica es e as vari veis de resultado s o listadas para os primeiros 30 casos o dataset de sa da n o requisitado e n o definido RUN TRANS FILES PRINT TRANS2 LST DICTIN STUDY DIC arquivo Dicion rio de entrada DATAIN STUDY DAT arquivo Dados de entrada SETUP CHECKING RECODES WIDTH 2 PRINT DATA NOOUTDICT MAXCASES 30 OUTVARS V1 V2 V71 V74 V118 V12 V13 R901 R903 RECODE R901 BRAC V118 1 16 2 1
624. tribui o para os fatores Os fatores podem ser salvos em um dataset e uma representa o gr fica dos casos e ou vari veis no espa o de fatores pode ser obtida Vari veis ativas e passivas podem ser distinguidas Regress o linear REGRESSN An lise de regress o linear m ltipla padr o e stepwise passo a passo Tanto um dataset quanto uma matriz de correla o podem ser usados como input Res duos podem ser impressos juntamente com a estat stica de Durbin Watson de autocorrela o de primeira ordem e eles tamb m podem ser salvos para futura an lise Escalonamento multidimensional MDSCAL Esse um procedimento de escalonamento multidimen sional n o m trico para a an lise de similaridades Ele opera em uma matriz de medida de similaridade ou dissimilaridade e procura pela melhor representa o geom trica dos dados no espa o n dimensional O usu rio controla a dimensionalidade da configura o obtida a m trica de dist ncia e a maneira com que os empates valores iguais devem ser tratados An lise de classifica o m ltipla MCA Examina as rela es entre diversos preditores vari veis de con trole e uma nica vari vel dependente e determina o efeito de cada preditor antes e depois do ajustamento das inter correla es com outros preditores Propicia informa o sobre rela es bivariadas e multivariadas entre preditores e a vari vel depenedente Res duos podem ser impressos e ou salvos em um dataset A
625. triz de covari ncia Opcional ver o par metro PRINT A parte triangular inferior esquerda da matriz com a diagonal Em cada uma das matrizes acima um m ximo de 11 colunas e 27 linhas s o impressas por p gina Op o de matriz retangular Tabela de freqii ncias de vari veis N mero de casos v lidos para cada par de vari veis Tabela de valores m dios para vari veis de coluna M dias s o calculadas e impressas para cada vari vel de coluna ao longo de todos os casos que sejam v lidos para cada vari vel de linha Tabela de desvios padr es para vari veis de coluna Igual s m dias Matriz de correla o Opcional ver o par metro PRINT Coeficientes de correla o para todos os pares de vari veis Matriz de covari ncia Opcional ver o par metro PRINT Covari ncias para todos os pares de vari veis Em cada uma das matrizes acima um m ximo de 8 colunas e 50 linhas s o impressas por p gina Nota Se um par de vari veis n o possui casos v lidos 0 0 impresso para a m dia desvio padr o correla o e covari ncia 33 4 Matrizes de Sa da Matriz de correla o A matriz de correla o na forma de matriz quadrada do IDAMS produzida quando o par metro WRITE CORR especificado O formato usado para escrever as correla es 8F 9 6 o formato para ambas m dias e desvios 33 5 Dataset de Entrada 257 padr es 5E14 7 Colunas 73 80 s o utilizadas para identificar os registros A matr
626. trole usado em ONEWAY equivalente a vari vel independente preditor ou em terminologia de an lise de vari ncia vari vel de tratamento Uma alternativa a ONEWAY o programa MCA quando apenas um preditor especificado Ele permite um c digo m ximo de 2999 para uma vari vel de controle enquanto que ONEWAY limitado a um c digo m ximo de 99 31 2 Caracter sticas Padr o do IDAMS Sele o de casos e vari veis O filtro padr o est dispon vel para selecionar um subconjunto dos casos dos dados de entrada Esse filtro afeta todas as an lises em uma execu o Al m disso at dois filtros locais est o dispon veis para selecionar independentemente um subconjunto dos casos de dados para cada an lise Se dois filtros locais s o utilizados um caso deve satisfazer ambos para ser inclu do na an lise Vari veis s o selecionadas para cada an lise pelo par metro de tabela DEPVARS e CONVARS Uma tabela separada produzida para cada vari vel da lista DEPVARS com cada vari vel da lista CONVARS Transformando dados Declara es de Recode podem ser usadas Ponderando dados Uma vari vel pode ser usada para ponderar os dados de entrada essa vari vel de pondera o pode ter valores inteiros ou decimais Quando o valor da vari vel de pondera o zero negativo perdido ou n o num rico ent o o caso sempre evitado o n mero de casos tratados dessa maneira impresso Tratamento de dados p
