527. Rekodowanie zmiennych w SPSS – dobre praktyki

Rekodowanie zmiennych w SPSS jest jedną z podstawowych operacji przygotowania danych do analizy. Polega na przypisaniu istniejącym wartościom nowych kodów albo na połączeniu kilku wartości w szersze kategorie. Dzięki temu można na przykład przekształcić dokładny wiek w grupy wieku, odpowiedzi kwestionariuszowe w wynik binarny albo kody odmowy odpowiedzi w wartości brakujące. Sama operacja jest technicznie prosta, ale jej konsekwencje metodologiczne mogą być poważne. Błędne rekodowanie może zmienić sens zmiennej, zniekształcić liczebności grup i utrudnić odtworzenie analizy.

W tej lekcji, będącej częścią podręcznika do szkolenia na statystyk.edu.pl, skupimy się nie tylko na tym, gdzie kliknąć w SPSS, lecz przede wszystkim na tym, dlaczego dana reguła rekodowania jest uzasadniona i jak sprawdzić, czy została wykonana poprawnie.

Czym jest rekodowanie zmiennej?

Rekodowanie to przekształcenie wartości zmiennej według zdefiniowanej reguły. Jeżeli zmienna wiek zawiera dokładny wiek respondentów, możemy utworzyć nową zmienną wiek_gr, w której kilka wartości pierwotnych zostanie połączonych w kategorie:

  • 18–29 lat → kod 1,
  • 30–44 lata → kod 2,
  • 45–59 lat → kod 3,
  • 60 lat i więcej → kod 4.

Formalnie możemy zapisać takie przekształcenie jako:

Y = f(X)

gdzie X oznacza wartość zmiennej pierwotnej, f jest regułą rekodowania, a Y — wartością zmiennej wynikowej. Reguła f nie musi być funkcją matematyczną w wąskim sensie. Może być tabelą przyporządkowań, na przykład „0 = brak objawów, 1 = obecność objawów”, albo zbiorem przedziałów.

Rekodowanie nie jest tym samym co zwykła zmiana etykiety wartości. Zmiana etykiety zmienia opis kodu, ale nie jego wartość. Rekodowanie zmienia natomiast samą wartość, sposób grupowania obserwacji albo status danych jako ważnych i brakujących.

Po co rekoduje się zmienne?

Utworzenie zmiennej analitycznej

Często dane zebrane w badaniu są bardziej szczegółowe niż zmienna potrzebna do konkretnej analizy. W badaniu pielęgniarek można zebrać staż pracy w pełnych latach, ale w analizie porównawczej wykorzystać trzy kategorie doświadczenia: poniżej 5 lat, 5–14 lat oraz co najmniej 15 lat.

Takie uproszczenie może ułatwić prezentację wyników i interpretację tabel, lecz zawsze powoduje utratę części informacji. Dlatego granice kategorii powinny wynikać z celu badania, wcześniejszych ustaleń merytorycznych, rozkładu danych albo uzasadnionej procedury analitycznej, a nie wyłącznie z dążenia do uzyskania istotności statystycznej.

Odwrócenie kierunku pozycji kwestionariuszowej

W skalach psychologicznych niektóre pozycje są sformułowane odwrotnie. Jeżeli odpowiedzi mają zakres od 1 do 5, pozycję można odwrócić według wzoru:

Xodwr = (L + U) − X

gdzie L jest najniższą możliwą wartością skali, U — najwyższą możliwą wartością, a X — wartością pierwotną. Dla skali 1–5 odpowiedź 1 staje się 5, 2 staje się 4, 3 pozostaje 3, 4 staje się 2, a 5 staje się 1.

Odwrócenie pozycji jest poprawne tylko wtedy, gdy wynika z konstrukcji narzędzia. Nie należy odwracać zmiennej dlatego, że jej korelacja z innymi pozycjami jest niska. Niska korelacja może wskazywać na problem z pozycją, ale wymaga osobnej oceny treściowej i psychometrycznej.

