524. Typy zmiennych w SPSS – Numeric, String, Date i Measure

W poprzednich lekcjach szkolenia na statystyk.edu.pl porządkowaliśmy import danych i organizację projektu analitycznego. Kolejnym krokiem jest świadome zdefiniowanie zmiennych w programie. W SPSS nie wystarczy wiedzieć, że w kolumnie znajdują się liczby. Trzeba jeszcze ustalić, czy są to rzeczywiste wartości liczbowe, kody kategorii, daty, identyfikatory albo tekst. Osobno określa się poziom pomiaru, czyli znaczenie relacji między wartościami. Właśnie dlatego kolumny Type i Measure w widoku Variable View mają tak duże znaczenie dla poprawności analizy.

1. Dwa różne pytania: jaki jest typ danych i co one mierzą?

Podczas definiowania zmiennej w SPSS odpowiadamy na dwa odrębne pytania:

  • Type – w jaki sposób program przechowuje i interpretuje wartość technicznie, na przykład jako Numeric albo String;
  • Measure – jaki jest poziom pomiaru zmiennej: Nominal, Ordinal lub Scale.

Te pojęcia nie są synonimami. Zmienna plec może być zapisana jako Numeric, ponieważ używamy kodów 1 i 2, ale jej poziom pomiaru powinien być Nominal. Z kolei zmienna wiek również może być Numeric, lecz zazwyczaj ma poziom Scale. Sama obecność cyfr nie oznacza więc, że można obliczać średnią, odchylenie standardowe lub różnicę między kategoriami.

W klasycznej teorii pomiaru rozróżnia się między innymi skale nominalne, porządkowe, przedziałowe i ilorazowe (Stevens, 1946). SPSS upraszcza tę klasyfikację do trzech ustawień: Nominal, Ordinal i Scale. W programie poziom Scale obejmuje zmienne ilościowe na skali przedziałowej lub ilorazowej, na przykład temperaturę w stopniach Celsjusza, wiek w latach, masę ciała w kilogramach albo stężenie hemoglobiny (IBM, 2025a).

2. Type: Numeric

2.1. Czym jest zmienna Numeric?

Zmienna typu Numeric przechowuje wartości liczbowe, które mogą być wykorzystywane w obliczeniach. Mogą to być liczby całkowite, na przykład liczba hospitalizacji, albo liczby z częścią dziesiętną, na przykład ciśnienie skurczowe 128,5 mmHg. W widoku Variable View można określić szerokość pola oraz liczbę wyświetlanych miejsc po przecinku.

Warto odróżnić sposób wyświetlania od sposobu przechowywania. Jeżeli zmienna ma ustawione dwa miejsca dziesiętne, Data View może pokazywać 12,30, ale program nadal przechowuje pełną wartość wykorzystaną w obliczeniach. Zmiana liczby miejsc po przecinku jest zatem przede wszystkim zmianą prezentacji, a nie zaokrągleniem danych (IBM, 2025b).

2.2. Numeric jako wartość pomiarowa i jako kod

Numeric może oznaczać zarówno pomiar ilościowy, jak i kod kategorii. Przykłady:

  • wiek = 42 – wartość ilościowa, zwykle Measure: Scale;
  • cisnienie_skurczowe = 135 – wartość ilościowa, Measure: Scale;
  • grupa = 1 dla interwencji i grupa = 2 dla kontroli – kod kategorii, Measure: Nominal;
  • nasilenie_bolu = 1, 2, 3, 4, 5 – uporządkowane kategorie, najczęściej Measure: Ordinal, jeśli każda liczba oznacza kategorię nasilenia.

W drugim i trzecim przypadku działania arytmetyczne na kodach mogą być bezsensowne. Średnia z kodów płci lub grup leczenia nie opisuje realnej wielkości cechy. Średnia może być formalnie obliczona, ale nie musi mieć interpretacji naukowej.

3. Type: String

3.1. Tekst, identyfikatory i kody zapisane znakami

Zmienna typu String przechowuje znaki: litery, cyfry, spacje i inne dozwolone symbole. Przykładem może być nazwisko, kod pacjenta, nazwa województwa albo odpowiedź „tak”/„nie”. Wartość 001245 zapisana jako String nie jest liczbą 1245. Zawiera informację o zapisie, w tym o zerach początkowych.