627. try 0 KA i Tij demais casos 54 4 M todo difuso 1 Camadas Nao dominadas Os m todos de ordenamento baseados em l gica difusa assumem uma rela o de prefer ncias difusas com a fun o de filia o u A x A 0 1 em um dado conjunto A de alternativas Essa fun o de filia o representada pela matriz R ver se o 3 acima Os valores r ai aj s o entendidos como os graus em que as prefer ncias expressas pelas declara es a prefer vel a a s o verdadeiras 54 4 M todo difuso 1 Camadas Nao dominadas 407 Uma outra hip tese a de que no caso de prefer ncia fraca u reflexiva i e ulai ai fr 1 para todo a E A no caso de preferencia estrita e anti reflexiva i e Llai ai ru 0 para todo a E A O procedimento de m todo difuso 1 procura por um CONJUNTO DE ALTERNATIVAS NAO DOMINADAS de notado por alternativas ND considerando tal conjunto como o n cleo de alternativas de maior n vel A raz o para isso que alternativas ND ou s o equivalentes em rela o a si mesmas ou n o s o compar veis tomando se como base a rela o de prefer ncias considerada e elas n o s o dominadas em um sentido estrito pelas outras alternativas Para determinar um conjunto difuso de alternativas ND duas rela es difusas correspondendo a rela o de prefer ncia R s o definidas rela o de quasi equival ncia difusa e rela o estrita difusa Formalmente elas s o definidas da seguin
628. u descartados ou preenchidos com espa os em branco Todos os casos com erro de fus o s o listados Corre es s o agora feitas nos erros detectados por MERCHECK Isso pode ser feito de diversas maneiras Re entrar com casos ruins e fundi los com o arquivo de sa da de MERCHECK usando SORMER Corrigir o dados brutos originais com um editor e refazer os passos 2 e 3 Re entrar os casos ruins executar passos 2 e 3 e ent o fundir o resultado dessa execu o do passo 3 com o resultado original do passo 3 Qualquer que seja o m todo selecionado MERCHECK deve ser re executado no arquivo corrigido para ter se certeza que todos os erros foram tratados 5 1 3 Checando Valores N o num ricas e Inv lidas Passo 5 Passo 6 Passo 7 Prepare um dicion rio para todas as vari veis com as instru es apropriadas de lidar com campos em branco Execute BUILD Um dataset IDAMS produzido arquivos de Dados e Dicion rio Todos os valores n o num ricos inesperados s o convertidos em 9 s e reportados nos resultados Usando TABLES imprima frequ ncias de distribui o de todas as vari veis qualitativas e valores de m nimo de m ximo e de m dia para vari veis quantitativas Isso d uma id ia inicial do conte do dos dados e mostra que vari veis possuem c digos inv lidos vari veis qualitativas ou valores muito grandes pequenos vari veis quantitativas Isso pode tamb m ser comparado mais tarde com u
629. uer execu o 200 incluindo aquelas usadas em declara es de Recode e a vari vel de pondera o O n mero m ximo de vari veis de an lise 60 34 8 Exemplos 267 34 8 Exemplos Exemplo 1 Determinacao da ordem de ranks de alternativas usando dados coletados na forma de ordena mento de alternativas h 10 alternativas assumida uma rela o de prefer ncias fraca e a an lise deve ser feita utilizando se o m todo Ranks RUN RANK FILES PRINT RANK1 LST DICTIN PREF DIC arquivo Dicion rio de entrada DATAIN PREF DAT arquivo Dados de entrada SETUP RANK ORDERING OF ALTERNATIVES RANKS METHOD DATA RANKS PREF WEAK METH NOCL RANKS VARS V21 V30 Exemplo 2 Determina o da ordem de ranks de alternativas usando dados coletados na forma de uma sele o de prioridades tr s alternativas s o selecionadas de 20 e a ordem das vari veis determina a prioridade de sele o rela o de prefer ncia estrita assumida ambos os m todos difusos s o requisitados na an lise RUN RANK FILES como no Exemplo 1 SETUP RANK ORDERING OF ALTERNATIVES TWO FUZZY METHODS NALT 20 METH NOCL NOND RANKS VARS V101 V103 Exemplo 3 Determinacao de uma ordem de ranks de alternativas usando dados coletados na forma de uma sele o de prioridades 4 alternativas s o selecionadas de 15 e a ordem das vari veis nao determina a prioridade de sele o prefer ncia fraca quatro an lises de l gica cl ssica s o ex
630. uindo K Esses par metros s o ortogonais S uma matriz que calcula a ortogonaliza o Gram Schmidt de K na m trica D e reduz as suas linhas ao um comprimento unit rio S e portanto S s o triangulares Particionamento de matrizes Em uma an lise de vari ncia univariada cada caso possui uma vari vel dependente y em uma an lise de vari ncia multivariada cada caso possui um vetor y de vari veis dependentes O an logo multivariado de y o produto de matrizes y y e o an logo multi variado da soma dos quadrados a soma dos produtos das matrizes Em uma an lise multivariada h uma matriz correspondendo a cada soma de quadrados em um design univariado Testes multivariados dependem das parti es da soma total dos produtos tanto quanto testes univariados dependem das parti es da soma total dos quadrados As f rmulas para a soma total dos produtos a soma dos produtos entre classes e a soma de produtos intra classes s o S Y Y Sp Y DY Sw Y Y Y DY onde Y a matriz original de dados N x p N casos p vari veis dependentes Y a matriz original de m dias das c lulas n x p n c lulas p vari veis dependentes D uma matriz diagonal com o n mero de casos em cada c lula A soma dos produtos entre subclasses particionado novamente de acordo com os efeitos no modelo Matriz de correla o de erro Em uma an lise de vari ncia multivariada o termo do erro uma matriz de vari ncia covari