Ujednolicenie kodów

W bazach tworzonych przez kilka osób lub importowanych z różnych źródeł ta sama odpowiedź może mieć różne kody. Na przykład płeć może być zapisana jako 1 = kobieta, 2 = mężczyzna w jednym pliku, a jako 0 = kobieta, 1 = mężczyzna w innym. Rekodowanie może ujednolicić schemat, ale tylko po wcześniejszym sprawdzeniu dokumentacji i etykiet.

Rekodowanie na te same zmienne czy rekodowanie na inne zmienne?

SPSS udostępnia dwie podstawowe procedury: Recode into Same Variables oraz Recode into Different Variables. Pierwsza nadpisuje wartości w istniejącej zmiennej. Druga tworzy nową zmienną wynikową, pozostawiając zmienną źródłową bez zmian. W praktyce badawczej bezpieczniejszym rozwiązaniem jest zwykle rekodowanie do nowej zmiennej.

Oryginalna zmienna powinna zostać zachowana, ponieważ:

  • umożliwia kontrolę poprawności przekształcenia;
  • pozwala wrócić do danych szczegółowych;
  • ułatwia wykonanie analizy alternatywnej;
  • chroni przed nieodwracalnym błędem;
  • zwiększa przejrzystość i odtwarzalność projektu.

Procedura Recode into Different Variables wymaga podania nazwy nowej zmiennej oraz zatwierdzenia jej przyciskiem Change. Następnie w oknie Old and New Values definiuje się przyporządkowania starych i nowych wartości. Dokumentacja SPSS wskazuje, że można rekodować pojedyncze wartości, przedziały, wartości brakujące oraz wszystkie pozostałe wartości za pomocą opcji All other values (IBM, 2026).

Zasada: najpierw plan, potem kliknięcia

Przed wykonaniem operacji warto zapisać plan rekodowania w tabeli. Przykładowo:

Wartość pierwotna Wartość nowa Etykieta Uzasadnienie
1 1 Brak objawów Oryginalna kategoria
2 1 Brak objawów Połączenie kategorii o niskim nasileniu
3 2 Objawy umiarkowane Osobna kategoria kliniczna
4 3 Objawy nasilone Osobna kategoria kliniczna
9 SYSMIS Brak danych Kod techniczny, nieodpowiedź

Tabela pozwala odróżnić decyzje merytoryczne od czynności technicznych. W raporcie należy opisać, które kategorie połączono, jakie zastosowano granice i jak potraktowano brakujące odpowiedzi. Takie informacje są istotne również z punktu widzenia standardów raportowania badań obserwacyjnych STROBE (von Elm et al., 2007).

Braki danych a rekodowanie

Jednym z najczęstszych źródeł błędów jest traktowanie kodu technicznego jako prawidłowej wartości. W ankiecie kod 9 może oznaczać „nie wiem”, 99 — „brak odpowiedzi”, a 0 — „nie dotyczy”. Nie wolno automatycznie uznać, że każdy taki kod powinien oznaczać to samo.

W SPSS można zdefiniować wartości użytkownika jako brakujące (user-missing). Są one zapisywane w pliku danych i zwykle wyłączane z obliczeń statystycznych. Wartości systemowo brakujące są oznaczane kropką dla zmiennych liczbowych. Dokumentacja IBM rozróżnia między brakiem systemowym, brakami użytkownika i wartościami pozostałymi po niepełnym określeniu reguły rekodowania (IBM, 2026).

Ważna jest kolejność decyzji:

  1. ustal, co oznacza każdy kod w bazie;
  2. zdecyduj, czy kody „nie wiem”, „odmowa” i „nie dotyczy” należy rozróżnić;
  3. zdefiniuj wartości brakujące w zmiennej źródłowej albo w wynikowej;
  4. sprawdź, czy po rekodowaniu liczebność braków jest zgodna z oczekiwaniem;
  5. opisz sposób postępowania w raporcie.

Rekodowanie kodu braku danych do zwykłego kodu, na przykład 9 → 0, może stworzyć fałszywe obserwacje. W badaniu depresji kod 9 oznaczający odmowę odpowiedzi nie może zostać połączony z kodem 0 oznaczającym brak objawów.

