Självstudiematerial för SPSS

Steg 0: SPSS två datavyer
Vi börjar med att bekanta oss med SPSS två fönster, eller vyer, ett för att manipulera data, och ett för att
manipulera sk. metadata, som är data om data exempelvis variabelnamn, förklarande text, variabeltyper,…
Figur 1: SPSS Variabelvy
I variabelvyn kan vi definiera variabler och ange dess egenskaper. Variablernas egenskaper bestäms av det vi
anger i de 10 kolumnerna,
• Name. Variabelns namn.
• Type. Anger variabelns lagringstyp, dvs hur datorn sparar den. Kan vara numeric (siffror) eller string
(text). Default är numeric.
• Width. Anger hur många tecken inklusive decimalpunkt variabeln innehåller. Exempelvis behövs
bredden 4 för att spara 3.14. Defaultvärdet är 8.
• Decimals. Antal decimaler variabeln ska ha. Defaultvärdet är 2.
• Label. En etikett, möjlighet att skriva en förklaringstext till variabeln. Etiketten kommer sedan att
användas i utdatafilen.
• Values. Etiketter för de olika värden variabeln kan anta. Etiketterna kommer sedan att användas i
utdatafilen.
• Missing. Anger vilka siffervärden som SPSS ska betrakta som ”Missing Data”, dvs data som av någon
anledning fattas. Kan användas för att skilja mellan data som fattas och data som kanske inte skrivits in
pga felhantering. Vanligt är att använda -99 för data som fattas.
• Columns. Antalet tecken-kolumner som används när data visas i datavyn. Defaultvärdet är 8.
• Align. Anger justering för data. Alternativ vänster-, centrum eller högerjusterat.
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
1
•
Measure. Anger vilken sorts data variabeln representerar. Det finns tre alternativ, scale (mätdata),
ordinal (ordinaldata, dvs sorterbara kategoridata) och nominal (kategoridata utan inbördes ordning).
Alla fälten är inte lika viktiga:
•
•
•
•
Name och Type är nödvändiga att man väljer själv beroende på vad som ska analyseras.
Label, Values och Measure är inte nödvändiga att välja själv, däremot kommer hanteringen av data,
analyser och annat att gå mycket lättare. Alla dessa tre her med dokumenteringen av data att göra.
Missing har också med dokumentation och tolkning av data att göra. Om på något sätt vill representera
att data fattas så måste den användas.
Width, Columns, Alignment och Decimals behöver man inte välja själv, det går i de allra flesta fall att
använda de värden som SPSS själv föreslår.
Genom att trycka på etikettknappen kan man visa data
eller etiketter.
Figur 2: SPSS Datavy
I datavyn skriver vi in och ändrar data. Varje kolumn representerar en variabel och varje rad ett objekt eller fall
(fritt översatt från engelskans case). Fönstret fungerar som kalkylbladet i Excel med undantaget att vi inte gör
några beräkningar i arket utan vid sidan om, via menyerna. Tab-tangenten flyttar åt höger och piltangenterna
upp/ner/höger/vänster precis som man kan förvänta sig.
Finess: Man kan välja om man vill visa data som de är eller om man vi se deras etiketter istället. Tryck bara på
etikett-knappen . En god regel är att skapa värdeetiketter (value labels) för kategori-data men skippa det för
mätdata.
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
2
Steg 1: Skapa variabler
Klicka på fliken ”Variable View”
► Skapa följande variabler:
•
•
•
•
•
•
•
•
Identitet
Längd
Vikt
Kön
BMI
Ålder
Utbildning.
Blodtryck
Här skriver du namnet
på den nya variabeln.
•
•
Här väljer du variabelns
typ, numerisk eller
string.
Här anger du hur många
tecken variabeln ska
kunna lagra.
Här anges antal
decimaler.
Bestäm nu vad variablerna har för typ (Type), dvs om variablerna är numeriska eller alfanumeriska (string).
Bestäm också hur många tecken variablernas värden ska bestå av (Width) samt hur många decimaler som
behövs (Decimals).
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
3
2. Förklara och förtydliga dina data
Det är ALLTID bra att beskriva variablerna kortfattat, dessutom behöver man beskriva vad koderna för de
kodade variabler såsom kön, utbildningsnivå, osv, betyder. Om det i materialet fattas data på en del ställlen
behöver detta också beskrivas. Det har egentligen inte med SPSS att göra utan handlar mer om att vara tydlig
med vad data betyder.
•
•
•
Beskriv variablerna kortfattat.
Bestäm hur variablerna ska kodas, för de variabler det är aktuellt. Typexempel på variabler som kodas är
svar på kryssfrågor och variabler med endast fixt antal alternativ.
Skriv in hur ni kodar att värden fattas. Exempelvis med kod -99, eller någon annan kod som inte kan
misstas för en observation.
Nästa steg är att skriva in detta i SPSS-filen!
Här skriver du förklarande
text till variabelns namn
Anger kolumnbredd
Anger hur data justeras
Här förklaras
variabelvärden för en
kategorisk variabel.
Bestäm koder för saknade
variabelvärden.
Anger variabelns
mätnivå
► Skriv in den förklarande texten för variablerna i kolumnen Label. Definiera variabelvärden på de kategoriska
variablerna i Values och på de saknade variabelvärdena i Missing. Ändra kolumnbredd och justera data om du
tycker det är nödvändigt. Ange variabelns mätnivå under Measure.
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
4
Steg 3: Mata in data
Nu är SPSS-filen förberedd för data, dvs det är dags att skriva in alla siffror ☻ och vi gör det under i ”Data
View”.