631. uivo Resultados exibido automaticamente Navega o r pida pelos resultados facilitada atrav s das tabelas de conte do Voc pode acessar o in cio de resultados de um programa particular ou mesmo uma se o em particular Al m disso o menu Editar fornece acesso a uma facilidade de busca 9 11 Criando Renovando Arquivos em Formato Texto e RTF 93 TB Wintpams idams Ist 10 x Arquivo Editar Ver Executar Interativo Janela Ajuda l xj D e na repo ZABEK 22 p e idams lst fregi ncias univari EI TABLES Fr Setup Tabela n mero 2 00 Distribui o de fr Recodifi Par met N mero de vari vel 3 Sexo Conteric Fator de escala A Mp1 9 MZ Tabela r N Total 5 Tabela r Tia C digo d 2 Label Masculin Feminino Frequ ncia Z 3 H INS Page 6 Line 1 Col 1 X DIE demog dic demog dat demogl set idams st Pronto Linha NUM A janela dividida em tr s espa os um mostrando a tabela de conte do TOC dos resultados como uma rvore o segundo mostrando os resultados propriamente ditos e o terceiro exibindo mensagens de erro e de advert ncia inclu dos nos resultados Por default a pagina o dos resultados obtidos pelos programas retida a op o Modo de p gina na caixa de checagem do menu Ver est marcada Para tornar os resultados mais compactos desmarque essa op o Linhas
632. ult ddname DATAIN BADDATA STOP SKIP MD1 MD2 Tratamento de valores nao num ricos importados ou exportados e valores de saida com largura de campo insuficiente Ver cap tulo O Arquivo Setup do IDAMS MAXCASES n Aplic vel apenas se importa o exporta o de dados for especificada O n mero m ximo de casos depois da filtragem a ser usado do arquivo de dados de entrada Default Todos os casos s o utilizados MAXERR 0 n O n mero m ximo de erros de largura de campo insuficiente permitido antes da execu o parar Esses erros ocorrem quando o valor de uma vari vel muito grande para caber no campo apontado e g um valor de 250 quando a largura do campo de 2 foi especificada OUTFILE OUT yyyy Um sufixo ddname de 1 4 caracteres para os arquivos de sa da Arquivos de Dicion rio e Dados obtidos pela importa o default ddnames DICTOUT DATAOUT Arquivo Matrix do IDAMS obtido por importa o default ddname DATAOUT Arquivo Dados ou Matrix exportado default ddname DATAOUT OUTVARS lista de vari veis Aplic vel somente se a exporta o de dados especificada Vari veis R e V que devem ser exportadas A ordem das vari veis na lista n o significante pois elas s o produzidas em ordem num rica ascendente Todas os n meros das vari veis R e V devem ser nicos N o h default MATSIZE n m Aplic vel apenas se importa o de matriz n o especificada N mero de linhas e colunas da
633. underscore na v rgula e aspas respectivamente e g v8 Don_t e Valores de corre o para vari veis alfab ticas devem casar com a largura da vari vel Se o valor de corre o cont m espa os em branco ou caracteres min sculos ele deve vir entre aspas simples 15 8 Restri o O n mero m ximo de vari veis de ID de caso 5 15 9 Exemplo Corre o do arquivo de dados tanto vari veis num ricas quanto alfab ticas devem ser corrigidas e dois casos devem ser deletados casos s o identificados pelas vari veis V1 V2 e V5 o dicion rio n o mudado e portanto um dicion rio de sa da n o necess rio 15 9 Exemplo 133 RUN CORRECT FILES PRINT CORRECT1 LST DICTIN DATA1 DIC arquivo Dicion rio de entrada DATAIN DATA1 DAT arquivo Dados de entradaa DICTOUT DATA2 DIC arquivo Dicion rio de sa da mesmo de entrada DATAOUT DATA2 DAT arquivo Dados de saida corrigido SETUP CORRECTING A DATA FILE IDVARS V1 V2 V5 ID 311 01 21 V12 JOHN MILLER ID 311 05 41 DELETE ID 557 11 32 V58 199 V76 2 V90 155 ID 559 11 35 V12 AGATA CHRISTI V13 F ID 657 31 11 V58 100 V77 4 V90 105 V36 999999 V37 999999 V38 999999 V41 98 V44 99 ID 711 15 11 DELETE Capitulo 16 Importa o Exporta o de Dados IMPEX 16 1 Descri o Geral O programa IMPEX executa importa o exporta o de dados em formato livre e DIF e importa o exporta o de matrize
