ڈیٹا کا معیاری سانچہ

فائل کی جانچ

کالم براہِ راست شیٹ سے چسپاں کریں (عنوانات کی قطار سمیت) – ایکسل میں منتخب کریں، کاپی کریں اور یہاں چسپاں کریں (چسپاں کرنے میں کوڈ بک شیٹ نہیں ہوتی – اقسام خود بخود طے ہوں گی):

ایک ہی سانچہ کیوں

سائٹ کا ہر کیلکولیٹر ایک ہی فائل پڑھتا ہے: چوڑی ساخت (wide format) میں ڈیٹا شیٹ (data / נתונים) – ہر قطار ایک جواب دہندہ ہے (یا کوئی اور اکائی جس کی پیمائش کی گئی: جماعت، ادارہ، بستی)، ہر کالم ایک متغیر ہے، اور پیش گو متغیر (predictor) اور نتیجے میں کوئی امتیاز نہیں: دونوں کالم ہیں (Field, 2024, Section 4.6.1) – اور اس کے ساتھ کوڈ بک شیٹ (legend / מקרא) جو فائل کی کوڈ بک (codebook) ہے: ہر متغیر کے لیے نام، وضاحت، جوابات کی کوڈنگ اور پیمائش کی سطح (Pallant, 2020, Chapter 2)۔ Pallant کا خیال یہاں بھی درست ہے: کوڈ بک ایک بار لکھی جاتی ہے، ڈیٹا کے ساتھ محفوظ رکھی جاتی ہے، اور پھر آدھے سال بعد فائل پر یہ جانے بغیر واپس آنے کی نوبت نہیں آتی کہ "تعلیم" کالم میں "3" کا مطلب کیا ہے۔ یہ فیصلہ کیسے کیا جائے کہ "3" کیا ہو گا – بند اور کھلے سوالات کی کوڈنگ، گمشدہ قدروں کے کوڈز، آئٹمز کی معکوس اسکورنگ (reverse-scoring items)، گروہ بندی اور ڈمی کوڈنگ – اس کے لیے صفحہ جوابات کی کوڈنگ اور متغیرات کی تشکیل دیکھیں۔ فرق صرف یہ ہے کہ سائٹ پر کوڈ بک فائل کے اندر ایک شیٹ ہے – اسی لیے کیلکولیٹر اسے خود پڑھتے ہیں: وہ جانتے ہیں کہ جنس زمرہ جاتی (categorical) ہے اور عمر مسلسل ہے، 1 اور 2 کی جگہ "مرد" اور "عورت" دکھاتے ہیں، اور جب ہم بستگی کے لیے زمرہ جاتی متغیر منتخب کیا جائے تو خبردار کرتے ہیں۔

یہی فائل بعد میں بغیر کسی اضافی کام کے SPSS میں منتقل ہو جاتی ہے: سنٹیکس کی وہ فائل جو ہر کیلکولیٹر ڈاؤن لوڈ کرتا ہے ڈیٹا لوڈ کرتی ہے اور کوڈ بک شیٹ سے متغیرات کی ونڈو (Variable View) متعین کرتی ہے – لیبلز، ویلیو لیبلز اور پیمائش کی سطحیں۔ اور الٹی سمت میں، صفحہ SPSS سے ایکسل تک .sav فائل سے، فائل کی ڈکشنری کی مدد سے، یہی سانچہ تیار کرتا ہے، کوڈ بک شیٹ سمیت۔

ڈیٹا شیٹ – اصول

1. قطار = جواب دہندہ، کالم = متغیر۔ ایک ہی جواب دہندہ کے بارے میں جو کچھ بھی ناپا گیا وہ اسی قطار میں جاتا ہے – مکرر پیمائشیں (repeated measures) بھی (پہلے اور بعد = دو کالم)۔ جو چیز جواب دہندگان کے گروہوں میں فرق کرتی ہے (تجربہ/کنٹرول، جنس) وہ ایک کالم ہے جس میں ہر گروہ کا کوڈ ہوتا ہے – "کوڈ شدہ متغیر" یا "گروہ بندی کا متغیر" (Field، 2024، سیکشن 4.6.1 اور 4.6.5؛ ٹپ 4.1)۔ لمبی ساخت (ہر مشاہدے کے لیے ایک قطار، ہر جواب دہندہ کے لیے نہیں) قابلِ قبول نہیں۔

