528. Obliczanie skal i wskaźników w SPSS

Lekcja 528 z 560. W badaniach medycznych, psychologicznych i społecznych często nie analizuje się pojedynczych pytań, lecz wynik utworzony z kilku pozycji kwestionariusza. Taki wynik może być skalą pomiarową albo wskaźnikiem złożonym. SPSS ułatwia jego obliczenie, ale samo kliknięcie polecenia Compute Variable nie gwarantuje poprawności. Trzeba wcześniej ustalić kierunek kodowania, sposób postępowania z brakami danych, regułę agregacji oraz interpretację otrzymanej zmiennej. W tej lekcji pokazano pełny, powtarzalny schemat pracy, który można wykorzystać w dalszej części podręcznika do szkolenia na statystyk.edu.pl.

1. Skala, wskaźnik i wynik złożony

Wynik złożony powstaje przez połączenie kilku zmiennych opisujących wspólny konstrukt albo kilka elementów jednego zjawiska. Przykładowo, kwestionariusz obciążenia opiekuna może zawierać pytania o zmęczenie, brak czasu, napięcie i trudności organizacyjne. Zamiast analizować każdą odpowiedź osobno, badacz może utworzyć wynik ogólny.

Skala jest zwykle zbiorem pozycji mających mierzyć jeden konstrukt lub określony wymiar konstruktu. Jej użyteczność zależy nie tylko od sposobu obliczenia wyniku, lecz także od trafności treściowej, struktury czynnikowej i rzetelności. Wskaźnik może mieć bardziej operacyjny charakter: łączy kilka obserwowalnych cech, które wspólnie opisują sytuację, choć nie zawsze muszą być przejawami jednego ukrytego konstruktu. Rozróżnienie skali i indeksu jest ważne, ponieważ inne mogą być uzasadnienia ich tworzenia (DeVellis i Thorpe, 2021).

Przed obliczeniem wyniku należy odpowiedzieć na cztery pytania:

  • Co dokładnie ma oznaczać wysoka wartość wyniku?
  • Czy wszystkie pozycje mają ten sam kierunek interpretacji?
  • Czy dopuszczalne są braki danych i ile pozycji musi być wypełnionych?
  • Czy wynik będzie sumą, średnią, proporcją, różnicą czy inną funkcją?

SPSS traktuje wynik złożony jako nową zmienną. Nie „rozpoznaje” samodzielnie, że pięć pytań tworzy skalę psychologiczną lub kliniczny wskaźnik. Odpowiedzialność za definicję wyniku pozostaje po stronie badacza.

2. Suma czy średnia?

Najczęściej stosuje się sumowanie albo uśrednianie pozycji. Jeżeli skala zawiera k pozycji, suma ma postać:

S = X1 + X2 + … + Xk

gdzie S oznacza wynik sumaryczny, a X1 … Xk są odpowiedziami na poszczególne pozycje.

Wynik średni oblicza się następująco:

M = (X1 + X2 + … + Xk) / k

M jest średnią odpowiedzi, natomiast k oznacza liczbę pozycji wykorzystanych w obliczeniu. Jeżeli wszystkie pozycje mają tę samą skalę odpowiedzi, średnia pozostaje w pierwotnym zakresie, np. od 1 do 5. Ułatwia to interpretację i porównywanie wyników z innymi badaniami.

Suma jest wygodna, gdy instrument ma oficjalnie określony zakres punktowy i instrukcja narzędzia zaleca właśnie taki sposób obliczania. Średnia bywa praktyczna, gdy występują pojedyncze braki danych albo gdy chcemy zachować oryginalną metrykę odpowiedzi. Nie należy jednak wybierać średniej wyłącznie dlatego, że „ładniej wygląda”. Reguła musi wynikać z dokumentacji narzędzia, planu analizy lub uzasadnienia metodologicznego.

3. Przygotowanie pozycji do obliczeń

3.1. Sprawdzenie zakresów i kodów

Przed utworzeniem skali warto sprawdzić, czy każda pozycja ma prawidłowy zakres. Dla pytań od 1 do 5 warto wykonać Analyze > Descriptive Statistics > Frequencies i sprawdzić wartości minimalne, maksymalne oraz częstości. Wartość 9 oznaczająca „brak odpowiedzi” nie może zostać potraktowana jak rzeczywista odpowiedź, jeśli nie została formalnie zdefiniowana jako brak danych.

W SPSS brak systemowy jest oznaczany kropką, natomiast brak użytkownika może być np. wartością 9 lub 99. Jeżeli wartość 99 pozostanie zwykłą liczbą, może zniekształcić sumę, średnią, wariancję i rzetelność. Dlatego trzeba oznaczyć ją w Variable View jako Missing albo wcześniej przekodować do braku systemowego.

