DATORÖVNING 1: INTRODUKTION TILL SPSS & BESKRIVANDE STATISTIK

Transkript

1 Dokument uppdaterat aug 2020 Biostatistics DATORÖVNING 1: INTRODUKTION TILL SPSS & BESKRIVANDE STATISTIK Målet med denna övning är att lära känna statistikprogrammet SPSS. Vi ska Föra över data från Excel till SPSS. Definiera och skapa nya variabler i SPSS. Använda SPSS för att ta fram beskrivande statistik. Göra tabeller med beskrivande statistik Använda SPSS för grafiska beskrivning av variabler. I texten kommer instruktioner av typen Analyze > Descriptive Statistics > Frequencies att användas. Det betyder att ni först trycker på (1) Analyze i menyn, sedan (2) Descriptive Statistics och slutligen (3) Frequencies, se bilden nedan. Figur Illustration av sökväg Analyze > Descriptive Statistics > Frequencies 1

2 Innehåll Datorövning 1: Introduktion till SPSS & beskrivande statistik... 1 Fönster i SPSS... 3 Data Editor... 3 Viewer (Output)... 3 Data från Excel-fil till SPSS och skapa variabler... 4 Öppna nytt dataset... 8 Beräkna en ny variabel (BMI)... 8 Beskrivande statistik i tabell... 9 Beskrivning av kvantitativa variabler... 9 Helgrupp Univariabel... 9 Subgrupper Bivariabel... 9 Subgrupper multivariabel Beskrivning av kvalitativa (kategoriska) variabler Helgrupp Univariabel Subgrupper Bivariabel Beskrivande statistik i figurer (grafiska presentationer) Cirkeldiagram (Pie chart) Kvalitativa variabler Chart Editor: Redigera figurer i SPSS Stapeldiagram (Bar chart) Kvalitativa variabler Histogram Kvantitativa variabler Box-plot (Lådagram) Kvantitativa variabler Extra uppgifter Gör om en tabell från SPSS Matchning av data (Slå ihop två datafiler)

3 FÖNSTER I SPSS Data Editor Huvudfönstret i SPSS som kommer upp när man startar programmet. Här kan man se och hantera sina data. Här kan man skapa nya variabler och/eller ändra inställningar för befintliga variabler. Längst ner i vänstra hörnet av fönstret finns två flikar, Data View och Variable View. Under fliken Variable View hittas information så som variabelnamn och variabeltyp. Om man ska mata in eget data så börjar man med att ange det här. Data View påminner om ett Excell-ark och det är här kan man se och ändra på värdet för sina observationer. Det är även här man matar in nya värden. Viewer (Output) I detta fönster samlas både resultat samt loggen för alla analyser. Loggen är en ruta med syntaxen för den analysen/proceduren du just gjort via menyerna. Vi ska inte gå närmare in på SPSS-syntax här, och så länge det inte står error i rutan kan du just nu hoppa över logg-rutorna. Ett output-fönster dyker upp automatiskt när du först gör något i Editor-fönstret. Du behöver inte stänga detta fönster efter varje nytt resultat, lämna det istället öppet. Nya resultat kommer alltid längst ner. En stor skillnad mot t.ex. Excel är att inget i detta fönster kommer uppdateras om du ändrar i din datafil. Om du t.ex. gör ett diagram för längd och sedan går in och matar in 100 nya värden kommer diagrammet i Viewer fortfarande vara detsamma. Om du vill ha med dina nya siffror måste du göra ett nytt diagram. Figur Exempel på Viewer/Output fönster med logg rutan markerad. (Finns även ett Syntax fönster men då vi inte ska använda detta så hoppar vi över det nu) 3