Klicka på fliken ”Data View” och mata in
dina data. En observation på varje rad
► Mata in värdena på följande personer:
Id
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Kön
Man
Man
Kvinna
Man
Kvinna
Kvinna
Kvinna
Man
Man
Kvinna
Man
Man
Kvinna
Kvinna
Man
Man
Kvinna
Kvinna
Man
Kvinna
Längd
178
198
172
182
161
174
158
180
187
179
174
190
168
170
184
178
165
175
172
155
Vikt
72
81
68
91
70
58
65
83
80
63
78
80
51
71
70
112
67
69
104
161
Självstudiematerial för SPSS (ver. 15.01),
Ålder
38
43
31
48
40
27
52
58
29
31
44
39
32
40
30
51
35
27
64
45
Utbildning
Gymnasium
Högskola
Gymnasium
Högskola
Gymnasium
Högskola
Högskola
Grundskola
Gymnasium
Högskola
Högskola
Grundskola
Gymnasium
Högskola
Gymnasium
Grundskola
Högskola
Högskola
Grundskola
Gymnasium
Bltr
135
110
125
180
175
110
210
180
135
140
180
150
130
185
150
215
67
69
104
161
Fredrik Lundin, Jan 2009.
5
► Spara filen! Gå till menyalternativet File → Save as. Spara därefter på enhet H:\ under ett namn som du
kommer ihåg. Alternativen New/Open/Save/Save as/Print fungerar ungefär som motsvarande i Word och Excel.
Skapa ny fil
Öppnar en fil
Öppnar en datafil från en extern
databas eller läs in en textfil.
Sparar en fil. Samma
funktionalitet som i
word/excel.
Titta på innehållet i en
fil utan att öppna den.
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
6
3. Enklare analyser: Kvantitativa variabler
För att göra enklare analyser och ta fram en del beskrivande mått som medelvärde, median, standardavvikelse
mm, används menyalternativet Analyze. Under det alternativet finns det flera olika alternativ beroende på
vilken typ av variabel som ska analyseras.
► Nu ska du öppna den fil som du arbetade med tidigare. Gå till menyalternativet File → Open → Data.
Markera din fil och klicka på Open.
Om det behövs eller om man vill går det nu bra att kontrollera, ändra eller juster data på något sätt. Vi ska dock
gå vidare till en inledande analys.
► Gå till menalternativet Analyze → Descriptive Statistics → Descriptives
Används framförallt till
kvantitativa variabler. Här kan
du beräkna medelvärde,
median, standardavvikelse osv.
Resultatet ges i tabellform.
Vi får fram ett formulär där vi kan välja variabler att analysera. Markera variabler och tryck på pilknappen för att
flytta dom till Variable-rutan
Knappen options
ger möjlighet att
välja …
Markera de
variabler du
vill analysera
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
7
…typ av statistik som
ska produceras,
exempelvis…
…lägesmått.
…spridningsmått.
…och mått på hur
skev fördelningen är.
► Lös nedanstående uppgifter.
1. Vad är genomsnittsåldern?
_____________________________
2. Vad är lägsta vikten?
______________________________
3. Vad betyder N i resultatfönstret?
______________________________
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
8
4. Enklare analyser: Kvalitativa variabler
Vissa variabler lämpar sig inte för medelvärden, t ex den kvalitativa eller kategiriska variabeln kön. Under
menyalternativet Analyze finns det flera olika möjligheter för att analysera kvalitativa variabler. Under
Frequencies… kan vi skapa frekvenstabeller, enklare diagram och beräkna lite statistik. Obs! Man kan även
beräkna medelvärden och standardavvikelser, trots att detta inte alltid har någon relevans.
Ger oss absoluta
och relativa
frekvenser.
Jämför två eller
flera kategoriska
eller kvalitativa
variabler.
För att jämföra två kategoriska variabler används Analyze → Descriptive Statistics → Crosstabs…
Funktionen producerar tabeller där vi exempelvis kan se hur utbildningsnivå och kön är fördelar i materialet.
Kön * Utbildning Crosstabulation
Count
Utbildning
1
Kön
Total
2
Total
3
0
0
3
4
1
3
3
3
9
3
6
7
16
7
Korstabellen (Crosstab) är ett enkelt sätt att leta indikationer på om exempelvis utbildningsfördelningen verkar
vara olika för män och kvinnor.
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
9
► Gå till menyalternativet Analyze → Descriptive Statistics → Frequencies, för att lösa nedanstående
uppgifter.
1. Hur många är kvinnor?
___________________________________
2. Hur många procent utgör kvinnorna?
___________________________________
3. Hur stor andel har enbart grundskoleutbildning?
__________________________
► Gå till menyalternativet Analyze → Descriptive Statistics → Crosstabs, för att lösa nedanstående uppgifter.
1. Hur stor andel av männen har gymnasiekompetens?
_______________________
2. Hur stor andel är kvinnor med högskolekompetens?
_______________________
3. Hur stor andel av dom med gymnasiekompetens är kvinnor?
__________________
Markera den
variabel du vill ha
radvis och lägg
den i fönstret
under Row(s):
Markera den
variabel du vill ha
kolumnvis och
lägg den i fönstret
under Column(s):
För att bestämma
vilken typ av
procent tryck på
knappen Cells…
Vi kan även välja
vilken typ av
statistik som ska
produceras, under
Statistics…
Vi hinner tyvärr inte gå in på alla de statistikor och tester som kan beräknas under knappen Statistics…, det
kanske kan bli temat för en annan kurs. Underformuläret har 15 alternativ som täcker 17 olika typer av test, alla
med sina svaga och starka sidor.
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
10
Under Analyze-Reports finns ytterligare sätt att beskriva datamaterialet.
Skapar pivottabeller
med olika lager.
