KOMPENDIUM, IBM SPSS

VERSION 23

Erling Englund

Statistiker

Forskning och Utveckling

Landstinget Västernorrland

erling.englund[at]lvn.se

2016-10-25

2

3

1. INTRODUKTION ............................................................................................................................................ 4

1.1 DATA I KOMPENDIUM .................................................................................................................................... 4

2. ÖVERSIKT AV SPSS ....................................................................................................................................... 5

2.1 S T A R T A S P S S ........................................................................................................................................ 5 2.2 DATAFÖNSTER/ DATA VIEW ......................................................................................................................... 6

2.2.1 Ikoner i meny ........................................................................................................................................ 6 2.2.2 Innehåll i meny ..................................................................................................................................... 8

2.3 VARIABELFÖNSTER/ VARIABLE VIEW ........................................................................................................... 9 2.4 OUTPUTFILEN/ SPSS VIEWER ..................................................................................................................... 10

3. P R E C I S E R A V A R I A B L E R N A .................................................................................................. 12

3.1. PRECISERA VARIABLER MANUELLT ............................................................................................................ 13 3.2 PRECISERA VARIABLER VIA DEFINE VARIABLE PROPERTIES ....................................................................... 15

4. LÄGGA IN DATA .......................................................................................................................................... 17

5. S P A R A ......................................................................................................................................................... 18

6. GRUNDLÄGGANDE ANVÄNDNING OCH TIPS..................................................................................... 19

6.1 VARIABELTYPER ......................................................................................................................................... 19 6.2 VÄLJA VARIABLER VID ANALYSER .............................................................................................................. 19 6.3 SORTERA DATA/SORTERA VARIABLER ........................................................................................................ 21 6.4 ORGANISERA VARIABLER (TA BORT/LÄGGA TILL/FLYTTA) ........................................................................ 22 6.5 KOPIERA TABELL ELLER DIAGRAM .............................................................................................................. 23 6.6 SNABBT KOMMA ÅT TIDIGARE ANVÄNDA DATA-FILER I SPSS ..................................................................... 25 6.7 GENVÄG TILL TIDIGARE ANVÄNDA MENYER ............................................................................................... 26

7. ANVÄNDBARA FUNKTIONER I SPSS...................................................................................................... 27

7.1 LÄSA IN EXCEL-FILER I SPSS ...................................................................................................................... 27 7.2 SELEKTERA DEL AV DATA, SELECTE CASES .................................................................................................. 29 7.3 DELA UPP DATA (FÖR ATT UTFÖRA ANALYSER UPPDELADE PÅ GRUPPER), SPLIT FILE ................................. 30 7.4 SELEKTERA DEL AV VARIABLER, VARIABLE SETS ......................................................................................... 31 7.5 SKAPA OCH HANTERA KATEGORIVARIABLER .............................................................................................. 32

7.5.1 Skapa kategorivariabel från en annan variabel, Recode into different variable ................................ 32 7.5.2 Skapa kategorivariabel från en kontinuerlig variabel, Visual binning ............................................... 36 7.5.3 Göra om en kategorivariabel från text till talformat .......................................................................... 39 7.5.4 Ändra ordning på kategorier i en variabel ......................................................................................... 40

7.6 SKAPA NYA VARIABLER AV BEFINTLIGA VARIABLER VIA COMPUTE ............................................................ 42 7.6.1 Skapa gruppvariabler via Compute .................................................................................................... 43

7.7 SYNTAX....................................................................................................................................................... 44

8. B E S K R I V A N D E S T A T I S T I K ................................................................................................... 46

8.1 FREKVENSTABELL ....................................................................................................................................... 47 8.2 KORSTABELL OCH CHI2-TEST ...................................................................................................................... 49 8.3 TABELL FÖR FLERVALSFRÅGOR................................................................................................................... 52 8.4. BESKRIVANDE STATISTIK MED CENTRALMÅTT OCH SPRIDNINGSMÅTT ....................................................... 54

8.4.1 Beskrivande statistik via Descriptives ................................................................................................ 54 8.4.2 Beskrivande statistik via Explore ........................................................................................................ 55

8.5 REDIGERA TABELLER .................................................................................................................................. 56

9. P A R A M E T R I S K T T E S T, JÄMFÖRELSE AV MEDELVÄRDEN. ........................................ 58

9.1 JÄMFÖRELSE TVÅ OBEROENDE GRUPPER. .................................................................................................... 59 9.2 JÄMFÖRELSE AV TVÅ BEROENDE VARIABLER .............................................................................................. 62

10. DIAGRAM .................................................................................................................................................... 64

10.1 HISTOGRAM MED NORMALFÖRDELNING. ................................................................................................... 65 10.2 STAPELDIAGRAM ....................................................................................................................................... 67 10.3 ERROR BARS MED KONFIDENSINTERVALL. ................................................................................................ 70 10.4 BOXPLOT ................................................................................................................................................... 73 10.5 SCATTERPLOT (SPRIDNINGSDIAGRAM). ..................................................................................................... 75 10.6 ANDRA MENYER FÖR DIAGRAM, BL.A. ATT SKAPA DIAGRAM INTERAKTIVT ............................................... 79

11 LÄNKAR OM SPSS ...................................................................................................................................... 83

4

1. Introduktion

Forskning och Utveckling i Landstinget Västernorrland har SPSS som statistikverktyg kring

forskning. Vi har bl.a. forskarplatser med datorer där SPSS är installerat. År 2016 bytte vi

från SPSS 20 till 23.

Uppdelningen av kompendiet följer delvis hur man börjar använda det, översikt över

programmet (kap 2), sen precisera variabler (kap 3), lägga in data (kap 4), spara (kap 5).

Därefter i kap 6, hur man hittar i menyerna och lite tips och grundläggande moment, t.ex. hur

man väljer variabler vid analyser. Det är något som är bra att kunna oberoende av vad man

vill göra i SPSS.

Därefter kommer användbara funktioner, selektera data, splitta data, skapa nya variabler mm

(kap 7). Kap 8-10 handlar om beskrivande statistik, test och diagram.

Några få länkar till SPSS-information är inlagda i kap 11. Det finns mycket hjälp på nätet, på

olika nivåer.

1.1 Data i kompendium

Det data som kompendiet utgår ifrån är ett urval av 200 män och 200 kvinnor från en

enkät vid hälsosamtal i Landstinget Västernorrland, där huvuddelen gäller de som är 40,

50 respektive 60 år.

Femton variabler från hälsosamtalet används.

Bakgrundsvariabler, Kön, Åldersgrupp, Civilstånd (ogift, gift/sambo, skild/separerad, omgift, änka/änkling, Ej svarat).

Uppgifter om Längd och Vikt

Blodtryck, del dels systoliskt dst och dels diastoliskt sbt.

Uppgifter om motion, Vardagsmotion och Fysiskt motion (uppskattat antal minuter per vecka)

Diabetes, Diabetes beräknad (ja/nej), Diabetes sedan tidigare (ja/nej), 12) och Diabetes hos föräldrar eller syskon (ja/nej)

Rökning, Röker dagligen (ja/nej), och Röker ibland (ja/nej),

Utöver dessa femton är några variabler tillagda för 8.3, Hantera flervalsfrågor

Dessa är frågor om blodtrycksmedicin, kärlkrampsmedicin, lugnande sömnmedel, magsårsmedicin, blodfettssänkande.

5

2. Översikt av SPSS

2.1 S t a r t a S P S S

1) Klicka på Start och sedan på 2) Alla ProgramLVNIBM SPSS (Detta är vägen på en basarbetsplats) 3) Välj IBM SPSS Statistics 23. 4) Därefter får du ett fönster med olika valmöjligheter. Du kan klicka bort fönstret och

komma åt filer od. direkt via menyn.

a) Om du lägga in nytt datamaterial klicka på New Dataset. Du kan också välja Cancel och därefter skapa nytt dataset via menyerna.

b) Om du vill öppna en datafil och inte hittar den i listan över Recent Files, välj Open another file.

c) Du kan också bläddra igenom vissa av nyheterna, eller använda Tutorials. Denna kan vara bra att titta igenom.

6

2.2 Datafönster/ Data View

Öppnar jag filen som kompendiet utgår från visas Data View, med själva data. Den visar data

med variabelnamn. För man sedan markören till variabelnamnen högst upp visas ett mer

utförligt datanamn. Det som visas är Name och Label (se Variabelvy)

Nedan visas en kort beskrivning av menyikonerna och de mest använda menyerna.

2.2.1 Ikoner i meny

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Överst i programmet finns några ikoner med direktlänkar till delar i menyn. Här nedan

redovisas kort vad dessa innebär.

1)-3) Open, Save, Print

4) Recall recently used dialogs: Den visar en lista på de senaste menyerna man varit inne i,

vilket kan göra det smidigare om man t.ex. vill använda samma menyval flera gånger.

7

5)-6) Ångra, Upprepa

7)-8) Go to case, Go to variable: Via dessa kan man gå till en specifik rad eller en specifik

kolumn/variabel, vilket kan vara smidigt om man har många variabler i datafilen (även under

Edit)

9) Variabels: Ungefär som en förkortad version av Variable View. Den visar en kort

information om respektive variabel, en i taget. (Även under Utilites)

10) Run descriptive statistics (Ny från version 21): Markerar du en eller flera kolumner och

använder denna så får du både beskrivande statistik (median, medel, max,…) och en

frekvenstabell. Vilken typ av beskrivande statistik du får beror på om variabeln är

nominal/ordinal eller scale (se kriteriet Measure i Variable View). Den finns också om man

högerklickar på en kolumner.

11) Find: Det är samma funktion som i Word. Antingen om man bara vill söka ett ord t.ex.

om man snabbt vill komma till raden där en variabels värde är 15 eller söka och ersätta ett

visst ord, t.ex. om man vet att det blivit skrivfel någonstans. (Även under Edit)

12)-13) Insert cases/Insert variables: Lägger in ett nytt fall (rad) eller kolumn (variabel),

(Även under Edit)

14) Split file: Du kan dela upp data utgående från en eller flera variabler så att allt det man

gör visas uppdelat, t.ex. vill visa beskrivande statistik för variabeln Ålder uppdelat Kön.

(Även under Data).

15) Weight cases: Om man vill vikta data. Man viktar då utifrån värden från en variabel.