3.2. Pozycje odwrócone

Pozycja odwrócona ma kierunek przeciwny do pozostałych. Jeśli w skali stresu wyższa odpowiedź zwykle oznacza większe obciążenie, pytanie „Czuję się spokojny” może wymagać odwrócenia. Dla skali od 1 do 5 transformacja wygląda następująco:

Xodwr = (L + U) − X

gdzie L jest najmniejszą dopuszczalną wartością, U największą dopuszczalną wartością, a X pierwotną odpowiedzią. Dla zakresu 1–5 wzór ma postać 6 − X. Odpowiedź 1 zmienia się w 5, 2 w 4, 3 pozostaje 3, 4 zmienia się w 2, a 5 w 1.

W SPSS można użyć menu Transform > Compute Variable albo składni:

COMPUTE spokojny_r = 6 - spokojny.
EXECUTE.

Nie należy nadpisywać oryginalnej zmiennej bez ważnego powodu. Utworzenie nowej zmiennej, np. spokojny_r, zachowuje ślad pierwotnego kodowania i ułatwia kontrolę.

4. Obliczanie wyniku w menu SPSS

Podstawowa procedura przebiega następująco:

  1. Wybierz Transform > Compute Variable.
  2. W polu Target Variable wpisz nazwę nowej zmiennej, np. stres_mean.
  3. W polu Numeric Expression wpisz funkcję lub działanie arytmetyczne.
  4. Kliknij OK, a następnie sprawdź nową zmienną w Data View i Variable View.

Dla pełnych przypadków można użyć:

COMPUTE stres_sum = q1 + q2 + q3 + q4 + q5.
COMPUTE stres_mean = MEAN(q1,q2,q3,q4,q5).
EXECUTE.

Istnieje ważna różnica między operatorem + a funkcją MEAN(). W wyrażeniu dodawania brak jednej pozycji zwykle powoduje brak całego wyniku. Funkcja MEAN() może obliczyć średnią z dostępnych wartości. To nie oznacza jednak, że zawsze należy akceptować dowolną liczbę odpowiedzi. Regułę minimalnej liczby ważnych pozycji można zapisać jako:

COMPUTE stres_mean = MEAN.4(q1,q2,q3,q4,q5).
EXECUTE.

W tym przykładzie wynik zostanie obliczony tylko wtedy, gdy dostępne są co najmniej cztery z pięciu pozycji. Wartość MEAN.4 jest częścią nazwy funkcji SPSS: liczba po kropce określa minimalną liczbę niebrakujących argumentów. Dokumentacja IBM wskazuje, że funkcje statystyczne mogą działać przy częściowo brakujących danych, ale badacz powinien jawnie ustalić minimalny próg (IBM, 2025).

5. Przykład 1: skala nasilenia objawów depresyjnych

Załóżmy, że badacz wykorzystuje pięć pozycji ocenianych od 0 do 3. Wyższa wartość oznacza większe nasilenie objawu. Pozycje d1, d2, d4 i d5 mają właściwy kierunek, natomiast d3 jest pytaniem o poczucie energii i wymaga odwrócenia.

Dla skali 0–3 wzór odwracania wynosi:

Xodwr = 3 − X

Składnia może wyglądać tak:

COMPUTE d3_r = 3 - d3.
COMPUTE depresja_sum = SUM(d1,d2,d3_r,d4,d5).
COMPUTE depresja_mean = MEAN.4(d1,d2,d3_r,d4,d5).
VARIABLE LABELS depresja_sum 'Wynik sumaryczny skali objawów'.
VARIABLE LEVEL depresja_sum depresja_mean (SCALE).
EXECUTE.

Ważne jest, aby nie opisywać wyniku jako „diagnozy depresji”, jeśli zastosowane pytania nie są narzędziem diagnostycznym i badanie nie obejmowało procedury klinicznej. Wynik może być wskaźnikiem nasilenia zgłaszanych objawów w badanej próbie, ale nie musi rozstrzygać o rozpoznaniu.

6. Przykład 2: wskaźnik jakości przygotowania pacjenta do samoopieki

W badaniu pielęgniarskim oceniono cztery obszary przygotowania pacjenta po hospitalizacji: znajomość zaleceń lekowych, rozumienie objawów alarmowych, umiejętność kontaktu z placówką oraz pewność wykonania zaleceń. Każdy obszar oceniono od 1 do 5. Badacz chce utworzyć wskaźnik średni.