Skapar tabeller som listar
observationerna.
Rapporterar data utifrån valda
kriterier. Layout utan pivot
möjligheter.
► Gå till menyalternativet Analyze → Reports →Case Summaries och försök skapa tabellen nedan.
Case Summaries
Ålder
Kön
0
N
1
Total
7
Mean
36,1429
9
42,1111
16
39,5000
Dialogrutan for Case Summaries och dess underdialogruta Satistics… innehåller en hel del val!
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
11
Obs! Håll pekaren
över en variabel, och
hela dess etikett visas!
Här läggs
variabler som
ska beskrivas.
Här läggs variabler,
som observationerna
ska grupperas efter.
Med knappen
Statistics… kan
vi välja typer av
beskrivningsmått.
Här kan vi välja hur vi vill att de enskilda observationerna ska visas,
eller om vi bara vill ta med ett visst antal
Markera vilka
beskrivningsmått
som ska beräknas
De som valts
hamnar här…
När du är
nöjd tryck
Continue
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
12
► Gå till menyalternativet Analyze → Descriptive Statistics eller gå till Analyze → Reports och använd den
procedur du tycker är lämpligast för att lösa följande uppgifter.
1. Vad är genomsnittslängden bland kvinnorna?
__________________________________
2. Hur stor andel har högskoleutbildning?
__________________________________
3. Vad är personernas totalvikt?
__________________________________
4. Vilket är det lägsta blodtrycksvärdet?
__________________________________
5. Vad är medelvikten bland kvinnor?
__________________________________
6. Hur stor är standardavvikelsen för männens vikt?
__________________________________
7. Hur stor är standardfelet för männens medelvikt?
__________________________________
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
13
5. Pivottabeller
En pivottabell används när man vill redovisa resultatet av beroende på utfallet av en eller flera variabler. Man
kan visa flera olika typer av statistiska mått i tabellen, och man kan välja att visa dessa för olika val av de
kategoriska variablerna.
OLAP Cubes
Kön: Total
Utbildning: Total
MusikPref: Total
20
Mean
79,2000
Std. Deviation
23,35222
% of Total
Sum
100,0%
% of Total N
100,0%
Vikt
Sum
1584,00
Längd
3500,00
20
175,0000
10,67708
100,0%
100,0%
2911
20
145,55
41,321
100,0%
100,0%
Bltr
N
Man kan se pivottabellen som en tabell med flera lager, ett för varje val av de kategoriska variablerna och som
innehåller den valda informationen om de kvantitativa variablerna.
Tabellen görs med variablerna och måtten i olika lager (layers) och sedan kan man flytta om och skifta
variablerna beroende på vad som är aktuellt att visa.
Skapar pivoteringsbara tabeller
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
14
► Gå till kommandot Analyze → Reports → OLAP Cubes. Välj variablerna ålder, kön och utbildningsnivå.
Variablerna de statistiska måtten
ska beräknas för hamnar här.
Här kan vi välja vilka
typer av statistiska
mått (se nedan) som
ska visas i tabellen.
De kategoriska variablerna vi
väljer utfall för lägger vi här.
Här finns möjlighet att beräkna och visa
differenser mellan två variabler eller mellan
en variabels katagorier.
OBS Överkursbetonat!
…och här
visas de vi
valt.
Här finns
de mått vi
kan välja
mellan…
Tryck här för att fortsätta.
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
15
När vi gjort alla val och tryckt på OK så kan vi välja för vilken kombination av kön och utbildningsnivå vi vill se
statistiken.
Man kan även sätta rubrik
(title) och förklarande text
(caption).
Här visas tabellen för
kön=1, dvs män, och
utbildningsnivå 3, som
är högskoleutbildning.
Tyvärr får vi inte etiketterna (labels) för de olika variablernas (kön/utbildning) olika värden utskrivna utan endast
värdena.
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
16
6. Custom tables
I SPSS finns bra möjlighet att konstruera sina egna tabeller. Vi ska inte titta på alla detaljer utan på möjligheten
att skapa en speciell tabell, en korstabell med flera lager. Den finns i menyn under Analyze → Tables →
Custom Tables. Nedan ser vi ett exempel på hur korstabell ser ut, där vikt/längd/blodtryck visas för de olika
alternativen på kön och utbildning.
Vi kan
välja vilken
variabel
(lager) som
visas.
Rubrik och förklarande text (caption) kan
vi också sätta (men det visste ni ju redan).
Här hittar ni Custom Tables
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
17
Formuläret där man gör sina val är logiskt uppbyggt, även om det innehåller mycket! Formuläret är ett sk. dragand-drop formulär, dvs. ni markerar variabler och drar dom till den plats ni vill ha dom.
OBS! Tabellen funkar bäst om man väljer kategoriska variabler för rader/kolumner och kvantitativa variabler
för lagren, dvs för innahållet i tabellen, men det går att välja kategoriska variabler för lagren också.
Hit drar man variabeln
vars värden hamnar i
kolumnerna.
Hit bort
drar man
variablerna
man vill ha
som lager.
Hit drar man variabeln
vars värden hamnar i
raderna.
För att visa de inställningar man kan göra och för att ni ska få en lathund för framtiden ägnar vi nu fyra ☺ sidor
åt de viktigaste inställningarna.
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
18
1. Välj statistiska mått.
Det gör vi genom att markera ett lager, exempelvis vikt, ramen runt blir då dubbeldragen.
Nere till vänster kan man nu klicka på % Summary statistics… för att välja statistiska mått. Nu får nu fram
formuläret som visas på nästa sida.
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
19
Här väljer man
kolumnrubrik
Här väljer ni vilka
statistiska mått som
ska vara med.
Här väljs vilket
format siffrorna
visas i.