(Även under Data)

16) Select cases: Du kan selektera vissa individer/case/rader utifrån värdet på en variabel, så

att den statistik jag skapar bara görs för det urvalet, t.ex. alla med Ålder >18, eller alla med

värdet Kvinna på variabeln Kön. (Även under Data)

17) Value labels: Har man lagt in labels/etiketter på variablerna (t.ex. variabeln Kön har

värdena 1 och 2 och etiketterna Kvinna resp. Man) så växlar man här mellan att visa

siffervärdena och att visa värdet på etiketterna. (Även under View)

18) Use Variables Sets: Under UtilitiesDefine variable set kan man markera ett urval av

variablerna och kalla dem tex. Urval1. Man kan sen välja att bara visa variablerna från Urval1

via denna meny. Användbart om man har ett stort material och bara vill jobba med en del av

den.

19) Show all variables: Fortsättning från 18), där man stället väljer att visa alla variabler.

20): Spell check: Vanlig rättstavning, men svenska finns ej med.

8

2.2.2 Innehåll i meny

Det finns lite olika menyer. Data, Transform, Analyze och Graphs är de man oftast kommer i

kontakt med, förutom File när man skall öppna (SPSS-filer, Excel-filer, mm) och spara en fil.

Det är därför mest information om de fyra i kompendiet.

1) Data väljer man om man vill ändra i hur eller vad av data visas, t.ex. sortera data efter variabeln ålder (Sort cases), selektera ut bara kvinnor (Select cases), dela/splitta upp

analyser i Kön (Split file) så att när man t.ex. gör en frekvenstabell för blodgrupp får

vi en tabell för Kvinnor och en för Män. Dessa visas i kompendiet.

Du kan också använda Transpose eller Restructure för att t.ex. på olika sätt lägga om

filen så att rader blir kolumner och tvärtom. Med Aggregate kan du skapa en ny fil där

varje rad står för kategorierna/värdena från en variabel istället för varje person, t.ex.

medelålder, antal,… för varje typ av civilstånd. Speciellt användbart om data består av

persondata men där varje person kan ha flera rader, t.ex. varje besök en person gör i

sjukvården under ett år. Dessa visas ej i kompendiet.

2) Transform väljer man när man vill ändra (transformera) eller skapa nya variabler från de variabler man har, t.ex. om du har vikt och längd om vill skapa en variabel för BMI

(Compute variable), om du har ålder och vill skapa en ny variabel med åldersklasser

(Recode into different variable). Visual binning är ett annat sätt att koda om en

variabel, t.ex. från ålder till åldersgrupp där du både får kategorier och namn på varje

kategori.

Du kan också använda Date and Time wizard för att skapa en variabel med

datumformat från en textvariabel. Denna tas ej upp i kompendiet.

3) Analyze väljer man när man t.ex. vill ta fram en frekvenstabell, räkna medelvärde eller göra ett test.

4) Graphs använder man när man vill du göra ett diagram, t.ex. histogram, stapeldiagram eller scatterplott. Du kan både använda menyer under Legacy dialogs

för varje typ av diagram, eller Chart builder som är en mer interaktiv typ av diagram.

Dessa tas upp i kompendiet, men inte nedanstående diagram.

Numera kan du också göra ett diagram baserat på en karta. Om du inte vill basera den

på USA ed måste du ladda ner en karta med rätt format. Det gör du under Utilities

Map conversion utility. Under Graphboard template user finns varianter på diagram

via kartor, men också mycket andra varianter av diagram som inte finns i ovanstående,

som Bubbleplot.

9

2.3 Variabelfönster/ Variable View

Klickar jag på Variable View får man beskrivning av variablerna. Här beskrivs kortnamn

(Name, för t.ex. inte innehålla mellanslag), Label (utförligare namn) mm. Vissa av ikonerna i

menyn går nu inte att trycka på, men menyn med File, ovs är densamma. Så för att göra tabeller

analyser mm så spelar det ingen roll om har Data View eller Variable View framme.

10

2.4 Outputfilen/ SPSS Viewer

När man gör en analys, diagram, tabell mm så hamnar resultatet i en output-fil. Den fylls på

allt eftersom du gör fler analyser. Den kan ligga kvar under tiden du jobbar med och tar fram

resultat i SPSS.

Vill spara den kan det vara bra att ta bort analyser som du inte vill ha kvar, så att inte filen blir

för stor och ohanterlig.

visar den kod som motsvarar resultatet (i detta fall en tabell) man har skapat, en s.k. syntax. Den kan användas för att göra en syntaxfil. Mer om det i 7.7.

Till vänster ovan syns ett ”träd” där varje rad har en koppling (oftast) till ett fält i högra delen

av fönstret. Ovan är Kön markerat i ”trädet” och den är kopplad till tabellen (pilen).

Redigera fält/Ändra fält

Varje resultat från SPSS består av en överskrift, t.ex. Frequencies, med delresultat under.

11

Ändra namn på text:

Klickar du på Frequencies eller Kön ovan två ggr, eller dubbelklickar (bild 1 och 2 ovan) blir

dessa blåmarkerade, och du kan redigera texten.

Ta bort resultat:

Antingen raderas fält via högra eller vänstra delen av outputfilen, varav den sista kan vara

smidigare. I båda fallen är det enklast att använda delete-knappen.

Klickar man på ikonen till vänster om namnet markeras hela ”grenen” (övre pil i vänstra

bilden ovan). Så för Kön markeras förstås bara Kön medan klickar man på Frequencies

markeras även allt under denna (högra bilden).

Vill du ta bort flera delar på en gång använder du Ctrl eller Shift, håll ner ctrl och klicka på de

delar du vill ta bort eller håll ner Shift, klicka på två fält och allt däremellan markeras.

Dölja fält:

Dubbelklickar du på ikonen vid Frequencies eller ikonen vid Kön så döljs fältet. Den finns

fortfarande kvar i outputfilen men visas ej.

Du kan också klicka på en ikon, t.ex. Frequencies så att ikon och namn markeras, och sedan

välja i menyn, ViewHide.

Markera en typ av fält

Ibland kanske man vill kopiera alla tabeller, t.ex. för att sedan kopiera över det till Word. Ett

enkelt sätt är då att bara markera alla tabeller via EditSelectAll Pivot Tables och därefter

kopiera. (se höger bild).

Detta funkar också utmärkt om man vill dölja en

typ av fält, tex, Log.

Redigera Dubbelklickar du på t.ex. ett diagram kommer du

till redigeringsläget. Vill du sen ändra på något i

diagrammet, dubbelklicka där du vill ändra, t.ex.

dubbelklickar du på y-axeln då får du alternativ på

hur och vad du kan ändra på y-axeln.

12

3. P r e c i s e r a v a r i a b l e r n a

Om man valt Cancel när man öppnat SPSS får man fram Data View - det fönster där

datamaterialet skall läggas in. Nedan visas hur data för kompendiet ser ut.

Varje rad betyder en person/enkät ed och varje kolumn motsvarar en variabel, lite som excel.

Det spelar förstås ingen roll vad du gör först, lägger in data eller preciserar variablerna.

OBS: Du kan också välja att läsa in data t.ex. från en excelfil. Se Kapitel 7.1

eller Variable View - det fönster där variablerna skall preciseras.

Varje rad betyder en variabel och varje kolumn anger olika fält som man kan ställa in för

variabeln. Man brukar börja i denna vy för att specificera variablerna.

Längst ner till vänster i vardera vy finns 2 flikar med vilka man kan hoppa mellan Data View

och Variable View. Alternativet finns även under menyn, ViewData/Variable

13

3.1. Precisera variabler manuellt

För att precisera variablerna behöver vi ha Variable View framme. Där finns det flera val,

Name, Type, Width, Decimals, Label, Values, Missing, Columns, Align, Measures, Role. De

som är fetmarkerade är de man normalt behöver och vissa förklaras nedan.

Jag rekommenderar att man lägger in/korrigerar de fetmarkerade.

Name: Kortnamn på variabeln. Här kan man inte använda mellanslag, ej börja med en siffra,

och vissa tecken som t.ex. bindestreck är ej tillåtna. Jag rekommenderar också att ha dem så

korta som möjligt eftersom det är det namn som syns längs upp i Datafönstret. Ju längre

namn, desto bredare blir kolumnen för den variabeln.

Ett tips är att använda stora bokstäver för första bokstaven i ett ord, eller _, t.ex. om frågan är

Hur ofta brukar du spela tennis, skulle den kunna skrivas OftaBrukTen eller Ofta_Bruk_Ten.

Type: Ofta har man bara vanliga siffervärden. Skapar du en ny variabel med att skriva in ett

namn på Name får variabeln därför typen Numeric som standard. Två andra vanliga alternativ

är textvariabler (String) eller datum (Date). För att välja annan typ,

1) Klicka på cellen under Type i den variabel du vill ändra, 2) Tryck på den blå rutan (se pil i vänster bild). Där kan du sedan välja alternativ.

Väljer du Date kommer du att få ett antal alternativ för datumformat.

Label: Här kan du skriva mer utförligt om namn/information om variabeln. Överskriften på

tabeller och diagram kommer att tas från Label i första hand, och Name i andra. Eftersom

Name lätt blir kortfattat kan det vara bra att lägga in ett mer läsbart namn under Label.

Decimals: Här kan man specificera hur många decimaler som skall visas. Som standard har

SPSS valt att visa 2 decimaler. I vissa fall är det naturligt att inte visa några decimaler, t.ex.

för kategorivariabler som Kön.

Om man lägger in ett värde 2,42 och har valt att bara en decimal skall visas så visas 2,4. Den

andra decimalen är då inte borttagen, utan visas helt enkelt inte.

Values: Om man lägger in en variabel Ålder och skriver 25 i data så behövs inget

förtydligande. Om man däremot har en kategorivariabel som Kön kan man först lägga in data

som siffror, te.x. 1 och 2. För att man sen skall förstå vad värdet betyder lägger man in en

etikett på variabeln så att man ser av siffrorna betyder, I fallet med Kön, Kvinna=1 och

Man=2.

1) Klicka i rutan för Values vid den valda variablen

14

2) Sätt siffervärdet vid Value och etiketten vid Label

3) OBS: Tryck Add för varje siffervärde/kategori innan du trycker Ok.

Observera att om man lagt in dessa Labels på variabeln Kön, så kopplas det till hela variabeln.

