Групиране в интервали: разделяне на числата на групи

Накратко

В „Редактиране на данните“ → „Прекодиране“ → „Групиране в интервали“ Statable разделя колона с числа на подредени интервали. Резултатът отива в нова колона; старата остава непроменена. Преди прилагане прегледът показва всеки интервал с граници, брой случаи и дял.

Три начина

• Равна ширина: диапазонът от най-малката до най-голямата стойност се разрязва на еднакво широки части. Крайните граници са точно най-малката и най-голямата стойност (R ги измества с 0,1% при cut(x, k)).
• Равен брой хора: границите са квантили, при 4 интервала квартили. Statable използва правилото за квантили от тип 6 като PSPP, SPSS и картата за разпределението (не тип 7, както е по подразбиране в R). Така границата на интервала съвпада с реда на квартилите в разпределението.
• Собствени граници: например 18 и 25. С отворени краища интервалите са с един повече от границите („до 18“, „над 18 до 25“, „над 25“).

Към кой интервал принадлежи стойност точно на граница?

По подразбиране: към по-ниския интервал („до 18“; първият интервал включва най-малката стойност). Това съответства на R (cut), на настройката по подразбиране на SPSS Visual Binning и на градивния елемент „Разделяне на групи“ (до медианата). Може да се превключи към по-високия интервал („18 до под 25“), както е обичайно в официалната статистика; тогава последният интервал включва най-голямата стойност. Правилото е част от всеки етикет, а прегледът казва колко случая лежат точно на граница. При цели числа като възраст в години „над 18 до 25“ означава от 19 до 25; Statable етикетира с границите и не измисля числа.

Какво забелязва Statable

• Много равни стойности: ако квантилите съвпадат, Statable образува по-малко интервали и казва това („Statable образува 3 вместо 4 интервала“). Празни или два пъти етикетирани интервали никога не се появяват.
• Празните клетки и стойностите, означени като „без отговор“, остават празни и не влизат нито в границите, нито в интервал.
• Грешка при закръгляване: 0,1 + 0,2 е 0,30000000000000004 в компютъра; сравнение с 0,3 все пак работи, защото Statable използва на границата толеранс 10⁻¹².
• Новата колона е порядъчна и носи етикетите като етикети на стойностите.

Защо да се групира в интервали само с причина

Групирането в интервали изхвърля информация и мощност: измерването се превръща в грубо групиране, връзките изглеждат по-слаби, а границите на интервалите често са произволни. Особено разделянето по медианата (median split) рядко е оправдано (MacCallum, Zhang, Preacher & Rucker 2002, Psychological Methods 7(1), 19-40). Интервалите имат смисъл, когато въпросът ги изисква (възрастови групи, гранична стойност от литературата) или когато трябва да се покаже таблица. Statable го позволява и посочва това.

За специалисти

Statable създава команда RECODE (възходящи диапазони, важи първото съвпадащо правило, граници с толеранс) с FORMATS, VALUE LABELS и VARIABLE LEVEL ORDINAL. Претеглените квантили (с тегло на случая) следват PSPP HAVERAGE. Проверено с R (cut със собствени граници, квантил type = 6) и със самия механизъм на PSPP. Източник: Hyndman & Fan (1996), The American Statistician 50(4), 361-365 (типове квантили).