Här kan vi bestämma om valen vi gjort ska
bara ska gälla det valda lagret eller alla lager.
Det finns alltså goda möjlighetr att justera tabellen efter egna önskemål.
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
20
2. Välj vilka variaber uppdelningen ska ske efter
Efter att ha valt vilka variabler som ska utgöra rader (utbildningsnivåer) och kolumnrt (kön) kan vi välja om de
ska visas i någon speciell ordninge, eller om vi vill ta bort någon kategori.
Välj kategorivariabel att justera
(i detta fall är Utbildning valt).
Klicka på Categories and Totals… när du valt variabel.
Nu kommer formuläret på nästa sida visas!
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
21
Här visas kategorier
som kommer att visas.
Vill vi utesluta någon kategori markerar vi
denna och frycker på ► för att flytta den till
”utesluten”-rutan.
Här kan vi välja om vi vill ha
det sorterat på ett speciellt sätt.
En avslutande kommentar om Custom Tables: Jag har inga övningar på dessa! Nyttan med
tabelltypen är lättare att se med större och mera komplicerade datamängder.har ni egna data ta
gärna med dessa till ett annat kurstillfälle och prova tabelltypen, eller prova på egen hand.
7. Dela materialet eller välja ut vissa observationer.
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
22
Ibland är det av intresse att dela upp ett material efter en viss variabel, till exempel kön, för att göra jämförande
analyser på dessa grupper. Det kan enkelt göras med kommandot Data → Split File. Använder man detta
kommando kommer all analys hädanefter att göras med den uppdelning man önskat. Vill man analysera vissa
observationer används kommandot Data → Select Cases med samma resultat som split file.
Delar filen i två eller flera grupper med
hjälp av en viss variabel, till exempel kön.
Väljer ut vissa observationer att utföra
vidare analyser på med hjälp av if-sats.
► Använd Split File eller Select Cases för att lösa följande uppgifter.
1.
Välj ut alla kvinnor och beräkna deras totalvikt _____________________________________
2.
Välj ut alla män som är över 30 år och har en vikt över 80 kg. Beräkna genomsnittligt blodtryck.
__________________________________
3.
Gör två frekvenstabeller på variabeln utbildningsnivå, en för män och en för kvinnor.
4.
Gör en frekvenstabell på variabeln utbildningsnivå där män och kvinnor redovisas var för sig.
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
23
8. Transformera data.
Det finns tillfällen då det är nödvändigt att transformera data på något sätt, till exempel göra nya
klassindelningar, koda om variabelvärden eller bilda nya variabler som är funktioner av andra variabler. Till
detta använder vi kommandot Transform.
Bildar ny variabel
med hjälp av
matematiska
beräkningar.
Koda om till nya
värden, till exempel
ålder till åldersklasser.
► Du ska nu med hjälp av Compute räkna ut personernas BMI-värden. BMI får man genom att ta vikten i kg
delat med längden i meter upphöjt till två,
BMI =
vikt i kg
(längd i meter )2
.
Tänk på att variabeln längd är uttryckt i centimeter!
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
24
Skriv in namnet på den nya variabeln här.
Skriv in formeln med variabelnamn
(om någon variabel används i formeln).
För en förklaring av dessa tre
fönster, se bilaga A (sidan 34).
► Du ska nu med hjälp av Recode → Into Different Variables göra en ny variabel med klassindelade BMIvärden. Sätt värden under 20 som underviktig, värden mellan 20-25 som normalviktig, värden mellan 25-30 som
överviktig och värden över 30 som kraftigt överviktig.
Man kan även använda Compute och Recode för kontroll av variabler som kan ha blivit fel vid stansning. Vi
antar att om det finns personer med längd kortare än 1 m och länge än 2.30 så måste detta kontrolleras.
► Använd Recode → Into Different Variables för att göra en ny variabel som är 1 om längden är 1.00 m eller
mindre, 2 om längden är mellan 1.00 och 2.30 och 3 om personen är längre än 2.30 m. Använd frekvenstabellen
under Analyze → Descriptive statistics → Frequencies för att kolla om någon längd kräver extra kontroll.
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
25
1
1.
2.
3.
Markera den aktuella variabeln i vänstra fönstret
Klicka på pilen för att få över variabeln i högra fönstret
Döp den nya variabeln och tryck på Change.
3
2
4
Klicka på Old and New Values… för att komma
till nästa formulär, där omkodningen bestäms.
6
1. Skriv in gamla värden här.
2. Skriv in nya värden här.
5
Tryck på Continue
när du är klar!
7
8
3. Tryck på denna
för att få in gamla
och nya värden i
fönstret.
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
26
9. Utdatafönstret
Alla beräkningar, transformationer, diagram osv vi gör i SPSS skrivs ut i utdatafönstret. Innan vi går vidare kan
vi behöva en kort presentatin av innehållet.
Här ser vi rubriker för de olika poster
programmet lagt till. Vi kan välja att visa
eller dölja var och en av dom genom att
dubbelklicka på symbolen vid varje text.
Här hamnar resultatet av våra
ansträngningar. Fylls på efter hand
som vi arbetar vidare.
Utdatafilen kan sparas.
Kicka på disketten! Den
sparas som en spo-fil,
vilket står för SPSS
Output file.
Den kan sedan öppnas
på nytt och fyllas på med
utdata.
All text i fönstret går att ändra, det är bara att
dubbelklicka på texten. Vi kan exempelvis ändra
rubrikerna i tabellerna.
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
27
10. Diagram och andra figurer
Tänk på att val av figur bestäms av vilken typ av variabel som ska illustreras.
• Kvalitativa variabler illustreras vanligen med hjälp av stapeldiagram (bar chart) eller cirkeldiagram (pie
chart).