2. پہلی قطار عنوانات کی قطار ہے: ہر متغیر کے لیے ایک مختصر اور منفرد نام۔ سائٹ پر ہر نام چلتا ہے – عبرانی یا اردو میں بھی، خالی جگہوں کے ساتھ بھی؛ SPSS میں نام کا حرف سے شروع ہونا، خالی جگہوں اور خاص حروف کے بغیر ہونا اور محفوظ لفظ نہ ہونا لازمی ہے (Pallant, 2020, Chapter 2)، اس لیے سنٹیکس فائل ایسے ناموں کو تبدیل کرتی ہے اور اس کی اطلاع دیتی ہے۔ دو کالموں کا ایک ہی نام خطا ہے: کوڈ بک شیٹ اور سنٹیکس نہیں جان پائیں گے کہ کون سا مراد ہے۔ Cunningham اور Muir (2023) تجویز کرتے ہیں کہ متغیر کے نام میں سوالنامے میں سوال کا نمبر شامل ہو (q7_income) – اس طرح "تعلیم کے سال" کو غلطی سے "ملازمت کے سال" کا لیبل نہیں دیا جا سکتا، اور دوبارہ کوڈنگ میں سوالنامہ خود کوڈ بک شیٹ کے ساتھ کھولا جاتا ہے۔ جانچ کار خالی ناموں، دہرے ناموں اور SPSS میں بدل جانے والے ناموں کی اطلاع دیتا ہے۔

3. پہلا کالم – شناخت (ID)۔ ہر جواب دہندہ کے لیے ایک منفرد سلسلہ وار نمبر، جو سوالنامے پر بھی لکھا ہو؛ اس طرح غلط قدر ملنے پر اصل کی طرف رجوع کر کے درستی کی جا سکتی ہے (Pallant, 2020, Chapter 2)۔ کیلکولیٹر اس کالم کو اس کے نام سے پہچانتے ہیں (id، عبرانی מזהה یا מספר נבדק / מס' נבדק، no، num، serial، index) یا کوڈ بک شیٹ میں قسم کے کالم میں "id" سے – اور اسے ہر تجزیے سے باہر رکھتے ہیں۔ شناخت کا ایک دوسرا کام بھی ہے، جس کی وضاحت سیکشن ڈیٹا کی صفائی میں ہے: اگر جواب دہندہ 17 اچانک قطار 40 میں نظر آئے تو کسی نے باقی کالموں کے بغیر صرف ایک کالم کو ترتیب دے دیا ہے۔

4. جوابات اعداد کی صورت میں۔ ہر وہ جواب جو اپنی فطرت میں عدد نہیں (جنس، گروہ، ازدواجی حیثیت) ایک عددی کوڈ پاتا ہے – سوالنامے میں اختیارات کی ترتیب سے 1، 2، 3، یا کوئی اور عدد: کوڈز من مانے ہیں، کیونکہ عدد کا خود تجزیہ نہیں کیا جاتا (Field, 2024, Section 4.6.5; Pallant, 2020, Chapter 2)۔ کوڈ کا مطلب کوڈ بک شیٹ میں لکھا جاتا ہے۔ جس کالم کی زیادہ تر قدریں متن ہوں ("مرد"، "عورت") وہ کیلکولیٹرز میں زمرہ جاتی کے طور پر کام کرے گا – لیکن عددی کالم کے اندر ایک اکیلی متنی قدر (عمر کے کالم میں "معلوم نہیں") گمشدہ شمار ہو گی، اس لیے بہتر ہے کہ سب کچھ کوڈ کیا جائے۔ اعداد: اعشاری نقطہ (3.5)، ہزار کے نشانات اور اکائیوں کے بغیر ("25"، نہ کہ "25 سال")۔

5. گمشدہ قدر = خالی خانہ۔ نہ 99، نہ 999، نہ ڈیش، نہ خالی جگہ (دیکھیں گمشدہ قدریں)۔

6. ڈیٹا کے حصے میں نہ فارمولے، نہ ضم شدہ خانے، نہ خلاصے کی قطاریں اور نہ تبصرے (Pallant, 2020, Chapter 4)۔ پیمانے کا اسکور صفحہ کرونباخ الفا اور پیمانے کا اسکور میں حساب کیا جاتا ہے – وہ اسکور کے کالم کے ساتھ فائل واپس دیتا ہے – نہ کہ ایکسل کے فارمولے سے جو تبدیلی میں غائب ہو جائے گا۔

