Многие из Вас в своих письмах задают вопросы о том, какие требования существуют для описания собственных данных в том  случае, если их автор хотел бы обратиться к нам с просьбой о помощи в анализе этих данных. Ниже приводятся краткие требования к описанию анализируемых данных, следуя которым  Вы сможете достаточно ясно и подробно рассказать нам о том,  какими данными Вы располагаете и ответы на какие вопросы Вы  хотели бы получить с помощью статистического анализа этих данных. Ниже дана также информация о том, в каком виде Заказчик получает результаты анализа своих данных.

1. Опишите подробно цель Вашего исследования а также сформулируйте кратко те гипотезы, которые у Вас возможно уже сформировались в процессе получения экспериментальных данных. Опишите кратко использованные при этом методики. В описании цели исследования и гипотез старайтесь избегать статистических терминов и названий методов. Используйте свой профессиональный язык и терминологию. Если Вы предполагаете что используемый термин малоизвестен, то объясните его подробнее. Т.е. сформулируйте Ваши вопросы, на которые мы сможем выбрать адекватные методы анализа для получения ответов на эти вопросы. К примеры, есть количественные признаки, которые условно обозначим как Х1-Х10. Это могут быть значения отдельных компонент крови (лейкоцитарная формула, гематокрит, СОЭ, содержание иммуноглобулинов, липидов и т.д.) а кроме того некоторые дискретные качественные признаки, обозначим их буквами: А - идентификатор исследуемых групп (А=1 (больные), А=2 (группы контроля, здоровые)), В - вид заболевания (В=1 (заболевание 1), В=2 (заболевание 2) и т.д.), С - пол (С=1 (муж), С=2 (жен)), D - вид лекарственного препарата ( D=1 D=2 D=3 и т.д.). В этом случае эти вопросы могут быть записаны следующим образом: 
     1. Исследовать зависимость признаков Х1-Х10 от признаков А, В, С и D. 
     2. Сравнить показатели Х1-Х10 между отдельными подгруппами показателей А, В, С. и D и т.д. 

     Кроме этого возможный интерес может представлять и исследование зависимостей между всеми количественными признаками Х1-Х10 а также между всеми качественными признаками A, B, C, D. 
     Отметим, что здесь качественным признаком может быть и исход лечения. Например признак К - исход лечения , К=1 (больной выздоровел), К=2 (больной умер). Часто встречаются задачи прогноза одних признаков через набор других признаков. Например, оценить зависимость признака Х5 который очень трудоемок, от набора признаков Х1-Х4, Х7-Х10 и т.д. которые просты и удобны в их определении. Вот примерный список возможных задач и того как их можно кратко описать. 

     Другая очень интересная задача - это исследование взаимосвязи двух подмножеств признаков между собой. Например, есть группа признаков Х1-Х9 (набор гематологических показателей) и другая группа признаков Y1-Y7 (набор биохимических показателей). Вопрос: имеется ли статистически достоверная связь этих двух подсистем организма?  Не менее интересна и такая задача, как выделение объективно существующих локальных подгрупп объектов основываясь на схожести и несхожести объектов (пациентов) по набору количественных признаков. Все возможные задачи исследования трудно даже перечислить, для этого надо иметь исходный набор данных и описание признаков и общей цели исследования. 

2. Достаточно подробно опишите собственные экспериментальные данные (матрицу). Это описание состоит из перечисления всех признаков (переменных - VAR) по порядку а также описания того, что являлось в Вашей матрице данных объектом наблюдения, строкой данных (случаем - CASE). Например, при исследовании пациентов объектом является пациент, при изучении экпериментальных крыс - крыса и т.д. Отметим,  что анализируемые данные должны состоять только из альтернативных признаков. Это означает, что значение, величина конкретного признака для одного наблюдения, признака должны иметь одно единственное значение. Например: Пол =1 (жен), возраст=35 лет, САД=120 мм рт ст, ДАД=80 мм рт ст и т.д. Если матрица состоит из нескольких групп, то нужно описать чем отличаются эти группы друг от друга и какая переменная (признак, столбец матрицы) является этим группирующим признаком. В самом начале этого описания напишите сколько объектов изучено и сколько при этом признаков использовано. Укажите сколько в том числе количественных признаков (возраст, САД, ДАД, СОЭ, IgA? IgG и т.д.), и сколько дискретных, качественных признаков (пол, группы больных, результат лечения и т.д.).

3. Если Ваши данные уже введены в какую-то базу данных, то сообщите в какой системе создана эта база. Например, данные введены с системе Excel97, или СУБД dBase III+ и т.д.  Для оценки наиболее перспективных методов анализа Ваших данных нам необходимо увидеть их. Поэтому высылайте свои массивы данных в том формате, в котором они есть: формат Excel, либо ASCII, либо DBF и т.д. В общем в любом формате, хотя более предпочтителен формат Excel. Если массив данных порядка нескольких сотен килобайт, то предварительно лучше его заархивировать каким-нибудь архиватором, например "zip" или "rar". Эту матрицу высылайте в виде Приложения к основному письму с описанием самой матрицы и Ваших задач исследования. Матрица должна состоять из строк - наблюдений (пациентов) и столбцов - признаков, переменных, свойств. 

Пропущенные значения (не измеренные по какой-то причине) никак не кодируются и представляют собой пустые клетки. И, конечно же, подробное описание каждого признаков. Если признак качественный, дискретный, например "Пол", то желательны кодировки не буквами, а цифрами: 1, 2 и т.д. А в текстовом описании расшифровать, что 1=жен., 2=муж. Если же массив уже введен и кодировка таких признаков задана буквами, то не переделывайте и оставьте как есть. Желательно наличие признака идентификатора объекта, наблюдения (строки). Если объекты - пациенты, то это может быть фамилия либо номер истории болезни, либо просто порядковый номер. 

Для количественных признаков необходимо указать их размерность, т.е. в каких единицах они измеряются. Например, систолическое и диастолическое давления в мм. рт.ст., рост - см., вес - кг и т.д. Если эти величины  измерены в условных единицах, то так и написать - усл. ед. Эта  первоначальная матрица не меняется, т.е. Заказчик гарантирует правильность ввода данных в матрицу.

     Желательно чтобы Заказчик имел доступ к персональному компьютеру и умел читать электронные файлы. В этом случае результаты анализа передаются в виде файлов по электронной почте. Формат результатов -  WORD (*.rtf).

     К нашим решениям мы всегда даем описание как постановки задачи, так и использованного метода. Все результаты сопровождаются согласованным числом графиков, что облегчает понимание полученных результатов. Там же дается и подробное объяснение полученных результатов и ссылка на литературные источники с описанием использованных методов. Готовые файлы с этими материалами можно непосредственно загружать в компьютер и редактируя их получать окончательные варианты глав отчетов, статей и т.д.