Процедура коррекции искажений

Искаженные (ложные) результаты обработки информации в SPSS могут иметь место в силу различных причин и могут быть нивелированы как при предварительном исследовании данных, введенных в компьютер, так и в процессе анализа полученных результатов обработки данных.

Для уменьшения возможных искажений интерпретации расчетов в SPSS целесообразно проводить подробное и всестороннее исследование данных после их ввода в компьютер. При этом решаются следующие задачи:

• — обнаружение ошибок ввода;
• — проверка закона распределения;
• — описание данных подходящими статистическими характеристиками.

Примером искажения результатов обработки информации является, например, так называемая ложная корреляция, которая может быть скорректирована специальными методическими приемами.

Обнаружение ошибок ввода

Самый точный метод проверки данных (то есть значений всех переменных) на ошибки при вводе состоит в том, чтобы командами меню:

Analyze (Анализ) — Reports (Отчеты) — Case summaries… (Сводка наблюдений) внести их список и сравнить каждое значение с оригиналом (например, анкетой). Однако этот способ требует много времени, особенно при большом объеме данных. В общем случае рекомендуется проводить частотный анализ значений переменных в SPSS с использованием команд меню:

Analyze (Анализ) — Descriptive Statistics (Дескриптивные статистики) — Frequencies… (Частоты) (см. раздел 4.1.).

Результаты этого анализа при внимательном рассмотрении позволяют выявить недопустимые значения. Например, если переменная содержит данные роста в сантиметрах, то значение 384, обнаруживаемое при частотном анализе, явно свидетельствует о том, что в данных имеется ошибка. После проведения частотного анализа это значение можно отыскать в файле данных и исправить.

Следовательно, при изучении частотных таблиц особое внимание надо обращать на максимальное и минимальное значения. Однако, если вместо возраста 65 лет было введено, например, значение 56, то при помощи частотной таблицы эту ошибку обнаружить невозможно.

Часто имеется также возможность провести смысловой анализ данных путем создания таблиц сопряженности (см. раздел 4.3). Например, если данные взяты из анкеты, в которой имелся вопрос о семейном положении (холост/не замужем, женат/замужем, вдовец/вдова, разведен (а), то построив таблицу сопряженности для этого вопроса и вопроса типа: «Если у вас есть семья, то приемлемо ли для вас проводить отпуск раздельно?», легко можно обнаружить, ответили ли на него только женатые/замужние опрашиваемые.

Обладая некоторыми практическими навыками, с помощью описанных и им подобных способов можно выявить большое количество ошибок ввода. Все такие ошибки обязательно должны быть исправлены. Даже если наблюдений несколько тысяч, то даже одно-единственное противоречивое значение наносит вред вашему исследованию: создается впечатление, что работа по сбору о подготовке информации выполнена поверхностно.