4 DATA FRÅN EXCEL FIL TILL SPSS OCH SKAPA VARIABLER Vi ska importera data från filen Intro_SPSS.xlsx till SPSS. Det är ganska rakt på att importera data från en Excel-fil till en SPSS-fil Först ska du städa Excel-filen: Öppna filen Intro_SPSS.xlsx Följande kriterier måste vara uppfyllda för att överföringen ska gå smidigt. Ta dig tid att gå igenom varje punkt och hoppa inte över någon. 1. Variabelnamn Variabelnamn ska enbart stå på första raden. i. Ta bort eventuella tomma rader. ii. Tar variabelnamnen upp flera rader, ändra om dem så att de bara står på en rad. 2. Varje kolumn motsvarar en variabel Ta bort eventuella tomma kolumner 3. Varje rad (utom ev. den första) motsvarar en person Ta bort eventuella tomma rader 4. Varje cell motsvarar ett mätvärde Ta bort eventuella kommentarer I SPSS bör vi inte blanda siffror och andra symboler (som t.ex. bokstäver) i samma variabel (kolumn) i. Ta bort symbolen * som här markerar ett saknat värde. Flytta kodnyckeln till ett eget ark som man döper till just kodnyckel (förklaringen av hur kodningen av ögonfärg gjorts). Lägga till dig själv och en eller två av dina klasskamrater som nya observation. Ange namn, ålder, längd och ögonfärg. Observera att ögonfärg är en kategorisk-variabel. Använd kodnyckeln. Spara filen. Starta SPSS: ( I Windows) All Programs > IBM SPSS Statistics > IBM SPSS Statistics 23 (eller annan version) Tryck bort eventuellt pop-up fönster (tryck på röda krysset i övre högra hörnet) Importera Excel-filen: Tryck File >Open >Data. Under Files of Type välj Excel, som visas i bilden nedan. Bläddra fram filen, markera den och tryck Open. 4

5 I rutan som kommer upp väljer du vilket Excel-blad data ligger i (här Blad1). Då vi har variabelnamn med på första raden väljer kryssar vi i variable names from the first row of data. Nu ska göra iordning SPSS-filen: Gå till Variable View. Här kan (läs ska) vi specificera olika egenskaper hos variablerna. De olika alternativen och en kort förklaring finns i Tabell 1. Variabelnamn (Name): Variabelnamnet ska helst vara kort (men förståeligt). Ändra eventuella långa/obegripliga variabelnamn. Variabeltyp/Skala (Measure): Se till att variablerna anges som rätt typ. Scale = Kvantitativa variabler Något som man räknar eller mäter, t.ex. ålder och vikt. Ordinal = Kategorisk variabel med en naturlig ordning på kategorierna, t.ex. betyg, ålderskategorier eller utbildningsnivå. Nominal = Kategorisk variabel utan ordning, t.ex. kön, märke, hårfärg. Decimaler (Decimals): Variabeln Längd anger läng i hela cm, så decimaler blir onödiga. Ändra till 0. Värde-etiketter (Values): Skapa värdeetiketter för den kategoriska variabeln Ögonfärg. o Klicka på de tre små prickarna som dyker upp när du markerar cellen i kolumn Value på rad Ögonfärg. 5

6 I rutan Value: skriver 1, under Label skriv vad siffran betyder, här Blå. Tryck sedan Add. Fyll sedan i värde etiketter för 2=Brun och 3=Övrigt. När du är klar tryck OK. Tabell 1 Specificeringsalternativ för variabler i SPSS Kolumn Förklaring Name Type Width Decimals Label Values Missing Columns Align Measure Role Variabelnamn Variabeltyp. Använd Numeric för nummer och String för symboler/bokstävers. Maximala antalet siffror eller symboler Antal decimaler som syns i Data View (gör decimalerna osynliga men tar inte bort dem). Kan vara ett längre och mer beskrivande namn till variabeln. Visas istället för variabelnamnet i utskrifter. Om variabeln är kategorisk så kan man här skapa värde-etiketter för olika kategorierna, t.ex. man=1 och kvinna=2. Data kan kodas med ett specifikt värde (t.ex. 99) för värden som saknas. Dessa värden kommer systemet att känna igen som ett saknat värde och kan undantas från analys. Bredden på kolumnen i Data View. Justering av värden i Data View (vänster, höger, mitten) Typ av variabel/skala (scale =Kvantitativa variabler, ordinal= Ordinala kategotivariabler, nominal = nominala kategorivariabler) Några speciella inställningar för variabelns roll i analysen. 6

