Das Umformen von Daten ist ein unschätzbarer Schritt im Prozess der Vorbereitung einer Datentabelle für die weitere Analyse und Modellierung. Für die meisten Analysen organisieren wir Daten in einem zweidimensionalen Tabellenformat, in dem jede Zeile eine einzelne Beobachtung oder einen einzelnen Fall darstellt und jede Spalte eine Messung oder ein Attribut enthält, das sich auf diese Person bezieht. Es gibt jedoch Zeiten, in denen dies nicht die einzige Option oder sogar die bevorzugte Option ist.
Betrachten Sie eine einfache Pilotstudie für ein kontrolliertes Experiment. Das Experiment untersucht die Wirkung einer Trainingsaktivität, die darauf abzielt, die Punktzahl eines Probanden bei der Ausführung einer Aufgabe zu erhöhen. Angenommen, das Experiment ist so konzipiert, dass jeder Proband in der Studie einen Vor- und Nachtest abschließt und die Ergebnisse aufgezeichnet werden. Es gibt acht Pilotpersonen, die als Personen A bis H identifiziert wurden, von denen vier nach dem Zufallsprinzip der Nutzung der Aktivität zugewiesen werden. Die anderen vier sind die Kontrollgruppe.
Nach der Datenerfassung verfügen wir über zwei Bewertungen für jede Person und wissen, welche Personen zu jeder Gruppe gehörten. Welche Möglichkeiten haben wir, die Daten in einer einzelnen Matrix oder Datentabelle zu platzieren?
Breitformat versus Langformat
Wenn wir der Konvention folgen, pro Versuchsperson eine Zeile zuzuweisen, könnte unsere Datentabelle wie folgt aussehen:
Tabelle 1: Umfangreiches Spektrum künstlicher experimenteller Daten
Thema
|
Gruppe
|
Vor
|
Post
|
A
|
Exp
|
51
|
48
|
B
|
Strg
|
53
|
42
|
C
|
Strg
|
48
|
56
|
D
|
Exp
|
44
|
49
|
E
|
Exp
|
47
|
59
|
F
|
Strg
|
42
|
43
|
G
|
Strg
|
52
|
39
|
H
|
Exp
|
48
|
49
|
Dieses Format wird oft als „breit“ bezeichnet: Alle Attribute und Maße einer bestimmten Person werden auf mehrere Spalten verteilt. In diesem Beispiel haben wir eine Matrix aus acht Zeilen und vier Spalten mit minimaler Redundanz.
Eine Alternative zum Breitformat besteht darin, dieselben Daten in einer „schmalen“ oder „hohen“ Anordnung neu anzuordnen. Dies führt zu einer gewissen Redundanz in der Thema , Gruppe , Und Prüfen Spalten im Austausch dafür, dass der Test (vor oder nach dem Test) als kategoriale Variable und alle Ergebnisse als eine einzige numerische Variable behandelt werden.
Tabelle 2: Lange Anordnung derselben Daten
Thema
|
Gruppe
|
Prüfen
|
Punktzahl
|
A
|
Exp
|
Vor
|
51
|
A
|
Exp
|
Post
|
48
|
B
|
Strg
|
Vor
|
53
|
B
|
Strg
|
Post
|
42
|
C
|
Strg
|
Vor
|
48
|
C
|
Strg
|
Post
|
56
|
D
|
Exp
|
Vor
|
44
|
D
|
Exp
|
Post
|
49
|
E
|
Exp
|
Vor
|
47
|
E
|
Exp
|
Post
|
59
|
F
|
Strg
|
Vor
|
42
|
F
|
Strg
|
Post
|
43
|
G
|
Strg
|
Vor
|
52
|
G
|
Strg
|
Post
|
39
|
H
|
Exp
|
Vor
|
48
|
H
|
Exp
|
Post
|
49
|
Letztendlich sollte die Entscheidung über die bevorzugte Form einer Datentabelle von der Logik Ihrer Analyseziele bestimmt werden. Wenn Sie ein Experiment oder eine Datenerfassung von Grund auf planen, sollten Sie die analytischen Ziele von Anfang an berücksichtigen. Häufig wurde das Layout einer Datentabelle jedoch bereits zu einem früheren Zeitpunkt von anderen festgelegt, und die Aufgabe des Analysten besteht darin, die Daten in ein Format umzuwandeln, das für den aktuellen Zweck geeignet ist.
Gründe für Breit- und Langformate
Der vielleicht häufigste Grund für die Anordnung von Daten in einem breiten Format ist, dass wir mit Längsschnitt- oder Messwiederholungsdaten arbeiten. Einige Analyseplattformen erfordern möglicherweise, dass jede wiederholte Messung als Variable behandelt wird. (Siehe z.B. Grace-Martin 2015 oder SAS Institute 2016a.) Für einige Verfahren gilt: JMP kann wiederholte Messungen im Breit- oder Langformat modellieren, wie im SAS Institute 2016b besprochen. Da wiederholte Messungen desselben Subjekts oder derselben Beobachtungseinheit wahrscheinlich miteinander korrelieren, sollten sie besser als mehrere Variablen und nicht als eine einzelne Variable behandelt werden.
Wenn das Analyseziel darin besteht, die Zeit explizit als Faktor oder Prädiktor zu betrachten, wie bei der Zeitreihenmodellierung oder -visualisierung, ist ein langes Format möglicherweise besser geeignet. Beispielsweise sollte eine Datentabelle lang sein, um die Zeitdimension im JMP zu verwenden Blasenplot Plattform.
