データセットを点検して統合：スプレッドシートでは見えない誤り

ファイルの読み取り方、行の幅の違い、見出し行がないか、まったく同じ行の重複、空の列、全員が同じ回答をした列、半分以上が空白の列、数値として扱われている欠損値のコード、文字で書かれた値が混じっている数値の列、カンマとピリオドの混在した小数、値が重複している識別子です。

SPSSの書き出しは、値を一重引用符で囲みますが、Excelは二重引用符しか理解しません。回答の中に書かれたカンマごとに行が分割されるため、ファイルには余分な列や壊れた行があるように見えます。壊れているのではなく、読み方が間違っているのです。ここでは正しく読み取られます。

実際には「無回答」を意味する99、999、-1です。誰も欠損値として宣言していなければ、もう一つの回答として平均に入り、何の警告もなく平均を台無しにします。印が付くのは、その列のほかの回答からかけ離れているときだけなので、正当に99まで取る尺度には印が付きません。

列を、データの形で対応づけます。どれだけの種類があるか、典型的な長さ、使われている語彙がどれだけ重なるかです。見出しがあれば、同じ名前が優先されます。そのあと、各ペアを理由とともに示して、確認または破棄できます。ご自身が見ないまま統合されるものはありません。

貼り合わせることはできますが、結果は、どのツールも検証できないことに左右されます。二つが同じ単位を数えているかどうかです。一方は人を、もう一方は記録を数えていても、列はそのまま貼り合わされます。そのため、ダウンロードする前に、データがどこから来たかを知る人にしかできない四つの確認にチェックを入れる必要があります。

Excelです。

いいえ。ファイルはお使いのブラウザで読み取られ、お使いの端末の外には出ません。個人情報を含むアンケートのデータセットでは、ほかのどの文書よりも、これが重要です。