Przykład 1: grupowanie wieku w badaniu zdrowia publicznego

Załóżmy, że badacz analizuje związek między aktywnością fizyczną a nadciśnieniem tętniczym. W bazie znajduje się zmienna wiek w latach. Do opisu populacji można użyć wieku ciągłego, natomiast do tabeli częstości utworzyć grupy wieku.

Przykładowa reguła:

  • 18–39 lat → 1;
  • 40–59 lat → 2;
  • 60 lat i więcej → 3;
  • wartość poza zakresem lub brak → system missing.

W SPSS można to wykonać przez Transform → Recode into Different Variables. W polu Old Value wybiera się zakresy, a w polu New Value przypisuje odpowiednie kody. Nowej zmiennej można nadać nazwę wiek_gr3, a etykiety wartości ustawić jako: 1 = 18–39 lat, 2 = 40–59 lat, 3 = 60 lat i więcej.

Po rekodowaniu należy wykonać tabelę częstości i sprawdzić co najmniej: minimum oraz maksimum zmiennej źródłowej, liczebności nowych grup, liczbę braków oraz przypadki leżące na granicach przedziałów. Szczególną uwagę trzeba zwrócić na to, czy przedziały są rozłączne i wyczerpujące. Wiek 39 lat powinien należeć tylko do pierwszej grupy, a wiek 40 lat tylko do drugiej.

Nie należy jednak automatycznie zastępować wieku ciągłego zmienną kategoryczną we wszystkich analizach. Kategoryzacja może zmniejszyć precyzję i moc analizy. Jeżeli pytanie badawcze dotyczy zmiany ryzyka wraz z wiekiem, modelowanie wieku jako zmiennej ciągłej lub użycie splajnów może być bardziej adekwatne niż arbitralne grupowanie (Kirkwood i Sterne, 2003).

Przykład 2: rekodowanie pozycji skali stresu

W kwestionariuszu stresu odpowiedzi mają zakres od 1 do 5, gdzie wyższa wartość oznacza większe nasilenie stresu. Jedna z pozycji brzmi: „Łatwo radzę sobie z trudnymi sytuacjami”. Jest to pozycja odwrócona względem pozostałych. Aby zachować wspólny kierunek skali, stosujemy wzór:

Xodwr = 6 − X

Liczba 6 wynika z sumy minimum i maksimum skali: 1 + 5 = 6. Jeżeli respondent zaznaczył 1, nowa wartość wynosi 5; jeżeli zaznaczył 4, nowa wartość wynosi 2.

Przed wykonaniem operacji trzeba sprawdzić, czy wszystkie pozycje rzeczywiście mają identyczny zakres i identyczne znaczenie kierunku. Następnie warto porównać rozkład pozycji przed i po odwróceniu oraz obliczyć wynik skali dopiero po prawidłowym przekształceniu wszystkich pozycji. Rekodowanie pozycji nie jest równoznaczne z walidacją skali. Nadal trzeba ocenić brakujące odpowiedzi, regułę tworzenia wyniku sumarycznego i rzetelność narzędzia.

Składnia SPSS jako zabezpieczenie analizy

Operację wykonaną z menu warto zapisać w składni. Przykładowa składnia dla grup wieku może wyglądać następująco:

RECODE wiek (18 THRU 39 = 1) (40 THRU 59 = 2) (60 THRU HIGHEST = 3) (ELSE = SYSMIS) INTO wiek_gr3.
VARIABLE LABELS wiek_gr3 'Grupa wieku, trzy kategorie'.
VALUE LABELS wiek_gr3
  1 '18–39 lat'
  2 '40–59 lat'
  3 '60 lat i więcej'.
EXECUTE.

W składni THRU oznacza przedział obejmujący oba końce, HIGHEST — od wskazanej wartości do najwyższej wartości, a ELSE = SYSMIS — przypisanie systemowego braku wszystkim wartościom, których wcześniej nie określono. Jest to istotne, ponieważ przy rekodowaniu do nowej zmiennej wartości nieobjęte regułami mogą stać się brakujące (IBM, 2026).