Missing: Har man kontinuerliga variabler, Numeric, så är tomt fält automatisk missing. För

text-variabler kan man inte sätta missing. Däremot för kategorivariabler som är numeriska,

t.ex. Kön som är satt som siffror och sedan har etiketter satta, via Values kan det vara bra.

Civilstånd har en kategori, ”Ej svarat”, kategori 6. Det är en missing. Klickar man på missing

för variable Civilstånd får man flera val. För denna räcker det med att skriva in 6 i

nedanstående fält, så kommer katgori 6 att visas som missing i tabeller od.

Measure: Variabler som Kön och Ålder har olika egenskaper. Ålder är kontinuerlig och

medelvärde kan därför vara lämpligt att beräkna, medan Kön är en kategorivariabel varför

andelar är mer lämpligt att beräkna. I vissa analyser eller när man gör vissa figurer hanterar

SPSS en variabel olika beroende av värdet på Measure. I vissa fall kan man inte ens välja en

variabel som är inställd som nomimal, om metoden i SPSS kräver intervallskala. Man kan

temporärt ändra det när man t.ex. skapar ett diagram, men det är bättre att göra det här direkt.

Kontinuerlig variabel anges som Scale , medan en kategorivariabel anges som Ordinal

eller Nominal . Nominal innebär att värdena för variabeln kan grupperas (Kön, bostadsort),

medan värdena för en Ordinal (ålderklasser, enkätfrågor typ Mycket Bra/Bra/Dåligt….)

variabel även kan rangordnas, men normalt gör inte SPSS någon skillnad på dessa två.

Text-variabler (string) blir automatisk Nominal.

15

3.2 Precisera variabler via Define Variable properties

Data Define Variable Properties

För det mesta räcker det med att göra det manuellt.

Fördelen med att använda denna meny kan vara

Om man får samma typ av fil flera gånger där samma precisering av variabler skall göras, kan detta göras i denna meny, och sedan sparas i syntax och återanvändas. Se

7.7

Gör man en ändring i en variabel där samma ändringar skall göras in 10 andra variabler kan detta göras enkelt här.

Denna visas bara lite översiktligt.

1) När man öppnar menyn så visas variabellistan och man får välja vilka variabler man vill precisera.

a. Längst ner står hur många rader som skall scannas och värden som skall visas. Om alla kategorier visas på de första 200 behöver man inte se fler för att kunna

precisera t.ex. etiketter.

b. Nedan har jag för övnings skull satt vissa variabler som ordinal istället för scale.

16

2) Här kan du t.ex. ändra labels och spara dem som syntax. Du kan också skapa labels eller inställning på en variabel som du sen kopierar över till det andra variabler.

3) Vi skall här ändra Measurement level på Längd till Fysisk motion, från Ordinal till Scale.

4) Välj Längd, ändra från Ordinal till Scale (se pil nedan). Klicka sedan på To another variable. Höger fönster visas. Markera Vikt tom Fysisk motion.

5) Tryck på Copy så kommer Vikt tom Fysisk motion skalnivå ändras till Scale. a. Trycker du sen Ok så genomförs alla de ändringar du har gjort. b. Trycker du på Paste, så skapas en syntaxfil där dina ändringar sparas som kod

och kan användas senare. Se 7.7

17

4. Lägga in data

Om du vill läsa in en fil istället för att lägga in det manuellt värden, se .t.ex. 7.1 (Om att läsa

in Excelfil).

Om man lagt in Kön och Ålder och lägger in två personers värden så får man nedanstående

Om man vill visa etiketterna för Kön kan man trycka på knappen (se pil i ovanstående bild).

Resultatet ses nedan. Man kan också ändra det via menyn längst upp i fönstret (View Value

labels)

OBS: När man skall lägga in data rekommenderar jag att man skapar en variabel som visar

vilken person/enkät en rad står för. Varför?

1) Det är lätt hänt att i farten råka skriva in fel värden när man lägger in data. Om man då hittar något värde som är onormalt högt eller som man direkt ser är felaktigt, kan man

gå tillbaka till enkäten/persondata och kolla om värdet stämmer eller ej. Då bör man

förstås ha liknande variabel till enkät ed.

2) För det andra så sorterar man om data ibland, antingen via Sort eller via Split file. Då kan man använda variabeln för att sortera om data i sin ursprungliga ordning.

18

5. S p a r a

När materialet är inlagt spara.

1) Klicka på File Save As …

2) Skriv in önskat namn och välj var filen skall sparas. Filen sparas som en sav-fil. a. Du kan här spara som andra format, csv, xls,…

Tips: Det kan vara bra att spara en fil som innehåller originaldata och sedan ha en eller flera

filer som bearbetas.

Välja vilka variabler som skall sparas. Väljer du knappen Variables kommer du till en

meny där du kan Kryssa bort eller Kryssa i de variabler du vill spara, te.x. om du vill skapa en

ny fil med bara några av variablerna.

Skall du spara en out-putfil sparas den på samma sätt. Filen sparas då som en spv-fil.

19

6. Grundläggande användning och tips

6.1 Variabeltyper

Till höger ses hur datamaterialet visas i en av menyerna. Intill

variablerna så visas en bild. I korthet så anger de vilket typ av

variabel det är, kan det mätas (linjal), kan det grupperas (bild med

tre cirklar). Ett litet a innebär bara att det är en text-variabel.

I vissa analyser och menyer styrs av valen och resultaten av den

informationen.

Se mer under 3) Precisera variabler

6.2 Välja variabler vid analyser

När man använder programmet och t.ex. vill göra ett stapeldiagram eller ta fram en

frekvenstabell får du fram ett fönster likt nedan. Välja variabler kan man göra på olika sätt.

Välja en variabel i taget

Om du vill välja en variabel, t.ex. variabeln Kön

1) Markera variabeln 2) Klicka på ”pil-knappen” för lägga in variabeln i det högra fältet

Du ser då att riktningen på pilen ändras till att peka mot det vänstra fältet. Skulle du klicka på

pil-knappen igen så flyttas variabeln Kön tillbaka till vänsterfältet

Om man bara har ett fält som variablerna kan läggas till kan man också ”dubbelklicka” på en

variabel för att få samma resultat som ovan. För vissa analyser finns det fler än ett fält som

variablerna kan läggas till. Då funkar inte ”dubbelklick”.

20

Välja fler än en variabel som ligger efter varandra

Om du vill välja flera variabler som ligger direkt efter varandra, t.ex. variabeln Kön tom

Civilstånd kan du naturligtvis välja in en och en, men ett annat sätt är:

1) Markera variabeln Kön 2) Håll ner skift-knappen på tangentbordet 3) Markera Civilstånd, så har du markerat alla variabler från Kön till Civilstånd

a. Råkar du markera fel variabel, tryck på ”rätt” variabel så markeras rätt område. 4) Klicka på ”pil-knappen” för att lägga in variablerna i det högra fältet.

Det blir naturligtvis mer användbart om man har många variabler i rad man vill markera.

Välja fler än en variabel som INTE ligger efter varandra Om du vill välja flera variabler som inte ligger direkt efter varandra t.ex variabeln Kön,

Diabetes sedan tidigare och Röker dagligen kan du naturligtvis välja in en och en enligt ovan,

men ett annat sätt är:

1) Markera en av variablerna t.ex. Kön 2) Håll sen ner Ctrl-knappen på tangentbordet 3) Markera var och en av de andra variablerna

a. Råkar du markera fel variabel, tryck på den variabeln igen så avmarkerar du den

4) Klicka på ”pil-knappen” för att lägga in variabeln i det högra fältet.

21

6.3 Sortera data/Sortera variabler

DataSort Cases

Högerklicka på variabelSort Ascending/Descending

Ibland vill man kunna sortera data, t.ex. på Längd.

Enklaste sättet är att högerklicka på en variabel (klicka då

längst upp på variabelnamnet och inte i cellerna där

datavärdena finns), som till höger och välj sortering i ökande

eller sjunkande ordning.

Alternativet finns även i menyn, under DataSort Cases.

Väljer man detta alternativ kan man även sortera på flera

variabler samtidigt, t.ex. först på Kön sen på Längd. Nedan är

Kön valt med ökande ordning (A –Ascending) och Längd med

sjunkande (D -Descending).

OBS. Här är det viktigt att man har en variabel som visar

originalordningen på data, t.ex. person eller enkätnummer, så

att man alltid har en variabel som man kan sortera om data till originalordningen.

Man kan också sortera på Variabel (se nedan) även om det nog är mer ovanligt. Då bör

man, som i fallet med sortera data, spara en startordning så att man kan gå tillbaka till

ursprungsordningen. I exemplet har jag valt att sortera på Name och spara nuvarande

sortering (Attribute name) som ”Originalordning”. Det namnet kommer sen att dyka upp i

nedanstående lista(Variable View Columns) när du nästa gång öppnar Sort Variables.

22

6.4 Organisera variabler (Ta bort/Lägga till/Flytta)

Lägga till en variabel/Ta bort en variabel

i menyn

Högerklicka på variabelInsert Variable

Antag att man vill lägga till en variabel mellan Kön och Åldersgrupp.

1) Markera variabeln Åldergrupp (klicka där variabelns namn står) a. Högerklicka och välj Insert Variable.

ELLER

b. Klicka på knappen i menyn ELLER

c. Välj EditInsert Variable 2) Då läggs det till en ny variabel mellan Kön och Åldersgrupp.

Flytta en variabel

Vill du flytta en variabel

1) Tryck på variabelns namn för att markera variabeln man vill flytta. 2) Tryck igen på variabelnamnet, och dra variabeln så den hamnar mellan de två

variablerna du vill flytta den till. Se till att muspekaren förs över variabelnamnen. Då

skall en röd linje synas. Linjen markerar mellan vilka variabler variabeln kommer att

flyttas

3) Då kan du släppa variabeln. Här är ordningen Kön Ålder Längd före, och Kön Längd Ålder efter.

Du kan förstås också välja att klippa ut variabeln (högerklicka och välj Cut) och klippa in den

i en ledig kolumn.