To ważne w przypadku identyfikatorów. Numer PESEL, numer dokumentacji czy kod uczestnika nie powinien być traktowany jako zmienna ilościowa tylko dlatego, że składa się z cyfr. Nie obliczamy średniego numeru identyfikacyjnego ani nie interpretujemy różnicy między kodami uczestników.

String może być użyteczny także wtedy, gdy dane mają niejednorodny zapis, na przykład „brak”, „nie wiem”, „nie dotyczy” i „tak”. Jednak w analizie statystycznej tekst często wymaga wcześniejszego uporządkowania. IBM SPSS Statistics nie traktuje wartości String jako liczb używanych bezpośrednio w działaniach arytmetycznych; dodatkowo dla zmiennych tekstowych brak systemowy nie powstaje w taki sam sposób jak dla zmiennych liczbowych (IBM, 2025c).

3.2. Dlaczego cyfry w String nie działają jak liczby?

Załóżmy, że zmienna glukoza została zaimportowana jako String i zawiera wartości „88”, „102” oraz „145”. Dla człowieka są to liczby, ale dla programu są to ciągi znaków. Próba obliczenia średniej może zakończyć się pominięciem wartości, błędem albo koniecznością konwersji.

Konwersję trzeba wykonywać świadomie i po sprawdzeniu formatu. W składni SPSS można użyć funkcji NUMBER(), na przykład:

COMPUTE glukoza_num = NUMBER(glukoza, F8.0).

Polecenie tworzy zmienną liczbową na podstawie tekstu. Jeżeli tekst zawiera znaki nienależące do określonego formatu, wynik może stać się brakiem danych. Dlatego przed konwersją należy sprawdzić częstości, spacje, separator dziesiętny, jednostki i wpisy typu „brak danych”.

4. Type: Date i czas

4.1. Date nie jest zwykłym tekstem

W SPSS data jest technicznie zmienną liczbową z odpowiednim formatem wyświetlania. Program przechowuje datę jako liczbę sekund od 14 października 1582 roku, natomiast użytkownik widzi ją w postaci kalendarzowej, na przykład 15.03.2025 (IBM, 2025d). Dzięki temu możliwe jest obliczanie odstępów czasowych, sortowanie chronologiczne i filtrowanie obserwacji według daty.

Nie oznacza to jednak, że każda kolumna wyglądająca jak data jest poprawną zmienną Date. W pliku tekstowym wartość 15/03/2025 może zostać zaimportowana jako String. Wtedy program nie wie jeszcze, że dzień, miesiąc i rok tworzą datę.

4.2. Data zdarzenia a czas trwania

Należy odróżnić:

  • datę lub datę-czas, na przykład data przyjęcia do szpitala: 15.03.2025 08:40;
  • czas trwania, na przykład 135 minut oczekiwania na przyjęcie.

Data wskazuje położenie zdarzenia na osi czasu. Czas trwania opisuje długość przedziału. Nie powinno się zapisywać czasu oczekiwania jako daty tylko dlatego, że oba pola mogą być reprezentowane liczbowo. W analizie medycznej błędne rozróżnienie tych pojęć może prowadzić do nieczytelnych tabel i niepoprawnych obliczeń.

Przykładowo dla pacjenta można obliczyć czas hospitalizacji w dniach według wzoru:

czas_hospitalizacji = data_wypisu − data_przyjęcia

Jeżeli obie zmienne są poprawnie zapisanymi datami-czasami, wynik jest wyrażony w sekundach i trzeba go przeliczyć na dni:

dni = (data_wypisu − data_przyjęcia) / 86400

Liczba 86400 oznacza liczbę sekund w dobie: 24 × 60 × 60. data_wypisu i data_przyjęcia są wartościami datowymi przechowywanymi przez SPSS, a dni jest obliczonym czasem trwania.

5. Measure: Nominal, Ordinal i Scale

5.1. Nominal

Poziom Nominal oznacza kategorie bez naturalnego porządku. Można sprawdzać ich liczebności, odsetki i współwystępowanie, ale nie można interpretować większej wartości kodu jako większego nasilenia cechy.

Przykłady z ochrony zdrowia to miejsce zamieszkania, rodzaj oddziału, grupa badana, rozpoznanie choroby albo typ ubezpieczenia. Kody 1, 2 i 3 są wyłącznie etykietami. Jeżeli 1 oznacza internę, 2 chirurgię, a 3 pediatrię, to chirurgia nie jest „większa” od interny.