Składnia zwiększa powtarzalność, ułatwia kontrolę zmian i pozwala zastosować identyczną regułę do kolejnej wersji danych. Należy jednak pamiętać, że sama składnia nie gwarantuje poprawności. Błędna reguła zapisana w sposób powtarzalny nadal pozostaje błędna.

Kontrola poprawności po rekodowaniu

Każde rekodowanie powinno zakończyć się kontrolą. Minimalny zestaw obejmuje:

  • tabelę częstości zmiennej źródłowej;
  • tabelę częstości zmiennej wynikowej;
  • porównanie liczby obserwacji ważnych i brakujących;
  • sprawdzenie tabeli krzyżowej źródło × wynik;
  • kontrolę przypadków skrajnych i granicznych.

Tabela krzyżowa jest szczególnie użyteczna, bo pokazuje, czy każda wartość pierwotna trafiła do oczekiwanej kategorii. Jeżeli na przykład w tabeli pojawia się wiek 39 lat w grupie 40–59, reguła zawiera błąd albo dane zostały zmienione w innym miejscu.

Warto również zachować informację o liczbie obserwacji przed i po transformacji. Jeżeli liczba przypadków nie zmieniła się, nie oznacza to jeszcze, że rekodowanie jest poprawne. Można bowiem błędnie przypisać wszystkie przypadki do jednej kategorii, nie tracąc żadnego wiersza.

Najczęstsze błędy

  • Nadpisywanie zmiennej źródłowej bez kopii. Utrudnia kontrolę i może uniemożliwić powrót do danych pierwotnych.
  • Brak etykiet wartości. Kody 1, 2 i 3 bez opisów są niejednoznaczne dla autora, recenzenta i odbiorcy wyników.
  • Traktowanie kodu braku danych jako prawidłowej odpowiedzi. Kod 99 może zniekształcić średnią, zakres i liczebności.
  • Nakładające się przedziały. Reguły typu 18–40 oraz 40–60 nie określają jednoznacznie miejsca wieku 40 lat.
  • Niepełne określenie wszystkich wartości. Wartości nieujęte w regułach mogą zostać ustawione jako systemowo brakujące w nowej zmiennej.
  • Automatyczne rekodowanie kategorii tekstowych. Kolejność alfabetyczna nie musi odpowiadać porządkowi merytorycznemu. IBM wskazuje, że automatyczne rekodowanie sortuje wartości tekstowe alfabetycznie, co może być niezgodne z oczekiwaną kolejnością kategorii (IBM, 2026).
  • Kategoryzowanie wyłącznie po obejrzeniu wyników. Dobieranie granic dlatego, że daje korzystniejszą wartość p, zwiększa ryzyko selektywnego raportowania.
  • Używanie różnych reguł w podgrupach bez uzasadnienia. Może prowadzić do problemów z porównywalnością wyników.
  • Brak dokumentacji. Bez tabeli kodów, składni i opisu decyzji analizy nie da się wiarygodnie odtworzyć.

Przykład praktyczny: analiza przypadku

W badaniu 240 pacjentów oceniano czas oczekiwania na przyjęcie na oddział ratunkowy. Zmienna czas_min zawierała liczbę minut, a kod 999 oznaczał brak informacji. Badacz chciał utworzyć zmienną binarną: czas do 60 minut versus ponad 60 minut.

Nieprawidłowe rozwiązanie polegałoby na utworzeniu zmiennej 0/1 bez wcześniejszego wyłączenia kodu 999. Wtedy pacjent z brakiem danych zostałby zaklasyfikowany jako osoba oczekująca ponad 60 minut, co sztucznie zawyżyłoby liczebność tej kategorii.

Poprawna procedura obejmuje:

  1. sprawdzenie dokumentacji kodu 999;
  2. utworzenie kopii lub nowej zmiennej;
  3. ustalenie reguły: 0 = do 60 minut, 1 = ponad 60 minut;
  4. przypisanie kodu 999 do systemowego braku;
  5. sprawdzenie tabeli krzyżowej czas_min × czas_gr;
  6. raportowanie liczby braków i liczby analizowanych pacjentów.

