134. Rekodowanie zmiennych – zasady i dokumentacja

Rekodowanie zmiennych polega na przekształceniu istniejących wartości lub kategorii w nowy, analitycznie użyteczny sposób. Jest to operacja techniczna, ale jej konsekwencje są metodologiczne: rekodowanie może zmienić poziom pomiaru, sposób interpretacji wyników, liczebność grup, a nawet wnioski z modelu statystycznego. Dlatego nie powinno być wykonywane jako przypadkowe „przeklikanie” wartości w programie statystycznym. W tej lekcji kursu na statystyk.edu.pl uporządkujemy zasady planowania, wykonywania i dokumentowania takich zmian.

Czym jest rekodowanie zmiennej?

Rekodowanie to przypisanie dotychczasowym wartościom zmiennej nowych kodów albo utworzenie nowej zmiennej na podstawie wartości już istniejącej. Można je zapisać ogólnie jako:

Y = f(X)

gdzie X oznacza zmienną źródłową, Y – zmienną po przekształceniu, a f – zdefiniowaną regułę rekodowania. Funkcja f może być bardzo prosta, na przykład zamiana kodów 1 i 2, albo bardziej złożona, na przykład połączenie kilku kategorii w jedną grupę.

Warto odróżnić rekodowanie od zwykłej zmiany etykiety. Jeżeli kod 1 pozostaje kodem 1, ale etykietę „kobieta” zastępujemy etykietą „female”, nie zmieniamy danych, tylko sposób ich wyświetlania. Jeżeli natomiast wartości 1 i 2 zamieniamy miejscami, dokonujemy rzeczywistego rekodowania. Z kolei przekształcenie wieku z lat na grupy wieku tworzy nową zmienną o innych właściwościach analitycznych.

Po co rekoduje się zmienne?

Ujednolicenie kodów

Rekodowanie bywa potrzebne, gdy dane pochodzą z kilku źródeł. W jednym formularzu płeć może być zakodowana jako 1 = kobieta, 2 = mężczyzna, a w drugim jako 0 = mężczyzna, 1 = kobieta. Przed połączeniem baz trzeba ustalić wspólny słownik wartości. Bez tego identyczny kod może oznaczać różne stany, co prowadzi do błędnej klasyfikacji uczestników.

Utworzenie zmiennej binarnej

Zmienna ilościowa może zostać przekształcona w zmienną typu „spełnia kryterium/nie spełnia kryterium”. Przykładem jest utworzenie wskaźnika otyłości na podstawie BMI. Takie działanie może być uzasadnione celem klinicznym lub definicją protokołu, ale wiąże się z utratą informacji o dokładnej wartości BMI. Nie należy więc automatycznie zastępować zmiennej ciągłej jej wersją binarną.

Połączenie rzadkich kategorii

W badaniu ankietowym niektóre odpowiedzi mogą występować bardzo rzadko. Połączenie kategorii może ułatwić opis lub modelowanie, zwłaszcza gdy pojedyncze grupy są zbyt małe. Trzeba jednak zachować sens merytoryczny nowej kategorii. Nie powinno się łączyć odpowiedzi wyłącznie dlatego, że program zgłasza problem z małą liczebnością.

Odwrócenie kierunku skali

W kwestionariuszach część pozycji może mieć kierunek przeciwny do pozostałych. Na przykład w skali dobrostanu wyższa wartość zwykle oznacza lepszy stan, ale item o treści „Często czuję się bezradny” może być skonstruowany odwrotnie. Dla skali od 1 do 5 odwrócenie można zapisać jako:

X_odwr. = (L + U) − X

gdzie L jest najniższą dopuszczalną wartością skali, U – najwyższą dopuszczalną wartością, a X – wartością pierwotną. Dla skali od 1 do 5 reguła ma postać X_odwr. = 6 − X. Wartość 1 staje się 5, 2 staje się 4, 3 pozostaje 3, a 4 i 5 zmieniają się odpowiednio w 2 i 1.

Rekodowanie a poziom pomiaru

Każda zmiana kodów powinna być oceniana pod kątem poziomu pomiaru. Sam fakt, że wartości są zapisane liczbami, nie oznacza, że można wykonywać na nich dowolne działania arytmetyczne. W zmiennej nominalnej kod 1 i kod 2 są etykietami kategorii, a nie wielkościami, które można sensownie dodawać.