Die nächsten beiden Abschnitte veranschaulichen die JMP-Methode zum Konvertieren von Breit- in Schmalformat und umgekehrt. In der ersten Abbildung wird dieser künstliche Datensatz nur zur einfachen Darstellung der Methode verwendet, bevor zu komplexeren Abbildungen übergegangen wird.
Breite Daten stapeln
In diesem einführenden Beispiel ist der Ausgangszustand der Daten breit, mit einer Zeile pro Subjekt und den beiden Messungen in separaten Spalten. Mit anderen Worten: Die beiden Messungen werden als zwei Variablen behandelt. Abbildung 1 zeigt den Ausgangszustand der Datentabelle. Da das Design dieser hypothetischen Studie übereinstimmende Paare verwendet, können wir direkt zur Analyse mit der Datentabelle übergehen.
Für andere analytische Zwecke könnte es hilfreich sein, r e Formen Sie den Tisch auf das schmale Format. Wir benutzen das Stapel Befehl in der Tische Speisekarte.
Figure 1: Example Data Table in Wide FormatFigure 1: Example Data Table in Wide FormatFigure 1: Example Data Table in Wide FormatFigure 1: Example Data Table in Wide FormatAbbildung 1: Beispieldatentabelle im Breitformat
- Wählen Tische > Stapel , um das in Abbildung 2 gezeigte Dialogfeld zu öffnen.
- Das Ziel besteht darin, eine neue Spalte zu erstellen, die die Testdurchführung als kategoriale Variable (vor und nach) darstellt und alle Ergebnisse in einer einzigen Spalte zusammenfasst. Dazu wählen wir die beiden aktuellen Spalten aus ( Vor Und Post ) und klicken Sie Stapelspalten .
Standardmäßig benennt JMP die neue quantitative Spalte Daten und der kategoriale Bezeichner (d. h. die ursprünglichen Spaltennamen) als Etikett . Es ist wahrscheinlich besser, aussagekräftigere Variablentitel auszuwählen.
- Geben Sie unten rechts im Dialog einen beschreibenden Spaltentitel für die Partituren und für die Experimentierphase an.
- Füllen Sie den Dialog wie in Abbildung 2 gezeigt aus und klicken Sie auf OK .
Figure 2: The Stack DialogFigure 2: The Stack DialogFigure 2: The Stack DialogFigure 2: The Stack DialogAbbildung 2: Der Stapeldialog
Es öffnet sich eine neue Datentabelle mit den 16 Messungen im schmalen (langen) Format. Ihre Datentabelle sollte nun wie in Abbildung 3 aussehen.
Figure 3: The Experimental Data in Narrow, or Stacked, FormatFigure 3: The Experimental Data in Narrow, or Stacked, FormatFigure 3: The Experimental Data in Narrow, or Stacked, FormatFigure 3: The Experimental Data in Narrow, or Stacked, FormatAbbildung 3: Die experimentellen Daten im schmalen oder gestapelten Format
Narrow Data entstapeln
Angenommen, die Daten wurden ursprünglich im schmalen Format aufgezeichnet (ähnlich wie in Tabelle 2 und Abbildung 3), wir möchten sie jedoch im breiten Format neu organisieren. Um mit dem Beispiel fortzufahren und den Vorgang umzukehren, verwenden wir die Teilt Plattform in der Tische Speisekarte. Der Dialog erscheint in Abbildung 4. Hier müssen wir die Spalte angeben, die die Grundlage für das Entstapeln identifiziert (in diesem Fall die Prüfen Spalte) sowie die Spalte mit den Daten, die in die mehreren neuen Spalten eingefügt werden.
Standardmäßig löscht JMP alle Spalten außer den in der Split-Spezifikation ausgewählten. Für dieses Beispiel ist es sinnvoll, die Informationen zum Probanden und zur Versuchsgruppe beizubehalten.
- Klicken Sie also auf die Schaltfläche daneben Alles behalten unter Verblieben Säulen wie in Abbildung 4 dargestellt. Der Dialog bietet auch die Möglichkeit, die neue Wide-Tabelle umzubenennen.
- Füllen Sie den Dialog wie gezeigt aus und klicken Sie auf Erstellen .
Figure 4: Split Table dialogFigure 4: Split Table dialogFigure 4: Split Table dialogFigure 4: Split Table dialogAbbildung 4: Dialogfeld „Tabelle teilen“. Die Ergebnisse dieses Befehls sind in Abbildung 5 dargestellt. Damit schließt sich fast der Kreis, mit der einzigen Ausnahme, dass JMP die Reihenfolge der geteilten Spalten alphabetisch sortiert. Im Gegensatz zu Abbildung 1 befinden sich die Post-Test-Daten nun in der dritten statt in der vierten Spalte. Sie müssen dies bei der Verwendung des beachten Passende Paare Plattform für eine Paarprobe T -Test- oder Konfidenzintervall.Seit JMP 13 ist die Passende Paare Plattform gehört zu den Analysieren > Spezielle Modellierung Optionen. Erfahrene JMP-Benutzer haben es zuvor im gefunden Analysieren Speisekarte.
Figure 5: The Experimental Data after Split to Wide FormatFigure 5: The Experimental Data after Split to Wide FormatFigure 5: The Experimental Data after Split to Wide FormatFigure 5: The Experimental Data after Split to Wide FormatAbbildung 5: Die experimentellen Daten nach der Aufteilung ins Breitformat
Der Inhalt dieses Beitrags ist ein Auszug aus Kapitel 7 meines Buches, Vorbereiten von Daten für die Analyse mit JMP , wo Sie weitere Techniken für die Arbeit mit Tabellen und viele weitere Tipps zur Datenbereinigung finden.
Verweise
