Preparar datos: recodificar, calcular, seleccionar, fusionar

En resumen

En la página «Datos», «Editar datos» abre seis asistentes: Recodificar, Calcular, Seleccionar casos, Fusionar, Agregar y Casos duplicados. Cada uno muestra una vista previa y el comando de PSPP antes de aplicarse. El resultado va a una columna nueva; una columna existente solo se sobrescribe si lo eliges expresamente. Cada paso se puede revertir de una vez con «Deshacer» en la cabecera. «Añadir a comandos» pone el comando en la página «Comandos».

Valores perdidos

• Una expresión como a + b queda vacía en cuanto falta un valor. Funciones como MEAN(a, b), SUM, MIN y MAX, en cambio, usan los valores presentes.
• Para la media de varias columnas basta con un valor válido (como en la construcción de escalas tras la fiabilidad). Muchos manuales recomiendan un mínimo para las escalas, por ejemplo la mitad de los ítems; se puede ajustar. La desviación típica necesita al menos dos valores.
• Los valores marcados como «sin respuesta» cuentan como perdidos.

Recodificar

Los valores antiguos (un valor, un rango, «sin respuesta», vacío) se sustituyen por otros nuevos; se aplica la primera regla que coincide. Los valores sin regla se conservan, se dejan vacíos o se fijan en un valor. La vista previa cuenta valores antiguos frente a nuevos. «Invertir un ítem» calcula valor nuevo = más bajo + más alto − valor antiguo, con la misma regla que en la construcción de escalas; la escala procede de las etiquetas de valor y, si no, de los datos, y se puede cambiar. En las columnas de texto cuentan las mayúsculas/minúsculas y los espacios iniciales; si los valores se diferencian solo en eso, Statable lo señala.

El asistente «Recodificar» también tiene «Agrupar en clases»: una columna de números se divide en clases de igual amplitud, en clases con igual número de personas o en clases con tus propios límites (véase «Agrupar en clases»).

Calcular

Una fórmula con columnas, operadores, paréntesis y las funciones LN, EXP, SQRT, ABS y RND, o la media, la suma, el mínimo, el máximo y la desviación típica de varias columnas. «Solo si …» calcula únicamente para los casos en que se cumple la condición; los demás quedan vacíos y se cuentan aparte en la vista previa. Si un divisor es 0, el resultado queda vacío, también con 0 entre 0. La vista previa muestra los diez primeros casos y cuenta por separado los resultados vacíos: valores de partida perdidos por un lado, errores de cálculo (división entre 0, logaritmo de 0 o de un número negativo, raíz de un número negativo) por otro.

Seleccionar casos

Statable añade una columna de selección: 1 = condición cumplida, 0 = no cumplida, vacío = no se puede comprobar porque falta un valor. Se puede usar como grupo o como condición; a propósito no hay un filtro invisible, porque no todos los cálculos de Statable lo respetarían. «Conservar solo estos casos» elimina los demás casos de forma definitiva (con una confirmación y su número), también los que no se pueden comprobar. Los análisis del cuaderno que usan estos datos se marcan entonces como desactualizados.

Fusionar

• Añadir casos: el segundo archivo tiene las mismas columnas y se añade debajo. Las columnas se emparejan por el nombre; si una está solo en un archivo, queda vacía para los demás casos. Un número frente a texto en la misma columna se bloquea.
• Añadir columnas: mediante un identificador (persona, clase). «Una fila por identificador en los dos archivos» o «varios a uno» (varias personas por clase). Antes de vincular, Statable comprueba si hay identificadores repetidos (bloqueado, con una lista) y cuenta los identificadores sin pareja en ambos lados; con «varios a uno» los identificadores que solo están en el segundo archivo faltan en el resultado; con «una fila por identificador en los dos archivos» se añaden como filas propias al final, con las columnas del primer archivo vacías (se conservan todos los casos de ambos archivos). Las columnas con el mismo nombre, aparte del identificador, reciben un nombre nuevo (propuesta: _2).
• El segundo archivo puede ser de SPSS, Stata, CSV o Excel y permanece en el dispositivo.

Agregar

Estadísticos por grupo: casos del grupo, valores válidos, media, desviación típica, mediana, mínimo, máximo, suma. O bien como columnas nuevas en los datos (cada persona recibe el valor de su grupo, se mantiene el orden de las filas) o bien como un proyecto nuevo con una fila por grupo; el proyecto actual no cambia. Los casos sin valor de grupo forman un grupo propio. «Casos» cuenta todos los casos del grupo, «valores válidos» solo los valores presentes en una columna; una mediana sin ningún valor válido queda vacía.

Casos duplicados

Se comparan todas las columnas o las elegidas (por ejemplo el identificador). Los casos cuentan como iguales si coinciden, sin tener en cuenta mayúsculas/minúsculas ni espacios en los bordes (se puede cambiar a «exactamente iguales»); los números se comparan hasta 15 cifras, y é como uno o dos caracteres es lo mismo. Se puede elegir si un valor perdido es igual a otro valor perdido. Los espacios al comienzo de un texto se pierden al abrir archivos .sav. El resultado es una columna de marca (0 = primer caso, 1 = repetición); los casos solo se eliminan por elección expresa y con una confirmación.

Para especialistas

• Comandos: RECODE, COMPUTE, IF, SELECT IF, ADD FILES, MATCH FILES, SORT CASES y AGGREGATE (fuente: manual de PSPP). Statable calcula por sí mismo los casos duplicados porque PSPP compara el texto byte a byte y los números bit a bit (0,1 + 0,2 ≠ 0,3).
• Por qué hay comprobaciones previas: RECODE deja que los rangos y ELSE capturen valores perdidos definidos por el usuario (un 9 para «sin respuesta» pasaría a ser válido); por eso la regla de los valores perdidos va antes que las reglas de valores. En PSPP 0/0 es 0 (Statable lo convierte en un resultado vacío), y una comparación de texto con una celda vacía da «falso» en lugar de «desconocido». MATCH FILES descarta en silencio los identificadores que solo están en el segundo archivo, empareja mal los identificadores repetidos sin avisar, vincula entre sí los identificadores vacíos, no da ningún aviso con archivos sin ordenar y descarta en silencio una columna del segundo archivo con el mismo nombre. AGGREGATE con MODE=ADDVARIABLES forma grupos solo con casos consecutivos en datos sin ordenar, y una mediana sin ningún valor válido es NaN.