Arkusz z odpowiedziami wygląda czytelnie, ale program nie potrafi rozpoznać liczb, w jednej komórce są trzy wybrane odpowiedzi, a zero oznacza raz brak doświadczenia, raz brak odpowiedzi. Zanim wybierzesz test statystyczny do magisterki, uporządkuj znaczenie i strukturę danych. Inaczej nawet poprawnie wykonane obliczenie może odpowiadać na inne pytanie niż zakładałeś.
Poniżej przygotujemy mały przykład bazy z ankiety dotyczącej korzystania z informacji o praktykach studenckich. Identyfikatory i wartości są wymyślone wyłącznie do ćwiczenia. Nie opisują badania klientów ani nie stanowią narzędzia do oceny uczelni.
Zachowaj eksport pierwotny i pracuj na kopii
Pobierz eksport razem z wersją kwestionariusza wykorzystaną przy zbieraniu odpowiedzi. Zapisz datę pobrania, zakres rekordów i informację o ewentualnych filtrach. Plik pierwotny zachowaj bez nadpisywania. Baza do analizy powinna być rozpoznawalną wersją roboczą, której zmiany można prześledzić.
Nie usuwaj od razu niepełnych wierszy ani odpowiedzi, które wydają się nietypowe. Najpierw ustal, czy są błędem technicznym, poprawną odpowiedzią czy przypadkiem wymagającym wyjaśnienia. Samo odchylenie od większości nie jest podstawą poprawienia wartości. Reguły wykluczenia muszą mieć uzasadnienie związane z projektem.
W osobnym pliku zapisz wykonane przekształcenia. Wystarczy czytelny rejestr: nazwa zmiennej, problem, zastosowana reguła, liczba zmienionych przypadków i data. Jeśli korzystasz ze skryptu, zachowaj również jego wersję. Dzięki temu nie będziesz odtwarzać decyzji na podstawie wyglądu końcowego arkusza.
Ustal, co oznacza pojedynczy wiersz
W prostym badaniu jednorazowym jeden wiersz może odpowiadać jednej osobie, a kolumny poszczególnym zmiennym. Hadley Wickham w artykule Tidy Data porządkuje dane według zmiennych, obserwacji i typów jednostek obserwacyjnych. Kluczowe jest jednak określenie jednostki, a nie mechaniczne zastosowanie hasła „jeden respondent, jeden wiersz” do każdego projektu.
Przy dwóch pomiarach tej samej osoby możliwa jest struktura z osobnym wierszem dla każdego pomiaru i kolumną oznaczającą czas. Wtedy powtarzający się identyfikator nie oznacza duplikatu. Z kolei w badaniu gospodarstw domowych jednostka może być inna niż osoba. Wybór układu dopasuj do projektu oraz programu i planu analizy.
W naszym ćwiczeniu przyjmujemy jednorazową ankietę. Wiersz B01 to jeden fikcyjny uczestnik, nie numer wiersza w Excelu i nie nazwisko. Po sortowaniu identyfikator powinien nadal wskazywać ten sam rekord. Nie łącz go z informacjami identyfikującymi, jeśli nie są potrzebne do uzgodnionego celu i sposobu postępowania.
Zbuduj słownik zmiennych przed kodowaniem
Skrót nagłówka ma ułatwiać pracę, ale nie może usuwać znaczenia pytania. Przy kolumnie zapisz pełne brzmienie pozycji, możliwe odpowiedzi, jednostkę i okres, którego dotyczy pytanie. Dodaj regułę traktowania braków oraz informację, czy zmienna pochodzi bezpośrednio z eksportu, czy została obliczona.
Fragment słownika do przykładowej bazy
id: techniczny identyfikator rekordu, na przykład B01.
korzystal: deklaracja korzystania z informacji o praktykach w ostatnich 30 dniach; 1 = tak, 0 = nie.
liczba_wizyt: deklarowana liczba odwiedzin odpowiedniej strony w tym okresie; wartość liczbowa, a nie ocena częstości.
jasnosc: odpowiedź na jedno pytanie o zrozumiałość informacji, z zachowanymi etykietami kategorii.
powod_braku: osobno rozpoznane „nie dotyczy”, „nie pamiętam” lub brak udzielonej odpowiedzi, jeżeli rzeczywisty formularz pozwala je odróżnić.
Nie wpisuj do słownika odpowiedzi, których formularz nie rozróżniał. Puste pole nie ujawnia samo, czy ktoś odmówił, nie zauważył pytania czy nie miał odpowiedniego doświadczenia. Możesz zapisać brak nieokreślony. Nie wolno odtworzyć intencji uczestnika na podstawie własnego przypuszczenia.
Oddziel zero od braku i ścieżki „nie dotyczy”
Zero wizyt jest informacją o deklarowanej liczbie wizyt. Brak odpowiedzi nie jest zerem wizyt. Osoba bez doświadczenia może z kolei nie mieć podstaw do oceny korzystania. Te trzy sytuacje prowadzą do różnych interpretacji i różnych podstaw zestawienia.
Wyobraź sobie trzy fikcyjne rekordy. B01 korzystał ze strony dwa razy i odpowiedział na ocenę zrozumiałości. B02 zadeklarował korzystanie, lecz nie odpowiedział na pytanie o liczbę wizyt. B03 nie korzystał, więc ocenę zrozumiałości pominięto zgodnie ze ścieżką formularza. Wpisanie wszystkim pustym polom zera zrównałoby B02 z rzeczywistym zerem i nadało B03 ocenę, której nie udzielił.