23

6.5 Kopiera tabell eller diagram

Nedan visas hur det ser ut när man har gjort en frekvenstabell och ett histogram

Att kopiera en tabell till word skiljer sig inte från andra sätt att kopiera i Word. På samma sätt

som i Word finns en meny i SPSS Edit, där Copy och Copy Special finns om alternativ. I den

senare finns det lite olika alternativ, vilka mest påverkar kopiering av tabell. Se sid 24

Vill du kopiera tabellen eller diagrammet och klistra över den till t.ex. Word

1) Markera tabellen 2) Använd menyn i SPSS (EditCopy) eller ctrl-C 3) Öppna Word, och använd menyn i Word (RedigeraKlistra in) eller ctrl-V. 4) Det ger en tabell som liknar en vanlig redigerbar Word-tabell och diagrammet blir

förstås en bild.

24

Kön

Frequency Percent Valid Percent

Cumulative

Percent

Valid Kvinna 12 54,5 54,5 54,5

Man 10 45,5 45,5 100,0

Total 22 100,0 100,0

Vill du kopiera tabellen som bild eller i annat format.

1) Markera tabeller 2) Välj EditCopy Special i menyn i SPSS (se bild nedan) 3) Väljer du Rich Plain (RTF) text får du tabellen ovan, Image ger bild ovs

Vill du kopiera ett diagram, följ stegen för att kopiera en tabell. Samma alternativ nedan finns

för både bild och tabell, men bara Image och EMF fungerar för ett diagram.

Alternativ på vilket format man skall kopiera.

Plain text – Visar tabell utan tabellinjer

Rich Text – För att kopiera till Word od i

tabellformat som i Word

Excel Worksheet – För att kopiera tabell till

Excel

Image – För att kopiera över tabell eller diagram

som bild (Word, Excel,…). Då kan man inte

markera fält och redigera tabellen.

Metafile – Som Image men tabell och diagram

blir skarpare, vilket mest märks vid förstoring.

25

6.6 Snabbt komma åt tidigare använda data-filer i SPSS

Detta tips är mest användbart när man jobbar mycket på samma dator.

SPSS håller i minnet vilka de senaste filerna som öppnats i SPSS på den datorn.(de senaste 9

filerna, antalet går att ändra).

Under FileRecently Used Data finns de datafiler som öppnats, även excel-filer.

Under FileRecently used Files finns filer som innehåller resultatet efter körningar (tabeller

och diagram), så kallade outputfiler mm.

När man öppnar en fil går det också att ställa in i vilken mapp den öppnar ”by default”.

Under EditOptions finns flera flikar. Välj fliken File Locations. Där kan man genom att

trycka Browse (se pilen) välja vilken mapp jag vill att SPSS skall starta i när jag väljer att

öppna en fil. På så sätt slipper man leta sig fram till den mapp man har sina SPSS-filer i varje

gång man skall hämta sina SPSS-filer.

26

6.7 Genväg till tidigare använda menyer

När man börjar jobba med SPSS kan det vara bra att gå den rätta vägen, dvs via menyerna för

att lära sig hitta i programmet.

Tycker man att man kan det tillräckligt bra, finns sen en knapp som visar de menyer man

senast använt. Det gör det smidigt kan komma till en meny man använder ofta under en

session, t.ex. för att göra frekvenstabell, eller om man använder en viss meny repetitivt dvs

flera gånger i rad. Här är det Frequencies som var den senaste menyn som användes.

27

7. Användbara funktioner i SPSS

De funktioner som tas upp här är

Läsa in excel-filer eller andra format

Selektera data/personer (DataSelect Cases)

Splitta data/individer så att analyser utförs för olika grupper (DataSplit File)

Multiple response set

Skapa variabler av befintliga variabler o t.ex. Ålder till kategorivariabler som åldersgrupp

TransformAutomatic Recode, TransformRecode into different variable) TransformVisual Binning) TransformAutomatic Recode

o tex BMI av Vikt och Längd ( TransformCompute Variable) Via denna kan även kategorivariabler skapas.

7.1 Läsa in excel-filer i SPSS

Istället för att alltid skapa ett dataformulär från början i SPSS kan välja att lägga in data i ett

annat program först (t.ex. Excel), och därefter läsa in det i SPSS. Den uppgift som finns i

kapitel 12 skulle kunna se ut som nedan om det var inlagt i Excel.

1) Vad man bör tänka på är att när man lägger in data i Excel för att läsas in i SPSS är det bra om första raden är namnet på variablerna och data sedan börjar från rad två.

2) Se till att Excelfilen är stängd. SPSS kan inte öppna en fil som redan är öppen i ett annat program.

3) Gå till FileOpenData. Gå till mappen där Excelfilen är sparad.

28

4) Som standard visas .sav, SPSS-filer. Klickar man på ”Files of types” så anges de olika

format som SPSS kan öppna. Välj Excel så visas de excelfiler som finns i mappen.

och Open.

5) Öppna filen och nedanstående meny visas. Som standard är alternativet läs första raden i excel som variabelnamn förkryssat. Den väljer också det data som finns i

excelfilens första flik/blad. Har du data i en annan flik i excelfilen så ändra flik (se pil)

6) Tryck OK. Data förs nu in med variabelnamn. 7) Därefter kan det finnas saker att justera (Se Kapitel 3)

a. Om kategorivariabler som Kön är inskrivna som siffror kan det vara bra att sätta tex. etiketter på dem.

b. I SPSS finns det regler om hur variabelnamnet, Name, får se ut, varför den kan behöva korrigeras.

c. Lägga till Labels

29

7.2 Selektera del av data, Selecte Cases

DataSelect cases

Ibland vill man göra analyser bara på ett urval av data, t.ex. bara kvinnor

1) Gå till Data Select Cases och kryssa i If condition is satisfied och tryck på If a. Låt default-värdet under Output stå. Det innebär att alla data är kvar men att de

rader som inte uppfyller kriteriet är bortselekterade.

b. De andra alternativen i Output innebär 1) att en ny fil skapas med de selekterade raderna och 2) de icke selekterade raderna tas bort i nuvarande fil.

2) Följande sida visas (nedan). Kvinna var =1. Därför skriv bara Kön=1 som nedan.

3) Tryck Continue och i nästa fönster OK, så kommer bara kvinnor att selekteras. Gör man en frekvenstabell på rökning efter detta kommer bara kvinnornas värden visas.

Det skapas då en variabel som heter filter_$ som är 1 för de som selekteras och 0 annars. Gör

du en ny selektion används samma variabel, men du kan välja att spara variabeln filter_$ som

med ett nytt namn. Variabeln används då inte längre som filter-variabel. Det kan vara smidigt

om t.ex. har en krånglig selektion, som du vill spara som variabel. Nästa gång du använder

filter kommer SPSS att skapa en ny filter-variabel.

OBS: Om du inte längre vill selektera kvinnor, markera All cases i första bilden ovan, OK.

30

7.3 Dela upp data (för att utföra analyser uppdelade på grupper), Split File

Data Split File

1) Gå till Data Split File

2) Välj Compare Groups och lägg in Kön som variabel i fönstret. a. Skillnaden mellan Compare Groups och Organize Outputs by Groups är att

första alternativet visar resultaten för Kön tillsammans t.ex. tabellerna på för

rökning för resp. kön sitter ihop. (Se tabell nedan) Andra alternativet skapar en

tabell för män och en tabell för kvinnor separat.

b. Man kan också lägga till fler variabler att separera på samtidigt. 3) Tryck OK. Det enda som händer är att SPSS sorterar om data efter Kön. Att det hänt

någonting ser man sen när man gör en tabell diagram ed, t.ex. om man gör en

frekvenstabell på Röker dagligen (se tabellen nedan).

Visa alla: Om man vill ta bort uppdelningen med Split File, skall man inte ta bort

variabeln. Markera istället översta alternativet i bilden ovan (Analyze all cases, do no

create groups).(Se pil)

OBS: Observera att om man av någon anledning sorterar data på någon annan variabel,

försvinner uppdelningen med Split File, Inställningen finns fortfarande kvar i Split File,

men är inte aktiv. För att aktivera igen, gå in i Split File igen och trycka OK.

Röker dagligen

Kön Frequency Percent Valid Percent

Cumulative

Percent

Kvinna Valid Ja 17 15,9 15,9 15,9

Nej 90 84,1 84,1 100,0

Total 107 100,0 100,0

Man Valid Ja 6 6,5 6,5 6,5

Nej 87 93,5 93,5 100,0

Total 93 100,0 100,0

31

7.4 Selektera del av variabler, Variable Sets

UtilitiesDefine Variable sets

UtilitiesUse Variable sets

Har man ett stort datamaterial kan det ibland vara svårt att jobba med, speciellt om man bara

jobbar med en del av data. Då kan man skapa ett urval av Variablerna, så bara de man jobbar

med är synliga.

Den vänstra menyn nedan används för att skapa urval (Set) av variablerna, medan den högra

används för att välja vilket urval du vill använda.

1) I den vänstra bilden att har jag skapat två urval med namnet Urval2 och Urval2 via UtilitiesDefine Varible Sets

a. Namnet på urvalet skrivs i översta fältet ovan. b. Vilka variabler som den skall innehålla läggs till det högra fältet (gråmarkerat),

Variables in Sets (här har jag valt Kön tom SBT).

c. Trycker jag sedan Add set, så läggs urvalet Urval1 till i listan.

2) Går jag sedan i UtilitiesUse Variable Sets visas de urval som skapats + de ursprungliga, Allvariablers och Newvariables. (höger figur)

3) Vill jag bara jobba med de variabler som ingår i Urval1 då skall Urval1 + Newvariables vara ikryssat. Anledningen är att om du jobbar med Urval1 så kanske

du skapar nya variabler. Dessa ingår i urvalet Newvariables, varför den behöver vara

ikryssad för att synas bland dina variabler.

4) Use Variable Sets och Show all variables finns också i snabbmenyn.

Smidigt om man vill växla mellan ditt urval och alla variabler.

32

7.5 Skapa och hantera kategorivariabler

TransformRecode into different variable

TransformRecode into same variable

TransformVisual Binning

TransformAutomatic recode

TransformCompute

Kategorivariabler kan både vara numeriska eller text, t.ex. Kön som Kvinna och Man eller

som 1 och 2 där man lägger in etikett att 1= Kvinna, 2=Man. Båda varianterna funkar

normalt, men några saker funkar bara för den senare, som att lägga in missing, och lättare att

styra ordningen på kategorierna.

Det finns olika sätt att skapa och hantera kategorivariabler.

