Preparare i dati: ricodificare, calcolare, selezionare, unire

In breve

Nella pagina «Dati», «Modifica dati» apre sei assistenti: Ricodificare, Calcolare, Selezionare casi, Unire, Aggregare e Casi duplicati. Ciascuno mostra un’anteprima e il comando PSPP prima di essere applicato. Il risultato va in una nuova colonna; una colonna esistente viene sovrascritta solo se lo scegli esplicitamente. Ogni passaggio si può annullare in una volta con «Annulla» nell’intestazione. «Aggiungi ai comandi» mette il comando nella pagina «Comandi».

Valori mancanti

• Un’espressione come a + b è vuota non appena manca un valore. Funzioni come MEAN(a, b), SUM, MIN e MAX usano invece i valori presenti.
• Per la media di più colonne basta un valore valido (come nella costruzione di scale dopo l’attendibilità). Molti manuali raccomandano un minimo per le scale, per esempio la metà degli item; si può impostare. La deviazione standard richiede almeno due valori.
• I valori segnati come «nessuna risposta» contano come mancanti.

Ricodifica

I vecchi valori (un valore, un intervallo, «nessuna risposta», vuoto) vengono sostituiti da nuovi; vale la prima regola che corrisponde. I valori senza regola vengono mantenuti, lasciati vuoti o impostati su un valore. L’anteprima conta vecchi e nuovi valori. «Inverti un item» calcola nuovo valore = più basso + più alto − vecchio valore, con la stessa regola della costruzione di scale; la scala deriva dalle etichette dei valori, altrimenti dai dati, e si può cambiare. Nelle colonne di testo contano maiuscole/minuscole e spazi iniziali; se i valori differiscono solo per questi, Statable lo segnala.

L’assistente «Ricodifica» ha anche «Raggruppa in classi»: una colonna di numeri viene suddivisa in classi di larghezza uguale, in classi con lo stesso numero di persone o in classi con limiti tuoi (vedi «Raggruppare in classi»).

Calcola

Una formula con colonne, operatori, parentesi e le funzioni LN, EXP, SQRT, ABS e RND, oppure media, somma, minimo, massimo e deviazione standard di più colonne. «Solo se …» calcola solo per i casi in cui la condizione vale; gli altri restano vuoti e vengono contati a parte nell’anteprima. Se un divisore è 0 il risultato è vuoto, anche per 0 diviso 0. L’anteprima mostra i primi dieci casi e conta separatamente i risultati vuoti: valori di partenza mancanti da un lato, errori di calcolo (divisione per 0, logaritmo di 0 o di un numero negativo, radice di un numero negativo) dall’altro.

Seleziona casi

Statable aggiunge una colonna di selezione: 1 = condizione soddisfatta, 0 = non soddisfatta, vuoto = non si può verificare perché manca un valore. Si può usare come gruppo o come condizione; di proposito non c’è un filtro invisibile, perché non tutti i calcoli di Statable lo rispetterebbero. «Tieni solo questi casi» rimuove definitivamente gli altri casi (con una conferma e il numero), compresi quelli che non si possono verificare. Le analisi nel quaderno che usano questi dati vengono poi segnate come non aggiornate.

Unisci

• Aggiungere casi: il secondo file ha le stesse colonne e viene aggiunto sotto. Le colonne vengono abbinate per nome; se una è solo in un file, resta vuota per gli altri casi. Un numero contro un testo nella stessa colonna viene bloccato.
• Aggiungere colonne: tramite un identificativo (persona, classe). «Una riga per identificativo in entrambi i file» oppure «molti a uno» (più persone per classe). Prima di collegare, Statable controlla se gli identificativi compaiono più volte (bloccato, con un elenco) e conta gli identificativi senza corrispondente su entrambi i lati; con «molti a uno» gli identificativi presenti solo nel secondo file mancano nel risultato; con «una riga per identificativo in entrambi i file» vengono aggiunti come righe a sé alla fine, con le colonne del primo file vuote (si conservano tutti i casi di entrambi i file). Le colonne con lo stesso nome, a parte l’identificativo, ricevono un nuovo nome (proposta: _2).
• Il secondo file può essere SPSS, Stata, CSV o Excel e resta sul dispositivo.

Aggrega

Statistiche per gruppo: casi del gruppo, valori validi, media, deviazione standard, mediana, minimo, massimo, somma. Oppure come nuove colonne nei dati (ogni persona riceve il valore del suo gruppo, l’ordine delle righe resta) oppure come nuovo progetto con una riga per gruppo; il progetto attuale non cambia. I casi senza valore di gruppo formano un gruppo a sé. «Casi» conta tutti i casi del gruppo, «valori validi» solo i valori presenti in una colonna; una mediana senza alcun valore valido resta vuota.

Casi duplicati

Vengono confrontate tutte le colonne o quelle scelte (per esempio l’identificativo). I casi contano come uguali se coincidono, ignorando maiuscole/minuscole e spazi ai bordi (si può passare a «esattamente uguali»); i numeri sono confrontati fino a 15 cifre, e é come uno o due caratteri è lo stesso. Si può scegliere se un valore mancante è uguale a un valore mancante. Gli spazi all’inizio di un testo si perdono quando si aprono file .sav. Il risultato è una colonna di marcatura (0 = primo caso, 1 = ripetizione); i casi vengono eliminati solo per scelta esplicita e con una conferma.

Per specialisti

• Comandi: RECODE, COMPUTE, IF, SELECT IF, ADD FILES, MATCH FILES, SORT CASES e AGGREGATE (fonte: manuale di PSPP). Statable calcola da sé i casi duplicati perché PSPP confronta il testo byte per byte e i numeri bit per bit (0,1 + 0,2 ≠ 0,3).
• Perché ci sono controlli preliminari: RECODE lascia che intervalli ed ELSE catturino valori mancanti definiti dall’utente (un 9 per «nessuna risposta» diventerebbe valido); la regola dei valori mancanti viene quindi prima delle regole sui valori. In PSPP 0/0 è 0 (Statable lo trasforma in un risultato vuoto) e un confronto di testo con una cella vuota dà «falso» invece di «sconosciuto». MATCH FILES scarta in silenzio gli identificativi presenti solo nel secondo file, abbina male gli identificativi doppi senza avvisare, collega tra loro gli identificativi vuoti, non dà nessun messaggio per file non ordinati e scarta in silenzio una colonna del secondo file con lo stesso nome. AGGREGATE con MODE=ADDVARIABLES forma gruppi solo da casi consecutivi su dati non ordinati e una mediana senza valori validi è NaN.