• Kvantitativa variabler kan illustreras med histogram (histogram) eller frekvenspolygon (area). Om man vill
illustrera ett samband mellan två kvantitativa variabler kan man använda ett spridningsdiagram (scatterplot).
Samtliga figurer kan göras med hjälp av Graphs → Interactive (eller Graphs → Legacy Dialogs). I figuren
nedan ser vi att det är ungefär samma typ av diagram vi kan rita oavsett vilket vi väljer.
Under Chart Builder… hittar
vi ett formulär som låter oss
bygga egna typer av diagram
från grunden.
Under Legacy Dialogs
hamnar de äldre
procedurerna som
finns kvar för att
gamla användare ska
känna igen sig.
OBS! Vi kommer inte
att gå igenom dessa.
Under Interactive
hittar vi alla typer
av digram SPSS
kan rita åt oss.
Alla typerna av diagram går att göra väldigt enkelt men ett minimum av inställningar och det är den typ av
diagram vi hinner gå igenom i kursen. Det finns en hel del inställningar man kan göra för varje diagramtyp och
med en stabil grund att stå på (få ni förhoppningsvis i denna kursen) så är det ganska lätt att gå vidare. Nedan ser
vi fyra av de enklare typerna av diagram!
Histogram
Grupperat stapeldiagram
5
Cirkeldiagram
Spridningsdiagram
V
V
4
200
4
V
3
175
V
V
V
V
3
V
2
150
V
2
V
V
V
V
125
1
V
1
V
V
20
125
150
175
200
Kvinna
24
28
32
Man
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
28
Nedan visas ett exempel på hur du kan göra ett stapeldiagram. Principen är sedan densamma för övriga
diagramtyper.
Här väljer du om du vill
ha antal eller procent.
Markera i vänstra
fönstret och draden hit
med hjälp av musen.
Här väljer du vilken
variabel du vill illustrera.
Markera i vänstra
fönstret och dra hit med
hjälp av musen.
För grupperat
stapeldiagram, markera
den extra variabeln och
dra den hit (se nedan för
två exempel).
Dessa symboler visar
om det är en numerisk,
nominal eller ordinal
variabel.
För att istället illustrera
med flera diagram,
markera den extra
variabeln och dra den
hit.
Här står vad höjden på staplarna representerar.
Exempel på hur vi kan visa utbildningsnivå och gruppera (under Legend variables) med avseende på kön.
Först har vi valt att visa staplarna för män och
kvinnor med olika färg! Då kommer staplarna för
män/kvinnor att visas bredvid varandra (med alternativet Cluster) som i den övre bilden. Om vi däremot väljer alternativet Stack istället så kommer
staplarna för de olika utbildningsnivåerna att delas
upp i två delar, en för män och en för kvinnor
(nedre bilden). Om vi istället drar variabeln Kön till Style så kommer skillnaden att illustreras med skillnader i
mönster istället för i färger.
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
29
6
Personens kön
Kvinna
Man
Bars s how counts
Count
4
2
0
G ru ndsko la
G ym nasium
Hög skol a
Personens utbildningsnivå
8
Personens kön
Kvinna
Man
Bars s how counts
Count
6
4
2
G ru ndsko la
G ym nasium
Hög skol a
Personens utbildningsnivå
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
30
Vill man ändra i sina diagram kan man göra detta i output-fönstret. Dubbelklicka på diagrammet! Då kommer vi
få fram editorn för grafer. Här kan vi ändra text och färg (samt mycket, mycket mer).
Dubbelklicka på rubriken för att ändra
Här står vilken datamängd vi använde.
Här kan vi ändra
variabler och andra
inställningar vi valde
från början.
Dubbelklicka på
färgrutorna för att ändra
staplarnas färg.
Vi kan lägga till text om det skulle behövas!
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
31
Det finns en nyttig funktion till i diagrameditorn som vi inte kan använda med stapeldiagram.
För s.k. scatterplots går det dock alldeles utmärkt. Vi ritar en scatterplot (under menyalternativet Graphs →
Interactive → Scatterplot och väljer längd för x-axeln och vikt för y-axeln. Klickar vi på plotten i outputfönstret får vi följande bild.
Med detta verktyget kan vi få skrivet vilken observation en viss punkt representerar.
Klicka på symbolen och klicka sedan på de olika prickarna i diagrammet.
Väldigt praktiskt för att identifiera konstiga data vid en kontroll ☺
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
32
► Använd Graphs → Interactives för att skapa följande illustrationer:
25%
Personens kön
Personens systol blodtryck
Man
Procent
20%
15%
10%
5%
200
V
175
V
150
gymnasium
V
V
V
V
V
V
V
V
V
V
125
V
grundskola
V
V
Kvinna
V
högskola
20
Personens utbildningsnivå
24
28
32
Personens BMI-värde
Kvinna
Man
4
Count
3
2
1
grundskola
gymnasium
högskola
grundskola
Personens utbildningsnivå
gymnasium
högskola
Personens utbildningsnivå
Personens utbildningsnivå
grundskola
gymnasium
högskola
11. Att arbeta med flera filer: några råd
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
33
Om man arbetar med storta datamängder finns det goda skäl att dela upp sina data i flera filer. Vi har redan gått
igenom hur man gör urval bland observationerna (via Data → Select cases…) och där kan man välja att radera
de icka utvalda raderna i datamängden. När man sparar en fil (via File → Save as…) så finns det nere till höger
en knapp på vilken det står Variables (se figur 1).
Figur 1: Förmuläret vi får upp på skärmen om vi väljer File → Save as….