Skapa variabler av befintliga kontinuerliga variabler, t.ex. BMI-klasser av BMI

Skapa variabler av befintliga kategorivariabler t.ex. BMI (4 gr) till BMI (3 gr)

Ändra ordning på kategorier i en kategorivariabel

Göra om en kategorivariabel från textvariabel (string) till numerisk.

7.5.1 Skapa kategorivariabel från en annan variabel, Recode into different variable

Tips Har du fler variabler som skall kategoriseras på samma sätt kan du lägga in dem samtidigt.

OBS: Exemplet nedan utgår från en kontinuerlig variabel, men man kan lika gärna utgå från

en kategorivariabel.

Antag att vi har räknat ut BMI. (Se 7.6). Klasserna för BMI är

Undervikt=”=30”.

Ett andra sätt visas i 7.5.2, och ett tredje via i 7.6.1, via Compute.

1) Gå till TransformRecode into different variable 2) Lägg först in BMI (BMI--> ? kommer att visas) 3) I högerfältet, välj namn på nya variabeln, te.x. BMI_klasser, och tryck Change. Det

ger bilden nedan

a. Observera att du här kan lägga till fler variabler om de kodas på samma sätt. b. Under Old and new values finns fältet If. Det kan t.ex. användas om det skall

kodas olika för män och kvinnor. Man lägger då in Om Kön=Man innan man

går vidare.

4) Därefter, klicka på Old and New Variables. Här skall vi bestämma vad den nya variabel

skall anta för värden.

5) För fortsättningen på exemplet, se sida 34.

33

Generellt om fältet Old and New values

I det högra fältet anger man vilket värde den nya variabeln skall anta (BMI_Klasser), och i

den vänstra vilka värden det motsvarar i den ”gamla” variabeln (Vikt).

a. Value väljer man om man har enstaka värden, tex. om man utgår från en kategorivariabel där man vill att enstaka värden skall hamna i en ny kategori.

a. Range är lämpligt för intervall, t.ex. 21-25. b. Range, LOWEST through values innebär ”från minsta värdet till och med

angivet värde”. Det är lämpligt för första kategorin/första intervallet för en

variabel, t.ex BMI lägre än 18,5.

c. Range, value through HIGHEST innebär ”från och med angivet värde till största värdet” och passar bra för sista kategorin/intervallet gruppen

d. System-missing använder man där det saknas värden, t.ex. kanske man vill att det som är missing i den gamla skall klassas som Ej ifyllda. Då väljer man

System-missing i den gamla och Value (.tex. 3) i den nya. Därefter får man

sätta etiketten Ej ifyllda för värdet 3.

e. Copy old value passar bra om den nya och gamla variabeln är lika förutom ngn kategori, t.ex. om man bara vill ändra en kategori. Då lägger man först in den

kategori som skall vara annorlunda. Sen väljer man All other values (vänster)

och Copy old value(s) (höger)

OBS: I ovanstående kan man bara skriva siffror i fälten. Om variabeln man utgår från är

en textvariabel (string) så kan man skriva text, men då blir bara Value, System- or using-

missing och All other values synliga.

OBS: För varje val man anger, tryck på Add för att lägga in det i det vänstra fältet. Tryck

bara Ok i nästa fönster för att skapa variabeln. Nedan visas hur exemplet görs

34

6) Första intervallet är alla upp till 18,5 i BMI, blir 1 i New value. Tryck Add

7) Se det vita fältet nedan till höger att första kategorin är införd. Nästa intervall är 18,5-25, som värdet 2, och det läggs lämpligen in som Range ovan till vänster. Tryck Add

a. I exemplet är BMI uträknat från vikt och längd, och blir då ett decimaltal. 18,5 finns nu med i båda intervallen, upp till 18,5 och 18,5-25. En person som då

har exakt 25,0 kommer att hamna första intervallet. Så första intervallet blir

upp till och med 18,5, medan andra intervallet blir mer från (och inte med)

18,5 till och med 25 blir andra intervallet. Man kan skriva det (18.5, 25]

8) Kategorin 25-20, Övervikt, förs in på samma sätt. Sista kategorin, >=30, Fetma förs in som Range, Value through HIGHEST. Tryck

Add, därefter Continue, och sen Ok i nästa fönster så skapar variabeln BMI_grupper.

Resultatet ser du inte i outputfilen utan i datafilen. (se bild 2 nedan)

35

9) Nästa steg är att ange vad värdena 1, 2.. betyder. Det görs i Variable View. Man kan välja den fliken längst ner till vänster. (se Values under i kapitel 4)

10) Klicka på Values (och sen den blå knappen) för BMI_Klasser och ange etiketterna, t.ex. som nedan. Tryck Add för varje etikett man läggs in, därefter OK när man är klar

med alla kategorier.

36

7.5.2 Skapa kategorivariabel från en kontinuerlig variabel, Visual binning

TransformVisual binning

Visual binning är en metod att skapa kategorivariabler av kontinuerliga variabler, där man

samtidigt får etiketterna på en gång.

1) När man öppnar menyn får man först välja variabler. Här visas bara de kontinuerliga variablerna. Lägg över BMI till det högra fältet och tryck Continue.

2) Följande fönster visas (nedan) a. Översta pilen visar vart du skriver in namnet på den nya variabeln b. Vi nästa pil (Upper Endpoint) väljer man hur den nedre delen av intervallet

skall räknas, tex. för BMI-kategori 18,5-25 om 18,5 skall ingå i intervallet

(Included) eller inte (Excluded)

c. Vid Make Cutpoint väljs gränser för respektive kategori d. Make Labels kryssar man i i slutet för att lägga till etiketter på varje kategori

37

3) Klicka på Make Cutpoints. Du får tre val i bilden nedan. a. Intervall med lika bredd. Detta är inte helt sant då man kan ändra detta i senare

steg. Här skriver man in ett värde i två av de tre fälten. När du sen klickar i det

tredje fältet skapas automatisk ett värde baserat på värdet i de två andra.

b. Intervall där du delar in materialet i lika stora delar. Du väljer då antingen antalet gränser och får hur stor andel som varje dels skall innehålla, eller hur

stor andel varje kategori skall innehålla och får då automatisk hur många

gränser som skall skapas

c. Den sista delar in materialet utgående från medelvärde och standardavvikelser

4) Välj första alternativet. Skriv in 18,5 som First cutpoint och 3 som Number of Cutpoints (För 4 intervall brukar normalt 3 gränsvärden räcka). Klicka sedan i fönstret

38

för Width så skapas värdet på ett värde automatisk. (se bild nedan) Du behöver inte

bry dig om ifall värdet är konstigt just nu. Det kan ändras sedan. Tryck bara Apply.

5) Under Values nedan står inte riktigt de gränser vi hade tänkt oss, men det kan du ändra, antingen genom att ändra siffrorna se (6) ) eller manuellt att trycka och dra på

lodräta linjerna i figuren för att ändra gränserna.

6) Klicka eller dubbelklicka på respektive värde (27,23 ovs) och ändra. Där det stå High skall man inte ändra. Den skall finnas där. Försöker man göra det t.ex. skriver 35

istället för High så skapas kategorin 35 som fjärde kategori, och High blir då

automatisk en femte kategori.

7) Välj sedan Excluded (se pil) och tryck sedan på Make Labels. Följande visas nedan. Labels kan också ändras på samma sätt som Values ifall du inte är nöjd med texten.

Tryck Ok så har du skapat en ny variabel där etiketterna finns med.

Observera att kategorierna kan vara lite olika mot dem som skapades i 7.50.1 eftersom

gränserna var lite olika, om värdet på undre gränsen skall ingå i intervallet eller ej.

39

7.5.3 Göra om en kategorivariabel från text till talformat

TransformAutomatic recode

En kategorivariabel kan både vara rent text-format och numerisk, som kön (Kvinna/Man eller

1/2 där 1=Kvinna och 2=Man).

När man t.ex. läser in en Excelfil till SPSS så blir kategorivariabler normalt i textformat.

Gör man sedan t.ex. en frekvenstabeller så visas kategorierna i bokstavsordning, vilket kanske

inte alltid är den ordning man vill ha det. Med ett numerisk format kan man styra det.

Variabeln Diabetes hos föräldrar och syskon är en textvariabel. För att göra om den till

numerisk:

1) Gå till TransformAutomatic recode

Lägg in variabeln och döp den nya. Jag brukar ofta skriva det gamla namnet och avsluta

med _N för att markera att det är den numeriska varianten.

a. I en textvariabel tolkas normalt inte tomt som missing. När man kodar om den är det bra om man kryssar i Treat blank string…. (se pil ovan). Ett tomt fält

får alltid ett siffervärde. Skillnaden är att med detta ikryssat så får det en etikett

och läggs automatisk till som ett missing.

2) Tryck OK så skapas en ny variabel. Den ut som orignalvariabeln men har du ett siffervärde och etikett för varje kategori.

OBS: Variabel som skapas läggs in i bokstavsordning, fallande eller stigande. Är man inte

nöjd med ordningen, se nästa kapitel, 7.5.4.

40

7.5.4 Ändra ordning på kategorier i en variabel

TransformRecode into same variable

Tillvägagångssättet för denna är lika Recode into different variable, med den skillnaden att

ändringarna du gör är på samma variabel. Menyn för Old and New values är densamma.

Se till att den du tar rätt variabel så att du inte skriver över fel variabel.

Denna kan t.ex. vara till nytta om man använt Automatic recode (se förra kapitlet 7.3.), där en

ny variabel är skapad från en textvariabel, då kan denna meny användas för att ändra ordningen.

En frekvenstabell på variabeln skapad från förra kapitlet,

DiabetesFöräldrarSyskon_N, blir

Diabetes föräldrar/syskon

Frequency Percent Valid Percent

Cumulative

Percent

Valid Ej svarat 3 1,5 1,5 1,5

Ja 46 23,0 23,0 24,5

Nej 144 72,0 72,0 96,5

Vet ej 7 3,5 3,5 100,0

Total 200 100,0 100,0

Här är Ej svarat kategori 1, Ja är kategori 2,… Här skulle det vara lämpligt att byta ordning så

att Ej svarat skulle bli missing (Sysmis, se bild), Ja blir kategori 1, Nej blir kategori 2 och Vet

ej som kategori 3. Se bild nedan.

