SPSS: типы данных и работа с переменными

Интерфейс SPSS

IBM SPSS Statistics — одна из наиболее распространённых программ для статистического анализа данных в социальных и бизнес-науках. После запуска программы вы работаете в окне Редактора данных (Data Editor), которое имеет два режима просмотра:

Data View (Представление данных)

Это основная таблица для ввода и просмотра данных. Она напоминает электронную таблицу Excel:

Столбцы представляют переменные (например, «Возраст», «Пол», «Доход»)
Строки представляют наблюдения (респонденты, компании, случаи)
Каждая ячейка содержит одно значение для конкретной переменной конкретного наблюдения

Variable View (Представление переменных)

Это режим настройки переменных. Здесь каждая строка соответствует одной переменной, а столбцы определяют её свойства. Переключение между режимами осуществляется вкладками внизу окна.

Типы данных: категориальные и числовые

Все данные в исследованиях делятся на две большие группы:

Категориальные данные

Номинальные (Nominal) — категории без естественного порядка.

Примеры: пол (1 = мужской, 2 = женский), город проживания, отрасль компании
В SPSS: Measure = Nominal

Порядковые (Ordinal) — категории с определённым порядком, но без равных интервалов между ними.

Примеры: уровень образования (1 = среднее, 2 = бакалавр, 3 = магистр, 4 = PhD), шкала Лайкерта
В SPSS: Measure = Ordinal

Числовые (количественные) данные

Интервальные (Interval) — числовые данные с равными интервалами, но без абсолютного нуля.

Примеры: температура в Цельсиях, год рождения, оценка IQ
В SPSS: Measure = Scale

Данные отношений (Ratio) — числовые данные с абсолютным нулём.

Примеры: возраст, доход, количество сотрудников, стаж работы в годах
В SPSS: Measure = Scale (SPSS не различает интервальные и данные отношений)

Настройка переменных в Variable View

Каждая переменная в SPSS имеет десять свойств, которые настраиваются в Variable View:

Свойство	Описание	Пример
Name	Краткое имя переменной (без пробелов, до 64 символов)	vozrast, pol, dohod
Type	Тип данных: Numeric, String, Date и др.	Numeric для числовых данных
Width	Максимальное количество символов	8
Decimals	Количество знаков после запятой	0 для целых чисел, 2 для дробных
Label	Полное описание переменной (отображается в таблицах)	«Возраст респондента»
Values	Метки значений для кодированных переменных	1 = «Мужской», 2 = «Женский»
Missing	Определение пропущенных значений	99 = пропущенное значение
Columns	Ширина столбца в Data View	8
Align	Выравнивание данных в ячейке	Right для числовых
Measure	Уровень измерения	Nominal, Ordinal или Scale

Пошаговый пример настройки переменной «Пол»:

Перейдите в Variable View
В строке новой переменной введите Name: pol
Type: Numeric
Width: 1, Decimals: 0
Label: Пол респондента
Values: нажмите «...» → добавьте 1 = «Мужской», 2 = «Женский» → OK
Missing: по необходимости (например, 9 = не указано)
Measure: Nominal

Ввод и импорт данных

Ручной ввод данных

Настройте все переменные в Variable View
Перейдите в Data View
Вводите значения в соответствующие ячейки построчно (каждая строка = один респондент)

Импорт данных из Excel

File → Open → Data (или File → Import Data)
Выберите тип файла: Excel (*.xlsx)
Найдите и откройте файл
В диалоговом окне установите флажок «Read variable names from the first row of data», если первая строка содержит названия переменных
Нажмите OK — данные будут загружены в SPSS

Импорт данных из CSV

File → Read Text Data
Выберите файл .csv
Следуйте пошаговому мастеру (Text Import Wizard), указав разделитель (запятая, точка с запятой), формат данных и наличие заголовков

Кодирование категориальных переменных

Категориальные переменные в SPSS хранятся в числовом виде с присвоенными метками значений (Value Labels).

Пример кодирования переменной «Уровень образования»:

1 = Среднее
2 = Бакалавриат
3 = Магистратура
4 = Докторантура (PhD)

Для настройки: в Variable View нажмите ячейку Values → откроется диалог → введите числовой код и текстовую метку для каждого значения → нажмите Add → OK.

