Trucos Spss

Identificación y eliminación de casos duplicados con SPSS Statistics Base



Si tiene un archivo de datos en el que la variable de identificación contiene muchos casos duplicados. ¿Cómo borra los casos duplicados a fin de trabajar con un caso por ID?



El procedimiento para Identificador de casos duplicados en SPSS le permite definir “duplicado” en casi todas las formas, y le da algo decontrol sobre la determinación automática de casos primarios y casos duplicados.

Para identificar y marcar con una etiqueta los casos duplicados:
- Elija Datos > Identificar casos duplicados del menú Datos
- Seleccione una o más variables que identificarían casos coincidentes.
- Seleccione una o más opciones en el grupo Variables a Crear.

También este procedimiento permite:




•Seleccionar una o más variables para clasificar casos dentro de grupos definidos por las variables seleccionadas de casos coincidentes. La orden de clasificación definida por estas variables determina el “primero” y “último” caso de cada grupo. De lo contrario, el orden original del archivo es utilizado como parámetro.

• Automáticamente filtra casos duplicados de modo que no sean incluidos eninformes, cartas, o cálculo de la estadística.

• Definir casos coincidentes. Los casos son considerados duplicados si sus valores coinciden con todas las variables seleccionadas. Si desea identificar solamente los casos que tienen una coincidencia total en todos los aspectos, elija todas las variables.

• Clasificar dentro de un grupo de coincidencias. Los casos son automáticamente clasificadospor las variables que definen casos coincidentes. Puede seleccionar variables de clasificación adicionales que determinarán el orden secuencial de casos en cada grupo de coincidencia.

• Para cada variable clasificada, puede especificar en orden ascendente o descendente.

• Si selecciona múltiples variables de clasificación, los casos son clasificados por cada variable dentro de las categoríasde las variables precedentes de la lista. Por ejemplo, puede seleccionar la fecha como la primera variable de clasificación y el monto como la segunda, los casos serán clasificados por monto dentro de cada fecha.

• Utilice los botones con las flechas de arriba - abajo, a la derecha de la lista, para cambiar el orden en el que se clasificarán las variables.

• El orden de clasificacióndetermina el primer caso y el último dentro de un grupo de coincidencias, que a la vez determina el valor del indicador primario de la variable. Por ejemplo, si desea filtrar todo excepto el caso más reciente en cada grupo coincidente, puede clasificar los casos dentro del grupo en orden ascendente de una variable de fecha, lo cual hace la última fecha del grupo, la fecha más reciente.

• Conteosecuencial de casos coincidentes en cada grupo. Crea una variable con un valor secuencial desde 1 a n para casos dentro de cada grupo de coincidencias. La secuencia está basada en el orden actual de casos en cada grupo, que es el orden del archivo original o el orden determinado por cualquier variable de clasificación.

• Mover los casos coincidentes al inicio. Ordena el archivo de datos de maneraque todos los grupos de los casos coincidentes estén al inicio del archivo de datos, haciendo más fácil inspeccionar visualmente los casos coincidentes en el Editor de Datos.

• Despliegue frecuencias para variables creadas. Las tablas de frecuencia contienen los conteos para cada valor de las variables creadas. Por ejemplo, para la variable indicadora primaria, la tabla debería mostrar el númerode casos con un valor “0” para esa variable, que indica el número de duplicados y el número de casos con un valor de “1” para esa variable, indica el número de los casos únicos y primarios.

• Valores perdidos. Para las variables numéricas, los valores perdidos por el sistema son tratados como casos con valor (o válidos) por el procedimiento de análisis de los datos perdidos, los cuales son...