Om man vill kan man istället för att välja System-missing på Ej svarat sätta det som kategori 4

(14) och därefter i Variable View, Missing lägga in att den kategorin skall tolkas som

missing.

41

Observera dock att fastän ordningen har ändras så står det samma namn på respektive

kategori. Se nedanstående tabell på den nya variabeln.

Namnen på kategorierna står i samma ordning som i originalfilen, dvs etiketterna är

oförändrade, Ej svarat är fortfarande = kategori 1. Jämför nedanstående tabell (på den nya

variabeln) med tabellen på föregående sida för originalvariabeln. Om man vill kan man göra

en korstabell på den gamla och nya variabeln så ser man det tydligt.

Diabetes föräldrar/syskon

Frequency Percent Valid Percent

Cumulative

Percent

Valid Ej svarat 46 23,0 23,4 23,4

Ja 144 72,0 73,1 96,4

Nej 7 3,5 3,6 100,0

Total 197 98,5 100,0

Missing System 3 1,5

Total 200 100,0

Korrigera etiketterna

Gå till fliken Variabel View och Values för den nya variabeln. Etiketterna för

originalvariabeln syns till vänster. Korrigera etiketterna för den nya variabeln så att den blir

som höger bild nedan. Där finns bara 3 kategorier, efter som Ej svarat sattes som missing.

Gör gärna en korstabell med nya och gamla variabeln för att se om det blev korrekt.

42

7.6 Skapa nya variabler av befintliga variabler via Compute

TransformCompute

I 7.5 togs det upp hur man hanterar kategorivariabler och skapar nya. Ibland vill man ha större

frihet att skapa nya variabler, t.ex. om man vill skapa en ny variabel BMI av Längd och Vikt.

Via Compute kan man också skapa kategorivariabler, som BMI-Klasser.

Allmänt

I Compute finns det olika delar.

a) Till vänster finns alla variabler b) Längst upp till vänster skriver man in namnet på den nya variabeln. c) I Numeric expression skrivs hur den nya variabeln skall se ut. Man kan antingen

skriva in det manuellt, eller klicka in variabler och använda knapparna för + ovs.

d) Teckenförklaringar: Upphöjt = **, & = Och, | = Eller, ~= = Inte lika med e) I listan till höger visas olika funktioner. De kan klickas till fältet för Numeric

expression eller skriva in manuellt. Klicka på en funktion så visas en förklaring till

det, se pil. Casenum som visas skapar en variabel med nummerlista för alla rader

det finns data på.

f) Längst ner till vänster kan man selektera på en grupp, te.x. Kön=1.

Som exempel, skapar variabeln BMI

1) Gå till TransformCompute 2) Skriv in BMI under Target Variable 3) Lägg in variabler under Numeric Expression via variabelfönstret till vänster. 4) Använd miniräknarfönstret (eller tangentbordet) för att lägga in siffror och tecken. ”**”

betyder upphöjd men man kan också skriva (Längd * Längd). Observera att parentesen

måste finnas med i sista alternativet för att formeln för BMI blir korrekt.

a. /100 behövs för att längden är inlagd i cm istället för meter. 5) Trycker man Ok så kommer man få en ny variabel för BMI.

43

7.6.1 Skapa gruppvariabler via Compute

TransformCompute

I kapitel 7.5 visade hur man gjorde grupper av variabler, t.ex. BMI-klasser av BMI. Ett annat

sätt är att använda Compute. Exemplet är förstås överförbart till andra exempel.

BMI-Klasser kan t.ex. skapa via formeln

Denna formel skapar variabeln BMI-klass:

1*(BMI=18.5& BMI=25 & BMI< 30) + 4*(BMI>=30)

Observera att du måste skriva 18.5, inte 18,5, dvs 18 punkt 5 som ”decimaltal”

Formeln innehåller 2 delar a) de värden man vill ha på den nya variabeln och b) påståendet,

vad som måste gälla för att den nya variabeln skall få resp. värde. Är ett påstående sant blir

det en 1:a, är det falskt blir det en 0:a. Så för en person som har BMI 23 så kommer bara det

andra uttrycket att gälla,

1*0 + 2*1 + 3*0 + 4*0,

dsv bara det andra påståendet är sant, alla de andra blir 0. Därför gäller det att kontrollera att

bara ett av uttrycken kan stämma.

Exempel på fel i formeln Antag t.ex. att BMI bara har en decimal och det stått

1*(BMI=18.5& BMI=25 & BMI< 30) + 4*(BMI>30)

Det fetmarkerade visar att för person som har exakt 25 i BMI stämmer med 2 uttryck. Dennes

BMI kommer då att bli 1*0+2*1+3*1+4*0 = 5, eftersom 25 stämmer med både andra och

tredje uttrycket. Där blir det tydligt att ngt är fel, eftersom variabeln här bara har kategorierna

1-4.

Det kan vara bra att dubbelkolla att det blev rätt. Det kan t.ex. göras med 1) korstabell (Se

8.2) med i ovanstående fall BMI mot BMI_klass, ifall det inte är för många fall, 2) om man

sorterar data efter BMI och kollar brytgränserna för BMI_klass, eller 3) använda Split file på

BMI_klass (Se 7.3)och sedan göra en frekvenstabell på BMI.

Variabler med 2 kategorier

Observera att om det bara stått BMI=25. SPSS sätter värdet 1 som resultat om ett uttryck stämmer.

Olika kategorier en annan variabel, för kön

Har man en variabel som kodas olika för män och kvinna kan man skriva in det samtidigt det

här. Antag att den undre gränsen är 18,5 för kvinnor och 19,5 för män, och Kvinna har

kategori 1 i Kön, och motsvarande för män är 2. Då kan man skriva

1*(BMI30)

Hade Kön varit en textvariabel hade man istället fått skriva

1*(BMI

44

7.7 Syntax

Om man går till FileOpen ser man att det förutom Data och Output finns Syntax

När man skapar en tabell, diagram mm, så är sista steget att trycka på OK.

Man kan också välja Paste. Om man t.ex. väljer att göra en frekvenstabell på Civilstånd och

väljer OK så skapas tabellen på Civilstånd. Väljer du istället Paste skapas en ny fil, en syntax-

fil (t ex. Syntax1.sps). Den kan man sen använda för att ”köra” syntaxen för att skapa t.ex.

tabellen.

Syftet med syntax kan vara att man

vill kunna gå tillbaka och se vad man hade gjort, eller

man vill göra om samma sak flera gånger och vill slippa gå via menyerna

Skall göra samma typ av formeln på flera och väljer att skapa den i syntax och fortsätter att göra resten i syntaxfilen

Detta gäller speciellt om man har skapat nya variabler då det kan vara bra att ha det sparat

exakt hur man gjort den. Man kanske vill göra om variabeln. Då kan man bara ändra i

syntaxen och ”köra” syntaxen igen istället för att gå hela vägen via menyerna. Se t.ex.

syntax för BMI_klass (7.5 och 7.6)

Exempel med Civilstånd

Här är Civilstånd inlagt, och även ett stapeldiagram, via delmenyn Charts

Väljer man då Paste istället för OK så får man följande syntaxfil.

45

Syntaxfilen består i detta fall av tre rader, först vilken meny/alternativ man valt, i detta fall Frequencies, och vilken/vilka variabler man vill göra det för.

i. Ibland står det även Dataset Active, men det är inte så viktigt. Om man har flera sav-filer uppe så ser den till att man utgår från rätt fil.

Därefter kommer det olika delar som har att göra vilka inställningar man valt. I detta fall 1) att ett stapeldiagram skapas 2) Order = Analysis säger vilken

ordning analysen kommer. Den kommer från ett inställning Format

Multiple Variables som finns Frequencies. Om man vill ta fram

frekvenstabell på flera variabler samtidigt kan man 1) visa alla frekvenstabeller

först, sedan alla diagram (Analysis, se syntax ovan), eller 2) tabell och diagram

för en variabel i taget (Variable)

Observera sen att syntaxen alltid avslutas med punkt, som ovan.

Viss text blir också blå/grön/röd för att visa att dessa är fördefinierade av SPSS. MEAN är röd, men skriver jag t.ex. e i slutet, MEANE så blir det svart

eftersom SPSS inte längre tolkar det som ngt av SPSS fördefinierat namn. Det

läses som text.

I många fall finns det defaultinställningar som inte behöver skrivas in i syntaxen, t.ex. ordning på kategorier. /Format= Dvalue, vilket betyder

Descending Values istället för Ascending Value som är default. Hade man

valt ett annat alternativ än det alternativ som är förvalt så hade det synts i

syntaxen.

Vill man sedan skapa tabellen från syntaxen, 1) markera texten, 2) välj RunSelection i menyn, eller tryck på den gröna pilen (se pil ovan).

---------------------------------------------------------------------

När man t.ex. skapar BMI av Längd och Vikt så sker en beräkning. I sådana fall kommer en

syntax att avslutas med Execute. Syntaxen för BMI blir

Editera i syntaxfilen

Syntax är också relativt smidigt att redigera direkt, tex, om man behöver ändra något. Vill jag

göra en tabell på både Civilstånd och Kön så skriver jag bara in Kön efter Civilstånd i

syntaxfilen.

46

8. B e s k r i v a n d e s t a t i s t i k

För att se på olika sätt att välja variabler, se 6.2

Här visas hur man tar fram information från kategorivariabler (andelar mm via frekvenstabell

och korstabell) och kontinuerliga variabler (medelvärde mm)

För att visa antal och andelar

AnalyzeDescriptive Statistics Frequencies

AnalyzeDescriptive Statistics Crosstabs

För att visa medelvärde mm

AnalyzeDescriptive Statistics Descriptive

AnalyzeDescriptive Statistics Frequencies

AnalyzeDescriptive Statistics Explore

Descriptive tar fram medelvärde/max/min/standardavvikelse medan Frequencies förutom

antal och andelar har fler val av mått med bla median och kvartiler. I båda fallen kryssar man i

vilka mått man vill ta fram. Explore har flest mått men har mindre flexibilitet, dvs man väljer

i princip om man skall ha statistiska mått eller ej. Explore kan dessutom ta fram även

diagram.

Frequencies tar fram frekvenser (lämpligt för kategorivariabler) för variabler.

47

8.1 Frekvenstabell

AnalyzeDescriptive Statistics Frequencies

En användning för frekvenstabeller är att kontrollera variabler/data när data är inlagt.

