Struktur des Datensatzes
Die Struktur eines Datensatzes sollte in Form einer Tabelle sein. Die Spalten stehen hierbei für die Variablen, d.h. für die Meßgrößen, also z.B. Körpergewicht oder Größe. Die Zeilen sind die einzelnen Beobachtungen, z.B. Personen. Die Einträge stellen dann den Wert der jeweiligen Variablen für eine Beobachtung dar. Dies könnte zum Beispiel das Körpergewicht von Versuchsperson 3 sein. Das folgende Bild des ALLBUS Datensatzes ist beispielhaft für die Tabellenstruktur.
BILD
Variablen
Jede Variable hat ein Skalenniveau. Hierunter versteht man ob die Merkmalsauprägungen nominal-, ordinal oder intervallskaliert sind. Nominale oder ordinale Variablen werden auch kategoriale Variablen bezeichnet. In manchen Programmen lässt sich das Skalenniveau für jede Spalte einstellen.
Variablennamen
Diese sollten kurz und prägnant sein.Längere Beschreibungen sollten separat gespeichert werden.
Einfach-/Mehrfachnennung
Sollte bei einer Umfrage Mehrfachnennung möglich sein, so muss für jede der möglichen Antworten eine eigene Variable angelegt werden.
Dummy-Variablen
Manche Statistikprogramme verstehen kategoriale Variablen mit mehr als zwei verschiedenen Merkmalsausprägungen, bei anderen Programmen muss eine kategoriale Variable mit k Merkmalsausprägungen in k (oder k-1) Dummy-Variablen aufgeteilt werden, die jeweils nur 0 (Merkmal nicht vorhanden) und 1 (Merkmal vorhanden) als Merkmalsausprägungen haben.
Eine Variable pro Merkmal
Werden mehrere Merkmale gleichzeitig und bei verschiedenen Personen in unterschiedlichen Kombinationen erfasst, so ist für jedes Merkmal eine eigene Variable anzulegen. Wird einer Versuchsperson bspw. eine Kombination aus Bild und Text vergelegt, so muss eine Variable für Bild und eine für Text erstellt werden, nicht nur eine einzige Variable, die eine Kombination aus Bild und Text codiert wiedergibt.
Einträge
Umlaute
Umlaute, Akzente sowie Sonderzeichen abgesehen von '.', '_' und '-' sollten generell vermieden werden, da diese teils zu Fehlermeldungen führen, bzw. der Text von Statistikprogrammen nicht richtig erkannt wird. Dies gilt ebenso für Variablen- und Dateinamen.
Punkt und Komma
Die meisten Programme arbeiten mit der amerikanischen Schreibweise von Dezimalzahlen, bei der ein Punkt statt des deutschen Kommas benutzt wird. Entsprechend sollten Einträge auch in dieser Form vorgenommen werden.
Maßeinheiten
Maßeinheiten sollten nicht Teil der Einträge sein. Statt 1000€ als Eintrag, sollte 1000 eingtragen werden und die Einheiten in der Variablenbescchreibung erwähnt werden (Haushalteinkommen in Euro).
Fehlende Werte
leer lassen, NA, '.'