7. معکوس عبارت والا آئٹم ویسے ہی درج کیا جاتا ہے جیسے اس کا جواب دیا گیا؛ معکوس کرنا الفا کے صفحے پر کیا جاتا ہے یا کوڈ بک شیٹ میں لفظ "reverse" سے نشان زد کیا جاتا ہے۔

کوڈ بک شیٹ (legend / מקרא) – پانچ کالم

متغیر کی قسم – یہ کیسے طے ہوتی ہے

پیمائش کی سطح ہی طے کرتی ہے کہ کیا حساب کرنا جائز ہے: زمرہ جاتی (categorical) کے لیے – تعددات اور کائی اسکوائر؛ ترتیبی کے لیے – وسطانیہ اور سپیئرمین؛ مسلسل کے لیے – اوسط، پیئرسن، t اور ریگریشن (Pallant، 2020، باب 2؛ اور تفصیل صفحہ متغیرات، پیمائش کی سطحیں اور تحقیقی ڈیزائن میں)۔ SPSS میں یہ متغیرات کی ونڈو میں Measure کا کالم ہے (Nominal / Ordinal / Scale; Pallant, 2020, Chapter 4)؛ سائٹ پر – کوڈ بک شیٹ میں "متغیر کی قسم" کا کالم۔ اور جب کوڈ بک شیٹ نہ ہو تو کیلکولیٹر قدروں کی بنیاد پر اندازہ لگاتے ہیں:

گمشدہ قدریں

گمشدہ قدر درج کرنے کا آسان طریقہ خانے کو خالی چھوڑ دینا ہے – اور اس طرح SPSS کسی ترتیب کے بغیر گمشدہ قدر پہچان لیتا ہے (Field, 2024, Section 4.6.8; Pallant, 2020, Chapter 4)۔ سائٹ پر بھی یہی اصول ہے: خالی خانہ = گمشدہ۔ گمشدہ قدر کے لیے عددی کوڈ (99، 999، 666 – ایک "ناممکن" قدر جو اشاریے کی زیادہ سے زیادہ قدر سے بڑی ہو) SPSS میں قابلِ قبول ہے، لیکن صرف اس صورت میں کہ اسے وہاں user-missing کے طور پر متعین کیا جائے؛ اس تعین کے بغیر سافٹ ویئر اسے عام قدر کی طرح گنتا ہے – Pallant (2020، باب 4) کے الفاظ میں "تباہ کن نتائج کے ساتھ"۔ سائٹ پر ایسا کوئی تعین نہیں، اس لیے عمر کے کالم میں 99 اوسط کو بڑھا دے گا۔ جانچ کار ایسی قدروں (99، 999، 9999، -9، -99، -999) پر خبردار کرتا ہے جب وہ باقی قدروں سے دور ہوں، اور SPSS سے آئی ہوئی فائل SPSS سے ایکسل تک سے گزاری جاتی ہے – وہاں "متعین گمشدہ قدریں خالی خانہ بن جائیں گی" کا خانہ اس کا خیال رکھتا ہے۔ "معلوم نہیں" یا "دیگر، وضاحت کریں" جیسا جواب جو گمشدہ نہیں بلکہ جواب ہے – کوڈ ہی رہتا ہے، لیکن اوسط یا ہم بستگی سے پہلے اسے خارج کیا جاتا ہے (دیکھیں گمشدہ قدروں کا صفحہ – ہر طریقۂ علاج کیا کرتا ہے)۔

Cunningham اور Muir (2023) دو امتیازات کا اضافہ کرتے ہیں جو کوڈ بک شیٹ میں ہونے چاہییں۔ جائز گمشدگی – سوال جواب دہندہ پر لاگو نہیں ہوتا (فلٹر سوال کے بعد جان بوجھ کر چھوڑا گیا) – بمقابلہ ناجائز گمشدگی – جواب دہندہ نے انکار کیا، اسے معلوم نہیں تھا، یا سوال غلطی سے رہ گیا (پورا صفحہ چھوٹ گیا، صفائی میں قطار حذف ہو گئی؛ Osborne، 2013، بحوالہ Cunningham & Muir)۔ اور "معلوم نہیں" انکار سے الگ درج کیا جاتا ہے: بعض اوقات "معلوم نہیں" ("آپ کتنے ہفتوں کی حاملہ ہیں؟") خود ایک نتیجہ ہوتا ہے، اور اسے باقی گمشدہ قدروں کے ساتھ ملانے کا فیصلہ تحقیق کا ہے – لیکن یہ فیصلہ صرف اسی وقت ممکن ہے جب کوڈز پہلے سے الگ رکھے گئے ہوں۔ اور وہیں سے ایک اور انتباہ: آمدنی کے کالم میں 999999 جیسا گمشدگی کا کوڈ، فائل سے ناواقف شخص 999,999 کی آمدنی کے طور پر پڑھے گا – یہی "خالی خانہ = گمشدہ" کے اصول کی، اور کوڈ بک شیٹ کے نوٹس کالم میں ہر دوسرے کوڈ کو دستاویزی شکل دینے کی وجہ ہے۔

