Come pulire una base di dati di un sondaggio prima di analizzarla, in 5 passi

Prima di entrare nei dati, fai un controllo rapido della struttura: quante righe e colonne ha, se tutte le righe hanno le stesse colonne e se la prima riga contiene i nomi delle variabili. Un separatore o un apice scritto dentro una risposta, o gli apici singoli di un’esportazione SPSS, spezzano una riga e spostano il resto dei valori senza che nessuno se ne accorga.

Un caso caricato due volte conta doppio in ogni percentuale. Cerca le righe identiche e, a parte, gli identificatori che si ripetono: se due righe diverse hanno lo stesso ID, una è caricata male o due persone condividono un numero. Elimina le copie, ma non scegliere a caso quale tra due righe con lo stesso ID sia quella giusta: consulta la fonte.

Una colonna senza nemmeno una risposta è di solito una domanda che nessuno ha visto per un filtro del modulo. In una colonna lasciata in bianco per più della metà, ogni media è calcolata su pochissimi casi. E una colonna con lo stesso valore in tutti i casi, come l’anno del sondaggio, non apporta nulla. Decidi che cosa fare con ciascuna.

Un 99 o un −1 che significa «non risponde» ma entra nella media come una risposta vera, falsandola senza che nessuno se ne accorga. Lo stesso vale per una colonna numerica in cui qualcuno ha scritto «non so» (basta un valore perché il programma la legga come testo) e per i decimali scritti a volte con la virgola e a volte con il punto (3,5 e 3.5), che il programma legge, secondo la propria lingua, come numero o come testo. Lascia vuoto ciò che non ha avuto risposta, sposta le risposte in lettere in un’altra colonna e usa un solo separatore decimale.

Correggi una copia del file di origine, non l’originale: elimina le copie, risolvi gli ID, lascia vuoto ciò che non ha avuto risposta, uniforma il decimale e togli le colonne che non servono. Mantieni una riga per caso e una colonna per variabile. Salva la versione corretta con un altro nome e annota cosa hai cambiato (quali righe hai eliminato e perché, quali codici hai messo a vuoto), per poterlo spiegare e ripetere.