Préparer les données : recoder, calculer, sélectionner, fusionner

En bref

Sur la page « Données », « Modifier les données » ouvre six assistants : Recoder, Calculer, Sélectionner des observations, Fusionner, Agréger et Observations dupliquées. Chacun montre un aperçu et la commande PSPP avant d’être appliqué. Le résultat va dans une nouvelle colonne ; une colonne existante n’est écrasée que si vous le choisissez explicitement. Chaque étape peut être défaite d’un coup avec « Annuler » dans l’en-tête. « Ajouter aux commandes » place la commande sur la page « Commandes ».

Valeurs manquantes

• Une expression comme a + b est vide dès qu’une valeur manque. Des fonctions comme MEAN(a, b), SUM, MIN et MAX utilisent en revanche les valeurs présentes.
• Pour la moyenne de plusieurs colonnes, une seule valeur valide suffit (comme pour la construction d’échelle après la fidélité). De nombreux manuels recommandent un minimum pour les échelles, par exemple la moitié des items ; il est réglable. L’écart type exige au moins deux valeurs.
• Les valeurs marquées « non renseigné » comptent comme manquantes.

Recoder

Les anciennes valeurs (une valeur, une plage, « non renseigné », vide) sont remplacées par de nouvelles ; la première règle qui correspond s’applique. Les valeurs sans règle sont conservées, laissées vides ou fixées à une valeur. L’aperçu compte anciennes et nouvelles valeurs. « Inverser un item » calcule nouvelle valeur = plus petite + plus grande − ancienne valeur, avec la même règle que pour la construction d’échelle ; l’échelle provient des étiquettes de valeurs, sinon des données, et peut être modifiée. Dans les colonnes de texte, majuscules/minuscules et espaces initiaux comptent ; si des valeurs ne diffèrent que par ces points, Statable le signale.

L’assistant « Recoder » propose aussi « Former des classes » : une colonne de nombres est répartie en classes de largeur égale, en classes d’effectifs égaux de personnes ou en classes avec vos propres limites (voir « Former des classes »).

Calculer

Une formule avec des colonnes, des opérateurs, des parenthèses et les fonctions LN, EXP, SQRT, ABS et RND, ou la moyenne, la somme, le minimum, le maximum et l’écart type de plusieurs colonnes. « Seulement si … » ne calcule que pour les observations où la condition est vraie ; les autres restent vides et sont comptées à part dans l’aperçu. Si un diviseur vaut 0, le résultat est vide, y compris pour 0 divisé par 0. L’aperçu montre les dix premières observations et compte séparément les résultats vides : valeurs de départ manquantes d’une part, erreurs de calcul (division par 0, logarithme de 0 ou d’un nombre négatif, racine d’un nombre négatif) d’autre part.

Sélectionner des observations

Statable ajoute une colonne de sélection : 1 = condition remplie, 0 = non remplie, vide = ne peut pas être vérifiée parce qu’une valeur manque. Elle peut servir de groupe ou de condition ; il n’y a volontairement pas de filtre invisible, car tous les calculs de Statable ne le respecteraient pas. « Conserver uniquement ces observations » supprime définitivement les autres cas (avec une confirmation et leur nombre), y compris ceux qui ne peuvent pas être vérifiés. Les analyses du cahier qui utilisent ces données sont alors signalées comme périmées.

Fusionner

• Ajouter des observations : le second fichier a les mêmes colonnes et est ajouté en dessous. Les colonnes sont appariées par leur nom ; si l’une n’est que dans un fichier, elle reste vide pour les autres observations. Un nombre face à du texte dans la même colonne est bloqué.
• Ajouter des colonnes : au moyen d’un identifiant (personne, classe). « Une ligne par identifiant dans les deux fichiers » ou « plusieurs pour un » (plusieurs personnes par classe). Avant de relier, Statable vérifie si des identifiants apparaissent plusieurs fois (bloqué, avec une liste) et compte les identifiants sans partenaire des deux côtés ; avec « plusieurs pour un », les identifiants présents seulement dans le second fichier manquent dans le résultat ; avec « une ligne par identifiant dans les deux fichiers », ils sont ajoutés comme lignes à part à la fin, avec les colonnes du premier fichier vides (toutes les observations des deux fichiers sont conservées). Les colonnes de même nom, hors identifiant, reçoivent un nouveau nom (proposition : _2).
• Le second fichier peut être au format SPSS, Stata, CSV ou Excel et reste sur l’appareil.

Agréger

Statistiques par groupe : observations du groupe, valeurs valides, moyenne, écart type, médiane, minimum, maximum, somme. Soit sous forme de nouvelles colonnes dans les données (chaque personne reçoit la valeur de son groupe, l’ordre des lignes est conservé), soit sous forme d’un nouveau projet avec une ligne par groupe ; le projet actuel reste inchangé. Les observations sans valeur de groupe forment un groupe à part. « Observations » compte toutes les observations du groupe, « valeurs valides » seulement les valeurs présentes dans une colonne ; une médiane sans aucune valeur valide reste vide.

Observations dupliquées

Toutes les colonnes, ou celles choisies, sont comparées (par exemple l’identifiant). Les observations sont considérées comme identiques si elles correspondent, sans tenir compte des majuscules/minuscules ni des espaces en début et fin (réglable sur « strictement identiques ») ; les nombres sont comparés à 15 chiffres, et é en un ou deux caractères est identique. Vous pouvez choisir si une valeur manquante est égale à une valeur manquante. Les espaces au début d’un texte sont perdus à l’ouverture des fichiers .sav. Le résultat est une colonne de marquage (0 = première observation, 1 = répétition) ; les observations ne sont supprimées que sur choix explicite, avec une confirmation.

Pour les spécialistes

• Commandes : RECODE, COMPUTE, IF, SELECT IF, ADD FILES, MATCH FILES, SORT CASES et AGGREGATE (source : manuel de PSPP). Statable calcule lui-même les observations dupliquées, car PSPP compare le texte octet par octet et les nombres bit par bit (0,1 + 0,2 ≠ 0,3).
• Pourquoi il y a des contrôles préalables : RECODE laisse les plages et ELSE capter les valeurs manquantes définies par l’utilisateur (un 9 pour « non renseigné » deviendrait valide) ; la règle des valeurs manquantes passe donc avant les règles de valeurs. Dans PSPP, 0/0 vaut 0 (Statable en fait un résultat vide), et une comparaison de texte avec une cellule vide donne « faux » au lieu de « inconnu ». MATCH FILES supprime en silence les identifiants présents seulement dans le second fichier, apparie à tort les identifiants en double sans avertir, relie entre eux les identifiants vides, ne donne aucun message pour des fichiers non triés et supprime en silence une colonne du second fichier portant le même nom. AGGREGATE avec MODE=ADDVARIABLES ne forme des groupes qu’à partir d’observations consécutives sur des données non triées, et une médiane sans valeur valide est NaN.