فائلیں اور انکوڈنگ

فارمیٹس: xlsx (تجویز کردہ)، xlsm، پرانی xls، کوما، سیمی کولن یا ٹیب سے الگ csv اور txt۔ csv میں شیٹس نہیں ہوتیں اس لیے کوڈ بک شیٹ بھی نہیں۔ csv فائل UTF-8 کے طور پر پڑھی جاتی ہے، اور اگر ایسی نہ ہو – تو windows-1255 (پرانی عبرانی انکوڈنگ) کے طور پر۔ SPSS سے برآمد کی گئی پرانی xls فائلیں اکثر "ٹوٹی ہوئی" عبرانی (لاطینی بے معنی حروف) کے ساتھ آتی ہیں – کیلکولیٹر اسے پہچان کر عنوانات، قدریں اور کوڈ بک شیٹ خود بخود درست کر دیتے ہیں، اطلاع کے ساتھ۔ شیٹس: ڈیٹا "נתונים" نامی شیٹ (یا data) سے پڑھا جاتا ہے؛ اگر ایسی شیٹ نہ ہو – تو اس پہلی شیٹ سے جو کوڈ بک شیٹ (מקרא) یا ہدایات کی شیٹ (הוראות) نہ ہو۔ چسپاں کرنا: ہر کیلکولیٹر میں ایکسل سے کالم براہِ راست (عنوانات کی قطار کے ساتھ) چسپاں کیے جا سکتے ہیں – کوڈ بک شیٹ کے بغیر۔

ہر کیلکولیٹر کو کیا چاہیے

جانچ کار کیا جانچتا ہے

Pallant (2020، باب 5) ہر تجزیے سے پہلے کی چھان بین بیان کرتی ہیں: ہر متغیر کے لیے، پیمانے کے ہر آئٹم سمیت، جانچا جاتا ہے کہ ممکنہ وسعت سے باہر کوئی قدر نہ ہو (جنس جس کا کوڈ 1-2 ہے، 3 نہیں ہو سکتی؛ تعلیم 1-6، نہ کہ 22) – عام طور پر کم سے کم اور زیادہ سے زیادہ کے ساتھ تعددی جدول کے ذریعے – جواب دہندہ کو تلاش کیا جاتا ہے، اصل کے مطابق درستی کی جاتی ہے، اور روزنامچے میں درج کیا جاتا ہے کہ کیا بدلا۔ "3 کی جگہ 35" پوری ہم بستگی کو بگاڑ سکتا ہے۔ اس صفحے کا جانچ کار چھان بین کا وہ حصہ کرتا ہے جو خودکار طور پر، پوری فائل پر، کیا جا سکتا ہے، اور درستی آپ پر چھوڑتا ہے:

عنوانات کی قطار – خالی نام، دہرے نام، SPSS میں بدل جانے والے نام۔ شناخت (ID) – کیا موجود ہے، اور کیا منفرد ہے۔ کوڈ بک شیٹ – کیا اس کی شناخت ہوئی؛ وہ متغیرات جو کوڈ بک شیٹ میں ہیں اور ڈیٹا میں نہیں (نام مطابق نہیں) اور اس کے برعکس؛ قسم کے کالم میں نامعلوم الفاظ۔ ہر کالم – طے ہونے والی قسم اور اس کا ماخذ؛ عددی کالم میں غیر عددی قدریں (قطاروں کے نمبروں کے ساتھ)؛ کوڈ بک شیٹ کے کوڈز یا وسعت سے باہر قدریں؛ ایسی قدریں جو گمشدگی کے کوڈ جیسی لگتی ہیں؛ مستقل کالم؛ متن کا کالم؛ ایسا کالم جس کا زیادہ تر حصہ گمشدہ ہو۔ جدول 2 – کون سے کیلکولیٹر فائل میں اپنے مطلوبہ متغیرات پائیں گے۔ اور آخر میں – خود فائل، بھرنے کے لیے تیار کوڈ بک شیٹ کے ساتھ: نام اور قسم پہلے سے لکھے ہوئے ہیں، اور ملنے والے کوڈز لیبل کے منتظر ہیں۔ جو جانچ کار نہیں کر سکتا – اصل سے موازنہ، متغیرات کی باہمی جانچ، یہ فیصلہ کہ کیا درست کیا جائے – اگلے سیکشن میں۔

