Co je soubor SAV?
Soubor SAV je datový soubor vytvořený Statistickým balíčkem pro společenské vědy (SPSS), což je aplikace široce používaná výzkumníky trhu, zdravotními výzkumníky, průzkumnými společnostmi, vládou, výzkumnými pracovníky v oblasti vzdělávání, marketingovými organizacemi a těžaři dat pro statistickou analýzu. SAV uložený v proprietárním binárním formátu a skládá se z datové sady a také slovníku, který datovou sadu představuje, ukládá data v řádcích a sloupcích.
Formát souboru SAV
Formát souboru SAV se stal relativně stabilním, ale nemůžeme ho označit za statický. V případě potřeby je volitelně k dispozici zpětná a dopředná kompatibilita, ale není správně udržována. Data v souboru SAV jsou rozdělena do následujících sekcí:
Záhlaví souboru
Skládá se ze 176 bajtů. První 4 bajty označují řetězec $FL2 nebo $FL3 v kódování znaků použitém pro soubor. Poslední tři bajty představují, že data v souboru jsou komprimována pomocí ZLIB. Další 60bajtový řetězec začíná @(#) SPSS DATA FILE a také určuje operační systém a verzi SPSS, která soubor vytvořila. Záhlaví pak pokračuje šestimístnými poli obsahujícími počet proměnných na pozorování a číselný kód pro kompresi a končí znakovými údaji označujícími datum a čas vytvoření a štítkem souboru.
Záznamy deskriptorů proměnných
Záznam obsahuje pevnou posloupnost polí, klasifikující typ a název proměnné spolu s informacemi o formátování používaných SPSS. Každý záznam proměnné může volitelně obsahovat označení proměnné o délce až 120 znaků a až tři specifikace chybějících hodnot.
Hodnotové štítky
Štítky hodnot jsou volitelné a jsou uloženy v párech záznamů s celočíselnými štítky 3 a 4. První záznam, kterým je štítek 3, má sekvenci dvojic polí, přičemž každý pár obsahuje hodnotu a přidružený štítek hodnoty. Druhý záznam, kterým je tag 4, představuje, na které proměnné se sada hodnot/štítek vztahuje.
Dokumenty
Jeden nebo více záznamů s celočíselným tagem 6. Volitelná dokumentace. obsahuje 80 řádků znaků.
Záznamy rozšíření
Jeden nebo více záznamů s celočíselným tagem 7. Záznamy rozšíření poskytují informace, které lze bezpečně ignorovat, ale v mnoha situacích uchované umožňují u souborů zapsaných novějším softwarem zachovat zpětnou kompatibilitu. Záznamy rozšíření mají značky podtypu typu integer.
Terminátor slovníku
Záznam pouze s celočíselnou značkou 999. Odděluje slovník od pozorování dat.
Pozorování dat
Uvažuje se, že data jsou v pořadí pozorování, např. všechny hodnoty proměnných pro první pozorování, následované všemi hodnotami pro druhé pozorování atd. Formát datového záznamu se liší v závislosti na kompresním kódu v záznamu záhlaví souboru. Datovou část souboru .sav lze dekomprimovat:
- kód 0: komprimovaný bajtkódem
- kód 1: komprimováno pomocí komprese ZLIB
