Datenbereinigung für Umfragedaten: die Fehler, die man in der Tabelle nicht sieht
Eine Antwort, die mittendrin abbricht. Eine 99, die „keine Angabe“ bedeutet und als Antwort in den Mittelwert eingeht. Eine Spalte, die numerisch aussieht, aber zwei Werte in Buchstaben enthält. Ein Fall, der doppelt erfasst wurde. Nichts davon sieht man beim Öffnen der Datei, und alles verändert die Ergebnisse.
Sie laden die Datei hoch und haben in Sekunden die Liste der Befunde. Und wenn Sie zwei Dateien hochladen, sagt Ihnen HILO, worin sie sich unterscheiden und ob es sinnvoll ist, die Datensätze zusammenzuführen.
- Die Prüfung erscheint von selbst, bevor Sie etwas tun
- Liest Dateien richtig, die Excel zerlegt öffnet
- Verlässt Ihren Browser nicht
Vier Dinge, die eine Analyse unbemerkt verderben
Sie alle zeigen sich erst später, wenn die Zahl schon im Bericht steht.
Die Datei ist nicht kaputt, sie wird falsch gelesen
SPSS-Exporte setzen Werte in einfache Anführungszeichen, Excel versteht nur doppelte. Jedes Komma in einer Antwort zerteilt die Zeile, sodass die Datei scheinbar überzählige Spalten und unterschiedlich lange Zeilen hat. Hier wird sie richtig gelesen, und Sie erfahren, woran es lag.
Die 99, die in den Mittelwert rutscht
99, 999 und -1 bedeuten oft „keine Angabe“. Werden sie nicht als fehlend deklariert, gehen sie als weitere Antwort in die Berechnung ein. Markiert werden sie nur, wenn sie weit außerhalb der übrigen Werte der Spalte liegen, sodass eine Skala, die tatsächlich bis 99 reicht, nicht markiert wird. Außerdem: welche Spalten mehr als die Hälfte leer gelassen hat.
Ein „weiß nicht“ macht die Spalte zu Text
Ein einziger Wert in Buchstaben in einer Zahlenspalte reicht, damit das Programm die ganze Spalte als Text liest und nichts berechnet. Dasselbe gilt für Dezimalzahlen: Stehen 3,5 und 3.5 nebeneinander, wird je nach Spracheinstellung des Programms ein Teil als Zahl gelesen und ein Teil nicht.
Der Fall, der doppelt erfasst wurde
Identische Zeilen, und auch die Spalte, die wie eine ID aussieht und trotzdem Werte wiederholt. So zeigt sich eine doppelt erfasste Antwort, und man sieht sie nicht beim Hinschauen, sondern beim Zählen.
Vor dem Zusammenführen wissen, ob es geht
Mit zwei geladenen Dateien wird verglichen: ob sie dieselbe Form haben, in welchen Zeilen und Spalten sie sich unterscheiden und ob in einer der Text durch eine Exportgrenze abgeschnitten ist. Danach lassen sich die Datensätze zusammenführen, wobei die Spalten nach der Form ihrer Daten zugeordnet werden und nicht nach ihrem Namen, denn Namen täuschen oft, Daten nicht. Jedes Paar wird mit Begründung angezeigt, damit Sie es bestätigen oder verwerfen.
Was es tut und was nicht
Besser, wir sagen es hier als in der ersten Minute der Nutzung.
Statistische Analyse
Es rechnet nicht, kreuzt keine Variablen und erstellt keine Grafiken. Es ist der Schritt davor: die Daten so aufzubereiten, dass Ihr Statistikprogramm Ihnen keine falsche Zahl liefert, als wäre sie richtig.
Ob zwei Datensätze dasselbe messen
Vor dem Download einer Zusammenführung müssen Sie vier Prüfungen abhaken: dieselbe Analyseeinheit, derselbe Zeitraum, dieselbe Definition, dieselben Codes. Das kann nur, wer weiß, woher die Daten stammen.
Die Datei verlässt Ihr Gerät nicht
Sie wird in Ihrem Browser gelesen und nirgendwohin hochgeladen. Bei einem Umfragedatensatz mit Namen, E-Mail-Adressen und informierter Einwilligung zählt das mehr als bei jedem anderen Dokument. Und wenn er auch eine offene Frage enthält, können Sie die Antworten gleich dort codieren, ohne die Datei zu verschieben.
Wenn der Datensatz geteilt wird, können Sie vorher die Identifikatoren entfernen: Ausweis- oder Personalnummern werden zu Codes und Namen werden gelöscht, ebenfalls in Ihrem Browser.
Wie die Datei gelesen wurde, Zeilen unterschiedlicher Länge, ob die Kopfzeile fehlt, vollständig doppelte Zeilen, leere Spalten, Spalten, in denen alle dasselbe geantwortet haben, Spalten, die mehr als die Hälfte leer gelassen hat, Fehlende-Werte-Codes, die als Zahlen behandelt werden, Zahlenspalten mit einem Wert in Buchstaben, gemischte Dezimaltrennzeichen mit Komma und Punkt sowie IDs mit wiederholten Werten.
SPSS-Exporte setzen Werte in einfache Anführungszeichen, Excel versteht nur doppelte. Jedes Komma in einer Antwort zerteilt die Zeile, sodass die Datei scheinbar überzählige Spalten und kaputte Zeilen hat. Sie sind nicht kaputt, sie werden falsch gelesen, und hier werden sie richtig gelesen.
Eine 99, eine 999 oder eine -1, die eigentlich „keine Angabe“ bedeuten. Werden sie nicht als fehlend deklariert, gehen sie in den Mittelwert ein, als wären sie eine Antwort, und verfälschen ihn, ohne dass etwas warnt. Markiert werden sie nur, wenn sie weit außerhalb der übrigen Antworten der Spalte liegen, sodass eine Skala, die tatsächlich bis 99 reicht, nicht markiert wird.
Es ordnet die Spalten nach der Form ihrer Daten zu: wie viel Vielfalt sie haben, welche typische Länge und wie stark sich ihr Vokabular überschneidet. Gibt es Kopfzeilen, hat ein identischer Name Vorrang. Danach zeigt es jedes Paar mit Begründung, damit Sie bestätigen oder verwerfen: Nichts wird zusammengeführt, ohne dass Sie es sehen.
Es kann sie aneinanderfügen, aber das Ergebnis hängt von etwas ab, das kein Tool prüfen kann: dass beide dieselbe Einheit zählen. Ein Datensatz kann Personen zählen und der andere Einträge, und die Spalten lassen sich trotzdem aneinanderfügen. Deshalb müssen Sie vor dem Download vier Prüfungen abhaken, die nur abhaken kann, wer weiß, woher die Daten stammen.
Als Excel-Datei.
Nein. Die Datei wird in Ihrem Browser gelesen und verlässt Ihr Gerät nicht. Bei einem Umfragedatensatz mit personenbezogenen Daten zählt das mehr als bei jedem anderen Dokument.
Probieren Sie es mit Ihrem eigenen Datensatz aus
Laden Sie die Datei hoch und sehen Sie, was gefunden wurde. Es dauert Sekunden, verlangt keine Anmeldung und lädt nichts hoch.