Trycker man på den knappen så kan man välja vilka variabler som man ska spara i den nya filen. På nästa sida
(figur 2) ser vi hur urvalsformuläret ser ut ☺
Hur man bäst göra detta varierar naturligtvis från fall till fall och beror olika saker:
• Hur många olika analyser ska göras?
• Hur många extra variabler kommer beräknas?
• Hur många variabler innehåller ursprungsdata?
En tumregel kan dock vara att ha en orginalfil som innehåller tvättade ursprungsdata och sedan välja ut variabler
för varje analys och spara dessa i en egen fil. Om man sedan döper sina filer efter vad som finns i dom
(exempelvis Hjärtprojekt_ursprungsdata.sav, Hjärtprojekt_Överlevnadsanalys.sav,…) så blir det förhoppningsvis
lättare att hitta bland sina data även efter lång tid. Glöm inte att använda ”labels” för att förklara vad variablerna
betyder!
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
34
Figur 2: Formuläret där vi väljer ut vilka variabler som ska sparas till den nya
filen. Endast de förkryssade variablerna kommer sparas i den nya filen. Proceduren påverkar inte filen ur vilken man väljer sina variabler.
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
35
12. Slå ihop filer
Att slå ihop filer kan vi göra på flera olika sätt. De har alla gemensamt att vi utgår från en datamängd (den
aktiva, markerad med grönt kryss) till vilken vi lägger till data. Sedan väljer vi en datamängd från vilken vi
Figur 3: Den aktiva datamängden är alltid markerad med ett grönt kryss i hörnet.
vill att data ska hämtas. Vi kan lägga till nya variabler (för samma observationer) eller så kan vi lägga till nya
observationer (för samma variabler). Det finns också en möjlighet att lägga till variabler för vissa observationer
matchat på exempelvis ett id-nummer. Vi kan allltså
1) Lägga till nya observationer med data för alla variablerna.
2) Lägga till nya variabler (med matchning av observationerna i de båda filerna).
Observera att ett id inte behöver vara en numerisk varaibel, det behöver inte ens bestå av en enda variabel utan
kan bestå av fera variabler. Det viktiga är att varje observation har en unik kombination av id-variableln eller
variablerna. Det enklaste är dock att använda en numerisk variabel.
Oavsett vilket vi ska göra så väljer vi menyalternativet Data → Merge Files och där väljer vi Add Cases… eller
Add Variables… beroende på vad vi vill göra (se fig 4 på nästa sida).
Att lägga samman filer kan vara lite rörigt innan man vänjer sig vid begreppen så därför börjar vi med att
förklara de termer SPSS använder. Det är tre datamängder som används.
•
•
•
Active dataset. Den datamängd som är aktiv när vi i menyn väljer Data → Merge Files kallas aktiv.
Non-active dataset. Den datamängd vi väljer att lägga till data från kallas icke-aktiv.
New Active dataset. Den nya datamängden som är resultatet av sammanslagningen kallas den nya aktiva
datamängden.
Dessutom används termen ”keyed table” som har att göra med varifrån data läses när vi gör sammanslagningar
som baseras på någon identitetsvariabel, löpnummer eller liknande.
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
36
Figur 4: Här väljer vi hur vi ska lägga till nya data. Antingen som nya
variabler eller som nya observationer.
1. Att lägga till nya observationer
Att lägga till fler observationer
Vi börjar med att lägga till
observationer. Vi använder
datamängden vi skapade i början av
kursen (med uppgifter om 20
personer) och lägger till uppgifter för
ytterligare 20 personer. De extra data
finns i filen Gk_Extra_Cases.sav. Vi
väljer Data → Merge Files → Add
cases och får upp förmuläret där vi
väljer från vilken datamängd (öppen
datamängd eller SPSS-fil) vi vill att
data ska läggas till från (se figur 6).
Aktiv datamängd
Vi kan sedan
spara denna
som ny fil!
Nya observationer
Datamängd(er) där vi
hämtar nya data
Figur 5: Schematisk skiss för Add Cases.
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
37
Här väljer vi en redan
öppnad datamängd.
Här väljer vi oöppnad SPSS-fil.
Figur 6: Formuläret där vi väljer vilken datakälla vi använder. Antingen så lägger
vi till data från en öppen datamängd eller från en SPSS fil. Klicka för något av
alternativer An open dataset eller An external SPSS data file, välj datamängd/fil
och klicka Continue för att fortsätta.
Här ser vi variabler som
inte kommer med i den nya
aktiva datamängden.
Här ser vi variabler som läggs i
den nya aktiva datamängden.
Man kan välja ut
vilka variabler
som ska vara med
i den nya datamängden.
När alla val är gjorda, tryck OK ☺
Här ser vi hur variablernas ursprung
maskeras i listorna.
Figur 7: Här väljer vi hur vi vill att den nya aktiva datamängden ska se ut.
Variabler som från början hamnar i rutan Unpaired Variables är sådana som endast finns i den ena av de två
datamängden vi läggar samman. Det betyder att det endast finns information om dom för en del av
observationerna. Väljer man att ta med dem i den nya datamängden kommer de att fyllas på med ”missing data”
där data fattas. Uppdelningen i Unpaired Variables och Variables in New Active Dataset är alltså en ren
information om för vilka variabler data finns respektive inte finns. Vi kan ändå välja att inkludera/exkludera
variabler i den nya datamängden precis som vi vill.
När vi trycker OK så läggs data till den aktiva datamängden och vi kan välja att spara den nya datamängden
antingen som ny fil eller under det gamla filnamnet!