5.2. Ordinal

Poziom Ordinal oznacza kategorie uporządkowane, ale bez gwarancji, że odległości między nimi są równe. Przykładem jest stopień duszności: brak, łagodna, umiarkowana, ciężka. Wiemy, że ciężka duszność oznacza większe nasilenie niż łagodna, ale nie wiemy, czy różnica między „brak” i „łagodna” jest taka sama jak między „umiarkowana” i „ciężka”.

Innym przykładem jest pojedyncze pytanie Likerta: 1 – zdecydowanie nie, 2 – raczej nie, 3 – ani tak, ani nie, 4 – raczej tak, 5 – zdecydowanie tak. Pojedyncza odpowiedź ma charakter porządkowy. Suma wielu pozycji może być analizowana inaczej, jeżeli uzasadniają to konstrukcja skali, jej rzetelność, liczba kategorii i plan analityczny. Nie należy jednak automatycznie uznawać każdej skali Likerta za zmienną Scale.

5.3. Scale

Poziom Scale w SPSS obejmuje zmienne ilościowe na skali przedziałowej lub ilorazowej. Przykładami są wiek, masa ciała, liczba dni hospitalizacji, temperatura, wynik testu psychologicznego lub stężenie kreatyniny.

Ustawienie Scale nie gwarantuje, że każda analiza parametryczna jest właściwa. Nadal trzeba sprawdzić rozkład, wartości odstające, niezależność obserwacji, liniowość, homoscedastyczność i inne założenia konkretnego modelu. Kolumna Measure jest informacją o poziomie pomiaru, a nie automatycznym dowodem spełnienia założeń analizy.

6. Przykład praktyczny: badanie pacjentów z nadciśnieniem

Rozważmy zbiór danych 250 pacjentów poradni podstawowej opieki zdrowotnej. W pliku znajdują się następujące zmienne:

Nazwa Przykładowa wartość Type Measure Uzasadnienie
id_pacjenta 000247 String Nominal Identyfikator, nie pomiar.
plec 1 = kobieta, 2 = mężczyzna Numeric Nominal Kody kategorii bez porządku.
wiek 67 Numeric Scale Wiek jest wartością ilościową.
data_wizyty 12.02.2025 Date Scale Data ma uporządkowanie czasowe i może służyć do obliczeń czasowych.
palenie 0 = nie, 1 = tak Numeric Nominal Dwukategorialna zmienna jakościowa.
kontrola_cisnienia 1 = dobra, 2 = częściowa, 3 = zła Numeric Ordinal Kategorie mają naturalny porządek.
skurczowe 148 Numeric Scale Pomiar ciśnienia w mmHg.
uwagi „brak leków rano” String Nominal Opis tekstowy, bez uporządkowania.

W tym przykładzie szczególnie łatwo pomylić kodowanie z pomiarem. Zmienna palenie ma wartości liczbowe, ale nie jest zmienną ilościową. Można policzyć odsetek palaczy i porównać grupy, lecz średnia z wartości 0 i 1 ma sens tylko jako proporcja osób palących, a nie jako „średni poziom palenia”.

7. Przykład z psychologii: wynik kwestionariusza

Psycholog może dysponować dziesięcioma pytaniami ocenianymi od 1 do 5 oraz sumą punktów od 10 do 50. Każde pojedyncze pytanie ma zwykle charakter Ordinal, ponieważ odpowiedzi są uporządkowane. Suma może być traktowana jako zmienna ilościowa, jeżeli wynika to z założeń narzędzia i przyjętej procedury analitycznej.

Nie należy jednak zmieniać poziomu Measure tylko po to, aby SPSS udostępnił określoną procedurę. Najpierw trzeba uzasadnić sposób pomiaru, a dopiero potem wybrać analizę. Dodatkowo należy rozróżnić brak odpowiedzi od odpowiedzi „nie dotyczy”. Brak danych może być kodowany systemowo albo jako zdefiniowana wartość użytkownika, ale kod 99 nie powinien być włączany do obliczania średniej, jeśli oznacza brak odpowiedzi.