7 Skapa en ny variable: Kön. Börja i Variable View Gå till den första tomma raden och skriv in variabelnamnet i kolumnen Name. Gå till kolumnen Measure och välj en lämplig skal-typ Skapa värde-etiketter för kategorierna 1 = Man and 2 = Kvinna. Detta körs i kolumnen Values. Glöm inte att trycka på Add och att avsluta med OK. Nu ska vi lägga till själva värdena. Detta görs i Data View. Där kan man mata in data direkt i SPSS, ungefär på samma sätt som man skriver in data i en Excel-fil. Varje kolumn representerar (med variabelnamnen som visas på toppen av kolonnen) och varje rad representerar en "individ". Här kan du lägga till och ta bort observationer i datamängden. Ange observationer för variabeln Kön (om namnet inte ger dig en ledtråd så gissa kön). Detta kan göras på två sätt: Om knappen värdeetiketter är intryckt så kan du dubbelklicka på cellen ifråga och antingen välja en etikett från listan eller ange numeriskt värde för den kategorin (1 = Man eller 2 = Kvinna). Om knappen värdeetiketter inte är intryckt, ska du dubbelklicka på cellen i fråga och ange numeriskt värde för den kategorin (1= Man eller 2 = Kvinna). 7

8 Öppna nytt dataset I följande övningar kommer vi använda ett annat dataset. Vi använder data från den amerikanska undersökningen National Health and Nutrition Examination Survey (NHANES). Datafilerna finns fritt tillgängliga på nätet, men då det är en mycket omfattande undersökning med flera hundra variabler är den uppdelad på ett stort antal filer. Vi använder delar av basfilen med bl.a. kroppsmätningar. Spara ner och öppna filen Nhanes_BodyM_ _min.sav (öppnas genom att du dubbelklickar på filen på GULsidan). Beräkna en ny variabel (BMI) Vi ska nu beräkna variabeln Body mass index, BMI, med hjälp av våra variabler vikt i kg (BMXWT, variabel nr 14) och längd i cm (BMXHT, variabel nr 20). Tryck; Transform -> Compute Variable Skriv in namnet på den nya variabeln, BMI, under Target Variable.(Skulle även kunna stå Target Name). Formeln för BMI blir vikt/(längd/100)*(längd/100), eller om vi ska skriva det med variabelnamnen i filen: BMXWT/((BMXHT/100)*(BMXHT/100)) Denna formel ska du skriva (eller klipp-och-klistra in) i rutan Numerical Expression. Tryck sen OK. Nya variabler läggs automatiskt sist i datasetet. 8

9 BESKRIVANDE STATISTIK I TABELL Vi kommer att använda variablerna: BMI, Kön [RIAGENDR], Ålder [RIDAGEYR], Åldersgrupp [Age_group], och Diabetesdiagnos [DIABETES], för att göra sammanställningar av dessa variabler. Beskrivning av kvantitativa variabler Helgrupp Univariabel Börja med de kvantitativa variablerna BMI och ålder. Vi vill ta reda på genomsnittet och medianen, och hur stor spridningen är. Vi börjar med numeriska beskrivningar. Vi vill ha fram: medelvärde, medianvärde och standardavvikelse. Det finns väldigt många sätt att få fram dessa värden i SPSS. Här visar vi ett av dem. Tryck Analyze > Compare Means > Means De variabler man vill analyser läggs under Dependent List:. I vårat fall BMI och Ålder (RIDAGEYR). Default är att vi får fram medelvärde, antal observationer och standardavvikelse, men nu vill vi även ha medianen. Gå in på Options och för över Median från Statistics till Cell statistics Ändra gärna ordningen på statistikan så att den stämmer med bilden nedan (Number of cases, mean, median, standard deviation). Det kommer att underlätta senare. Tryck Continue, sen OK. Hur många observationer har vi för varje variabel? Vilka är medelvärdena och medianvärdena? Vad säger skillnaden mellan medel och median oss om fördelningen på vårat data (se t.ex. s i Björks bok)? Hur stor är standardavvikelserna och vilken variabel har den större spridningen? Subgrupper Bivariabel Nu vill vi ha resultaten för män och kvinnor separat, samt personer med och utan diabetes diagnos separat. Finns flera sätt att göra detta också, men vi väljer att ange BMI och Ålder som beroende variabler med Kön och Diabetes diagnos som oberoende i procedurer Means (den vi just gjorde). Det finns två versioner av SPSS. I den ena heter den independetnt list och i den andra Layer 1 of 1 (samt Layer 2 of 2) 9