После кодирования в Data View можно переключаться между отображением кодов (1, 2, 3, 4) и меток (Среднее, Бакалавриат...) через View → Value Labels или кнопку на панели инструментов.

Перекодировка переменных (Recode)

Перекодировка позволяет изменить значения переменной — например, объединить категории или преобразовать непрерывную переменную в категориальную.

Recode into Same Variables (Перекодировка в ту же переменную)

Исходные данные заменяются новыми значениями.

Transform → Recode into Same Variables
Выберите переменную → нажмите Old and New Values
Укажите старые и новые значения → Add → Continue → OK

Recode into Different Variables (Перекодировка в новую переменную)

Создаётся новая переменная с перекодированными значениями — исходные данные сохраняются. Этот метод рекомендуется, так как позволяет сохранить оригинальные данные.

Transform → Recode into Different Variables
Выберите исходную переменную → задайте имя и метку новой переменной → Change
Нажмите Old and New Values → задайте соответствия → OK

Практический пример: Перекодировка возраста в возрастные группы:

18–25 → 1 (Молодые)
26–40 → 2 (Средний возраст)
41–60 → 3 (Старший возраст)
61+ → 4 (Пожилые)

В диалоге Old and New Values используйте Range для задания диапазонов.

Вычисление новых переменных (Compute Variable)

Функция Compute Variable позволяет создавать новые переменные на основе арифметических выражений или встроенных функций.

Transform → Compute Variable
В поле Target Variable введите имя новой переменной
В поле Numeric Expression введите формулу

Примеры формул:

Суммарный балл: total_score = q1 + q2 + q3 + q4 + q5
Средний балл: mean_score = MEAN(q1, q2, q3, q4, q5)
Логарифм дохода: log_income = LN(income)
Индекс удовлетворённости: sat_index = (sat1 + sat2 + sat3) / 3

Функция MEAN() в SPSS игнорирует пропущенные значения, в отличие от простого сложения и деления, что делает её предпочтительной для работы с данными анкетных опросов.

Практические задания

Задание 1

Вопрос: Вы проводите исследование удовлетворённости сотрудников. Настройте в SPSS следующие переменные: ID сотрудника, возраст, пол, отдел (продажи, маркетинг, IT, HR), стаж работы (в годах), удовлетворённость работой (шкала 1–5).

Решение:

Name	Type	Label	Values	Measure
id	Numeric	ID сотрудника	—	Scale
vozrast	Numeric	Возраст	—	Scale
pol	Numeric	Пол	1=Мужской, 2=Женский	Nominal
otdel	Numeric	Отдел	1=Продажи, 2=Маркетинг, 3=IT, 4=HR	Nominal
stazh	Numeric	Стаж работы (лет)	—	Scale
udovl	Numeric	Удовлетворённость работой	1=Очень низкая...5=Очень высокая	Ordinal

Задание 2

Вопрос: Создайте новую переменную «Возрастная группа» путём перекодировки переменной «vozrast»: до 30 лет = «Молодой», 30–45 = «Средний», старше 45 = «Старший». Какой метод перекодировки следует использовать и почему?

Решение: Следует использовать Recode into Different Variables, чтобы сохранить исходную переменную «vozrast». Шаги:

Transform → Recode into Different Variables
Переместите «vozrast» в список → введите имя новой переменной: vozr_group, метка: «Возрастная группа» → Change
Old and New Values:
- Range: Lowest through 29 → 1 → Add
- Range: 30 through 45 → 2 → Add
- Range: 46 through Highest → 3 → Add
Continue → OK
Затем в Variable View задайте Value Labels: 1 = Молодой, 2 = Средний, 3 = Старший, и Measure = Ordinal

Задание 3

Вопрос: У вас есть 5 вопросов удовлетворённости (q1–q5) по шкале 1–5. Вычислите средний балл удовлетворённости. Напишите формулу для Compute Variable.

Решение: В Transform → Compute Variable:

Target Variable: mean_satisfaction
Label: «Средний балл удовлетворённости»
Numeric Expression: MEAN(q1, q2, q3, q4, q5)

Использование функции MEAN() вместо (q1+q2+q3+q4+q5)/5 предпочтительнее, так как MEAN() корректно обрабатывает пропущенные значения, вычисляя среднее по имеющимся ответам.