Gegevens voorbereiden: hercoderen, berekenen, selecteren, samenvoegen

Kort

Op de pagina “Gegevens” opent “Gegevens bewerken” zes assistenten: Hercoderen, Berekenen, Gevallen selecteren, Samenvoegen, Aggregeren en Dubbele gevallen (duplicate cases). Elke assistent toont voor het toepassen een voorvertoning en de PSPP-opdracht. De uitkomst komt in een nieuwe kolom; een bestaande kolom wordt alleen overschreven als je dat uitdrukkelijk kiest. Elke stap kan in één keer worden teruggedraaid met “Ongedaan maken” in de kopregel. “Aan opdrachten toevoegen” zet de opdracht op de pagina “Opdrachten”.

Ontbrekende waarden

• Een uitdrukking als a + b is leeg zodra een waarde ontbreekt. Functies als MEAN(a, b), SUM, MIN en MAX gebruiken daarentegen de aanwezige waarden.
• Voor het gemiddelde van meerdere kolommen volstaat één geldige waarde (zoals bij het bouwen van schalen na de betrouwbaarheid). Veel leerboeken adviseren een minimum voor schalen, bijvoorbeeld de helft van de items; dat is instelbaar. De standaarddeviatie heeft minstens twee waarden nodig.
• Waarden die als “geen antwoord” zijn gemarkeerd, tellen als ontbrekend.

Hercoderen

Oude waarden (een waarde, een bereik, “geen antwoord”, leeg) worden door nieuwe vervangen; de eerste regel die past, geldt. Waarden zonder regel blijven behouden, blijven leeg of krijgen een waarde. De voorvertoning telt oud tegenover nieuw. “Een item omkeren” berekent nieuwe waarde = laagste + hoogste − oude waarde, met dezelfde regel als bij het bouwen van schalen; de schaal komt uit de waardelabels, anders uit de gegevens, en kan worden aangepast. In tekstkolommen tellen hoofdletters/kleine letters en voorloopspaties mee; verschillen waarden alleen daarin, dan wijst Statable erop.

De assistent “Hercoderen” heeft ook “In klassen groeperen”: een kolom met getallen wordt verdeeld in klassen van gelijke breedte, klassen met gelijke aantallen personen of klassen met je eigen grenzen (zie “In klassen groeperen”).

Berekenen

Een formule met kolommen, operatoren, haakjes en de functies LN, EXP, SQRT, ABS en RND, of het gemiddelde, de som, het minimum, het maximum en de standaarddeviatie over meerdere kolommen. “Alleen als …” rekent alleen voor gevallen waarvoor de voorwaarde geldt; de andere blijven leeg en worden in de voorvertoning apart geteld. Is een deler 0, dan is de uitkomst leeg, ook bij 0 gedeeld door 0. De voorvertoning toont de eerste tien gevallen en telt lege uitkomsten apart: ontbrekende invoer enerzijds, rekenfouten (delen door 0, logaritme van 0 of lager, wortel van een negatief getal) anderzijds.

Gevallen selecteren

Statable voegt een selectiekolom toe: 1 = voorwaarde vervuld, 0 = niet vervuld, leeg = niet te controleren omdat een waarde ontbreekt. Ze kan als groep of voorwaarde worden gebruikt; er is bewust geen onzichtbaar filter, omdat niet elke berekening in Statable zich eraan zou houden. “Alleen deze gevallen behouden” verwijdert de andere gevallen definitief (met een bevestiging en het aantal), ook die niet te controleren zijn. Analyses in het schrift die deze gegevens gebruiken, worden daarna als verouderd gemarkeerd.

Samenvoegen

• Gevallen toevoegen: het tweede bestand heeft dezelfde kolommen en wordt eronder geplaatst. Kolommen worden op naam gekoppeld; staat een kolom maar in één bestand, dan blijft ze leeg voor de andere gevallen. Een getal tegenover tekst in dezelfde kolom wordt geblokkeerd.
• Kolommen toevoegen: via een ID (persoon, klas). “Één rij per ID in beide bestanden” of “veel op één” (meerdere personen per klas). Vóór het koppelen controleert Statable of ID’s meerdere keren voorkomen (geblokkeerd, met een lijst) en telt de ID’s zonder partner aan beide kanten; bij “veel op één” ontbreken ID’s die alleen in het tweede bestand staan in het resultaat; bij “één rij per ID in beide bestanden” worden ze als eigen rijen aan het eind toegevoegd, met lege kolommen van het eerste bestand (alle gevallen van beide bestanden blijven behouden). Kolommen met dezelfde naam, behalve het ID, krijgen een nieuwe naam (voorstel: _2).
• Het tweede bestand kan SPSS, Stata, CSV of Excel zijn en blijft op het apparaat.

Aggregeren

Statistieken per groep: gevallen in de groep, geldige waarden, gemiddelde, standaarddeviatie, mediaan, minimum, maximum, som. Ofwel als nieuwe kolommen in de gegevens (elke persoon krijgt de waarde van zijn groep, de rijvolgorde blijft behouden) ofwel als nieuw project met één rij per groep; het huidige project blijft ongewijzigd. Gevallen zonder groepswaarde vormen een eigen groep. “Gevallen” telt alle gevallen van de groep, “geldige waarden” alleen de waarden die in een kolom aanwezig zijn; een mediaan zonder enige geldige waarde blijft leeg.

Dubbele gevallen

Alle kolommen of de gekozen kolommen worden vergeleken (bijvoorbeeld het ID). Gevallen tellen als gelijk als ze overeenkomen, zonder rekening te houden met hoofdletters/kleine letters en spaties aan de randen (om te schakelen naar “exact gelijk”); getallen worden op 15 cijfers vergeleken, en é als één of twee tekens is hetzelfde. Je kunt kiezen of een ontbrekende waarde gelijk is aan een ontbrekende waarde. Spaties aan het begin van een tekst gaan verloren bij het openen van .sav-bestanden. Het resultaat is een markeringskolom (0 = eerste geval, 1 = herhaling); gevallen worden alleen op uitdrukkelijke keuze en met een bevestiging verwijderd.

Voor specialisten

• Opdrachten: RECODE, COMPUTE, IF, SELECT IF, ADD FILES, MATCH FILES, SORT CASES en AGGREGATE (bron: handleiding van PSPP). Statable berekent dubbele gevallen (duplicate cases) zelf, omdat PSPP tekst byte voor byte en getallen bit voor bit vergelijkt (0,1 + 0,2 ≠ 0,3).
• Waarom er voorcontroles zijn: RECODE laat bereiken en ELSE ook door de gebruiker gedefinieerde ontbrekende waarden vangen (een 9 voor “geen antwoord” zou geldig worden); de regel voor ontbrekende waarden komt daarom vóór de waarderegels. In PSPP is 0/0 gelijk aan 0 (Statable maakt er een lege uitkomst van), en een tekstvergelijking met een lege cel geeft “onwaar” in plaats van “onbekend”. MATCH FILES laat ID’s die alleen in het tweede bestand staan stilzwijgend vallen, koppelt dubbele ID’s zonder melding verkeerd, koppelt lege ID’s aan elkaar, geeft geen melding bij ongesorteerde bestanden en laat een kolom van het tweede bestand met dezelfde naam stilzwijgend vallen. AGGREGATE met MODE=ADDVARIABLES vormt bij ongesorteerde gegevens alleen groepen van opeenvolgende gevallen, en een mediaan zonder geldige waarde is NaN.