634. upo Rotacionar podem ser usados para rotacionar a matriz ao longo do eixo vertical Os bot es nos grupos Colunas e Linhas podem ser usados para mudar o tamanho das colunas e linhas respectivamente Os bot es no grupo Centro permite voc mover seno gr fico para a esquerda direita para cima e para baixo Capitulo 41 An lise de S ries Temporais 41 1 Vis o Geral TimeSID um componente do WinIDAMS para an lise de s ries temporais Ele usa datasets do IDAMS como entrada onde os arquivos de dicion rio e de dados devem possuir a mesma extens o dic e dac respectivamente Somente um dataset pode ser usado por vez i e a abertura de outro dataset automaticamente fecha aquele sendo utilizado 41 2 Prepara o da An lise Sele o de dados Use o comando de menu Arquivo Abrir ou clique o bot o Abrir da barra de ferramentas Ent o na caixa de di logo Abrir selecione seu arquivo Fazendo Arquivos de tipo igual a Arquivos Dados dat exibir apenas arquivos de dados do IDAMS Sele o de s ries Voc ser requisitado a especifcar as s ries vari veis que voc quer analisar Vari veis num ricas podem ser selecionadas da lista S ries acess veis e movidas para a rea S ries selecionadas Mover vari veis entre listas pode ser feito clicando se nos bot es gt lt move somente vari veis selecionadas gt gt lt lt move todas as vari veis Note que vari veis alfab ticas n o
635. utada pelo IDAMS durante a execu o do setup Tamb m erros de execu o que n o s o detectados aqui s o reportados nos resultados 9 9 Executando Setups do IDAMS Para executar programas do IDAMS para o qual instru es foram preparadas e salvas em um arquivo Setup use o comando Executar Selecionar Setup em qualquer janela de documento do WinIDAMS Voc ser requisitado atrav s de uma caixa de di logo padr o do Windows a selecionar o arquivo de onde as instru es devem ser obtidas durante execu o Se voc estiver preparando suas instru es na janela Setup voc pode executar programas do Setup corrente utilizando o comando de menu Executar Setup corrente Os programas ser o executados e os resultados escritos no arquivo especificado em PRINT no FILES o default IDAMS LST no folder Trabalho corrente No final da execu o o arquivo Resultados ser aberto na janela Resultados 9 10 Manuseando Arquivos Resultados A janela Resultados para acessar exibir e imprimir partes selecionadas dos resultados chamada quando e voc abre o arquivo Resultados com extens o Ist exibido na janela Aplica o d um clique duplo no nome do arquivo requerido na lista Results e voc abre um arquivo Resultados com qualquer extens o que n o est na janela Aplica o o comando de menu Arquivo Abrir Resultados ou o bot o Abrir da barra de ferramentas e voc executa setup do IDAMS o conte do do arq
636. valia o Portanto a seguinte interpreta o geral poss vel Tij z rj l a e prefer vel a aj em todas avalia es ri O a e prefer vel a aj em nenhuma avalia o O lt rij lt 1 a e prefer vel a aj em uma certa por o de avalia es c Caracter sticas da rela o de entrada i FUZZYNESS n o difusa se rj 0 ou rij 1 para todo i j 1 2 m difusa caso contrario ii SIMETRIA sim trica ser j rji para todo i j 1 2 m anti sim trica se rj O implica rj 0 para todo iF j assim trica demais casos iii REFLEXIVIDADE reflexiva se rj 1 para todo i 1 2 m anti reflexiva se r 0 para todo i 1 2 mM irreflexiva demais casos iv TRICOTOMIA tric toma se rij rji l para todo i j 1 2 m e i j normalizado n o tric toma demais casos n o normalizado 406 Ordenamento de Alternativas v INDICE DE COERENCIA Seu valor C depende da ordem das linhas e colunas em R i e na ordem das alternativas em A e 1 lt C lt 1 gt ray 798 i lt j gt ry tra i lt j C NDICE DE COERENCIA ABSOLUTA uma modifica o independente de ordem de C Seu valor Cy O limite superior para C e 0 lt Ca lt 1 rij ril J J i lt j gt ry tra i lt j Ca Os indice C e Ca s o indicadores da unanimidade nos dados de prefer ncia Uma coer ncia completa mostrada quando 1 enquant
637. vari ncia da popula o Sz N 1 i N ea ru k 420 Tabelas Univariadas e Bivariadas g Desvio padr o Deve se notar que Sy n o uma estimativa n o viesada do desvio padr o da pop ula o Sr 82 h Coeficiente de varia o C var 100 Sz x Ce i Assimetria A assimetria da distribui o de x medida por XC we ax T E N m3 de e Yk ASAN ava CCO Ea k Distribui es que s o assim tricas a direita i e a cauda est a direita possuem assimetria positiva distribui es que s o assim tricas a esquerda possuem assimetria negativa uma distribui o normal possui assimetria igual a 0 0 j Curtose A curtose da distribui o de x medida por N Sou xe T a a o onde m E n 5 85 Ro Oper Su k A curtose mede qu o ngreme a inclina o da distribui o em rela o ao pico Uma distribui o normal possui curtose igual a 0 0 Uma curva com uma inclina o maior possui curtose positiva distribui es menos inclinadas do que a distribui o normal possuem uma curtose negativa k n quantis Os pontos que definem os n quantis s o calculados do mesmo jeito que no programa QUANTILE 57 2 Estat sticas Bivariadas a Chi quadrado Chi quadrado apropriado para testar a signific ncia das diferen as entre dis tribui es de grupos independentes fig Ei RES a ae onde fij a freqii ncia observada na c lula ij Ei a frequ ncia