Rekodowanie może:

• zachować poziom pomiaru, na przykład zmienić kody płci z 1/2 na 0/1;
• zmienić szczegółową zmienną porządkową w zmienną o mniejszej liczbie kategorii;
• przekształcić zmienną ilościową w porządkową, na przykład wiek w grupy wieku;
• utworzyć wskaźnik binarny, który upraszcza interpretację, ale redukuje informację.

W analizie trzeba jasno wskazać, czy użyto wartości pierwotnych, czy po rekodowaniu. Wytyczne STROBE zalecają przejrzyste przedstawianie definicji zmiennych, źródeł danych i sposobu pomiaru w badaniach obserwacyjnych (von Elm et al., 2007). Podobna zasada dotyczy badań eksperymentalnych i raportowania wszystkich istotnych decyzji analitycznych zgodnie z CONSORT (Schulz et al., 2010).

Zasady bezpiecznego rekodowania

1. Zacznij od celu analitycznego

Najpierw zapisz, dlaczego zmienna ma zostać przekształcona. Uzasadnieniem może być hipoteza, definicja kliniczna, wymóg narzędzia lub potrzeba połączenia źródeł danych. Uzasadnienie typu „tak było łatwiej w programie” nie jest wystarczające.

2. Zachowaj zmienną pierwotną

Najbezpieczniejszą praktyką jest utworzenie nowej zmiennej, zamiast nadpisywania starej. Zamiast zmieniać bmi, utwórz na przykład bmi_cat. Zamiast nadpisywać depresja_item3, utwórz depresja_item3_rev. Pozwala to wrócić do danych źródłowych i sprawdzić poprawność transformacji.

3. Zapisz regułę przed analizą

Reguła powinna być ustalona przed obejrzeniem wyników, jeżeli tylko pozwala na to projekt badania. Przykładowo: „BMI < 25,0 oznacza prawidłową masę ciała, 25,0–29,9 nadwagę, a ≥ 30,0 otyłość”. Zmiana punktów odcięcia po zobaczeniu, która wersja daje istotny wynik, zwiększa ryzyko selektywnego raportowania.

4. Rozstrzygnij, co oznaczają braki danych

Kod braku danych nie jest zwykłą kategorią merytoryczną. Wartości takie jak 99, 999 lub -1 powinny być jednoznacznie opisane jako brak odpowiedzi, odmowa, „nie wiem” albo brak zastosowania. Jeżeli kod 99 pozostanie w zmiennej liczbowej, program może potraktować go jako rzeczywisty wynik i zniekształcić średnią, medianę lub model regresji.

5. Sprawdź kompletność mapowania

Każda wartość występująca w zmiennej źródłowej powinna mieć określone przeznaczenie: zostaje bez zmian, otrzymuje nowy kod, zostaje połączona z inną kategorią albo jest uznana za brak danych. Nie wolno pozostawiać nieopisanych wartości „na wszelki wypadek”.

Dokumentacja rekodowania

Dokumentacja powinna pozwolić innej osobie odtworzyć transformację bez domyślania się intencji autora. Minimalny słownik powinien zawierać nazwę zmiennej pierwotnej, nazwę nowej zmiennej, typ i poziom pomiaru, pełne etykiety, regułę rekodowania, kody braków, uzasadnienie oraz datę i osobę odpowiedzialną za zmianę.

Element	Przykład zapisu
Zmienna źródłowa	bmi, BMI w kg/m²
Zmienna wynikowa	bmi_cat, kategoria BMI
Reguła	<25,0 = 1; 25,0–29,9 = 2; ≥30,0 = 3
Braki danych	pusta wartość = brak pomiaru; kod 999 usunięty z analiz
Uzasadnienie	definicja grup użyta w protokole badania
Wersja	v1.2, 10 września 2026 r.

W większym projekcie warto prowadzić dziennik zmian oraz przechowywać skrypt analityczny. Dokumentacja nie jest dodatkiem administracyjnym, lecz częścią jakości danych. APA JARS podkreślają znaczenie ujawniania decyzji dotyczących zmiennych, wykluczeń i procedur analitycznych, ponieważ umożliwia to ocenę przejrzystości i odtwarzalności badania (American Psychological Association, 2018).

