Definicja

Format długi i szeroki danych

Inne nazwy: long format, wide format, dane ułożone długo lub szeroko. Kategoria: jakość danych.

Format danych określa, co oznaczają wiersze, kolumny i komórki tabeli. W uporządkowanym zbiorze każda zmienna ma własną kolumnę, każda obserwacja własny wiersz, a każdy rodzaj jednostki obserwacji własną tabelę. Przed wyborem układu trzeba więc ustalić, czy obserwacją jest osoba, wizyta, pomiar, odpowiedź na pozycję czy inna jednostka.

Format długi i szeroki. W formacie długim każdy pomiar zajmuje osobny wiersz, dlatego osoba badana może występować wielokrotnie, a czas lub warunek znajduje się w osobnej kolumnie. W formacie szerokim jedna osoba zwykle zajmuje jeden wiersz, a kolejne pomiary tej samej zmiennej są zapisane w osobnych kolumnach, na przykład wynik_T1 i wynik_T2. Format długi często pasuje do modeli powtarzanych i wykresów, a szeroki do niektórych procedur, formularzy i kontroli pojedynczego rekordu. Żaden z nich nie jest zawsze lepszy, ponieważ wymagany układ zależy od jednostki obserwacji i narzędzia analitycznego.

Identyfikatory i bezpieczny pivot. W danych długich kombinacja identyfikatora osoby i identyfikatora pomiaru powinna jednoznacznie wskazywać wiersz, chyba że projekt przewiduje jeszcze niższy poziom, na przykład kilka prób w tej samej wizycie. Przed przekształceniem do szerokiego układu trzeba sprawdzić duplikaty tej kombinacji. Automatyczne uśrednienie dwóch rekordów albo wybranie pierwszego może ukryć błąd lub utracić informację. Po pivotowaniu należy porównać liczbę osób i pomiarów, duplikaty, braki oraz wybrane sumy kontrolne, a reguły agregacji zapisać jawnie.

Częsty błąd. Założenie, że każdy wiersz oznacza osobę tylko dlatego, że zawiera jej identyfikator. W badaniu podłużnym jeden wiersz może oznaczać pomiar osoby w konkretnej fali. Pominięcie identyfikatora fali podczas łączenia tabel może zwielokrotnić wiersze, a nieuważne pivot_wider() może ujawnić, że kilka wartości trafia do tej samej komórki i wymaga rozstrzygnięcia.

Przykład. Dwie osoby P01 i P02 mają wynik w falach T1 i T2. Układ długi ma cztery wiersze i kolumny id, fala, wynik; kluczem jest para id plus fala. Układ szeroki ma dwa wiersze i kolumny id, wynik_T1, wynik_T2. Oba układy przechowują te same cztery pomiary, jeśli pivot wykonano bez agregacji, utraty braków i duplikowania rekordów.

Jak to zapisać w pracy. Dane pomiarów powtarzanych przechowywano w formacie długim, w którym każdy wiersz odpowiadał jednemu pomiarowi jednej osoby. Rekord identyfikowała para id i fala; przed analizą potwierdzono jej unikalność oraz porównano liczby osób, pomiarów i braków przed i po przekształceniu. Do procedury wymagającej formatu szerokiego utworzono kolumny pomiarów bez agregowania duplikatów.

Powiązane hasła: pomiaru powtarzanego, Badanie podłużne, Braki danych, kodowania odpowiedzi otwartych.

Jeśli struktura arkusza utrudnia analizę albo bezpieczne łączenie pomiarów, Wyceń projekt.