Najpierw trzeba ustalić, czy wszystkie pytania mają jednakowy kierunek. Jeżeli pytanie trzecie brzmi „Nie wiem, kiedy skontaktować się z lekarzem”, wyższa odpowiedź może oznaczać większy problem, a nie lepsze przygotowanie. Jeżeli odpowiedzi 1–5 oznaczają stopień zgody, należy odwrócić tę pozycję:

COMPUTE alarm_r = 6 - alarm.
COMPUTE samoopieka = MEAN.3(lek,alarm_r, kontakt, pewnosc).
EXECUTE.

Wartość 4,25 oznacza średni poziom odpowiedzi 4,25 w zastosowanej skali, a nie „4,25 osoby” ani 425 procent. Jeżeli wskaźnik ma później służyć jako zmienna zależna w regresji, należy opisać jego zakres, rozkład, liczbę ważnych obserwacji i sposób postępowania z brakami danych.

7. Rzetelność skali: co sprawdzić po obliczeniu?

Po utworzeniu wyniku nie należy automatycznie przechodzić do testowania hipotez. Najpierw trzeba ocenić, czy pozycje tworzą wystarczająco spójny zestaw. W SPSS służy do tego Analyze > Scale > Reliability Analysis. Procedura pozwala obliczyć m.in. alfę Cronbacha, korelacje pozycji z wynikiem oraz wartość alfy po usunięciu pozycji (IBM, 2025).

Alfa Cronbacha jest miarą spójności wewnętrznej. W uproszczeniu ocenia, jak silnie pozycje są ze sobą powiązane w konkretnej próbie. Jej klasyczny zapis można przedstawić jako:

α = k/(k − 1) × [1 − (Σsi2 / sT2)]

gdzie k oznacza liczbę pozycji, si2 wariancję pojedynczej pozycji, a sT2 wariancję wyniku całkowitego. Wysoka alfa nie dowodzi jednak jednowymiarowości, trafności ani użyteczności klinicznej skali. Może wzrosnąć także dlatego, że skala ma wiele bardzo podobnych pozycji. Interpretację należy wiązać z teorią pomiaru, strukturą pozycji i celem badania (Cronbach, 1951; McNeish, 2018).

W analizie rzetelności warto zaznaczyć Item, Scale oraz Scale if item deleted. Pozycję można rozważać do usunięcia nie dlatego, że mechanicznie zwiększa alfę, lecz wtedy, gdy jest niespójna treściowo, ma błędne kodowanie, nie pasuje do konstruktu albo wykazuje problem w analizie czynnikowej. Usuwanie pozycji wyłącznie w celu uzyskania „ładnej” wartości alfa jest praktyką metodologicznie ryzykowną.

8. Kontrola wyniku i dokumentacja

Po obliczeniu skali należy wykonać kontrolę jakości:

  • sprawdź minimalną i maksymalną wartość wyniku;
  • porównaj liczbę ważnych przypadków dla każdej pozycji i dla skali;
  • obejrzyj histogram lub wykres pudełkowy;
  • zweryfikuj kilka przypadków ręcznie;
  • sprawdź, czy wyniki nie przekraczają teoretycznego zakresu;
  • zapisz używaną składnię w pliku projektu.

Przykładowo, jeśli pięć pozycji ma zakres 1–5, suma teoretycznie powinna mieścić się od 5 do 25. Wynik 63 wskazuje na błąd kodowania, obecność wartości specjalnej albo nieprawidłową formułę. Warto również nadać zmiennej opis i etykiety wartości, jeśli wynik jest kategoryzowany.

W raportowaniu należy podać: nazwę i źródło narzędzia, liczbę pozycji, sposób odwrócenia pozycji, metodę agregacji, regułę dla braków danych, zakres wyniku oraz rzetelność oszacowaną w analizowanej próbie. Takie informacje odpowiadają zasadzie przejrzystości zalecanej w standardach APA JARS (American Psychological Association, 2020).

Najczęstsze błędy

  • Brak odwrócenia pozycji. Jedna pozycja o przeciwnym kierunku może obniżyć korelacje i zniekształcić wynik.
  • Traktowanie kodu braku jako odpowiedzi. Wartości 9, 99 lub 999 muszą być odpowiednio oznaczone.
  • Niejasna reguła dla braków. Funkcja MEAN() może zwrócić wynik na podstawie jednej odpowiedzi, jeśli nie określi się minimum.
  • Mechaniczne usuwanie pozycji. Wyższa alfa po usunięciu pytania nie jest wystarczającym powodem do jego eliminacji.
  • Łączenie różnych konstruktów. Nie należy tworzyć jednej skali tylko dlatego, że pozycje mają podobny zakres odpowiedzi.
  • Nadpisywanie zmiennych źródłowych. Utrudnia odtworzenie analizy i wykrycie błędu.
  • Mylenie skali z diagnozą. Wynik kwestionariusza nie jest automatycznie rozpoznaniem klinicznym.
  • Brak dokumentacji. Sam plik danych nie wyjaśnia, dlaczego zastosowano sumę, średnią lub określony próg braków.