8. Jak sprawdzić i poprawić definicję zmiennej?

  1. Otwórz Variable View i sprawdź nazwę, etykietę, typ, format, etykiety wartości oraz braki danych.
  2. Porównaj ustawienia z codebookiem lub formularzem badania.
  3. Wykonaj częstości dla zmiennych kategorycznych i obejrzyj wartości minimalne, maksymalne oraz nietypowe dla zmiennych liczbowych.
  4. Sprawdź, czy daty zostały rozpoznane jako Date, a nie jako String.
  5. Jeśli trzeba konwertować dane, zachowaj zmienną źródłową i utwórz nową zmienną wynikową.
  6. Po zmianach ponownie sprawdź zakres, liczbę braków i kilka pierwszych obserwacji.

W pracy badawczej warto zapisać te decyzje w codebooku. Przejrzysty opis zmiennych ułatwia późniejsze odtworzenie analizy i poprawia raportowanie wyników, co pozostaje zgodne z szerszą zasadą transparentności badań obserwacyjnych promowaną przez STROBE (von Elm i in., 2007).

Najczęstsze błędy

  • Traktowanie kodu kategorii jako pomiaru. Kod 1, 2, 3 nie musi oznaczać rosnącej wartości cechy.
  • Zapisywanie identyfikatorów jako zmiennych ilościowych. Numery pacjentów, telefonów i kodów pocztowych powinny być traktowane jako identyfikatory.
  • Import dat jako String. Taka kolumna może wyglądać poprawnie, ale nie będzie poprawnie sortowana ani odejmowana.
  • Mylenie daty z czasem trwania. Data wizyty i liczba dni od wizyty to różne konstrukty.
  • Wpisywanie tekstu do Numeric. Wartości takie jak „brak”, „nie dotyczy” lub „odmowa” trzeba zaplanować jako braki albo osobne kategorie.
  • Zmiana Measure bez refleksji metodologicznej. Ustawienie Scale nie czyni zmiennej ilościową i nie zapewnia spełnienia założeń testu.
  • Zaokrąglanie danych tylko przez zmianę formatu. Mniejsza liczba miejsc po przecinku na ekranie nie zawsze oznacza zmianę wartości przechowywanej przez SPSS.
  • Brak etykiet wartości. W raporcie kod 1 jest nieczytelny, jeśli nie wiadomo, czy oznacza kobietę, grupę kontrolną czy odpowiedź „tak”.

Co warto zapamiętać?

  • Numeric oznacza techniczny typ liczbowy, ale liczby mogą być zarówno pomiarami, jak i kodami kategorii.
  • String przechowuje tekst; cyfry zapisane jako tekst nie są automatycznie liczbami.
  • Date jest w SPSS specjalnym formatem zmiennej liczbowej, dzięki któremu można wykonywać obliczenia kalendarzowe.
  • Measure opisuje poziom pomiaru: Nominal, Ordinal albo Scale.
  • Poziom pomiaru wynika ze znaczenia danych, a nie z tego, czy w komórkach widzimy cyfry.
  • Przed analizą trzeba sprawdzić definicję zmiennych, etykiety, braki danych i formaty.
  • Poprawne ustawienia w SPSS pomagają uniknąć błędów, ale nie zastępują uzasadnienia metodologicznego ani kontroli założeń wybranej analizy.

Dobrze zdefiniowany zbiór danych jest częścią warsztatu badacza, a nie wyłącznie czynnością techniczną. Jeśli typ zmiennej, format i poziom pomiaru odpowiadają rzeczywistemu znaczeniu obserwacji, kolejne etapy analizy — od tabel częstości po modele statystyczne — stają się bardziej przejrzyste, powtarzalne i łatwiejsze do obrony.

Źródła i dalsza lektura

  1. IBM Corp. (2025). Variable Types and Formats. IBM SPSS Statistics Documentation. IBM. Źródło.
  2. IBM Corp. (2025). Input versus display formats. IBM SPSS Statistics Documentation. IBM. Źródło.
  3. IBM Corp. (2025). Dates and Times in IBM SPSS Statistics. IBM SPSS Statistics Documentation. IBM. Źródło.
  4. Stevens, S. S. (1946). On the Theory of Scales of Measurement. Science, 103(2684), 677–680. DOI: 10.1126/science.103.2684.677.
  5. 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. PLoS Medicine, 4(10), e296. DOI: 10.1371/journal.pmed.0040296.

Podobne wpisy

Jeden komentarz

Dodaj komentarz

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