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
38
2. Att lägga till nya variabler
När vi lägger till nya variabler betyder det att variabler från en fil ska läggas ihop med variabler från en annan
fil. Vi måste alltså se till att rätt observation (exempelvis person) från den ena filen paras ihop med rätt observation från den andra och det gör vi med hjälp av en eller flera nyckel- eller id-variabler (och dessa måste
naturligtvis finnas i båda datamängderna).
Vi väljer Data → Merge Files → Add variables… och får upp ett formulär där vi väljer datakälla för de nya
variablerna (likadant som i figur 5).
Här redovisas variabler som inte läggs till pga att de
redan finns i den aktiva datamängden. Det är här vi
väljer nyckel-variabeln/variablerna.
Här redovisas variablerna
som tas med, (*) eller (+)
indikerar från vilken fil
variabeln kommer.
Här väljs
hur data
läggs ihop
(se nedan).
Nyckelvariablerna
redovisas här.
Figur 8: Formuläret för Add Variables. I rutan för New Active Dataset ser vi att variablerna markeras med antingen (*) eller (+). Variabler med (*) är de som finns i den aktiva
datamängden och de markerade med (+) kommer från den andra datakällan.
Under Match cases on key variables in sorted files (filerna måste alltså vara sorterade i stigande ordning med
avseende på nyckelvarianbeln innan vi lägger ihop data) kan vi välja ett av tre alternativ.
En kommentar om val av nyckeltabell (keyed table): När vi väljer vilken tabell som är nyckeltabell så väljer
vi från vilken fil som alla observationer hämtas från och vilken fil som bidrar med extra variabler (men inga
extra observationer). SPSS har valt att kalla den fil från de extra variablerna kommer för nyckeltabell eller
nyckelfil. Nedan förklaras vad de olika alternativen betyder.
•
•
•
Both files provide cases. Om vi väljer detta alternativ så kommer observationer läggas till från båda
datamängderna. Matchning på nyckelvariabler sker där det är möjligt. Den nya datamängden kommer alltså
innehålla alla observationerna i båda filerna.
Non-active dataset is keyed table. Här kommer observationer att hämtas endast från den fil som vi inte
väljer som ”keyed table”, dvs den aktiva datamängden. De data (läs observationer) som finns i den andra
(icke-aktiva) datamängden läggs till bara i de fall det finns en matchning mellan för den valda
nyckelvariabeln i båda filerna. För att göra sammanläggningen enklare att förstå rekommenderar jag att ni
använder detta alternativ och helt avstår från nästa.
(Active dataset is keyed table). Ej rekommenderat. I detta fall hämtas observationerna från den icke-aktiva
datamängden och data läggs till från den aktiva endast för de observationer där en matchning finns för den
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
39
valda nyckel-variabeln. Det innebär att de observatkioner som finns i den aktiva datamängden och som inte
har någon motsvarighet i den icke-aktiva inte kommer med i det nya aktiva datamängden.
En liten lathund:
1.
2.
3.
4.
5.
6.
7.
Välj den fil till vilken nya variabler ska läggas och låt den vara den aktiva filen.
Välj fil från vilken de nya variablerna kommer.
Välj nyckelvariabel och se till att det inte finns några dubletter av den.
Se till att båda filerna är sorterade (storleksordning, minsta först, eng. ascending) med avseende på
nyckelvariabeln. Detta är viktigt, annars fungerar inte sammanläggningen. Ni kommer att bli frågade
om detta är gjort innan sammanläggningen görs.
Välj Data → Merge Files → Add variables…, markera alternativet ”Non-active dataset i keyed table”.
Markera nyckelvariabeln.
Se till att ni tar med de variabler ni är intresserade av, och tryck OK.
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
40
13. Importera data från Excel
SPSS kan hantera data från ett flertal program och ett av dessa är Excel. Det innebär att det
går att öppna en excelfil i SPSS precis som man öppnar en fil i SPSS egna format. Eftersom
Excel sparar data i kalkylark och vi kan ha flera sådana i samma excelfil. Dessutom så kan
data sparas ganska fritt i inom varje kalkylark. I SPSS är det inte så, här kan vi bara spara data
i tabeller där varje variabel har sin kolumn och varje fall eller patient har sin rad. Dessutom
innehåller varje SPSS fil bara en tabell, inte flera som excelfilerna kan göra. Ska det vara
meningsfullt att öppna excelfiler i SPSS måste vi följa samma strikta layout även i de
kalkylark vi tänker öppna i SPSS. I excelfilen kan vi ha flera kalkylark och de kan man
utforma fritt, det är bara kalkylbladet som ska öppnas i SPSS som måste vara en tabell.
Utformning av kalkylarket
Du kan skapa det nya kalkylarket i en befintlig excelfil eller i en helt ny fil, båda fungerar lika
bra. Skapa sedan en layout liknande SPSS datablad enligt följande:
1. Skapa i ett excelark en kolumn per variabel med variabelnamnet på första raden
2. Fyll på med observationer rad för rad
3. Ha SPSS uppdelning på numeriska variabler och strängvariabler i åtanke, d.v.s. blanda
inte text och siffror i samma kolumn om det kan undvikas (variabelnamn undantagna).
Import till SPSS
Visserligen går vi in i menyn och väljer öppna data för att öppna excelfilen men det är en
import eftersom SPSS läser excelfilen och sparar den i sitt eget format.
Vi öppnar filen i menyn File → Open → Data (se figur 9). I rullgardinen Filfomat kan vi
markera att det är en excelfil vi ska öppna. Vi markerar filen på vanligt sätt och trycker OK.
Nästa dialogruta vi stöter på (se figur 10) handlar om att välja vilket kalkylblad vi ska läsa och
var i detta data finns. Har vi utformat kalkylbladet med SPSS i åtanke (steg 1-3 ovan) kan vi
välja de omfång (range) som SPSS föreslår. Trycker vi på OK läses kalkylarket in och vi kan
spara det som en SPSS fil på vanligt sätt.