638. vari veis ID 20 3 N mero m ximo de caracteres em vari veis ID 180 4 N mero m ximo de vari veis a serem transferidas 100 5 Vari veis recodificadas n o permitidas como IDVARS ou como TRANSVARS 6 A mesma vari vel n o pode aparecer em duas listas de vari vel 10 9 Exemplo Produz um dataset contendo um caso agregado para cada valor nico de V5 e V7 as vari veis em cada caso devem ser a soma m dia e desvio padr o de 4 vari veis de entrada e 1 vari vel recodificada agregada ao longo dos casos formando o grupo i e com os mesmos valores para V5 V7 valores de V10 V11 para o primeiro caso de cada grupo devem ser transferidos para os registros de sa da uma listagem dos valores produzidos para cada caso requerido no arquivo de sa da as vari veis devem ser numeradas come ando de 1001 RUN AGGREG FILES PRINT AGGR LST DICTIN IND DIC arquivo Dicion rio de entrada DATAIN IND DAT arquivo Dados de entrada DICTOUT AGGR DIC arquivo Dicion rio de sa da DATAOUT AGGR DAT arquivo Dados de sa da RECODE R100 COUNT 1 V20 V29 NAME R100 WEALTH INDEX SETUP AGGREGATION OF 4 INPUT VARIABLES AND 1 RECODED VARIABLE IDVARS V5 V7 AGGV V31 V41 V43 R100 STATS SUM MEAN SD VSTART 1001 PRINT DATA TRANS V10 V11 Capitulo 11 Construcao de um Dataset IDAMS BUILD 11 1 Descri o Geral BUILD pega um arquivo de dados brutos que pode conter v rios registros por caso juntamente c
639. vari vel dependente Se MATRIX n o requisitada a sele o de quaisquer um dos lambdas far com que os tr s sejam computados Lambda vari vel de coluna a vari vel dependente Lambda sim trico Estat stica ro de Spearman Estat stica Gamma Estat stica Tau a Se MATRIX n o requisitada a sele o de quaisquer um dos taus far com que os tr s sejam computados Estat stica Tau b Estat stica Tau c Somente tabelas bivariadas EBMS WILC MW FISH T DECPCT 2 n Estat sticas de Medicina Baseada em Evid ncia Teste de signed rank de Wilcoxon Teste de Mann Whitney Teste exato de Fisher Testes t entre todas as combina es de linhas at um limite de 50 linhas N mero de decimais m ximo 4 impressos como percentuais DECSTATS 2 n N mero de decimais impressos para estat sticas m dia mediana taus gamma lambdas e chi quadrado Todas as outras estat sticas ser o impressas com 2 n decimais i e o default 4 WRITE MATRIX TABLES Se um arquivo de sa da deve ser gerado forne a o par metro WRITE e o tipo de sa da MATR TABL Produz as matrizes para estat sticas selecionadas Se o par metro ROWVARS especificado produz uma matriz quadrada para cada est stica requerida pelo par metro STATS usando todos os pares de vari veis apare cendo na lista Se os par metros ROWVARS e COLVARS s o especificados produz uma matriz re tangular para cada estat stica requisitada
640. variadas e Bivariadas TABLES ttt n mero da tabela Ir n mero de repeti o 00 se nenhuma repeti o for usada ppp n mero de p gina dentro da tabela 37 4 Tabelas Univariadas Bivariadas de Sa da Tabelas univariadas e ou bivariadas com estat sticas requisitadas no par metro de tabela CELLS podem ser produzidas em um arquivo pela especifica o de WRITE TABLES As tabelas est o no formato de matriz retangular do IDAMS ver o cap tulo Dados em IDAMS Uma matriz produzida para cada estat stica requisitada Se um fator de repeti o usado uma matriz produzida para cada repeti o Colunas 21 80 no registro descritor de matriz cont m descri o adicional da matriz da seguinte maneira 21 40 Nome da vari vel de linha para tabelas bivariadas 41 60 Nome da vari vel de coluna 61 80 Descri o dos valores da matriz Registros de identifica o de vari vel 4R e C cont m valores de c digo e labels de c digo para a vari vel de linha e de coluna respectivamente As estat sticas s o escritas como registros de 80 caracteres de acordo com o formato de Fortran 7F10 2 Colunas 73 80 cont m uma ID da seguinte maneira 73 76 Identifica o da estat stica FREQ UNFR ROWP COLP TOTP ou MEAN 77 80 N mero da tabela Note que os c digos de dados perdidos n o est o inclu dos na matriz 37 5 Matrizes de Estat sticas Bivariadas de Sa da Estat sticas selecionadas podem ser produzidas em um