ڈیٹا کی صفائی – جو جانچ کار آپ کی جگہ نہیں کرتا

Cunningham اور Muir (2023)، کیمبرج کی تحقیقی طریقۂ کار کی رہنما کتاب میں "ڈیٹا کی صفائی" کے باب میں، لفظ پر ایک تبصرے سے آغاز کرتے ہیں: ڈیٹا گندے ہاتھ نہیں کہ اچھی "رگڑائی" انہیں صاف کر دے۔ فائل قدروں سے بنی ہوتی ہے – کچھ درست، کچھ غلط؛ کچھ غلط قدریں پہچانی جا سکتی ہیں اور کچھ نہیں، اور درست قدر غلط دکھائی دے سکتی ہے۔ اسی لیے "جلد بازی اور بے خبری" سے کی گئی صفائی نئی خطائیں داخل کرتی ہے: درست قدر غلط سے بدل جاتی ہے، غلط کسی اور غلط سے، یا – سب سے بدتر – قطاریں حذف ہو جاتی ہیں، دہرا جاتی ہیں یا گڈمڈ ہو جاتی ہیں۔ ان کے ہاں صفائی تجزیے سے پہلے کا کوئی مرحلہ نہیں بلکہ پوری تحقیق کے دوران ایک رویہ ہے: منصوبہ بندی میں خطاؤں کی توقع کرنا، جمع کرتے وقت انہیں روکنا، اندراج اور انتظام میں انہیں پہچاننا اور حل کرنا، اور تحریر میں ان کی رپورٹ کرنا۔ اس صفحے کا جانچ کار پہچان کا ایک حصہ سنبھالتا ہے؛ جو آپ کے ذمے رہ جاتا ہے – چار اصول اور خطا کی تین اقسام۔

اصل مقفل، کام نقل پر۔ پہلا اصول: اصل ڈیٹا فائل کو کبھی نہیں بدلا جاتا – اس قدر کو بھی نہیں جس کے غلط ہونے کا یقین ہو۔ اندراج مکمل ہوتے ہی فائل "مقفل" کر دی جاتی ہے، اور ہر تبدیلی کام کی نقل میں کی جاتی ہے؛ اور نقل میں بھی صرف اسی وقت تبدیلی کی جاتی ہے جب درست قدر کا ٹھوس ثبوت ہو – جواب دہندہ تلاش کر لیا گیا، اصل سوالنامہ دیکھ لیا گیا۔ ان کی مثال: وزن 310 کلوگرام، اور محققہ کو "یقین" ہے کہ 130 کی جگہ 310 ٹائپ ہو گیا؛ جب تک شبہ اصل سے تصدیق نہ ہو جائے، قدر نہیں بدلتی۔ تبدیلیوں کا روزنامچہ: کس نے بدلا، کب، کیا اور کیوں – کاپی میں، فائل کے کسی متنی کالم میں، یا سب سے بہتر، سافٹ ویئر کی کمانڈ فائل میں تبصروں کی صورت میں (سائٹ پر: ہر کیلکولیٹر جو سنٹیکس فائل ڈاؤن لوڈ کرتا ہے وہ دستاویزی شکل دیتی ہے کہ کیا چلایا گیا؛ ڈیٹا میں تبدیلیاں سانچے کی ہدایات شیٹ میں یا کوڈ بک شیٹ کے نوٹس کالم میں درج کی جاتی ہیں – یہ سائٹ کا تبصرہ ہے)۔ درست کیے گئے متغیر کی دو نقلیں – "عمر" اور "عمر_درست_شدہ" – تاکہ تجزیہ درستی کے ساتھ اور اس کے بغیر چلا کر دیکھا جائے کہ کیا اس نے کچھ بدلا۔ اور ہر تبدیلی پر دوسری نظر، بہتر ہو کہ کسی زیادہ تجربہ کار محقق کی (Cunningham & Muir, 2023)۔