När väl data lästs in kan vi välja vilken skala (nominal/ordinal/scale) variablerna har och
skapa labels både för variabler och värden (för nominal/ordinal variabler). Det finns ingen
möjlighet att skapa ange labels och skala för variabler i excel och sedan importera dessa till
SPSS.
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
41
Figur 9: Välj format för data som vi ska öppna.
Utöver att läsa excelfiler kan alltså SPSS läsa filer från en rad program, däribland SAS och
dBase. SAS är ett stort statistikprogram som används av många i branchen, Stata ett annat
statistikprogram som också finns inom LiV och dBase är en databashanterare (ungefär som
Ms Access). SPSS kan också läsa filer från och skriva i Access filer men det görs under ett
databasgränssnitt som heter odbc och är lite mera tekniskt till sin natur.
Som analysvertyg är SPSS ett program av många med sina för- och nackdelar precis som
Excel och exempelvis Word och Access (se figur på sidan 46).
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
42
Här markerar vi att
första raden innehåller
variabelnamn, inte
data.
Här visar vi var i
kalkylbladet data
finns. Står det
inget importeras
allt på bladet.
Här väljer vi
vilket kalkylblad
vi ska importera.
Figur 30: Dialogruta för att välja kalkylblad.
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
43
14. Datastruktur
Ibland stöter man på en datamängd som inte har någon självklar struktur, och då kan det vara
så att man fokuserat på fel analysobjekt. Vad betyder då det här? Vi börjar med ett exempel:
Vi samlar in patientdata från Apoteksbolagets register om läkemedelsanvändning
hos äldre. Antag att studien handlar om hur många olika läkemedel 75+ åringar
står på och hur mycket av olika läkemedelstyper (blodtryckssänkande, insulin,
antidepressiva, …) som de använder. Varje patient kommer att representeras med
att unikt och anonymt id samt en lista med läkemedel, deras typ och dygnsdosen.
Hur ska vi lägga upp en SPSS-fil för detta? Det beror naturligtvis på vilka specifika frågor vi
vill ha svar på och vilka typer av tabeller/diagram vi vill ha för redovisning, men vi kan ändå
välja en enkel grundstruktur som underlättar för senare analyser.
I detta fall kan vi ställa upp data enligt följande:
PatientID
(Skalvariabel)
1
1
1
2
2
•
•
•
Läkemedel
(Strängvariabel)
Ramipril
Covarex
Gabapentin
Ramipril
Lantus OptiPen Pro
•
•
•
Typ
(Nominal)
C09AA ACE-hämmare
C09AA ACE-hämmare
N03A Antiepileptika
C09AA ACE-hämmare
A10AE04 Insulin glargin
•
•
•
Dygnsdos [mg]
(Skalvariabel)
10
8
300
12.5
?
•
•
•
Detta blir enklare att hantera än om vi väljer den kanske mer traditionella strukturen med
PatientID och en variabel för namn, en för typ och en för dygnsdos, per läkemedel. Dessutom
får vi problem om olika patienter äter olika många läkemedel samt hur många läkemedel man
max ska få äta samtidigt.
Väljer vi formatet ovan kan sedan SPSS göra summeringar per patient, s.k. aggregeringar,
samt ganska lätt skapa tabeller över hur många patienter som står på varje läkemedel och/eller
läkemedelstyp.
Samma typ av datastruktur är lämplig om man samlar in data i tidsserier där exempelvis en
patient återkommer och nya prover tas vid varje besök. Då är det besöket som är
observationen, så att varje besök får en rad i datafilen.
Är man osäker på vilken struktur man ska välja i datafilen (i Excel eller SPSS) är det bra att
tänka igenom problemet innan, i efterhand kan det vara väldigt svårt att genomföra
ändringarna på ett systematiskt sätt (d.v.s. utan att knappa in data från början) utan att det blir
fel.
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
44
Analytiska
slutsatser
Analytiska
slutsatser
Tabeller,
Diagram,
kurvor,…
Analysdata
Tvättade
data
Rådata
SPSS
Klassificering
Transformeringar
Omstrukturering
Aggregering
Kontroll
Justering
Rättning,
…
Enkät 5
Enkät 4
Enkät 2
Enkät 2
Enkät 1
Enkätundersökning
Databaser
Fältmätningar
?
Självstudiematerial för SPSS (ver. 15.01),
Övrigt,…
Färdig
fråga
Fredrik Lundin, Jan 2009.
45
Bilaga A
Vill man göra beräkningen för endast vissa
data så kan man göra en selektion här.
Självstudiematerial för SPSS (ver. 15.01),
Genom att markera en funktionsgrupp så listas de
ingående funktionerna under Functions and Special
Variables. Man får även en kort beskrivning av
funktionen, på engelska.
Fredrik Lundin, Jan 2009.
46
Förslag på litteratur
1-5
1.
2.
3.
4.
5.
Altman DG. Practical statistics for medical research Chapman & Hall, 2003,
ISBN: 9781584880394.
Beaglehole R. Grundläggande epidemiologi Studentlitteratur, 1995,
ISBN: 91-44-48551-4.
McNeil D. Epidemilogical research methods John Wiley & Sons, 1996,
ISBN: 0-471-96196-5.
Munroe BH. Statistical Methods for Health Care Research. 4 ed Lippincott, 2000,
ISBN: 0-7817-2175-X.
Rothman K. Modern Epidemiology. 3 ed Lippincott Williams And Wilkins, 2008,
ISBN: 9780781755641.
Självstudiematerial för SPSS (ver. 15.01),
Fredrik Lundin, Jan 2009.
47