Przykład praktyczny: analiza przypadku

Badacz analizuje stres zawodowy 180 ratowników medycznych. Kwestionariusz zawiera osiem pozycji ocenianych od 1 do 5, w tym dwie pozycje sformułowane pozytywnie. Pozycje pozytywne zostają odwrócone wzorem 6 − X. Następnie badacz tworzy średnią przy minimum sześciu ważnych odpowiedziach.

Po obliczeniu wyniku kontroluje rozkład, sprawdza liczbę przypadków ważnych i uruchamia analizę rzetelności. Otrzymana alfa wynosi 0,82, ale jedna pozycja ma bardzo niską korelację z wynikiem pozostałych pozycji. Badacz nie usuwa jej automatycznie. Najpierw sprawdza treść pytania, poprawność odwrócenia i ewentualną strukturę dwuwymiarową. Jeśli pytanie dotyczy innego aspektu, np. satysfakcji z pracy, może być uzasadnione utworzenie dwóch podskal zamiast jednego wyniku ogólnego.

W raporcie można napisać: „Wynik stresu zawodowego obliczono jako średnią z ośmiu pozycji, po uprzednim odwróceniu dwóch pozycji pozytywnie sformułowanych. Wynik wyliczano przy co najmniej sześciu ważnych odpowiedziach. Wyższe wartości oznaczały większe nasilenie stresu. Spójność wewnętrzna skali w analizowanej próbie wyniosła α = 0,82”. Taki opis jest bardziej informacyjny niż samo stwierdzenie, że „utworzono skalę w SPSS”.

Co warto zapamiętać?

  1. Skala lub wskaźnik złożony musi mieć uzasadnienie teoretyczne i operacyjne.
  2. Przed obliczeniem wyniku sprawdź kierunek wszystkich pozycji.
  3. Sumę i średnią wybieraj zgodnie z instrukcją narzędzia oraz celem analizy.
  4. Jawnie określ minimalną liczbę odpowiedzi potrzebnych do wyliczenia wyniku.
  5. Nie traktuj wartości p ani alfy Cronbacha jako dowodu jakości całego narzędzia.
  6. Alfa opisuje spójność wewnętrzną w konkretnej próbie, a nie uniwersalną właściwość kwestionariusza.
  7. Składnia SPSS zwiększa powtarzalność i ułatwia audyt obliczeń.
  8. Wynik kwestionariusza trzeba interpretować w granicach konstruktu, populacji i projektu badania.

Poprawne obliczanie skal w SPSS jest więc połączeniem operacji technicznej i decyzji metodologicznej. Program wykona wskazane działanie, ale nie oceni, czy wybrane pozycje rzeczywiście tworzą sensowny pomiar. Ta ocena należy do badacza i powinna być uzasadniona teorią, dokumentacją narzędzia oraz wynikami kontroli jakości danych.

Źródła i dalsza lektura

  1. IBM Corp. (2025). Numeric variables (COMPUTE command). IBM Documentation: IBM SPSS Statistics. IBM. Źródło.
  2. IBM Corp. (2025). Reliability Analysis. IBM Documentation: IBM SPSS Statistics. IBM. Źródło.
  3. Cronbach, Lee J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297–334. DOI: 10.1007/BF02310555.
  4. DeVellis, Robert F.; Thorpe, Carolyn T. (2021). Scale Development: Theory and Applications. 5th edition. SAGE Publications, Inc.. Informacja wydawcy / źródło.
  5. McNeish, Daniel (2018). Thanks coefficient alpha, we’ll take it from here. Psychological Methods, 23(3), 412–433. DOI: 10.1037/met0000144.
  6. Terwee, Caroline B.; Bot, Sandra D. M.; de Boer, Michael R.; van der Windt, Daniëlle A. W. M.; Knol, Dirk L.; Dekker, Joost; Bouter, Lex M.; de Vet, Henrica C. W. (2007). Quality criteria were proposed for measurement properties of health status questionnaires. Journal of Clinical Epidemiology, 60(1), 34–42. DOI: 10.1016/j.jclinepi.2006.03.012.
  7. American Psychological Association (2020). Publication Manual of the American Psychological Association. American Psychological Association. Źródło.

Podobne wpisy

Dodaj komentarz

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