641. veis As vari veis de sa da possuem o mesmo nome das vari veis de entrada de onde derivam exceto para as vari veis agregadas os 23 e 24 caracteres dos campos do nome s o codificados S soma M m dia V vari ncia D desvio padr o CT contagem MN m nimo MX m ximo Constantes pad s o batizadas de Pad variable 1 Pad variable 2 etc 10 5 Dataset de Entrada 99 Tipo de vari vel Vari veis ID e vari veis transferidas s o produzidas com o seu tipo de entrada Vari veis computadas s o sempre produzidas como num ricas Larguras de campo e n mero de decimais Larguras de campo para vari veis agregadas produzidas dependem da estat sitica da largura do campo de entrada FW do n mero de casas decimais de entrada ND e das casas decimais extras requisitadas com o par metro DEC Larguras de campo e n mero de casas decimais s o designadas como mostrado abaixo onde FW largura do campo de entrada e ND n mero de casas decimais de entrada para vari veis de entrada e FW 6 e ND 0 para vari veis recodificadas Estat stica Largura de campo Casas decimais SUM FW 3 ND MEAN FW DEC ND DEC VARIANCE FW DEC ND DEC SD FW DEC ND DEC MIN FW ND MAX FW ND COUNT 4 0 ii Se a largura do campo exceder 9 ent o ele reduzido a 9 Se a largura do campo exceder 9 ent o o n mero de casas decimais extras DEC reduzido de acordo uae Se o n mero de ca
642. veis est o numeradas em ordem crescente e consecutiva no dicion rio de entrada NONC Checa apenas se as vari veis est o numeradas em ordem crescente MAXERR 10 n O n mero m ximo de casos com erro espa os em branco n o recodificados e valores n o num ricos em vari veis num ricas antes de BUILD terminar a execu o OUTFILE OUT yyyy Um sufixo ddname de 1 4 caracteres para os arquivos Dicion rio e Dados de sa da Default ddnames DICTOUT DATAOUT PRINT RECODES CDICT DICT OUTDICT OUTCDICT NOOUTDICT RECO Imprime casos de entrada que cont m um ou mais campos em branco que foram re codificados CDIC Imprime o dicion rio de entrada para todas as vari veis com registros C se houver DICT Imprime o dicion rio de entrada sem registros C OUTD Imprime o dicion rio de sa da sem registros C OUTC Imprime o dicion rio de sa da com registros C se houver NOOU N o imprime o dicion rio de sa da 11 9 Exemplos Exemplo 1 Construa um dataset do IDAMS dicion rio e arquivo de dados registros de dados de entrada possuem um comprimento de registro de 80 com 3 registros por caso vari veis s o numeradas n o contiguamente no dicion rio de entrada vari vel V2 a ID completa colunas 5 10 enquanto vari veis V3 e V4 cont m as duas partes da ID colunas 5 8 9 10 respectivamente campos em branco devem ser substitu dos pelo primeiro c digo de dados perdidos para as vari veis V101 V122 V168 e por zeros para a va
643. vel dentro de CONFIG ver o par metro DSEQ Transformando dados Uso de declara es de Recode n o aplic vel no CONFIG Ponderando dados Uso de vari veis de pondera o n o aplic vel Tratamento de dados perdidos CONFIG n o reconhece dados perdidos na configura o de entrada Ordinariamente isso n o apresenta nenhum problema as configura es est o usualmente completas 23 3 Resultados Dicion rio de matriz de entrada Condicional somente se a matriz de entrada contiver um dicion rio Ver o par metro MATRIX Registros de dicion rio de entrada de vari vel com n meros correspondentes usados na plotagem labels de plotagem Configura o de entrada Uma c pia impressa da configura o de entrada Configura o centrada Opcional ver o par metro PRINT Se PRINT ALL ou PRINT CENT es pecificado e a configura o de entrada j est centrada a mensagem Configura o de entrada est centrada impressa Configura o normalizada Opcional ver o par metro PRINT Se PRINT ALL ou PRINT NORM 180 An lise de Configura o CONFIG especificado e a configura o de entrada j est normalizada a mensagem Configura o est normalizada impressa Solu o com eixos principais Opcional ver o par metro PRINT As linhas da matriz s o os pontos e as colunas os eixos principais Os elementos da matriz s o as proje es dos pontos nos eixos Produtos escalares Opcion
644. volve mais de uma vari vel fator e se h n meros desproporcionais de casos nas c lulas formadas pela cross classifica o dos fatores ent o se deve considerar em que ordem as vari veis fator foram especificadas Desproporcionalidade de n meros de subclasses con funde os efeitos principais e o pesquisador deve ent o escolher a ordem em que os efeitos confundidos devem ser eliminados Ao usar MANOVA essa escolha alcan ada pela ordem em que as vari veis fator s o es pecificadas Ao utilizar um ordenamento padr o vari veis inicialmente na especifica o possuem os efeitos de vari veis que s o removidas posteriormente e g o primeiro efeito listado ser testado com todos os outros efeitos eliminados regra geral que cada teste elimina efeitos listados antes dele nas especifica es do nome do teste e ignora efeitos listados depois disso Para uma an lise padr o univariada o termo de intera o n o afetado pela ordem das vari veis fator de maneira geral para uma an lise n variadas o en simo termo de intera o e somente ele n o afetado O problema existe tanto para an lise univariada quanto para multivariada Op o de contraste Duas op es est o dispon veis para estabelecer os contrastes ver o par metro de fator CONTRAST Contrastes nominais s o gerados por default eles s o os desvios de costume das m dias das linhas e colunas da grande m dia e a generaliza o dessas para os contrastes de
