Tworzenie klas: dzielenie liczb na grupy

W skrócie

W „Edytuj dane” → „Rekoduj” → „Utwórz klasy” Statable dzieli kolumnę z liczbami na uporządkowane klasy. Wynik trafia do nowej kolumny; stara pozostaje bez zmian. Przed zastosowaniem podgląd pokazuje każdą klasę z granicami, liczbą przypadków i udziałem.

Trzy sposoby

• Równa szerokość: zakres od najmniejszej do największej wartości jest dzielony na jednakowo szerokie części. Skrajne granice to dokładnie najmniejsza i największa wartość (R przesuwa je o 0,1% w cut(x, k)).
• Równa liczba osób: granice to kwantyle, przy 4 klasach kwartyle. Statable stosuje regułę kwantyli typu 6 jak PSPP, SPSS i karta rozkładu (nie typ 7, jak domyślnie R). Granica klasy zgadza się więc z wierszem kwartyli w rozkładzie.
• Własne granice: na przykład 18 i 25. Przy otwartych końcach jest o jedną klasę więcej niż granic („do 18”, „powyżej 18 do 25”, „powyżej 25”).

Do której klasy należy wartość leżąca dokładnie na granicy?

Domyślnie: do niższej klasy („do 18”; pierwsza klasa zawiera najmniejszą wartość). Odpowiada to R (cut), ustawieniu domyślnemu SPSS Visual Binning i elementowi „Podziel na grupy” (do mediany). Można przełączyć na wyższą klasę („18 do mniej niż 25”), jak to jest w statystyce urzędowej; ostatnia klasa zawiera wtedy największą wartość. Zasada jest częścią każdej etykiety, a podgląd mówi, ile przypadków leży dokładnie na granicy. Przy liczbach całkowitych, takich jak wiek w latach, „powyżej 18 do 25” oznacza od 19 do 25; Statable opisuje etykiety granicami i nie wymyśla liczb.

Co Statable wychwytuje

• Wiele takich samych wartości: jeśli kwantyle się pokrywają, Statable tworzy mniej klas i o tym informuje („Statable tworzy 3 zamiast 4 klas”). Puste lub podwójnie opisane klasy nigdy się nie zdarzają.
• Puste komórki i wartości oznaczone jako „brak odpowiedzi” pozostają puste i nie wchodzą ani do granic, ani do żadnej klasy.
• Błąd zaokrąglenia: 0,1 + 0,2 to w komputerze 0,30000000000000004; porównanie z 0,3 mimo to działa, ponieważ Statable na granicy stosuje tolerancję 10⁻¹².
• Nowa kolumna jest porządkowa i ma etykiety jako etykiety wartości.

Dlaczego dzielić na klasy tylko z powodem

Dzielenie na klasy odrzuca informację i moc: pomiar staje się grubym grupowaniem, związki wyglądają na słabsze, a granice klas są często dowolne. Zwłaszcza podział medianowy (median split) rzadko jest uzasadniony (MacCallum, Zhang, Preacher & Rucker 2002, Psychological Methods 7(1), 19-40). Klasy mają sens, gdy pytanie ich wymaga (grupy wiekowe, wartość graniczna z literatury) lub gdy ma być pokazana tabela. Statable na to pozwala i o tym przypomina.

Dla specjalistów

Statable tworzy polecenie RECODE (zakresy rosnące, liczy się pierwsza pasująca reguła, granice z tolerancją) z FORMATS, VALUE LABELS i VARIABLE LEVEL ORDINAL. Ważone kwantyle (z wagą przypadku) są zgodne z PSPP HAVERAGE. Sprawdzone w R (cut z własnymi granicami, kwantyl type = 6) i w samym silniku PSPP. Źródło: Hyndman & Fan (1996), The American Statistician 50(4), 361-365 (typy kwantyli).