Geschäftskontext
Eine Bank entwickelt ein neues Kreditrisikomodell basierend auf Umfragedaten zur finanziellen Stabilität. Die Daten sind unvollständig (Nullwerte) und einige Beobachtungen haben negative Gewichtungen (Datenfehler). Es muss die interne Konsistenz (Cronbachs Alpha) der Umfragevariablen geprüft werden, wobei fehlerhafte Daten strikt ausgeschlossen werden müssen.
Datenaufbereitung
Erstellung eines Datensatzes mit fehlenden Werten, negativen Gewichten und Umfrageantworten.
Kopiert!
| 1 | DATA casuser.risk_survey; |
| 2 | INPUT id income survey_q1 survey_q2 reliability_weight; |
| 3 | DATALINES; |
| 4 | 1 50000 5 4 1.0 |
| 5 | 2 . 3 3 0.8 |
| 6 | 3 60000 4 . 1.2 |
| 7 | 4 45000 2 2 -0.5 |
| 8 | 5 80000 5 5 1.5 |
| 9 | 6 30000 1 2 0.9 |
| 10 | ; |
| 11 | RUN; |
Étapes de réalisation
1
Ausführung mit listenweisem Ausschluss, Gewichtung und Cronbachs Alpha.
Kopiert!
| 1 | PROC CAS; |
| 2 | SIMPLE.correlation / |
| 3 | TABLE={name='risk_survey'} |
| 4 | inputs={{name='survey_q1'}, {name='survey_q2'}, {name='income'}} |
| 5 | weight='reliability_weight' |
| 6 | listwiseDelMiss=true |
| 7 | excludeNonPosWgt=true |
| 8 | alpha=true |
| 9 | descriptiveStats=true; |
| 10 | RUN; |
Erwartetes Ergebnis
Beobachtung 2 (fehlendes Einkommen) und Beobachtung 3 (fehlendes Q2) werden ignoriert (listwise deletion). Beobachtung 4 wird ignoriert (negatives Gewicht). Cronbachs Alpha wird nur auf Basis der validen, positiv gewichteten Datensätze berechnet.