645. xecu o Ver o cap tulo O Arquivo Setup do IDAMS NDEC 0 n N mero de decimais m ximo 4 a ser retido para vari veis R PRINT CDICT DICT CDIC Imprime o dicion rio de entrada para as vari veis acessadas com registros C se houver DICT Imprime o dicion rio sem registros C 4 Especifica es de plotagem Um conjunto para cada plotagem As regras de codifica o s o as mesmas das dos par metros Cada especifica o de plotagem deve se iniciar em uma nova linha Exemplo X V3 Y R17 FILTER V3 1 1 X ntmero de vari vel N mero de vari vel da vari vel X Y n mero de vari vel N mero de vari vel da vari vel Y WEIGHT n mero de vari vel O n mero da vari vel de pondera o se os dados forem poderados FILTER n mero de vari vel c digo v lido m nimo c digo m ximo v lido Filtro de plotagem Apenas aqueles casos onde o valor da vari vel de filtro for maior ou igual ao c digo m nimo e menor ou igual ao c digo m ximo ser o introduzidos na plotagem Por exemplo para especificar que apenas os casos com c digos 0 40 na vari vel 6 devem ser inclu dos especifique FILTER V6 0 40 HORIZAXIS MAXRANGE X MAXR Plota a vari vel com o maior intervalo ao longo do eixo horizontal X Plota sempre a vari vel X ao longo do eixo horizontal 35 7 Restri es 1 N o mais do que 50 vari veis podem ser usadas em uma execu o do programa Esse m ximo inclui tudo vari veis X e Y vari veis
646. xecu o do programa como refer ncia ao programa a ser executado os nomes dos arquivos as op es a serem selecionadas para o programa e instru es de transforma o das vari veis e g RUN nome do programa FILES especifica es de arquivo SETUP declara es de controle do programa RECODE declara es de Recode 3 2 Comandos do IDAMS Esses comandos que se iniciam com separam os diferentes tipos de informa o propiciados pela execu o de um programa IDAMS Comandos dispon veis s o prog P RUN programa nome do programa a ser executado FILES RESET sinaliza o in cio das especifica es de arquivo RECODE sinaliza o in cio das declara es de Recode SETUP sinaliza o in cio das declara es de controle de programa DICT sinaliza o in cio de dicion rio DATA sinaliza o in cio dos dados MATRIX sinaliza o in cio de uma matriz PRINT ativa ou desativa a impress o COMMENT texto coment rios CHECK n checa se o passo anterior terminou bem A primeira linha em um arquivo Setup deve ser sempre um comando RUN identificando o programa a ser executado Outros comandos relacionados execu o desse programa seguidos de declara es associadas de controle ou dados podem ser colocados em qualquer ordem Esses s o ent o seguidos pelo comando RUN para o pr ximo programa se houver para serem executados e assim sucessivamente Os comandos individuais do IDAMS s o descr
647. xemplo INCLUDE V1 10 20 30 AND V2 1 5 7 2 T tulo mandat rio Uma linha contendo at 80 caracteres para nomear os resultados Exemplo SUBSET OF 1968 ELECTION V1 V50 3 Par metros mandat rio Para selecionar op es de programa Exemplo SORT V1 V2 DUPLICATE DELETE INFILE IN xxxx Um sufixo ddname de 1 4 caracteres para os arquivos Dicion rio e Dados de entrada Default ddnames DICTIN DATAIN MAXCASES n O n mero m ximo de casos depois da filtragem a ser utilizado do arquivo de entrada Default Todos os casos ser o usados SORTVARS lista de vari veis Se a ordem de classifica o do arquivo deve ser checada especifique at 20 vari veis que definem a sequ ncia em ordem maior ou menor Duplicatas s o consideradas como estando em ordem crescente DUPLICATE KEEP DELETE Dele o de casos duplicados s aplic vel se SORT especificado KEEP Processa todas as ocorr ncias de casos duplicados DELE Processa apenas a primeira ocorr ncia de casos duplicados e imprime mensagem para duplicatas OUTVARS lista de vari veis Fornece essa lista somente se um subconjunto de varidveis no dataset de entrada para ser produzido Se VSTART n o selecionado ent o duplicatas n o s o permitidas Caso contr rio vari veis podem ser fornecidas em qualquer ordem e repetidas quando necess rio Default Todas as vari veis s o produzidas OUTFILE OUT yyyy Um sufixo ddname de 1 4 caracteres para os arquivos Dic