Syftet med det kan vara att

ge en uppfattning om värdena i en variabel. Det passar bäst på kategorivariabler. Har man en kontinuerligt variabel med många utfall är det lämpligare med t.ex.

Histogram.

kontrollera om det finns några felinmatningen (vilket är att rekommendera) e.d i data. Då kan denna passa för alla variabeltyper, förutsatt att det inte är för mycket data.

1) Gå till AnalyzeDescriptive statisticsFrequencies

2) Dubbelklicka på önskad variabel eller klicka på variabeln och sedan på pilen för att välja variabel i högerfönstret.

a) För att välja flera variabler efter varandra, t.ex. alla variabler från Kön till Civilstånd, markera första variabeln du vill välja, håll ner ”skift” på tangentbordet och markera

Civilstånd.

b) För att välja flera variabler som inte är efter varandra, t.ex. Kön Åldersgrupp och Diabetes sedan tidigare, håll ner ”ctrl” och markera variablerna.

3) Under Statistics finns det faktiskt möjlighet att ta fram en del mått som medelvärde od. a) Om detta är syftet innebär det normalt att man har en kontinuerlig variabel. Då kan det

vara lämpligt att bocka av visning av frekvenstabell (se pil i bild ovan)

4) Under Charts kan man välja olika diagram som passar för frekvenser 5) Under Format kan man t.ex. välja i vilken ordning variablerna skall visas och om

resultatet skall visas mer separat för varje variabel.

6) När samtliga önskade variabler är valda klicka på ”OK”. 7) Ett OUTPUT-fönster dyker upp som visar de efterfrågade frekvenstabeller, t.ex. på

civilstånd nedan.

48

Den första tabellen visar hur mycket valida respektive missing det är i variablerna. Här har

fyra personer som inte svarat på civilstånd, och denna typ av missing är här kodat, dvs en

kategori på variabeln har satts som missing, se pil till nedersta tabellen (se 3)) Om det bara

saknas värde så brukar det stå Missing System istället.

De andra tabellerna visar antal och procent. Missing visas under Percent. Valid Percent visar

andelen av de värden där det finns uppgifter på Kön. Det värdet är normalt mer korrekt att

ange än Percent.

Exempel: Om t.ex. 10 av 20 svarar Ja på en fråga och 10 ej svarar, vet vi inte om de som ej

svarat hör till ja eller nej-gruppen. Vi kan bara uttala oss om de som har svarat.

Cumulative Percent visar ackumulerad procent. Den är bara aktuell om det finns en naturlig

ordning på kategorierna, t.ex. för åldersgrupp (ca 67,5% är 50 eller yngre). Hade kategorin

Övrigt varit större hade det däremot varit osäkert, då vi inte vet vilka åldrar som ingår, är de

yngre eller äldre? Däremot funkar den inte för variabeln Civilstånd, i alla fall inte i den

ordning kategorierna ligger just nu.

49

8.2 Korstabell och chi2-test

AnalyzeDescriptive Statistics Crosstabs

Ibland är man inte bara ute efter frekvenstabell för en variabel, utan två variabler samtidigt,

t.ex. Kön och rökvanor. För att välja variabler kan man inte bara dubbelklicka på en variabel,

eftersom det finns 3 fält som de kan läggas in i

1) Gå till AnalyzeDescriptive Statistics Crosstabs 2) Markera t.ex. Kön och lägg in det under Rows, och sedan Röker dagligen under

Columns. Kryssar man i Display clustered bar charts får man också ett diagram. I

10.2) visas hur man gör samma diagram via Graphs

3) Lägger man t.ex. Åldersgrupp i fältet Layer så får man en korstabell för varje kategori i åldersgrupp.

4) Vill du göra ett test, t.ex. chi-2test, klicka på rutan Statistics och kryssa i Chi-square och tryck på Continue

50

5) Vill du också visa andelar, tryck på Cells. Observed är förmarkerad. Kryssa i Row (för att summera andelar för respektive Kön då Kön är inlagt på rad), tryck Continue

6) Nedanstående bild får vi i outputfilen.

Eftersom vi kryssade i Percentages Row så får vi andelar där totalen för en rad är 100%, i

detta fall Kön. Så 15,9% kvinnor har svarat Ja på Röker dagligen och 84,1% har svarat

nej, totalt 100%. Här är det viktigt att ha tillräckligt många för att tala om procent. Hade

data bestått av t.ex. totalt 10 personer så skulle en skillnad på en person innebära 10%. En

skillnad på bara en person skulle då innebära mycket i procent, vilket gör förändring i

procent svårtolkat.

Hade vi valt Percentages Column så hade vi fått hur av alla som t.ex. röker, hur stor andel

är Kvinnor respektive Män.

51

Chi-2-test

Om man i föregående exempel även valde att göra ett chi-2-test så fick man en andra

tabell med utfallet av chi-2-testet.

Vad som testas är om det finns något samband mellan Kön och Rökning, dvs är andelen

rökare olika bland män och kvinnor? Börja med att bedöma detta via korstabellen ovan.

Pearsons Chi-square får ett testvärde på 4,35. Ju större värde desto troligare att det finns

samband mellan de valda variablerna.

df, Frihetsgrader(Degrees of Freedom): Man behöver inte fastna på betydelsen av detta värde.

I chi-2-test är df=(n1-1)*(n2-1) där n1, n2 är antalet kategorier i variablerna. I vårt fall är

antalet kategorier 2 för både Kön och Rökning. => df=(2-1)*(2-1)=1. Df används för att veta

vilket värde vi skall jämföra vårt testvärde med. Ju högre df, desto högre får testvärdet vara

innan det blir signifikant.

Tillförlitligt för små material? Chi-2-testet är lite känsligt får små material. Ju mindre data

vi har desto mer påverkar slumpen hur stabila skillnaderna är. Man ser det bl.a. i texten under

tabellen med testet. Här står det att 0 celler har mindre än 5 förväntade fall. Man brukar säga

att för att Chi-2-testet skall fungera bra bör varje cell har ett förväntat värde på 5, om man

utgår från att det inte finns några skillnader.

I data är det 54% kvinnor och 46% män, 107 respektive 93.

Om det inte finns ngt samband mellan Kön och Rökning borde det vara 54% rökare som är kvinnliga och 46% av manliga, dvs samma fördelning som bland könen.

Eftersom det är 23 st rökare skulle det innebära 10,6 män resp 12,4 kvinnor. Det är detta som man menar med förväntat antal i cellerna för rökare.

Ju färre personer, desto osäkrare. Är det 5 personer innebär 1 person 20%, 2 personer 40% ovs. Här ”luras” procentvärdena lite eftersom det ser ut som skillnaderna är större

än vad de egentligen är.

Fischer’s exact test använder man om man har ett litet material. I grundversionen av SPSS

23 fungerar detta bara med en 4-fältstabell, dvs två variabler där vardera variabel har två

kategorier. Den läser man av under Exact Sig (2-sided).

Asymptotic Significance = p-värdet. Vanligen väljer man 0,05 som gräns på om det

eventuella sambandet är signifikant. Om p-värdet

52

8.3 Tabell för flervalsfrågor

AnalyzeMultiple Response

Ibland har man t.ex. enkätfrågor där man får svara på mer än ett alternativ. Eftersom varje

variabel i SPSS bara kan ha ett svar så måste man föra in en variabel för varje svarsalternativ

för variabeln. När man sedan skall göra statistik på frågan finns det ett alternativ för att

presentera resultatet samlat för frågan.

En fråga är om man under senaste 14 dagarna tagit, 1)blodtrycksmedicin, 2)Medicin för

Hjärt-kärlkramp,.. 5) Blodfetter. Detta kan ses som en är en flervalsfråga, dvs man får kryssa i

en eller flera. En variabel blir därför Ja om man kryssat för kategorin och Nej om man ej

kryssat för det.

För att kunna använda Multiple Response så funkar inte text-variabler (string), vilket dessa

är. För denna övning så har dessa gjorts om till numeriska. För att göra det se, 7.5.3 och 7.5.4.

Skapa först en ny variabel (Sets) enligt nedan:

1) Gå till AnalyzeMultiple Respons och välj Define Variable Sets 2) Lägg in variablerna i fältet Variables in Set 3) Här måste man välja namn och sedan mellan Dichotomies eller Categories. För att

visa skillnaden så skapar vi två variabler, Röker1 och Röker2

a. Name=Använder_Medicin1, Dichomomies och Counted value 1, tryck Add b. Lägg in variablerna en gång till, välj Name=Använder_Medicin2, Categories

och Range 1 till 2 (Ja=1, Nej=2), Tryck Add

4) Välj sedan Close. Det du har skapat nu är en ny variabel. Den kommer inte att synas bland de vanliga variablerna, utan bara under menyn Multiple Respons

53

5) Klicka sedan igen på AnalyseMultiple Respons och välj Frequencies och lägg in Använder_Medicin1 och Anvönder_medicin2. Följande tabeller skapas.

Case Summary

Cases

Valid Missing Total

N Percent N Percent N Percent

$Använder_Medicin1a 200 100,0% 0 0,0% 200 100,0%

$Använder_Medicin2b 200 100,0% 0 0,0% 200 100,0%

$Använder_Medicin1 Frequencies

Responses Percent of

Cases N Percent

$Använder_Medicin1a Blodtr_N 34 15,7% 17,0%

Hjärtakärl_N 3 1,4% 1,5%

Lugnande_N 5 2,3% 2,5%

Magsår_N 16 7,4% 8,0%

Blodfett_N 11 5,1% 5,5%

AnvänderEj_N 142 65,7% 71,0%

EjSvarat_N 5 2,3% 2,5%

Total 216 100,0% 108,0%

a. Dichotomy group tabulated at value 1.

$Använder_Medicin2 Frequencies

Responses Percent of

Cases N Percent

$Använder_Medicin2a Ja 216 15,4% 108,0%

Nej 1184 84,6% 592,0%

Total 1400 100,0% 700,0%

a. Group

I Tabell 1 visas att det är 200 svarande på båda, utan missing.