10 Igen, tryck Analyze > Compare Means > Means, och lägg BMI och Ålder [RIDAGEYR] under Dependent List (ev. så ligger de kvar där sen tidigare). För att dela upp resultaten lägger vi våra grupp-variabler Kön [RIAGENDR] och [DIABETES] (med label Doctor told you have diabetes ) under Independent List (Kom ihåg att det finns två versioner av SPSS och att den också heter Layer 1 of 1) I version 24 där det står independentlist: Lägg in både Kön [RIAGENDR] och [DIABETES] i independent Observera att en grupp-variabel måste vara en kvalitativ-variabel, d.v.s. inga kvantitativa/scalevariabler här. Tryck Continue och sen OK. Subgrupper multivariabel Nu vill vi dela upp resultaten efter både kön och diabetesdiagnos. Igen, tryck Analyze > Compare Means > Means, och lägg BMI och Ålder [RIDAGEYR] under Dependent List (ev. så ligger de kvar där sen tidigare). Lägg [DIABETES] under Independent List. Nu vill vi lägga till ett lager bland våra oberoende variabler. Tryck på Next i rutan Layer 1 of 1 (se bilden nedan). I nästa lager lägger vi Gender. Tryck sedan på OK. 10

11 11

12 Beskrivning av kvalitativa (kategoriska) variabler När man har kvalitativa variabler så symboliserar observationernas siffror kategorier och inte värden. Här har vi Kön [RIAGENDR], där 1 = Man och 2 = Kvinna och Diabetesdiagnos [DIABETES] där 1 = Personen uppger sig ha fått en diabetesdiagnos av en läkare och 2 = Personen uppger att de inte har fått en diabetesdiagnos av en läkare. Med kvalitativa värden har medelvärdet i sig ingen betydelse, t.ex. så är medelvärdet på diabetesdiagnos 1,92. Vad betyder det? Istället beskrivs kvalitativa variabler vanlig genom att ange antal individer och % av det totala antalet individer det är för varje kategori. Helgrupp Univariabel Vi ska nu ta fram frekvenstabeller med denna information för Kön [RIAGENDR] och Diabetesdiagnos [DIABETES]. Tryck Analyze > Descriptive Statistics > Frequencies. Lägg för Kön [RIAGENDR] och Diabetesdiagnos [DIABETES] under Variable(s) Tryck OK Hur stor andel av det totala materialet utgörs av personer med diabetes? För hur många saknar vi uppgifter om kön? Subgrupper Bivariabel Nu vill vi veta hur stor andel av kvinnorna som är diabetiker och jämföra det med andelen män som är diabetiker. Detta kan t.ex. göras via en korstabell (crosstab). Tryck Analyze > Descriptive Statistics > Crosstabs 12

13 Vi måste bestämma vilken variabel som anges för raderna respektive kolumnerna i våran korstabell. I regel så är en tabell alltid kopplad till en frågeställning. Frågeställningen anger vanligtvis vilka grupper man vill jämföra och vad man vill jämföra mellan dem. Vi rekommenderar att man anger grupperna som rader och det vi vill jämföra som kolumner. I vårat fall Hur stor andel av kvinnorna resektive männen som är diabetiker?. Vi vill alltså jämföra diabetesdiagnosfördelningen mellan de olika könen. Vi flyttar därför vår gruppvariabel kön till Row(s) och variabeln vi vill jämföra, Diabetesdiagnos [DIABETES], till Columns. (Här kan du även välja att få ut ett stapeldiagram, vilket är en grafisk representation av resultaten, genom att klicka i Display clusterd bar chart. Du behöver inte göra det nu. Vi kommer att visa ett annat sätt att göra stapeldiagram i en senare uppgift.) Gå in via Cells och, i rutan Percentage, markera Row. Detta ger oss andel med respektive utan diabetesdiagnos, för män och kvinnor. Tryck Continue, sen OK Är andelen kvinnor med diabetes densamma som andelen män i detta material? Om inte, vilket kön har den största andelen med diabetesdiagnos och hur stor är skillnaden? 13

14 BESKRIVANDE STATISTIK I FIGURER (GRAFISKA PRESENTATIONER) En bild säger mer en tusen ord Om du vill att man ska komma ihåg någonting särskilt, ge ett take home message, så är det bättre att visa det i en figur än i en tabell. Cirkeldiagram (Pie chart) Kvalitativa variabler Vi ska använda ett cirkeldiagram för att visa åldersfördelningen i våra data. Ett cirkeldiagram (eng. Pie Chart) används för kategorivariabler där alla kategorier sammantaget beskriver en hel population. I ett cirkeldiagram representeras varje kategori med en tårtbit (cirkelsektion) och storleken på biten visar hur stor andel av de totala observationerna som finns inom den kategorin. Helst ska man även visa i siffror antingen andelen (%) eller antalet observationer i varje tårtbit. För att göra ett cirkeldiagram i SPSS tryck Graphs->Legacy Dialogs->Pie. I första fönstret välj Summaries for Groups of Cases (default) och tryck Define. I ruta (1) visas tillgängliga variabler. Välj variabel och för över den till rutan Define Slice by (2). Välj om du vill att antalet (N of cases) eller andelen (% of cases) ska visas i siffror (3). Tryck OK. Trotts att vi valt att våra tårtbitar antingen ska visa antal eller % så kommer inga siffror att synas i vårat cirkeldiagram. Vi måste gå in i Chart editor för att få fram siffrorna. Se nästa sida. 14

