SPSS introduktion Om at komme igang 1 af Henrik Lolle, oktober 2003 Indhold Indledning 1 Indgang til SPSS 2 Frekvenstabeller 3 Deskriptive statistikker gennemsnit, standardafvigelse, median osv. 4 Søjlediagrammer og histogrammer 4 Simpel rekodning 5 Beregninger med Compute 7 Betingede beregninger og rekodninger 7 Om Paste -funktionen 8 Indledning Denne lille tekst skulle gøre det muligt at komme i gang med SPSS på egen hånd, både hvad angår analyse og rekodninger. Den er imidlertid kun tænkt som en start-hjælp, og der vil sikkert hurtigt opstå problemer, som der ikke kan findes svar på i teksten. Heldigvis findes der et hav af både mindre og større skrifter, som man kan ty til, og en del af disse kan endog frit downloades fra internettet. Og desuden findes udmærkede hjælpefunktioner i SPSS. Introduktionen holder sig til peg-og-klik brugerfladen i SPSS, men især med hensyn til rekodninger samt beregninger af nye variable anbefales i hvert fald i forbindelse med større projekter at foretage sådanne via egen programmering (i SPSS kaldet for syntax ) i stedet for via peg-og-klik. Udfærdigelse af egne programmer til rekodning giver en række fordele: For det første er programmerne en god dokumentation i sig selv, fordi man ikke altid kan huske, hvad de konstruerede variable egentlig står for, eller hvordan man har dannet dem. 1 Introduktionen er en hurtigt opdateret version af en tidligere fra august 2002. Der er imidlertid ikke opdateret til SPSS Version 11, hvorfor der kan forekomme små uoverensstemmelser mellem de indsatte SPSS skærmbilleder og det, man ser på skærmen i Version 11. Afvigelserne vil imidlertid være så små, at dette ikke skulle give anledning til forstyrrelser.
For det andet kan man senere lave ændringer uden at skulle gøre det hele om igen, men blot ændre mindre dele af programmerne. For det tredje kommer man sandsynligvis til at skulle lave lidt mere avanceret rekodning, som enten er meget besværlig eller helt umulig via peg-og-klik. Det er imidlertid udmærket at starte sin erfaring med rekodninger via peg-og-klik, og man kan i øvrigt også herigennem bede SPSS om at indsætte de underliggende programstumper i et syntaxvindue, og denne syntax kan derpå gemmes som en fil og benyttes som udgangspunkt/ramme for egen programmering. 2 Indgang til SPSS For at åbne SPSS klikkes i nederste bjælke på ruten : Start Programmer SAS SPSS - DiGram Når SPSS er åbnet, kan et datasæt indlæses ved at klikke File Open Data (eller ved at klikke på åbn-ikonen). I kan nu se dataene i det såkaldte Data View. I Data View kan dataene vises enten som de rene talkoder eller som korte beskrivelser af, hvad koderne står for såkaldte Value Labels. Ved et spørgsmål om respondenternes bopæl kan talkoderne f.eks. være 0, 1, 2 og 3, og de tilhørende value labels København, Sjælland, Fyn og øerne samt Jylland. Man kan skifte mellem disse to former for visning under View i menubjælken for oven eller ved at klikke på ikonen for value labels (som regel placeret henne til højre i den øverste række med ikoner, men prøv også at holde musen over de forskellige ikoner, hvorved der fremkommer forklarende tekst). Foruden Dataview findes et Variable View, hvor den enkelte variabel er nærmere defineret. Skift mellem disse to visninger klares med museklik på de to knapper for neden til venstre i skærmbilledet. Prøv at skift til Variable View. Samtlige variable fremstår nu i en lang kollonne med navne ude til venstre og forskellige beskrivelser ud mod højre. Bl.a. fremgår 2 Der findes mange introduktioner til programmering i SPSS. Jeg har selv lavet en, som kan downloades på http://www.socsci.auc.dk/~lolle/metodeundervisning.htm under Diverse. 2
variable label (tekstbeskrivelse af variablen), value labels, missing values, samt om der er tale om en numerisk eller alfanummerisk variabel. Navne og beskrivelser kan blot ændres direkte i de respektive felter. Vil man derimod indtaste eller ændre i value labels eller missing values, skal man først åbne specielle vinduer hertil. Dette gøres ved at klikke yderst til højre i feltet for value labels eller missing values. I eksemplet, der vises her, indtastes value labels for variablen en variabel for, om respondenten har matematik på A-niveau på gymnasiet eller ej. Et et-tal betyder ja og to betyder nej. Værdier indtastes i ruden ud for Value, og forklarende tekst ud for Value Label. Efter definition af hver enkelt værdi tastes Add., og når alle værdier er defineret, tastes OK. På billedet mangler blot at blive klikket Add OK. Definition af missing values foregår på lignende vis, og der er mulighed for at definere såvel enkeltværdier som intervaller. Værdierne forsvinder ikke, når de defineres som missing, og det er derfor altid muligt at ændre disse definationer. Ud over de værdier, som man selv sætter til at være missing, kan der i øvrigt forekomme helt tomme felter (som dog figurerer med et komma i SPSS), såkaldt system missing values. Frekvenstabeller Klik på Analyze Descriptives Frequencies. Vælg nu den variabel (eller evt. flere), som I vil have lavet en frekvenstabel for, i ruden til venstre og klik på pilen midt i billedet, sådan at den ryger over i ruden til højre. Vælg så OK, og frekvenstabellen vises i outputvinduet. 3
