Stáhněte si ukázkový soubor lekce1-vzor-dat.xlsx z webu Biostatistička.cz. Tento soubor obsahuje čtyři listy:

1. vstupní data (před úpravou)
2. opravená (vyčištěná a okódovaná) data
3. opravená data s úpravou proměnné laická KPR
4. seznam proměnných a hodnot

Pokud si chcete vyzkoušet čištění datasetu, vezměte si první list a pokuste se jej sami opravit, výsledek si pak zkontrolujte proti opraveným datům ve staženém souboru.

Co autorka považovala za nutné opravit?

• formát dat ve sloupci B a C (pro přehlednost, např. seřazení a zejména rozlišení formátu pro Excel),
• zaokrouhlení na celé roky ve sloupci D (aby bylo možné počítat s hodnotami),
• odstranění nevalidní hodnoty ve sloupci F a G (stejný důvod),
• sjednocení hodnot ve sloupci H na ano/ne, posunutí specifikace do nové proměnné (hypertenze.pozn),
• klasifikace dílčích informací ze sloupců J, K a L do osmi nových (rekódovaných) proměnných pro lepší klasifikaci.