15 Chart Editor: Redigera figurer i SPSS För att redigera (t.ex. färger och text) i en figur gå till Output fönstret där alla kommandon, tabeller och figurer visas och dubbelklicka på figuren. OBS. om du använder version 24 kommer Chart Editor se annorlunda ut. Fråga gärna statistikerna om hjälp. Om vi vill visa storlekarna på cirkeldiagrammets tårtbitar i siffror får vi gå in i Chart Editor, högerklicka på figuren och välja Show Data Labels. Ett Chart Editor-fönster med den figuren kommer då att öppnas. Vad exakt som finns där beror på vilken typ av figur du har. Dubbelklicka på en del av figuren så öppnas ett Properties-fönster med olika val. De flickar som oftast finns är: Chart Size där du kan ändra storleken på figuren Fill & Border där du kan ändra färger och mönster Variables där du kan se vilka variabler som används och ev. ändra diagram-typ (ex. från stapel till cirkeldiagram). Text redigerar du genom att klicka på den. Dubbelklicka för att ändra vad som står. Enkelt klick för att ändra font. Storlek och font kan antingen ändras i Chart editor fönstret (A) eller i Properties fönstret under fliken Text Styles (B). 15

16 16

17 Stapeldiagram (Bar chart) Kvalitativa variabler Vi hade också kunna välja att visa detta i ett stapeldiagram. Stapeldiagram (eng. Bar Charts) används oftast för kategoriska variabel. En stapel i ett stapeldiagram visar antal observationer i en kategori i proportion till alla observationer. På Y-axeln kan man antingen läsa av antalet eller andelen (%) som finns i kategorin. För att göra ett stapeldiagram i SPSS tryck Graphs->Legacy Dialogs->Bar. För att göra ett stapeldiagram med en variabel (som det ovan) välj Simple. [A] Markera Summaries of Groups of Cases och tryck Define. [B] I (1) ser du vilka variabler som är tillgängliga. Välj den variabel du vill visa (2) och i (3) väljer du om Y-axeln ska visa andelen (% of cases) eller antalet (N of cases). Tryck se OK. 17

18 Vi kan även välja att titta på åldersfördelningen mellan personer med och utan diabetesdiagnos (med andra ord uppdelat på diabetesdiagnos). För att dela upp staplarna i kategorier (ovan t.h.) välj istället Stacked i fönster [A] och för flera staplar per kategori (ovan t.v.) välj Clustred. Tryck sedan Define. I [B], välj kategori och Y-axel på samma sätt som tidigare. Den variabel du vill göra gruppindelningen efter anger du i rutan Define stack by eller Define cluster by. Eftersom gruppen utan diabetesdiagnos är stor så kan vi testa att göra en figur med % of cases och en med N of cases. (Du behöver inte göra detta med både stacked och clustered, utan välj en). Vad är skillnaden i tolkning mellan de två figurerna? Tänk ut en frågeställning för som kan besvaras av respektive figur. 18

19 Histogram Kvantitativa variabler Histogram är nog en den vanligaste figuren för att visa fördelningen för en variabel. Histogram är nära besläktade med stapeldiagram. Skillnaden är att histogram är för kvantitativa variabler, medan stapeldiagram är för kvalitativa (dvs kategoriska) variabler. För att göra ett histogram i SPSS tryck Graphs >Legacy Dialogs >Histogram. Använda pilen för att överföra åldersvariabeln Age in years [RIDAGEYR] till rutan Variable. Tryck OK. Ibland blir axlarnas gränser lite konstigt satta. Ändra gränserna för x-axeln (den horisontella axeln) Dubbelklicka på figuren så att Chart Editor öppnas. Dubbelklicka på siffrorna på x-axeln. Välj fliken Scale och ändra Minimum till 0 och Maximum till 80. Ibland kan histogrammet bli hackigt och då kan det hjälpa att ändra bredden på staplarna (intervallängden). Dubbelklicka på figuren så att Chart Editor öppnas. Dubbelklicka på någon av staplarna. Välj fliken Binning i fönstret Properies. I rutan X Axis, ändra till Custom och Interval with och skriv i 10. Tryck Apply. Jämför histogrammet med det tdigare stapeldiagrammet med ålderskategorierna. Testa gärna att variera intervallängden och se hur det påverkar histogrammet. 19

