Autor: Mgr. Petra Kovalčíková, RNDr. Eva Janoušová
Institut biostatistiky a analýz, Masarykova univerzita, Brno
1. Načtení a příprava dat pro analýzu
 Načtení souboru:
File → Open → Data → Look in (výběr cesty k souboru) → Files of type (výběr typu dat – .txt, .xlsx, .sav, …) →
File Name (výběr souboru) → Open
1. Soubor SPSS:
GET
FILE='C:\...cesta….\nazev_souboru.sav'.
DATASET NAME DataSet1 WINDOW=FRONT.
2. Soubor z excelu:
GET DATA /TYPE=XLSX
/FILE='C:\... cesta…….\nazev_souboru..xlsx'
/SHEET=name 'nazev_listu'
/CELLRANGE=full
/READNAMES=on
/ASSUMEDSTRWIDTH=32767.
EXECUTE.
DATASET NAME DataSet1 WINDOW=FRONT.
 Uložení souboru:
File → Save as → … (lze vybrat typ souboru, ukládat jen některé proměnné, zda se mají např. v excelu ukládat
hodnoty nebo popisky atd.)
1. Uložení jako .SAV:
SAVE OUTFILE='C:\...cesta…\nazev_souboru.sav'
/COMPRESSED.
2. Uložení jako .XLSX:
SAVE TRANSLATE OUTFILE='C:\...cesta…\nazev_souboru.xlsx'
/TYPE=XLS
/VERSION=12
/MAP
/REPLACE
/FIELDNAMES
/CELLS=VALUES. /* CELLS=LABELS v případě uložení popisků namísto hodnot.
 Aktivace / zavření datového souboru:
- Aktivace datového souboru
DATASET ACTIVATE DataSet1.
DATASET CLOSE DataSet1.
 Popis („olejblování“) hodnot:
Autor: Mgr. Petra Kovalčíková, RNDr. Eva Janoušová
Institut biostatistiky a analýz, Masarykova univerzita, Brno
Variable View → Values → … (rozkliknout políčko se třemi tečkami) → zadání hodnoty (value) a popisku
(label) → Add (při změně Change, při smazání popisku Delete)
Pozn. 1: Při zadávání textových popisků nedávat uvozovky, ty jsou tam doplněny automaticky.
Pozn. 2: Hodnoty a textové popisky pak lze přepínat v hlavním panelu pomocí tlačítka
(zobrazení v datech):
Pozn. 3: Lze nastavit, zda chcete ve výstupech zobrazovat jen hodnoty, jen popis hodnot nebo obojí (Edit →
Options → Output → Outline Labeling).
Pozn. 4: Obdobně se chová i popis proměnných (Variable View → Label → Zadej popis proměnné), lze editovat,
vypisovat ve výstupech pouze popis místo názvu proměnné apod.
1. Příklad – popis hodnot:
VALUE LABELS stadium
1 'Stadium 1'
2 'Stadium 2'
3 'Stadium 3'
4 'Stadium 4'.
val lab pohlavi
1 'Muž'
2 'Žena'.
2. Příklad – popis proměnné:
VARIABLE LABELS stadium 'Stadium CRC při stanovení diagnózy'.
var lab stadium_akt 'Stadium CRC při poslední kontrole'.
 Seřazení souboru podle nějakého parametru:
Data → Sort Cases → Sort by (přesun proměnné podle které chcete data seřadit, příp. i více proměnných) →
Sort Order (zaškrtnout Ascending - A nebo Descending - D) → OK
SORT CASES by var1 (A).
SORT CASES by var 1 (A) var2 (D).
 Identifikace duplikací:
Data → Identify duplicate cases → Define matching cases by: (výběr proměnné/proměnných pro zjištění
duplikací, např. ID) → Zaškrtnout Last case nebo First case in each group is primary (zálěží na situaci,)
Pozn. 1: Last case nebo First case in each group is primary – záleží na situaci, seřazení hodnot, pokud je
cílem duplikované hodnoty smazat / filtrovat apod.
 Vyfiltrování / smazání hodnot:
Data → Select cases → If condition is satisfied (zadání podmínky, které hodnoty se mají vyfiltrovat nebo smazat)
→ Continue → Output (lze si vybrat druh výstupu: „Filter out unselected cases“, „Copy selected cases to a new
dataset“ nebo „Delete unselected cases“) → OK
1. Příklad – vyfiltrování duplikovaných případů:
USE ALL.