648. xplicada pelas vari veis mais discriminantes i e aquelas que tomadas juntas s o re spons veis por oitenta por cento da vari ncia explicada a quantidade m dia da vari ncia explicada pelas vari veis ativas a quantidade m dia da vari ncia explicada por todas as vari veis juntas a quantidade m dia da vari ncia explicada pelas vari veis mais discriminantes juntamente com a pro por o dessas vari veis 38 4 Dataset de Saida 297 Nota Quando as vari veis qualitativas aparecem em tabelas os primeiros 12 caracteres do nome da vari vel s o impressos junto com o valor de c digo identificando a categoria Quando as vari veis quantitativas aparecem em tabelas todos os 24 caracteres do nome da vari vel s o impressos Classifica o hier rquica ascendente Tabela de ra zes quadradas de deslocamentos e dist ncias calculadas para cada par de grupos Opcional ver o par metro PRINT Tabela de reagrupamento No 1 Estat sticas de resumo para as vari veis ativas quantitativas e categorias de vari veis ativas qualitativas para grupos envolvidos no reagrupamento Descri o da nova tipologia resultante Opcional ver o par metro LEVELS As mesma informa o acima Resumo da quantidade de vari ncia explicada pela nova tipologia A mesma informa o acima Note aqui que a quantidade m dia de vari ncia explicada pelas vari veis mais discriminante antes do rea grupamento O sum rio da classifica o hier rquic
649. xto ASCII e podem ser processados a qualquer tempo com editores gerais ou alimentados diretamente em outros pacotes estat sticos 2 2 Arquivos Dados 2 2 1 O arranjo de Dados A despeito do formato real do arquivo de dados os dados podem ser visualizados como um arranjo retangular dos valores das vari veis onde o elemento x o valor da vari vel representada pela j sima coluna do caso representado pela i sima linha Por exemplo os dados de um survey podem ser mostrados da seguinte maneira Casos Vari veis identifica o educa o sexo idade caso 1 1300 6 2 31 caso 2 1301 2 1 25 1302 3 1 55 Nesse exemplo cada linha representa um respondente em um survey e cada coluna representa um item do question rio 12 Dados em IDAMS 2 2 2 Caracter sticas do Arquivo Dados Esses arquivos cont m normalmente mas n o necessariamente registros de comprimento fixo dado que o final do registro reconhecido atrav s dos caracteres retorno nova linha Contudo o comprimento do registro mais longo deve ser informado na defini o do arquivo ver o comando FILES N o h limite no n mero de registros no arquivo Dados O comprimento m ximo de cada registro de 4096 caracteres Cada caso pode consistir de mais de um registro at um m ximo de 50 Se na execu o de um programa em particular vari veis devem ser acessadas a partir de mais de um tipo de registro ent o deve haver o mesmo n mero de registros para c
650. za o A declara o de par metro principal requerida por todos os programas IDAMS e deve seguir a declara o de t tulo Se todas as configura es default forem escolhidas uma linha com um nico asterisco deve ser fornecida Cada write up do programa indica o tipo e conte do de quaisquer outras listas de par metro necess rias e indica suas posi es relativas a outras declara es de controle de programa Apresenta o dos par metros de palavras chave nos write ups do programa Todos os write ups possuem uma nota o padr o nas se es que descrvem os par metros do programa que est o dispon veis A nota o b sica a seguinte e Uma barra indica que apenas um dentre dois itens mutuamente exclusivos pode ser escolhidos e g SAMPLE POPUL ou PRINT CDICT DICT e Uma v rgula indica que todos alguns ou nenhum dos itens podem ser escolhidos e g STATS TAUA TAUB GAMMA e Quando v rgulas e barras s o combinadas apenas um ou nenhum dos itens de cada grupo separado por v rgulas e conectado por barras pode ser escolhido e g PRINT CDICT DICT LONG SHORT e Defaults se houver aparecem em negrito e g METHOD STANDARD STEPWISE DESCENDING Um default uma configura o de par metro que o programa assume se uma sele o expl cita n o feita pelo usu rio 28 O Arquivo Setup do IDAMS e Quando uma configura o de par metro obrigat ria e n o existe default as palavras N o h default s o

Download Pdf Manuals

Related Search

Related Contents

29fx30l - selek.com.br  User`s manual TABLE OF CONTENTS General  (SC-RS510LS) 取扱説明書 Ver 7.00  Tekkeon ND2000 User's Manual  Troubleshooting Guide for SO/SI & WSO  1.5  Samsung LN40C650 User's Manual  Documentation commerciale  AM20AZ直流増幅器  Bedienungsanleitung D & GB  

Copyright © All rights reserved. Failed to retrieve file