اسپریڈشیٹ – وہ خطرہ جس کے ساتھ سائٹ جیتی ہے۔ Cunningham اور Muir تجویز کرتے ہیں کہ ڈیٹا کا اندراج اور انتظام اسپریڈشیٹ کی بجائے ڈیٹا بیس سافٹ ویئر میں کیا جائے، ایک وجہ سے: ایکسل میں غلطی سے باقی کالموں کے بغیر ایک کالم کو ترتیب دیا جا سکتا ہے – اور اسی لمحے سے تمام قدریں غلط جواب دہندگان کی ہو جاتی ہیں – کوئی قطار حذف یا دہرائی جا سکتی ہے، یا پورا کالم حذف ہو سکتا ہے۔ اس کے باوجود سائٹ کا سانچہ ایکسل فائل ہے، کیونکہ زیادہ تر محققین کے پاس یہی ہے؛ تحفظات سائٹ کا ضابطہ ہیں، کوئی حوالہ نہیں: شناخت (ID) کا کالم (اصول 3 – اپنی جگہ سے ہٹا ہوا نمبر جزوی ترتیب کو بے نقاب کرتا ہے)، صرف پورے جدول کی ترتیب ("ترتیب دیں" سے پہلے تمام کالم منتخب کریں)، مقفل اصل، اور ہر تجزیے کے لیے کام کی نقل – اور جانچ کار غیر منفرد شناخت کی اطلاع دیتا ہے، جو دہرائی گئی قطار کی علامت ہے۔

خطا کی تین اقسام۔ (1) گمشدہ قدریں – پہچاننے میں سب سے آسان (گمشدہ قدریں)۔ (2) ناممکن قدریں – عمر 200، جنس 3۔ انہیں موضوع کا علم متعین کرتا ہے، جو جمع کرنے سے پہلے طے کیا جاتا ہے: سخت حدیں – ایسی قدر جو ممکن نہیں، جس کی فوری تحقیق لازم ہے – اور نرم حدیں – ممکن لیکن نادر قدر (دسویں بار شادی) جس کا اندراج جائز ہے اور جانچ کے لیے نشان زد کی جاتی ہے۔ آن لائن سوالنامے میں روکنے سے انتباہ بہتر ہے: اگر فارم صرف 24 ماہ تک دودھ پلانے کی اجازت دیتا ہے تو چار سال تک دودھ پلانے والی ماں 24 یا "معلوم نہیں" ٹائپ کرے گی – دو خطائیں جنہیں کوئی دریافت نہیں کرے گا، کیونکہ کوئی ناممکن قدر پیدا ہی نہیں ہوئی۔ کچھ ناممکن قدریں صرف باہمی جانچ میں نظر آتی ہیں: 12 بچے – ممکن؛ 15 سال کی عمر میں 12 بچے – نہیں۔ جس ناممکن قدر کی اصل سے تصدیق نہ ہو سکے وہ برقرار نہیں رہتی – وہ گمشدہ بن جاتی ہے، اس طرح دستاویزی شکل میں کہ اسے دوسری گمشدہ قدروں سے الگ پہچانا جا سکے۔ (3) ممکنہ غلط قدریں – تعلیم کے 10 سال جو 1 ٹائپ ہو گئے، سوال 29 کا جواب جو سوال 30 میں درج ہو گیا – سب سے مشکل، کیونکہ فائل میں کوئی چیز انہیں بے نقاب نہیں کرتی؛ انہیں صرف اصل سے موازنہ کر کے، دوسرے متغیرات کے ساتھ باہمی جانچ میں، اور سوالناموں کے ایک تصادفی نمونے کو فائل سے ملا کر پہچانا جاتا ہے (Cunningham & Muir, 2023)۔ کاغذ سے دستی اندراج میں وہ دوہرے اندراج کا ذکر کرتے ہیں – دو اندراج کنندگان، فرق کا موازنہ، اور اگر سب نہیں تو کم از کم 25% سوالنامے – اور مخالف رائے بھی، کہ وسعت کی سادہ جانچیں نتیجہ بدلنے والی زیادہ تر خطائیں پکڑ لیتی ہیں۔

