RMNA - Eliminar valores faltantes

Devuelve un array de celdas de una serie de tiempo después de eliminar todos los valores faltantes.

Sintaxis

RMNA(X, Y)

X

es la muestra de datos de entrada (matriz de celdas de una o dos dimensiones).

Y

es una muestra de datos auxiliar (opcional) (matriz de celdas de una o dos dimensiones).

Observaciones

1. Cada columna en el conjunto de datos de entrada (o en el auxiliar) corresponde a una variable separada.
2. Cada fila en el conjunto de datos de entrada (o en el auxiliar) corresponde a una observación.
3. El conjunto de datos auxiliares (Y) es opcional y puede incluir una o más variables (columnas).
4. La entrada del conjunto de datos auxiliares se requiere cuando tanto X como Y definen observaciones. Por ejemplo, considere un conjunto de datos de regresión múltiple donde X corresponde a las variables explicativas y Y es la variable de respuesta.
5. Cuando hay un conjunto de datos auxiliares, el número de filas del conjunto de datos de entrada (X) debe ser igual al número de filas del conjunto de datos auxiliares (Y).
6. Se eliminan las observaciones (es decir, filas) con valores faltantes (por ejemplo, #N/A, #VALOR!, #NUM!, celda vacía) en X o en Y.
7. La función RMNA conserva los órdenes originales (filas y columnas) del conjunto de datos (X).
8. Uso de la función RMNA con un conjunto de datos de series temporales (univariante o multivariante) es problemático, ya que el conjunto de datos de salida puede no estar igualmente espaciado (a lo largo del tiempo).
9. Para conjuntos de datos basados en series de tiempo, se recomienda utilizar un índice de tiempo (por ejemplo, marca de tiempo) como una de las variables (columnas) en el conjunto de datos de entrada.
10. La función RMNA ha sido revisada en NumXL MARTHA 1.67.

Ejemplos de Archivos

Enlaces Relacionados

• Blog de Consejos y Trucos de NumXL - Eliminando Valores Perdidos (RMNA).
• What to do About Missing Values in Time Series Cross-Section Data, James Honaker and Gary King, American Journal of Political Science.

Referencias

• Hamilton, J.D.; Time Series Analysis, Princeton University Press (1994), ISBN 0-691-04289-6.
• Kenney, J. F. and Keeping, E. S. (1962) "Linear Regression and Correlation." Ch. 15 in Mathematics of Statistics, Pt. 1, 3rd ed. Princeton, NJ: Van Nostrand, pp. 252-285.