20 Box-plot (Lådagram) Kvantitativa variabler Ett problem med histogram är att de tar ganska stor plats. Vill man visa fördelningen för flera grupper så är en box-plot ett mer platseffektivt alternativ. Nu vill vi använda en box-plot för att titta på samband mellan diabetesdiagnos Doctor told you have diabetes [DIABETES] och BMI. En boxplot visar värdenas spridning. Kortsidorna på lådan markerar värdenas undre och övre kvartil. Den undre kvartilen (1a kvartilen) är den punkt där 25% av värdena ligger under (är mindre än) den punkten och den övre kvartilen (3e kvartilen) markerar den punkt som 75% av värdena ligger under. Avståndet mellan dessa kvartiler kallas för kvartilavstånd eller interquartile range (IQR). Vanligen markeras även medianen (2:a kvartilen). En vanlig variant (och standard i SPSS) är box-and-whiskers plot där två linjer som går ut från lådan markera de största respektive minsta värdena som inte är räknas som outliers, d.v.s. värden som avviker från de övriga ovanligt mycket. I SPSS beräknas denna gräns som 1.5 kvartilavstånd från övre respektive nedre kvartilen. Extremvärdena markeras ofta med en egen symbol (i SPSS en cirkel). För att göra en boxplot i SPSS tryck Graphs->Legacy Dialogs->Boxplot. Välj Summaries of Groups of Cases och tryck Define. Välj BMI som variabel (kom ihåg att den ligger sist i listan) och Lägg Doctor told you have diabetes [DIABETES] (variabel nr 37 i listan) i rutan Category Axis Tryck OK. 20

21 Siffrorna som visas vid cirklarna är observationsnummer, och kan tas bort via Charter Editor (klicka på siffrorna så att de är gulmarkerade och tryck på Delete). Vad kan du utläsa om BMI i de båda grupperna? 21

22 EXTRA UPPGIFTER Här finns instruktioner för två extraövningar: Göra om tabell från SPSS, samt Matching av data (slå ihop datafiler). Gör om en tabell från SPSS Nu kommer vi till en lite pysslig och ganska tidskrävande del. SPSS gör inte snygga eller lättlästa tabeller för att vara helt ärlig är de ofta riktigt fula och svåröverskådliga. Därför är det bra att vi faktiskt inte måste använda precis de tabeller vi får ut i SPSS, utan vi kan utgå från dem och skapa våra egna tabeller. Gör om tabellen för de kvantitativa variablerna: Ålder och BMI uppdelat efter både kön och diabetesdiagnos) Förslag på tabell finns i Excel-filen Tabeller_Ovn1.xlsx och Word-filen Tabeller_Ovn1.doc. Inga av dessa designer är optimal, utan är bara förslag. För att föra över tabellen från Output-fönstret till t.ex. ett Word- eller Excel-dokument kan man använda klipp-och-klistra. Markera tabellen och tryck Ctrl+C (eller cmd+c för er som envisas med Apple), sen i dokumentet ni vill flytta, markera och Ctrl+V (cmd+v). I exemplet användas nedanstående design för att jämföra gruppen med och utan diabetesdiagnos, och jag har valt att gå via Excel. 1) Klistra in SPSS-tabellen i ett Excel-ark, och för över din nya tabell design till samma ark. Transponera tabellen så att den blir mer lik vår nya design. a. Markera och kopiera tabellen. Högerklicka på en tom cell, och välj inklistringsalternativ Transponera 22

23 b. Ta bort den gamla tabellen, samt markera den nya tabellen och ta bort kantlinjerna. 2) Klistra in den nya designen under SPSS-tabellen 3) Vi börjar med att klippa-och-klistra över värdena för män med diabetes från SPSS tabellen till den nya tabellen. 4) För den över resten av värdena. Var noga så att alla värden hamnar rätt. 23