وہ توضیحی چھان بین جو وہ بیان کرتے ہیں وہی ہے جو کیلکولیٹر تعددات اور توضیحی شماریات ہر متغیر کے لیے دیتا ہے: اوسط، وسطانیہ، کم سے کم، زیادہ سے زیادہ، گمشدہ قدروں کی تعداد، مسلسل کے لیے ہسٹوگرام – اور غیر متوقع سمت میں تعلق دیکھنے کے لیے ہم بستگی کا میٹرکس اور کراس ٹیبولیشن جدول۔ اس صفحے کا جانچ کار اس سے پہلے والا قدم اٹھاتا ہے: کوڈ بک شیٹ کے مقابلے میں وسعتیں، عددی کالم میں متن، گمشدگی کے کوڈز، مستقل کالم۔ جو وہ نہیں کرتا: باہمی جانچ (عمر × بچے)، اصل سے موازنہ، اور یہ فیصلہ کہ آیا کوئی متغیر کارآمد بھی ہے – Cunningham اور Muir کے ہاں جس متغیر کی 90% قدریں یکساں ہوں، یا جس کا زیادہ تر حصہ گمشدہ ہو، تجزیے سے نکل جاتا ہے۔ اور رپورٹنگ، طریقۂ کار کے باب میں: کتنی گمشدہ (قسم کے لحاظ سے – انکار، "معلوم نہیں"، غیر متعلق)، کتنی ناممکن، کتنی مشکوک، ان کے ساتھ کیا کیا گیا، اور درست کی گئی قدروں کے ساتھ اور ان کے بغیر نتائج۔ ان کے ہاں کوڈ بک میں ناممکن کی تعریفیں اور چھوڑنے کے نمونے بھی شامل ہیں – سائٹ پر، کوڈ بک شیٹ میں "نوٹس" کا کالم۔

سانچے سے SPSS تک اور واپس

ایکسل فائل SPSS میں File › Open › Data کے ذریعے کھولی جاتی ہے (فائل کی قسم Excel، "ڈیٹا کی پہلی قطار سے متغیرات کے نام پڑھیں" کو نشان زد کر کے)، اور پھر متغیرات کی ونڈو میں ہر متغیر کا لیبل، ویلیو لیبلز اور پیمائش کی سطح دستی طور پر متعین کی جاتی ہے (Pallant, 2020, Chapter 4; Field, 2024, Section 4.6.9)۔ جانچ کار (اور سائٹ کا ہر کیلکولیٹر) جو سنٹیکس ڈاؤن لوڈ کرتا ہے وہ دستی حصہ بچا لیتا ہے: CD کی ایک سطر فولڈر طے کرتی ہے (صرف اسی کو اپ ڈیٹ کیا جاتا ہے)، GET DATA کمانڈ ڈیٹا شیٹ (data / נתונים) لوڈ کرتی ہے، اور ڈکشنری کی کمانڈز – VARIABLE LABELS، VALUE LABELS، VARIABLE LEVEL – کوڈ بک شیٹ سے لکھی جاتی ہیں:

CD 'C:\Rdata'.
GET DATA
  /TYPE=XLSX
  /FILE='DATA_template_example_heb.xlsx'
  /SHEET=name 'נתונים'
  /CELLRANGE=FULL
  /READNAMES=ON.
DATASET NAME data WINDOW=FRONT.

VARIABLE LABELS
  מין 'מין הנבדק'
  גיל 'גיל בשנים'
  השכלה 'רמת ההשכלה הגבוהה ביותר'.
VALUE LABELS
  /מין
    1 'גבר'
    2 'אישה'
  /השכלה
    1 'תיכונית'
    2 'על-תיכונית'
    3 'אקדמית – תואר ראשון'
    4 'אקדמית – תואר מתקדם'.
VARIABLE LEVEL מין (NOMINAL).
VARIABLE LEVEL השכלה (ORDINAL).
VARIABLE LEVEL גיל (SCALE).
SAVE OUTFILE='DATA_template_example_heb.sav'.