Wybierz sposób oznaczenia braków obsługiwany przez docelowy program i opisz go w słowniku. Jeśli używasz technicznych kodów liczbowych, muszą zostać zadeklarowane jako braki, zanim obliczysz średnią. Wartość 99 w kolumnie ocen od 1 do 5 nie staje się brakiem wyłącznie dlatego, że autor arkusza tak ją rozumie.
Przy wielokrotnym wyborze zachowaj znaczenie zaznaczenia
Jeżeli pytanie pozwalało wybrać kilka kanałów informacji, komórka „strona; e-mail; konsultacja” może wymagać przekształcenia. Jednym z rozwiązań są osobne kolumny dla każdej możliwości. Wtedy 1 oznacza zaznaczenie, a 0 niezaznaczenie przez osobę, która rzeczywiście odpowiedziała na ten zestaw.
Nie przypisuj automatycznie zera wszystkim kanałom, gdy całe pytanie pozostało puste. Nie wiesz jeszcze, czy uczestnik nie wybrał żadnego, czy nie odpowiedział. Sprawdź konstrukcję formularza i instrukcję. Jeśli odpowiedź „żaden” była dopuszczona, ustal także, jak rozpoznasz sprzeczne połączenie „żaden” z konkretnym kanałem.
W opisie wyników określ, czy procent odnosisz do osób, czy do wszystkich zaznaczeń. To inne mianowniki. Przy wielu zaznaczeniach suma procentów osób wybierających poszczególne kanały może przekroczyć 100%. Nie poprawiaj jej sztucznie do 100, zmieniając znaczenie zestawienia bez wyjaśnienia.
Nie odwracaj pozycji bez sprawdzenia instrukcji narzędzia
W narzędziu wielopozycyjnym niektóre stwierdzenia mogą mieć przeciwny kierunek. Jeśli dokumentacja rzeczywiście wymaga odwrócenia pozycji z kodami od 1 do 5, przekształcenie można opisać jako 6 minus wartość pierwotna. Odpowiedź 4 da wtedy 2. To przykład rachunku, a nie zalecenie dla każdej ankiety.
Zachowaj kolumnę pierwotną, dodaj pochodną i zanotuj regułę. Nie stosuj odwrócenia do kodów braków ani do skali o innym zakresie. Najpierw potwierdź, które pozycje i jakie zasady przewidział autor użytego narzędzia. Samo negatywne brzmienie zdania nie wystarcza do zbudowania poprawnego wyniku ogólnego.
Własne pytania o różne aspekty informacji nie muszą tworzyć wspólnej skali. Nie sumuj liczby wizyt, oceny jasności i liczby kanałów tylko dlatego, że dotyczą podobnego tematu. Potrzebujesz uzasadnionego znaczenia wskaźnika. Wątpliwości co do samych pojęć omawia poradnik o zachowaniu spójnych znaczeń w magisterce.
Sprawdź zakresy, ścieżki i pozorne duplikaty
Przejrzyj wartości spoza dopuszczalnych kategorii, liczby zapisane jako tekst i niejednolite separatory dziesiętne. Skontroluj daty, ponieważ arkusz może odczytać wpis jako inny format. Sprawdź, czy liczba rekordów zgadza się z zakresem eksportu i przyjętymi regułami włączenia.
Przy identycznych odpowiedziach nie zakładaj automatycznie, że jedna osoba wypełniła ankietę dwa razy. Dwie różne osoby mogą wybrać te same kategorie. Do oceny duplikatu potrzebne są informacje przewidziane w rzeczywistym projekcie i dopuszczalny sposób ich użycia. Nie dokładaj identyfikacji uczestników po fakcie tylko po to, aby wygodniej czyścić plik.
Każdą ważną zmianę sprawdź na kilku rekordach ręcznie. Po rozdzieleniu wielokrotnego wyboru porównaj nowy zapis z oryginałem. Po konwersji dat sprawdź przypadki niejednoznaczne. Po zadeklarowaniu braków upewnij się, że program nie potraktował prawidłowego zera jako pustej odpowiedzi.
Przygotuj komplet materiałów do analizy
Do uporządkowanej bazy dołącz kwestionariusz, słownik, pytania badawcze i opis doboru uczestników. Zachowaj rejestr zmian oraz rzeczywistą liczbę obserwacji. To pozwala ocenić, czy planowana analiza odpowiada strukturze i jakości danych. Gotowy rozdział dyskusji nie zastąpi tych informacji, o czym przypomina poradnik o rozróżnieniu wyników i ich omówienia.
Najczęstsze pytania
Czy brak odpowiedzi w bazie ankiety można zastąpić zerem?
Braku odpowiedzi nie należy automatycznie zastępować zerem. Zero wpisuje się wtedy, gdy opisuje rzeczywistą odpowiedź, a nie brak danych. Brak odpowiedzi, „nie dotyczy” i prawidłowe zero trzeba rozróżnić w słowniku oraz programie analitycznym.
Czy każdy powtarzający się identyfikator oznacza duplikat ankiety?
Nie. W projekcie z wieloma pomiarami identyfikator tej samej osoby może pojawiać się w kilku wierszach. Najpierw określ jednostkę obserwacji i strukturę projektu. Nie usuwaj rekordów wyłącznie na podstawie podobieństwa odpowiedzi.
Bibliografia i materiały
- Wickham H., Tidy Data, Journal of Statistical Software, 2014, 59(10), s. 1-23. DOI: 10.18637/jss.v059.i10. Wykorzystano zasadę powiązania struktury danych ze zmiennymi, obserwacjami i jednostką obserwacyjną.
- Przykładowa baza, nazwy kolumn i rekordy B01-B03 są autorskimi materiałami dydaktycznymi. Regułę obliczania wyniku konkretnego kwestionariusza należy sprawdzić w jego dokumentacji.