Deskriptive statistikker gennemsnit, standardafvigelse, median osv. Simple statistikker kan beregnes og skrives ud fra flere forskellige SPSS-procedurer bl.a. Frequencies, Descriptives og Explore (de mest almindelige statistikker kan skrives ud alle disse steder, mens det veksler lidt med de øvrige en udmærket oversigt findes i Tine Nielsen og Svend Kreiner (1999): SPSS Introduktion til databehandling & statistisk analyse, p.78. Fra Frequencies -proceduren beregnes statistikkerne ved først at klikke Analyze Descriptives Frequencies. Hvis man ikke vil have skrevet frekvenstabel ud, afmarkeres rubrikken Display frequency tables nederst til venstre i ruden. Der klikkes nu Statistics, hvorpå de statistikker, man ønsker beregnet, markeres. Klik så på Continue OK, således at statistikkerne vises i outputvinduet. Søjlediagrammer og histogrammer Søjlediagrammer og histogrammer kan udskrives både fra Frequency -proceduren og fra specielt indrettede procedurer. Skal der udskrives et simpelt søjlediagram, og benytter man den specielt designede procedure for søjlediagrammer klikkes på Graphs Bar, hvorefter der i det fremkomne vindue blot klikkes på Define (der er som default valgt Simple og Summaries for groups of cases ). I det derpå fremkomne vindue vælges den variabel, som man ønsker et søjlediagram for. Denne variabel overføres ved hjælp af pilen til ruden under Categori Axis. Så vælges det, om søjlerne skal vise frekvenser eller procenter. Det foregår for oven i vinduet ved klik i enten N of cases eller % of cases. Til slut klikkes OK. 4
Har man en interval-/ratioskaleret variabel, der kan antage mange værdier, og vil man i stedet have udskrevet et histogram, klikkes Graphs Histogram, hvorefter den pågældende variabel vælges, og der klikkes OK. I både Bar Chart -proceduren og Histogram -proceduren er der en række forskellige muligheder, som det er værd at udforske lidt. Skal man imidlertid bare have udskrevet helt almindelige søjlediagrammer eller histogrammer, kan dette, som ovenfor nævnt, også gøres inde fra Frequency - proceduren. Der klikkes blot Chart inde i frequency-vinduet, hvorpå der vælges enten søjlediagram eller histogram. Simpel rekodning Klik på Transform Recode Into Different Variable. Vælg den variabel, der skal rekodes og før den over i det midterste vindue ved klik på pilen. Navngiv derefter den nye rekodede variabel i rubrikken Name ude til højre samt meget gerne også en variable label i rubrikken Label. Klik derpå Old and New Values. Hvis nu man vil lave det sådan, at alle respondenter, der i den oprindelige variabel har værdierne 1 og 2, i den nye variabel får værdien 0, så klikkes først i det øverste felt for Range (ude til venstre under Old Value ), hvorpå værdierne 1 og 2 indtastes i de to tilhørende rubrikker. For at bekræfte dette valg klikkes på Add. 5
Læg mærke til, at der er en del andre muligheder. Hvis man f.eks. vil have en enkelt værdi i den oprindelige variabel transformeret om til en anden enkeltværdi i den nye, så benyttes den øverste rubruk ud for Value. Og har man brug for at hæfte værdier til endeintervaller, kan man benytte en af de to nederste Range -rubrikker. Derudover kan man henvise til to typer af missing values enten til alle såkaldt system missing values (der i datamatricen fremstår som et komma) eller til samtlige missing values, dvs. både de blanke og de talkoder, som man har defineret som missing values. Endelig til slut findes nederst en alt andet -kategori. Den er brugt i det viste eksempel. Her drejer det sig om en variabel for fødselsår for studerende på 3. semester 2001 med følgende værdier: 1 = 1977 el. før; 2 = 1978; 3 = 1979; 4 = 1980 og derefter. Denne variabel rekodes til en såkaldt dummy-variabel, der kun kan antage to forskellige værdier. Værdierne 1 og 2 bliver transformeret om til 0, og værdierne 3 og 4 bliver transformeret om til 1. Alle andre værdier (der findes ikke andre valide værdier) bliver sat til system missing i den nye variabel. Hvis man laver en fejl under rekodningen, kan man bare klikke på den forkerte rekodning i ruden til højre (i Old and New Values -vinduet) og derpå klikke Remove. Når man har det hele rigtigt, klikker man Continue OK. Der popper ikke noget resultat op i outputvinduet, men man kan checke i datamatricen, om variablen er dannet, og det er også en god ide at lave en frekvenstabel over den, for at kontrollere rekodningen. Man kan evt. også krydstabulere den gamle og den nye variabel (herom i efterfølgende vejledninger). 6