الٹی سمت میں – جسے .sav فائل ملی ہو اور وہ اسے سائٹ پر چلانا چاہے (یا صرف ایکسل میں کھولنا چاہے) – SPSS سے ایکسل تک اس سے یہی سانچہ تیار کرتا ہے: ڈیٹا شیٹ (data / נתונים) اور کوڈ بک شیٹ (legend / מקרא) جو فائل کی ڈکشنری سے بنائی جاتی ہے (لیبل، پیمائش کی سطح، ویلیو لیبلز، متعین گمشدہ قدریں)۔

عام غلطیاں

عنوانات کی دو قطاریں (متغیر کا نام اور اس کے نیچے سوال کی عبارت)۔ کیلکولیٹر ایک قطار پڑھتے ہیں؛ سوال کی عبارت کوڈ بک شیٹ میں "وضاحت" کے کالم میں جاتی ہے۔

شیٹ کے نیچے خلاصے یا اوسط کی قطار۔ اسے ایک اضافی جواب دہندہ کے طور پر پڑھا جاتا ہے۔

کوڈ کی جگہ متن (1/2 کی جگہ "مرد"/"عورت")۔ زمرہ جاتی کے طور پر کام کرتا ہے، لیکن جیسے ہی کسی ایک خانے میں ہجے کی غلطی ہو ٹوٹ جاتا ہے – "اورت" تیسرا زمرہ بن جاتا ہے۔ کوڈ + کوڈ بک شیٹ زیادہ مضبوط ہے۔

کسی کو بتائے بغیر گمشدہ کے لیے 99۔ دیکھیں گمشدہ قدریں۔

اعشاری کوما (3,5) یا خانے میں اکائیاں (25 سال، 80%)۔ خانہ متن کے طور پر، یعنی گمشدہ کے طور پر، پڑھا جاتا ہے۔

کوڈ بک شیٹ میں متغیر کا مختلف نام ("عمر " خالی جگہ کے ساتھ، "Gender" بمقابلہ "gender")۔ کوڈ بک شیٹ کی قطار نظر انداز ہو جاتی ہے – جانچ کار اس کی اطلاع دیتا ہے۔

ایکسل کے فارمولے سے حساب کیا گیا پیمانے کا اسکور – فارمولے کے طور پر محفوظ ہوتا ہے، اور کاپی یا تبدیلی میں غائب ہو جاتا ہے۔ الفا کا صفحہ حساب کر کے قدریں واپس دیتا ہے۔

لمبی ساخت (ہر مشاہدے کے لیے ایک قطار، "وقت" کا کالم اور "قدر" کا کالم)۔ مکرر پیمائشیں (repeated measures) کالموں میں جاتی ہیں (Field, 2024, Section 4.6.1)۔

باقی کالموں کے بغیر ایک کالم کو ترتیب دینا۔ اسی لمحے سے قدریں غلط جواب دہندگان کی ہو جاتی ہیں؛ شناخت (ID) راز فاش کرتی ہے، بیک اپ بچا لیتا ہے (Cunningham & Muir, 2023)۔

اصل فائل میں، اصل سے ثبوت کے بغیر کسی قدر کو "درست کرنا"۔ 310 کلوگرام اس وقت تک برقرار رہتا ہے جب تک سوالنامہ نہ دیکھ لیا جائے؛ تبدیلی – نقل میں، روزنامچے میں (Cunningham & Muir, 2023)۔

"معلوم نہیں" اور انکار ایک ہی کوڈ میں۔ یہ امتیاز ہمیشہ کے لیے کھو جاتا ہے؛ دو کوڈز، دونوں کوڈ بک شیٹ میں (Cunningham & Muir, 2023)۔

حوالہ جات

Cunningham, S. A., & Muir, J. A. (2023). Data cleaning. In A. L. Nichols & J. E. Edlund (Eds.), The Cambridge handbook of research methods and statistics for the social and behavioral sciences: Vol. 1. Building a program of research (pp. 443-467). Cambridge University Press. https://doi.org/10.1017/9781009010054.022

Field, A. (2024). Discovering statistics using IBM SPSS statistics (6th ed.). SAGE.

Pallant, J. (2020). SPSS survival manual: A step by step guide to data analysis using IBM SPSS (7th ed.). Routledge.

سائٹ کے اصول کے مطابق، حوالہ جات کی فہرست میں صرف وہی ماخذ شامل ہیں جو اصل میں پڑھے گئے۔ Field (2024) اور Pallant (2020) ری فلو ایبل ڈیجیٹل نسخے میں – حوالہ سیکشن اور باب کے مطابق؛ Cunningham اور Muir (2023) – پورے باب کے مطابق؛ Osborne (2013) – ان کے حوالے سے۔ سانچے کے اپنے اصول (شیٹس کے نام، قسم کے کالم میں پہچانے جانے والے الفاظ، 7 قدروں کا اصول) سائٹ کے ضوابط ہیں اور کسی ماخذ سے نہیں لیے گئے۔