W raporcie nie wystarczy napisać, że „przekodowano czas oczekiwania”. Należy podać granicę klasyfikacji, sposób potraktowania kodu 999 oraz liczbę obserwacji, których nie uwzględniono z powodu braku danych. Jest to zgodne z zasadą przejrzystego raportowania przepływu i dostępności danych zalecaną w standardach STROBE (von Elm et al., 2007).

Rekodowanie a interpretacja wyników

Rekodowanie nie jest neutralne statystycznie. Połączenie kategorii może zmienić rozkład zmiennej, liczebności grup, wariancję i wynik testu. Zmiana skali pomiaru wpływa także na to, jakie analizy są uzasadnione. Zmienna kategoryczna nominalna nie może być automatycznie traktowana jak zmienna ilościowa tylko dlatego, że jej kody są zapisane cyframi.

Nie należy też utożsamiać rekodowania z transformacją rozkładu. Logarytmowanie, pierwiastkowanie czy odwrotność są przekształceniami matematycznymi stosowanymi między innymi w celu zmniejszenia skośności lub stabilizacji wariancji; rekodowanie kategorii jest natomiast zmianą reprezentacji wartości. Dobór transformacji powinien wynikać z właściwości danych i modelu, a nie z mechanicznego poszukiwania istotności statystycznej (Bland i Altman, 1996).

Jeżeli po rekodowaniu porównujemy grupy, należy osobno interpretować istotność statystyczną, wielkość efektu i znaczenie praktyczne. Mała wartość p nie dowodzi, że rekodowanie było merytorycznie trafne, a nieistotny wynik nie dowodzi, że grupy są identyczne.

Co warto zapamiętać?

  • Rekodowanie jest decyzją metodologiczną, a nie wyłącznie operacją techniczną.
  • Jeżeli to możliwe, twórz nową zmienną i zachowuj zmienną źródłową.
  • Przed rekodowaniem zapisz tabelę starych i nowych wartości.
  • Oddziel kody braków danych od prawidłowych odpowiedzi.
  • Stosuj jednoznaczne, rozłączne i wyczerpujące przedziały.
  • Dodawaj etykiety zmiennych i wartości.
  • Kontroluj wynik za pomocą częstości oraz tabeli krzyżowej.
  • Zapisuj składnię i dokumentuj uzasadnienie reguł.
  • Nie kategoryzuj zmiennych ciągłych bez wyraźnej potrzeby analitycznej.
  • Opisuj rekodowanie w metodach badania, aby odbiorca mógł odtworzyć analizę.

Dobrze wykonane rekodowanie porządkuje dane, ale nie zastępuje refleksji nad operacjonalizacją zmiennej. Najpierw trzeba rozstrzygnąć, co dana zmienna ma oznaczać i jakie informacje są potrzebne do odpowiedzi na pytanie badawcze; dopiero potem należy wybrać techniczną procedurę w SPSS.

Źródła i dalsza lektura

  1. IBM Corp. (2026). Recode into Different Variables. IBM Documentation: IBM SPSS Statistics. IBM. Źródło.
  2. IBM Corp. (2026). RECODE command. IBM Documentation: IBM SPSS Statistics. IBM. Źródło.
  3. Sterne J. A. C., White I. R., Carlin J. B., Spratt M., Royston P., Kenward M. G., Wood A. M., Carpenter J. R. (2009). Multiple imputation for missing data in epidemiological and clinical research: potential and pitfalls. BMJ, 338, b2393. DOI: 10.1136/bmj.b2393.
  4. Bland J. M., Altman D. G. (1996). Transforming data. BMJ, 312(7033), 770. DOI: 10.1136/bmj.312.7033.770.
  5. von Elm E., Altman D. G., Egger M., Pocock S. J., Gøtzsche P. C., Vandenbroucke J. P.; for the STROBE Initiative (2007). The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) Statement: Guidelines for Reporting Observational Studies. PLoS Medicine, 4(10), e296. DOI: 10.1371/journal.pmed.0040296.
  6. Kirkwood B. R., Sterne J. A. C. (2003). Essential Medical Statistics. 2nd edition. Blackwell Publishing. Informacja wydawcy / źródło.

Podobne wpisy

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Wymagane pola są oznaczone *