Pirmā vasaras nakts

Pirmā vasaras nakts. Žēl, ka tik vēsa. Gribas tveici un karstumu tā, ka sviedri līst.

Šonakts apņēmos mācīties. Kaut gan tas notiek diezgan neproduktīvi. Nav man izstrādāt stratēģija šim procesam. Tomēr jūtu, ka kaut kāda jēga ir.

Velku to SPSS 17.0.2 jeb PASW apdeitu. Jēgas jau nekādas, bet nu ir jau jāseko līdzi jaunumiem.

Var just ka garas brīvdienas. LV internets tik tukšs, ka nav pat ko palasīt.

Jānomazgā trauki, un tad jau atpakaļ pie datora.

Rīt pie dabas :)

Klausos M83.

P.S. Šis ierakst izskatās vairāk kā 7 tweeti ;)

LR1 par CSP

Noklausījos "slaveno" LR1 raidījumu par CSP - "Krustpunktā" (aptuveni 30 minūte).

Kopsummā varu pateikt, ka ļoti vājš raidījums. Izskatās, ka žurnālists vienkārši mēģināja piesieties kur vien tik var, neanalizējot visu CSP kopumā pēc būtības.

OK, es piekrītu par tiem 9999 Ls, piekrītu par izbraukuma semināriem (šajā laikā).

Galīgākais murgs bija par CSP funkciju/darbu deleģēšanu privātajam sektoram. Man jau liekas, ka tas nav iespējams. Un, ja būtu iespējams, tad tas būtu dārgāk, nodrošinot tagadējo kvalitāti. Daži aspekti, kāpēc tā:

1) Nav iespējams dēļ individuālās informācijas konfidencialitātes. CSP strādā ar LR Iedzīvotāju reģistra, LR Uzņēmumu reģistra un 100 citu reģistru datiem. Kaut kā neredzu iespēju nodot šo informāciju privātajam sektoram, saglabājot kontroles iespēju par informācijas konfidencialitāti. Bet bez šiem datiem, tagadējo kvalitāti nav reāli sasniegt.

2) CSP veic, minēsim kādus 100 pētījumus. Varbūt vairāk. Tagad par katru rīkojam konkursu. Beigās visu darbu sadalīs kādas 5-10 firmiņas. Katra ar saviem standartiem, rīkiem, metodēm, rezultātiem. Nekādas salīdzināmības, reāls kvalitātes kritums. Lai kaut cik nodrošinātu līdzīgu kvalitāti kā šobrīd, tad vienīgais veids ir dibināt uzņēmumu, kurš ir tik pat liels kā CSP, un tad šis viens monstrs arī dara visu CSP darbus. Loģiski, ka nav jēgas dibināt otru CSP.

3) Izmaksas. Es piekrītu, ka CSP nav pati efektīvākā sistēma. Ir ļoti viegli norādāmas funkcijas, kuras ir iespējams veikt efektīvāk. Bet tā jau ir visas valsts pārvāldes sāpē, ka amatus veido cilvēkiem, nevis funkcijām. Tas tā. Bet ir noteikti arī funkcijas, kuras privātais sektors lētāk neizdarīs. Kaut vai IT un matemātiķi. Nu neticu, ka privātais sektors par tik mazām algām izdarīs tik kvalificētu darbu.

4) Sadarbība ar citām valstīm un Euristat. Statistiķi ir kā ģimene. Mēs dalamies ar informāciju ar kolēģiem un dalamies ar rīkiem un metodēm. Ja viens ir uzrakstījis progrmmiņu, kas dara vienu funkciju, tad to iespējams varēs izmantot arī citas valstis. Protams ir arī citi gadījumu. Bet mana doma ir, ka būs nereāli grūti saglabāt tagadējās networking tradīcijas ar citu valstu kolēģiem.

Rezumē - CSP ir būt. Protams šis bija labs modinātājzvans vadībai, ka ir efektīvāk jādomā par modernizāciju, bet bez CSP Latvijas statistikas nebūs.

Nobeigumā LIELS PALDIES Ilutai Skruzkalnei, par loģiskajiem komentāriem. Visam piekritu, ko viņa teica :)


P.S. Viss. Šausmīgi ātri rakstīju.

Calibration in SPSS with R plugin

Another example of calibration of weights in SPSS using R plugin.

*** SPSS 17.0.0 and SPSS Statistics-R Plugin 17.0.0 for Win32.

*Example data.

dataset close all.

data list free
/x1 (f8) x2 (f8) x3 (f8) weight (f8.3).
begin data
1 0 1 5
1 0 2 5
1 0 3 5
1 0 4 5
1 0 5 5
0 1 6 5
0 1 7 5
0 1 8 5
0 1 9 5
0 1 10 5
end data.

dataset name data.

data list free
/totals (f8).
begin data
24
26
290
end data.

match files
/file data
/file *.

exe.

dataset close data.

* Calibration.

begin program r.

library(sampling)

DataIn=spssdata.GetDataFromSPSS()
k=ncol(DataIn)
calvar=as.matrix(DataIn[,1:(k-2)])
weight=as.vector(DataIn[,(k-1)])
totals=as.vector(DataIn[1:(k-2),k])
g=calib(calvar,weight,totals,method="linear",description=T)

VarSpec=c("g","g-weights",0,"F8.3","scale")
Dict=spssdictionary.CreateSPSSDictionary(VarSpec)
spssdictionary.SetDictionaryToSPSS("gweights",Dict)
DataOut=data.frame(g)
spssdata.SetDataToSPSS("gweights",DataOut)
spssdictionary.EndDataStep()

end program.

match files
/file *
/file gweights
/drop totals.

exe.

dataset close gweights.

comp calweight=weight*g.
form calweight (f8.3).

weight by calweight.

freq x1 x2 x3
/form notable
/stat sum.

var wid all (12).

Running R from SPSS

Calibration of weights in SPSS using SPSS Statistics-R Plugin 17.0.0 for Win32.

*** SPSS syntax.
begin program r.
library(sampling)
setwd("C:/Documents and Settings/MLiberts/My Documents/Personal/Iceland_SILC/files")
cal_var=read.delim("cal_var.txt")
cal_tot=read.delim("cal_tot.txt")
data=as.matrix(cal_var[,2:ncol(cal_var)])
dw=as.vector(cal_var[,1])
totals=as.vector(cal_tot[,1])
g=calib(data,dw,totals,method="linear",description=F)
write.table(g,"g.txt",row.names=F,col.names=F)
end program.

Secinājumi par Twitter

Ir pagājusi precīzi nedēļa, kopš atvēru savu Twitter kontu. Kopumā vērtēju, ka man patīk. Tātad daži secinājumi.

Principā šobrīd Twitteri izmantoju vairāk informācijas došanai nekā saņemsanai. Mans twitters veidojas kā ātrais grāmatzīmju saraksts, kurā tiek iemesti interesanti linki, kurus varbūt vēlāk kaut kad palasīšu. Kā arī ierakstu dziesmu nosaukumus, kurus ir vērts atcerēties.

Tā twitterošana notiek diezgan haotiski. Ieraksti ir dažāda veida un to biežums arī ir mainīgs.

Bieži ir tā, ka ir kāda ātrā doma, kuras dēļ bloga ierakstu rakstīt nav vērts vai slinkums. Tad šājos gadījumos twitteris ļoti labi noder.

Jāsāk laikam vairāk sekot līdzi, ko citi twittero. Pagaidām diezgan maz cilvēkiem sekoju.

Nu tā. Arī šis ieraksts tāds haotisks, nenoslīpēts ;) Varbūt Twitter ietekme.