Controllare e unire la tua base di dati: gli errori che non si vedono nel foglio
Una risposta tagliata a metà. Un 99 che vuol dire «non risponde» e entra nella media come se fosse una risposta. Una colonna che sembra numerica e contiene due valori scritti a lettere. Un caso inserito due volte. Niente di tutto questo si vede aprendo il file, e tutto questo cambia i risultati.
Carichi il file e in pochi secondi hai l’elenco di ciò che è stato trovato. E se ne carichi due, HILO ti dice in cosa si differenziano e se conviene unirli.
- Il controllo compare da solo, prima che tu faccia qualsiasi cosa
- Legge bene i file che Excel apre sfasciati
- Non esce dal tuo browser
Quattro cose che rovinano un’analisi in silenzio
Tutte emergono dopo, quando il numero è già nel rapporto.
Il file non è rotto: viene letto male
Le esportazioni di SPSS racchiudono i valori tra apici singoli, e Excel capisce solo quelli doppi. Ogni virgola scritta dentro una risposta gli spezza la riga, quindi il file sembra avere colonne in più e righe di larghezza diversa. Qui vengono lette bene, e si dice quale era la differenza.
Il 99 che si infila nella media
Il 99, il 999 e il -1 spesso vogliono dire «non risponde». Se nessuno li dichiara come mancanti entrano nel calcolo come una risposta in più. Vengono segnalati solo quando sono lontanissimi dal resto di quella colonna, quindi una scala che arriva legittimamente a 99 non viene segnalata. E a parte, quali colonne sono state lasciate vuote per più della metà.
Un «non so» trasforma la colonna in testo
Basta un valore scritto a lettere in una colonna di numeri perché il programma la legga tutta come testo e non calcoli nulla. Lo stesso con i decimali: se convivono 3,5 e 3.5, alcuni si leggono come numero e altri no, a seconda della lingua del programma.
Il caso inserito due volte
Righe identiche, e anche la colonna che sembra un identificativo e invece ripete valori. È così che si presenta una risposta inserita due volte, e non si vede guardando: si vede contando.
Prima di unire, sapere se si possono unire
Con due file caricati si confronta: se hanno la stessa forma, in quali righe e colonne differiscono, e se uno ha il testo tagliato da un limite dell’esportazione. Poi si possono unire, abbinando le colonne in base alla forma dei loro dati e non al nome, perché i nomi mentono spesso e i dati no. Ogni coppia viene mostrata con il suo motivo perché tu la confermi o la scarti.
Cosa fa e cosa no
Vale più dirlo qui che nel primo minuto di utilizzo.
Analisi statistica
Non calcola, non incrocia variabili e non fa grafici. È il passaggio precedente: mettere i dati in condizione perché il programma che usi non ti restituisca un numero sbagliato come se fosse corretto.
Se due basi misurano la stessa cosa
Prima di scaricare un’unione bisogna spuntare quattro verifiche: stessa unità di analisi, stesso periodo, stessa definizione, stessi codici, che può fare solo chi sa da dove vengono i dati.
Il file non esce dal tuo dispositivo
Viene letto nel tuo browser e non viene caricato da nessuna parte. In una base di sondaggio, con nomi, email e un consenso informato alle spalle, questo conta più che in qualsiasi altro documento. E se ha anche una domanda aperta, si può codificare lì stesso senza spostare il file.
Se la base verrà condivisa, prima puoi rimuovere gli identificatori: i numeri di identità (DNI, CUIL) o le matricole diventano codici e i nomi vengono cancellati, sempre nel tuo browser.
Come è stato letto il file, righe di larghezza diversa, se manca la riga delle intestazioni, righe ripetute per intero, colonne vuote, colonne in cui tutti hanno risposto la stessa cosa, colonne lasciate vuote per più della metà, codici di valore mancante trattati come numeri, colonne numeriche con qualche valore scritto a lettere, decimali con virgola e con punto mescolati, e identificativi con valori ripetuti.
Le esportazioni di SPSS racchiudono i valori tra apici singoli, e Excel capisce solo quelli doppi. Ogni virgola scritta dentro una risposta gli spezza la riga, quindi il file sembra avere colonne in più e righe rotte. Non sono rotte: vengono lette male, e qui vengono lette bene.
Un 99, un 999 o un -1 che in realtà vogliono dire «non risponde». Se nessuno li dichiara come mancanti, entrano nella media come una risposta in più e la rovinano senza che nulla avvisi. Vengono segnalati solo quando sono lontanissimi dal resto delle risposte di quella colonna, quindi una scala che arriva legittimamente a 99 non viene segnalata.
Abbina le colonne in base alla forma dei loro dati: quanta varietà hanno, quale lunghezza tipica e quanto si sovrappone il vocabolario che usano. Se ci sono intestazioni, un nome identico ha la precedenza. Poi mostra ogni coppia con il suo motivo perché tu confermi o scarti: nulla si unisce senza che tu lo veda.
Può affiancarle, ma il risultato dipende da qualcosa che nessuno strumento può verificare: che entrambe contino la stessa unità. Una base può contare persone e l’altra registrazioni, e le colonne si affiancano comunque. Per questo prima di scaricare bisogna spuntare quattro verifiche che può fare solo chi sa da dove vengono i dati.
In Excel.
No. Il file viene letto nel tuo browser e non esce dal tuo dispositivo. In una base di sondaggio con dati personali, questo conta più che in qualsiasi altro documento.
Provalo con la tua base
Carica il file e guarda cosa ha trovato. Ci mette pochi secondi, non chiede registrazione e non carica nulla.