Beregninger med Compute I nogle situationer kan man beskrive en ny variabel, man vil have dannet, ved en regneoperation eller funktion. Det kunne f.eks. være, hvis man vil have transformeret en andel om til en procentsats, eller hvis man vil have afrundet værdien af en variabel til hele tal. Sådanne ting gøres lettest med Compute -funktionen. Ligesom det er tilfældet med almindelig rekodning, anbefales det i disse situationer at benytte syntax, men igen kan det være udmærket at gøre sig sine første erfaringer via peg-og-klik, eventuelt med benyttelse af paste -funktionen. Klik først Transform Compute. Herefter skrives navnet på den nye variabel, man vil have dannet i rubrikken øverst til venstre under Target Variable. Herefter skrives det nummeriske udtryk (dvs. regneoperationen/funktionen) i den lidt større rude til højre ( Numeric Expression ). Som regel er den nye variabel en funktion af en eller flere allerede eksisterende variable, og navnene på disse kan overføres fra listen i den store rude til venstre, eller de kan skrives direkte ind i det numeriske udtryk. Man kan ligeledes frit skrive regneoperatorer, paranteser osv direkte ind i ruden under Numeric Expression, men man kan også bruge tasterne nedenunder ruden som hjælp. I ruden nederst til højre findes desuden et hav af forskellige funktioner (for absolut værdi, logaritmisk transformeret værdi, afrundet værdi, minimumsværdi fra en angivet liste osv.), som man kan benytte i forbindelse med det numeriske udtryk. I det viste eksempel er der dog blot dannet en aldersvariabel (alder i 1998 hvor undersøgelsen fandt sted) ud fra en variabel for fødselsår, og dette er gjort ved at trække fødselsåret fra tallet 1998. Når man har lavet udtrykket færdigt, klikkes OK, og den nye variabel dannes. Husk herefter at kontrollere, om det er gjort korrekt. Betingede beregninger og rekodninger Både rekodninger og beregninger kan gøres betingede. Det kan man få brug for i ganske mange tilfælde; der skal imidlertid blot nævnes et enkelt eksempel her. Man kunne f.eks. forestille sig, at man fik behov for at danne en typologi over respondentens forældres uddannelse, sådan at hvis begge har studentereksamen eller tilsvarende, gives værdien 1 i typologi-variablen, hvis kun én af forældrene har studentereksamen eller tilsvarende, gives værdien 2, og hvis ingen af forældrene har studentereksamen eller tilsvarende, gives værdien 3. En sådan beregning eller værditildeling vil være vanskelig at lave f.eks. gennem en compute -sætning uden indbyggede betingelser. En måde at klare problemet på er ved at klikke på If inde i compute -vinduet. Gør man det, dukker der et vindue op med titlen Compute variables: if cases. Heri kan der beskrives en betingelse, hvorpå 7
der klikkes Continue. I selve Compute -vinduet skrives blot den nye variabels navn i ruden til venstre som vanligt, og der skrives en værdi i ruden til højre, nemlig den værdi som typologivariablen skal tildeles, hvis betingelsen er opfyldt. Derpå klikkes OK eller Paste. Men der mangler jo stadigvæk nogle betingelser og tildeling af andre værdier. Dette klares ved at gentage den beskrevne procedure, altså samme variabelnavn for typologien, men andre betingelser og andre værditildelinger. Når variablen er færdigdannet, er det klogt i hvert fald som begynder at checke den nydannede variabel, f.eks. med stikprøver af cases på selve datamatricen eller med frekvenstabeller og krydstabeller. F.eks. kan den ovenfor beskrevne typologi checkes via en krydstabel mellem faderens og moderens uddannelse samt en frekvenstabel over typologien. Ud fra krydstabellen kan man se, hvor mange respondenter der skal befinde sig i hver kategori i typologien. Om Paste -funktionen Det blev i indledningen anbefalet, at man udfærdiger sine egne programmer til rekodninger og forskellige andre udregninger, men der er også store fordele ved at gemme programmer for de statistiske procedurer. Ofte vil man f.eks. komme ud for, at man bliver nødt til at lave en masse statistiske procedurer om med blot nogle ganske få ændringer, og hvis man har de underliggende programmer liggende som fil, er det en smal sag at foretage disse ændringer. Derimod kan det være helt uoverskueligt at skulle foretage beregningerne via peg-og-klik endnu en gang. Peg-og-klik er imidlertid i mange situationer en god måde at starte ud på. Når man således har klargjort sin procedure i peg-og-klik, klikker man simpelthen på knappen Paste, som findes i stort set alle vinduer i SPSS. Det underliggende program sættes nu automatisk ind i et syntax-vindue, hvor det kan kopieres og ændres meget nemt. På den måde udnytter man til fulde de fordele, der er, ved såvel klik-og-peg som syntax. 8