Przykład 1: rekodowanie BMI w badaniu pielęgniarskim

Załóżmy, że w badaniu pacjentów poradni pielęgniarskiej zapisano BMI jako zmienną ciągłą. Zespół chce opisać częstość występowania otyłości, dlatego tworzy zmienną binarną:

otyłość = 1, gdy BMI ≥ 30,0; otyłość = 0, gdy BMI < 30,0.

Reguła jest prosta, ale wymaga kilku kontroli. Po pierwsze, należy sprawdzić, czy wartości BMI są wiarygodne i zapisane w tych samych jednostkach. Po drugie, należy ustalić, co zrobić z brakiem wzrostu lub masy ciała. Po trzecie, trzeba zachować oryginalne BMI, ponieważ analiza związku między BMI a ciśnieniem może wymagać zmiennej ciągłej.

Wynik analizy z użyciem zmiennej binarnej opisuje różnicę między osobami spełniającymi i niespełniającymi kryterium otyłości. Nie pokazuje natomiast, czy osoba z BMI 30,1 jest podobna pod względem ryzyka do osoby z BMI 42,0. Dlatego rekodowanie ma sens jako jedna z analiz, ale nie zawsze jako jedyna reprezentacja zmiennej.

Przykład 2: rekodowanie odpowiedzi w badaniu zdrowia psychicznego

W kwestionariuszu objawów lęku odpowiedzi mają wartości od 0 do 3, gdzie wyższy wynik oznacza częstsze występowanie objawu. Jedna pozycja została sformułowana pozytywnie: „Potrafię spokojnie radzić sobie z trudną sytuacją”. Jeżeli wszystkie pozostałe itemy mierzą nasilenie lęku, tę pozycję należy odwrócić przed obliczeniem wyniku sumarycznego.

Dla skali 0–3 wzór przyjmuje postać:

X_odwr. = 3 − X

Odpowiedź 0 staje się 3, 1 staje się 2, 2 staje się 1, a 3 staje się 0. Przed obliczeniem sumy należy sprawdzić, czy wyższy wynik każdego itemu oznacza ten sam kierunek konstruktu. Dokumentacja powinna zawierać nazwę odwróconej pozycji, zakres skali, wzór i informację, na którym etapie obliczano wynik.

Przykład praktyczny: mapa rekodowania i kontrola jakości

W badaniu dotyczącym szczepień status uczestnika zapisano początkowo jako: 1 = zaszczepiony, 2 = niezaszczepiony, 8 = nie wiem, 9 = brak odpowiedzi. Na potrzeby regresji logistycznej badacz tworzy zmienną vaccinated01:

• 1 → 1, zaszczepiony;
• 2 → 0, niezaszczepiony;
• 8 → brak danych;
• 9 → brak danych.

Po wykonaniu rekodowania należy porównać liczebności przed i po transformacji. Jeżeli w bazie było 420 osób zaszczepionych, 180 niezaszczepionych i 25 osób z odpowiedzią „nie wiem”, nowa zmienna powinna mieć 420 wartości 1, 180 wartości 0 i 25 braków, o ile nie zastosowano dodatkowych kryteriów wykluczenia. Taka kontrola pozwala wykryć pomyłkę, na przykład przypadkowe zakodowanie wartości 8 jako 1.

W badaniach opartych na rutynowo gromadzonych danych medycznych należy dodatkowo opisać źródło definicji zmiennej i sposób identyfikacji przypadków. Wytyczne RECORD zwracają uwagę na potrzebę transparentnego raportowania procedur związanych z danymi administracyjnymi, rejestrami i elektroniczną dokumentacją zdrowotną (Benchimol et al., 2015).

Najczęstsze błędy

• Nadpisywanie zmiennej pierwotnej. Uniemożliwia późniejsze sprawdzenie, jakie były dane wejściowe.
• Traktowanie kodu braku danych jako wyniku. Wartość 999 nie oznacza wyniku większego niż wszystkie pozostałe.
• Łączenie kategorii bez uzasadnienia. Mała liczebność może wymagać ostrożności, ale nie usprawiedliwia dowolnego łączenia grup.
• Tworzenie grup wieku bez wskazania granic. Przedziały muszą być rozłączne i obejmować wszystkie dopuszczalne wartości.
• Rekodowanie po obejrzeniu wyników. Zmienianie punktów odcięcia w zależności od wartości p może prowadzić do selektywnego raportowania.
• Brak kontroli wartości skrajnych. Błędna wartość 250 cm wzrostu może zostać „poprawnie” zrekodowana, choć nadal jest błędem pomiaru.
• Mylenie kodu z kategorią. Kod 1 nie musi oznaczać większego, lepszego ani częstszego poziomu cechy.
• Dokumentowanie tylko w pamięci autora. Rekodowanie powinno być zapisane w słowniku danych, protokole lub skrypcie.