COMPUTE filter_$=(PrimaryFirst = 1).
VARIABLE LABELS filter_$ 'PrimaryFirst = 1 (FILTER)'.
VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'.
Autor: Mgr. Petra Kovalčíková, RNDr. Eva Janoušová
Institut biostatistiky a analýz, Masarykova univerzita, Brno
FORMATS filter_$ (f1.0).
FILTER BY filter_$.
EXECUTE.
… následné analýzy jsou provedeny pouze na vybraných případech, dokud se filtr nezruší…
USE ALL.
… dále se zase pracuje se všemi případy …
nebo (je-li proměnná binární – 0/1):
USE ALL.
FILTER BY PrimaryFirst.
EXECUTE.
2. Příklad – smazání duplikovaných případů:
FILTER OFF.
USE ALL.
SELECT IF (PrimaryFirst = 1).
EXECUTE.
3. Příklad – dočasná filtrace případů (POUZE pro následující proceduru):
TEMPORARY.
SELECT IF vek < 60 AND pohlavi = 'M'.
temp.
sel if vek < 60 AND pohlavi = 'M'.
 Spojování souborů:
Data → Merge Files → Add Variables (propojení dle proměnných) → výběr datového souboru (již otevřeného
v SPSS nebo uloženého) → Continue → zaškrtnout Match cases on key variables → do kolonky Key Variables
vybrat proměnné, podle kterých se proměnné spojují → výběr způsobu spojení → OK
Pozn. 1: Oba datové soubory musí být seřazeny podle proměnných, podle kterých se spojují (!!!).
Pozn. 2: Způsob spojení datových souborů – výběr datového souboru, který se připojuje (vnitřní / vnější /
křížové spojení).
Pozn. 3: Lze přidávat i případy – připojení nových řádků z jiné tabulky (Data → Merge Files → Add Cases → …).
1. Příklad – připojení všech proměnných z DataSet2 k DataSet1 dle shodného identifikátoru pacienta (ID).
dataset activate DataSet1.
MATCH FILES /FILE=*
/TABLE='DataSet2'
/BY ID.
EXECUTE.
 Agregace (např. když pro každého pacienta máme víc řádků v tabulce (např. opakovaný rozbor krve) a
chceme vytvořit novou tabulku, kde bude jeden pacient jen na jednom řádku (každá složka krve pak bude
sumarizována mediánem či průměrem naměřených hodnot):
Data → Aggregate → Break Variables (výběr proměnných, podle kterých se bude soubor agregovat – např. ID
pacienta + datum vyšetření) → Summaries of Variables (výběr funkce, co a jak se bude agregovat) → lze
vytvořit nový datový soubor nebo přidat agregovanou proměnnou jako nový sloupeček v původních datech →
OK
Autor: Mgr. Petra Kovalčíková, RNDr. Eva Janoušová
Institut biostatistiky a analýz, Masarykova univerzita, Brno
DATASET DECLARE agregovany_soubor.
AGGREGATE
/OUTFILE=' agregovany_soubor '
/PRESORTED
/BREAK=ID datum_vysetreni
/N_BREAK = N
/glykemie_min = MIN(glykemie)
/glykemie_max = MAX(glykemie)
/glykemie_mean = MEAN(glykemie).
 Transformace proměnných:
1. Logaritmická transformace:
Transform → Compute Variable... → v aritmetických funkcích (Function group: Arithmetic) vybrat Ln
COMPUTE naklady.LN=LN(naklady).
COMPUTE naklady.LOG10=LOG10(naklady).
EXECUTE.
2. Standardizace:
Analyze → Descriptive Statistics → Descriptives → zatrhnout Save standardized values as variables
DESCRIPTIVES VARIABLES=naklady
/SAVE
/STATISTICS=MEAN STDDEV MIN MAX.
3. Kategorizace:
Transform → Visual Binning...
4. Překódování textových proměnných na proměnné s číselnými kategoriemi:
Transform → Automatic Recode... (pokud jsou v datech chybějící hodnoty, je vhodné zatrhnout „Treat blank
string values as user-missing“)