Preparar dados: recodificar, calcular, selecionar, juntar

Em resumo

Na página «Dados», «Editar dados» abre seis assistentes: Recodificar, Calcular, Selecionar casos, Juntar, Agregar e Casos duplicados. Cada um mostra uma pré-visualização e o comando do PSPP antes de ser aplicado. O resultado vai para uma coluna nova; uma coluna existente só é substituída se o escolher expressamente. Cada passo pode ser anulado de uma vez com «Desfazer» no cabeçalho. «Adicionar aos comandos» coloca o comando na página «Comandos».

Valores omissos

• Uma expressão como a + b fica vazia assim que falta um valor. Funções como MEAN(a, b), SUM, MIN e MAX usam, em contrapartida, os valores presentes.
• Para a média de várias colunas basta um valor válido (como na construção de escalas após a fiabilidade). Muitos manuais recomendam um mínimo para as escalas, por exemplo metade dos itens; é ajustável. O desvio-padrão precisa de pelo menos dois valores.
• Os valores marcados como «sem resposta» contam como omissos.

Recodificar

Os valores antigos (um valor, um intervalo, «sem resposta», vazio) são substituídos por novos; aplica-se a primeira regra que corresponder. Os valores sem regra são mantidos, deixados vazios ou definidos num valor. A pré-visualização conta valores antigos e novos. «Inverter um item» calcula valor novo = mais baixo + mais alto − valor antigo, com a mesma regra da construção de escalas; a escala vem dos rótulos dos valores e, na falta deles, dos dados, e pode ser alterada. Nas colunas de texto contam maiúsculas/minúsculas e espaços iniciais; se os valores só diferirem nisso, o Statable assinala-o.

O assistente «Recodificar» também tem «Agrupar em classes»: uma coluna de números é dividida em classes de larguras iguais, em classes com o mesmo número de pessoas ou em classes com limites próprios (ver «Agrupar em classes»).

Calcular

Uma fórmula com colunas, operadores, parênteses e as funções LN, EXP, SQRT, ABS e RND, ou a média, a soma, o mínimo, o máximo e o desvio-padrão de várias colunas. «Só se …» calcula apenas para os casos em que a condição se verifica; os outros ficam vazios e são contados à parte na pré-visualização. Se um divisor for 0, o resultado fica vazio, também para 0 a dividir por 0. A pré-visualização mostra os primeiros dez casos e conta separadamente os resultados vazios: valores de partida omissos, por um lado, e erros de cálculo (divisão por 0, logaritmo de 0 ou de um número negativo, raiz de um número negativo), por outro.

Selecionar casos

O Statable acrescenta uma coluna de seleção: 1 = condição cumprida, 0 = não cumprida, vazio = não pode ser verificada porque falta um valor. Pode ser usada como grupo ou como condição; de propósito, não há um filtro invisível, porque nem todos os cálculos do Statable o respeitariam. «Manter só estes casos» remove definitivamente os outros casos (com uma confirmação e o seu número), incluindo os que não podem ser verificados. As análises do caderno que usam estes dados são então marcadas como desatualizadas.

Juntar

• Acrescentar casos: o segundo ficheiro tem as mesmas colunas e é acrescentado por baixo. As colunas são emparelhadas pelo nome; se uma só existir num ficheiro, fica vazia para os outros casos. Um número contra texto na mesma coluna é bloqueado.
• Acrescentar colunas: através de uma identificação (pessoa, turma). «Uma linha por identificação nos dois ficheiros» ou «vários para um» (várias pessoas por turma). Antes de ligar, o Statable verifica se há identificações repetidas (bloqueado, com uma lista) e conta as identificações sem par dos dois lados; com «vários para um», as identificações que só estão no segundo ficheiro faltam no resultado; com «uma linha por identificação nos dois ficheiros», são acrescentadas no fim como linhas próprias, com as colunas do primeiro ficheiro vazias (mantêm-se todos os casos dos dois ficheiros). As colunas com o mesmo nome, além da identificação, recebem um nome novo (proposta: _2).
• O segundo ficheiro pode ser SPSS, Stata, CSV ou Excel e fica no dispositivo.

Agregar

Estatísticas por grupo: casos do grupo, valores válidos, média, desvio-padrão, mediana, mínimo, máximo, soma. Ou como colunas novas nos dados (cada pessoa recebe o valor do seu grupo, a ordem das linhas mantém-se) ou como um projeto novo com uma linha por grupo; o projeto atual não muda. Os casos sem valor de grupo formam um grupo próprio. «Casos» conta todos os casos do grupo, «valores válidos» só os valores presentes numa coluna; uma mediana sem nenhum valor válido fica vazia.

Casos duplicados

Comparam-se todas as colunas ou as escolhidas (por exemplo a identificação). Os casos contam como iguais se coincidirem, sem ter em conta maiúsculas/minúsculas nem espaços nas extremidades (pode mudar-se para «exatamente iguais»); os números são comparados até 15 algarismos, e é como um ou dois carateres é o mesmo. Pode escolher-se se um valor omisso é igual a um valor omisso. Os espaços no início de um texto perdem-se ao abrir ficheiros .sav. O resultado é uma coluna de marcação (0 = primeiro caso, 1 = repetição); os casos só são eliminados por escolha expressa e com uma confirmação.

Para especialistas

• Comandos: RECODE, COMPUTE, IF, SELECT IF, ADD FILES, MATCH FILES, SORT CASES e AGGREGATE (fonte: manual do PSPP). O Statable calcula por si os casos duplicados, porque o PSPP compara o texto byte a byte e os números bit a bit (0,1 + 0,2 ≠ 0,3).
• Porque há verificações prévias: o RECODE deixa que intervalos e ELSE apanhem valores omissos definidos pelo utilizador (um 9 para «sem resposta» passaria a ser válido); por isso a regra dos valores omissos vem antes das regras de valores. No PSPP, 0/0 é 0 (o Statable transforma-o num resultado vazio) e uma comparação de texto com uma célula vazia dá «falso» em vez de «desconhecido». O MATCH FILES descarta em silêncio as identificações que só estão no segundo ficheiro, emparelha mal as identificações duplicadas sem avisar, liga entre si as identificações vazias, não dá nenhuma mensagem para ficheiros não ordenados e descarta em silêncio uma coluna do segundo ficheiro com o mesmo nome. O AGGREGATE com MODE=ADDVARIABLES só forma grupos a partir de casos consecutivos em dados não ordenados, e uma mediana sem valores válidos é NaN.