Tabell 2 visar varianten där man räknar antalet Ja-svar, antalet 1:or. 216 ja-svar varav den

medicin som är vanligast är Blodtrycksmedicin. 142 har svarat Använder ej Medicin. 216 svar

av 200 innebär att det är vissa som har fler än en medicin. 15.7% av de 200 individerna

använder blodtrycksmedicin, 17.0% av alla 216 svaren var på blodtrycksmedicin. (se pil

ovan)

Tabell 3: Blir mer en summering av antalet svar i respektive kategori. Denna variant passar

bättre om man t.ex. har en fråga där varje person får välja de 3 viktigaste egenskaperna av 10

förslag. Länkar man sedan ihop svaren kommer kategorierna bestå av dessa 10 svarsalternativ

och fördelningen på dem. Se länkarna nedan för exempel.

http://www.unige.ch/ses/sococ/cl/////spss/cmd/multrespset.html

http://www.unige.ch/ses/sococ/cl////spss/cmd/multrespfreq.html

http://www.unige.ch/ses/sococ/cl/spss/cmd/multrespset.htmlhttp://www.unige.ch/ses/sococ/cl/spss/cmd/multrespfreq.html

54

8.4. Beskrivande statistik med centralmått och spridningsmått

Om man har kontinuerliga variabler är det lämpligt att räkna medelvärde, standardavvikelse,

median mm. Det finns minst fyra menyer för detta.

I Descriptives kan du välja några av de vanligaste måtten.

I Explore kan du inte välja mått men får däremot flera än i Descriptives + att det går att dela

upp resultatet utifrån en annan variabel, t.ex. Kön.

I Frequencies finns alternativet Statistics som funkar ungefär som Descriptives men har fler

mått, som t.ex. median.

Means ger ungefär samma resultat som Frequencies + att det går att dela upp resultatet

utifrån en annan variabel, t.ex. Kön.

De första tre finns under AnalyzeDescriptive Statistics medan Mean ligger under

AnalyzeCompare Means. Endast de två första redovisas här.

8.4.1 Beskrivande statistik via Descriptives

1) Gå till AnalyzeDescriptive StatisticsDescriptives enligt ovan. Det ger det vänstra fönstret nedan.

2) Välj den/de variabler du vill ta fram statistik på. 3) Trycker du Ok får du medelvärde, max, min och standardavvikelse. 4) Under Option (högra fönstret) kan du även välja några andra mått. Median går dock

inte att ta fram via denna meny.

55

8.4.2 Beskrivande statistik via Explore

AnalyzeDescriptive StatisticsExplore

Här kan du ta fram flera mått som median mfl + olika diagram.

1) Gå till AnalyzeDescriptive StatisticsExplore

2) Under Dependent List väljer du vilka variabler du vill ta ut beskrivande statistik, t.ex. DST och SBT (Diastoliskt och Systoliskt blodtryck).

3) Vill du t.ex. ta ut medelvärde od för vardera könen, kan du lägga in Kön i Factor List. Då kommer du dels att få tabeller för Kvinnor och dels för Män

4) I Explore kan du både få tabeller och diagram. Längst ner kan du välja om du t.ex. vill ha tabeller (Statistics) men inte diagram (Plots), eller tvärtom, eller båda (Both).

5) Under Statistics uppe till höger finns några valmöjligheter, men vanligen kan den hoppas över

6) Under Plots kan man t.ex. välja histogram och test av normalfördelning. 7) Under Options kan man styra hur missing skall hanteras.

a. Om du lägger in flera variabler under Dependent List så är grundinställningen att bara räkna på de individer har valida värden på alla valda variabler, ”Exlude

cases listwise”. Det gör att respektive mått kan jämföras eftersom de är

räknade på samma personer/rader. Väljer man ”pairwise” utgår den från

missing per enskild variabel.

56

8.5 Redigera tabeller

Det finns lite sätt att redigera en tabell.

Här nedan har jag gjort en tabell med beskrivande statistik.

Descriptive Statistics

N Minimum Maximum Mean Std. Deviation

Vardagsmotion 178 0 840 133,04 180,780

Fysisk motion 178 0 840 228,57 183,969

Valid N (listwise) 178

Om man dubbelklickar på en tabell kommer man i in redigeringsläget. Det syns inte alltid,

men högerklicka på tabellen så visas menyn ovan till vänster. Högerklicka jag på

Vardagsmotion ovan får jag mer möjligheter.

1) Du kan t.ex. direkt göra en graf utifrån tabellen (funkar inte alltid bra), sorterar rader,

ändra tabellens utseende, lägga in text under tabell (footnote), ’

2) Klickar du för Toolbar, kan du te.x. fetmarkera delar av tabell.

En användbar funktion är Pivoting trays. Har du använt Pivotabeller i Excel så funkar det på

liknande sätt. I denna tabell finns det två delar av tabellen som man kan flytta runt, Statistics

och Variables. Här kan du ha många fler delar, beroende på vilken tabell du gör. Du har rad-

och kolumndel + Layer.

57

Du kan trycka och dra t.ex. Statistics från Columns till Row. I nedanstående exempel har jag

använt tabellen ovan och bytt plats på Statistics och Variables. Smidigt om man t.ex. har för

bred tabell.

I bilden nedan har jag lagt Variables i Layer. Layer innebär att den bara visar en kategori i

taget. Här syns bara Vardagsmotion. För att visa den andra variabeln klickar jag på listen där

Vardagsmotion syns, (se bild nedan).

58

9. P a r a m e t r i s k t t e s t, jämförelse av medelvärden. AnalyzeCompare MeansIndependent Samples T-test

AnalyzeCompare MeansPaired Samples T-test

Test för att jämföra medelvärden tillhör parametriska test. För att göra t-test antas att data är

normalfördelat (Kan bedömas med Histogram och testas i Explore). Är inte data

normalfördelat kan man använda ickeparametriska tester (AnalyzeNon parametric tests).

Vill du testa om en variabel är normalfördelad kan du göra det under

AnalyzeExplorePlots och Normality plot with tests.

I kompendiet beskrivs bara parametriska test.

Det finns lite olika typer av test för att jämföra medelvärdesskillnader.

Skillnader i medelvärde mellan

A) 2 oberoende grupper t.ex. skillnad i blodtryck mellan man och kvinna. (t-test för två oberoende grupper)

AnalyzeCompare MeansIndependent Samples T-test

B) 2 mättillfällen t.ex. skillnaden i blodtryck för en grupp, före och efter en intervention (Parat t.-test eller t-test för beroende observationer)

AnalyzeCompare MeansPaired Samples T-test

C) Fler än 2 oberoende grupper (ANOVA)

D) Fler än 2 mättillfällen (ANOVA med upprepade mätningar). Denna finns ej i basversionen

av SPSS, utan i extramodulen Advanced.

Här kommer endast A) och B) att tas upp.

59

9.1 Jämförelse två oberoende grupper.

AnalyzeCompare Means Independent Samples T Test

Här vill vi testa en kontinuerlig variabel, mellan två grupper, t.ex. om det är någon skillnad i

medelvärde på DBP mellan könen.

1) Klicka på AnalyzeCompare Means Independent Samples T Test

2) Vi vill testa medelvärdet på variabeln DST. Därför är det den som skall väljas till Test Variable List. Om du t.ex. även vill testa SBT mellan könen kan du lägga in den på en

gång.

3) Placera variabeln med grupptillhörigheten, Kön, i ”Grouping Variable”. Namnet på fältet antyder också att det måste vara en kategorivariabel som skall väljas. Man kan välja en

variabel med fler än två kategorier, men man kan bara välja ut två av kategorierna i testet.

4) Innan nästa steg behöver vi vet vilka kategorinamn som variabeln har. a) Om variabeln är inlagd som siffror är det siffrorna som skall användas. Kommer du

inte ihåg vilka siffror det är kan du högerklicka på variabeln Kön, ett fält Variable

Information visas (vänster bild nedan). Klicka man på den visas höger bild. Första

kategorin visas. De andra kategorierna visas i en rullist om man klicka i fältet där pilen

visar.

b) Om kategorierna är inlagda som text är det dessa som skall användas. Om du inte kommer ihåg vilka namnen är kan du inte använda ovanstående metod. Du måste i så

fall titta på variabeln i Variable View. Se Values i kapitel 3).

60

Klicka nu på ”Define Groups” för att ange vilka grupper som skall jämföras.

5) Vi kontrollerade ovan och såg att Kvinna =1 och Man= 2. Ange värdet 1 för den oberoende variabeln på ”Group 1” och 2 på ”Group 2”, som ovan

6) Klicka på Continue och OK i nästa fönster.

Utskrift från SPSS:

T-Test

Group Statistics

Kön N Mean Std. Deviation Std. Error Mean

DST Kvinna 107 79,07 9,877 ,955

Man 92 84,17 9,293 ,969

Denna tabell visar bara beskrivande statistik för vardera grupp. Eftersom t-test använder sig

av varje grupps medelvärde resp. standardavvikelse är det bra att studera denna tabell först.

Verkar det finnas ngn skillnad om man studerar skillnaden mellan medelvärdena? Verkar det

vara stor spridning? (Man kan räkna med att om Std. Error Mean är mer än skillnaden i

medelvärde lär det inte var ngn skillnad) Std Error Mean kan ses som osäkerheten i

medelvärdesskillnaden.

61

Levene's Test for Equality of Variances t-test for Equality of Means

F Sig. t df Sig. (2-tailed) Mean Difference

Std. Error

Difference

95% Confidence Interval of the

Difference

Lower Upper

DST Equal variances assumed ,016 ,901 -3,738 197 ,000 -5,108 1,367 -7,804 -2,413

Equal variances not assumed -3,755 195,381 ,000 -5,108 1,360 -7,791 -2,426

Dessa två tabeller visar samma sak. Den första är bara kopierad till Word som en Word-tabell.

Den andra är inklistrad som bild för att hela tabellen lättare skall få plats i Word.

(Enklast är om du använder du Edit Copy SpecialImage i SPSS)

De två första kolumnerna (Levene's Test for Equality of Variances) testar om spridningen är

lika i grupperna, för att se om vi skall titta på övre eller undre raden för vårt t-test. Är p-värdet

(Sig.) lägre än 0,05 betyder att spridningen mellan grupperna bedöms vara olika, och vi skall

titta på den nedre raden. I vårt fall är sig p=0,901 vilket är högre så vi läser av den övre

raden.

Sedan visas vårt testvärde, (t), frihetsgraden (df) och sedan p-värdet (Sig.(2-tailed)). Eftersom

vårt p=0,000 är lägre än 0,05 kan vi dra slutsats