24 5) När du fört över alla värden, fyll i ev. linjer som försvunnit, och välj noggrannheten för värdena (antal decimaler). Vanligt att man väljer att presentera en extra decimal för standardavvikelsen jämfört med medel/median, och antal presenteras som heltal (utan decimaler). 6) Klipp-och-klistra över den färdiga tabellen till ett Word-dokument. o Om nödvändigt använd autopassa så att tabellen passar på sidan. 1 2 Age BMI Grupp N Medel Median SD N Medel Median SD Alla Diabetes Ja , , ,0 30,7 7,56 Nej , , ,7 23,9 7,42 Kvinnor Diabetes Ja , , ,7 32,6 8,17 Nej , , ,0 23,8 7,90 Män Diabetes Ja , , ,4 29,5 6,57 Nej , , ,4 24,0 6,88 24

25 Några av sakerna att tänka på när man gör en tabell 1. Tabellhuvud (tabellbeskrivning) placeras ovanför tabellen (medan figurtext ofta placeras under figuren). 2. Ögat har lättare att jämföra uppifrån och ner än från höger till vänster. Så om möjligt, sätt siffror du vill jämföra under varandra. Av praktiska skäl är detta inte alltid möjligt om man har många variabler, eller många subgrupperingar. 3. Var konsekvent i hur noga du presenterar värdena. Välj antingen antal gällande siffror eller antal decimaler. 4. Tänk på att siffror presenteras beroende på språk. a. Decimaltal 1) Svenska: decimalkomma (,) 2) Engelska: decimalpunkt, decimal point, (.) b. Tusentalsavgränsning 1) Mellanslag, rekommenderat svenskt format (och har även börjat rekommenderas globalt). Ex.: ) Punkt, används i de flesta europeiska länder. Ex.: ) Komma, används i engelskspråkiga länder. Ex.: 1,000, Minimera antalet linjer i tabellen. Oftast används endast horisontella linjer, och även dem sparsamt. 6. Försök att undvika stora tabeller. Ingen gillar helsidestabeller så, om man har möjligt, dela istället dela upp i flera mindre, men mer lättöverskådliga, tabeller. 7. Inte för små siffror. Man ska inte behöva förstoringsglas för att läsa av tabellen. Denna punkt hänger ofta ihop med att man har gjort en för stor tabell. 25

26 Matchning av data (Slå ihop två datafiler) Ofta har man data från flera olika källor som behöver slås samman till en fil för att vara användbara. Det kan t.ex. röra sig om att man har gjort en större undersökning och vill lägga på information om dödsorsaker från dödsorsaksregistret. Tack vare att vi i Sverige använder personnummer är det lätt att matcha information från olika källor. Även här använder vi data från den amerikanska undersökningen National Health and Nutrition Examination Survey (NHANES). Datafilerna finns fritt tillgängliga på nätet, men då det är en mycket omfattande undersökning med flera hundra variabler är den uppdelad på ett stort antal filer. Vi skall här använda delar av basfilen med kroppsmätningar (Nhanes_BodyM_ _min.sav, 22 variabler med kroppsmått) och lägga på information om diabetes (Nhanes_DM_ sav, 53 variabler med enkätsvar om diabetes). Spara ner och öppna filerna Nhanes_BodyM_ _min.sav och Nhanes_DM_ sav (öppnas genom att du dubbelklickar på filerna). Den första variabeln i båda filerna är SEQN. Detta är en nyckelvariabel som identifierar de enskilda deltagarna. SPSS använder denna nyckel för att veta vilka rader i tabellerna som hör ihop. I SPSS krävs att båda filerna är sorterade på nyckelvariabeln för att matchningen skall fungera. Sortera båda filerna på SEQN: Gå in i Data View, högerklicka på SEQN och tryck Sort Ascending. Spara båda filerna innan du fortsätter. Öppna fönstret med Nhanes_BodyM _ sav. Tryck Data Merge Files Add variables. Välj Nhanes_DM_ sav i dialogrutan som kommer upp. Markera Match cases on key variables (Betyder att vi har en variabel som anger individ, ungefär som ett personnummer) Markera Cases are sorted in order of key (Betyder att vi har sorterat efter nyckel-variabeln) Markera Both files provide cases (Betyder att vi tar med alla individer i båda data-filerna) och lägg till SEQN i rutan Key Variables. Klicka OK. 26

27 Om allt gått rätt skall BodyM-filen även innehålla variablerna från diabetes-filen (totalt 75 variabler). 27