Jak ocenić, czy rekodowanie było zasadne?

Przed zastosowaniem transformacji warto odpowiedzieć na pięć pytań: jaki problem rozwiązuje rekodowanie, jakie informacje zostaną utracone, czy granice kategorii mają uzasadnienie, jak potraktowano braki danych oraz czy pierwotna zmienna pozostanie dostępna? Dobrą praktyką jest także wykonanie analizy wrażliwości, czyli sprawdzenie, czy wnioski są podobne przy alternatywnej, merytorycznie uzasadnionej definicji kategorii.

Jeżeli rekodowanie prowadzi do porównania dwóch metod pomiaru albo dwóch wersji pomiaru klinicznego, sama korelacja nie wystarcza do oceny zgodności. Należy rozważyć analizę różnic i możliwego obciążenia, zgodnie z podejściem Bland–Altmana (Bland i Altman, 1986). W tym kontekście rekodowanie nie może ukrywać systematycznych rozbieżności między metodami.

Co warto zapamiętać?

1. Rekodowanie jest decyzją metodologiczną, a nie wyłącznie techniczną.
2. Zawsze warto zachować zmienną pierwotną i utworzyć nową zmienną wynikową.
3. Każda kategoria i każdy kod braku danych muszą mieć jednoznaczne znaczenie.
4. Punkty odcięcia należy uzasadnić przed analizą, najlepiej na podstawie protokołu, literatury lub definicji klinicznej.
5. Zmiana zmiennej ciągłej w kategorie upraszcza interpretację, lecz zmniejsza ilość informacji.
6. Dokumentacja powinna umożliwić odtworzenie transformacji przez inną osobę.
7. Wyniki analizy trzeba interpretować z uwzględnieniem tego, czy użyto danych pierwotnych, czy zrekodowanych.

Najbezpieczniejszy model pracy można streścić następująco: zdefiniuj cel, zapisz regułę, zachowaj oryginał, wykonaj transformację, sprawdź liczebności i udokumentuj decyzję. Tak przygotowane rekodowanie zwiększa przejrzystość analizy i ogranicza ryzyko błędów, które mogłyby pozostać niewidoczne w późniejszych tabelach i modelach.

Źródła i dalsza lektura

1. Bland, J. M.; Altman, D. G. (1986). Statistical methods for assessing agreement between two methods of clinical measurement. The Lancet, 327(8476), 307–310. DOI: 10.1016/S0140-6736(86)90837-8.
2. von Elm, E.; Altman, D. G.; Egger, M.; Pocock, S. J.; Gøtzsche, P. C.; Vandenbroucke, J. P.; STROBE Initiative (2007). The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: guidelines for reporting observational studies. Bulletin of the World Health Organization, 85(11), 867–872. DOI: 10.2471/BLT.07.045120.
3. Vandenbroucke, J. P.; von Elm, E.; Altman, D. G.; Gøtzsche, P. C.; Mulrow, C. D.; Pocock, S. J.; Poole, C.; Schlesselman, J. J.; Egger, M.; STROBE Initiative (2007). Strengthening the Reporting of Observational Studies in Epidemiology (STROBE): Explanation and Elaboration. PLoS Medicine, 4(10), e297. DOI: 10.1371/journal.pmed.0040297.
4. Schulz, K. F.; Altman, D. G.; Moher, D.; CONSORT Group (2010). CONSORT 2010 Statement: updated guidelines for reporting parallel group randomised trials. BMJ, 340, c332. DOI: 10.1136/bmj.c332.
5. Benchimol, E. I.; Smeeth, L.; Guttmann, A.; Harron, K.; Moher, D.; Petersen, I.; Sørensen, H. T.; von Elm, E.; Langan, S. M.; RECORD Working Committee (2015). The REporting of studies Conducted using Observational Routinely-collected health Data (RECORD) statement. PLoS Medicine, 12(10), e1001885. DOI: 10.1371/journal.pmed.1001885.
6. American Psychological Association (2018). APA Style Journal Article Reporting Standards. American Psychological Association. Źródło.