Libro de códigos de una encuesta

De una fila a tres salidas

Cargás la variable una vez, con sus códigos escritos como se escriben siempre —«1=Varón; 2=Mujer; 3=Otro»— y de ahí salen las tres cosas que normalmente se hacen a mano, cada una por separado y cada una con sus propios errores de tipeo. Con la fila de «sexo», la planilla escribe:

sexo — Sexo registrado
Tipo: Categoría (código) · Universo: Todos los casos
Pregunta: «¿Sexo? (por observación)»
Valores: 1=Varón; 2=Mujer; 3=Otro

Y la sintaxis para etiquetar la base:

var_label(datos$sexo) <- "Sexo registrado"
val_labels(datos$sexo) <- c("Varón" = 1, "Mujer" = 2, "Otro" = 3)

VARIABLE LABELS sexo "Sexo registrado".
VALUE LABELS sexo 1 "Varón" 2 "Mujer" 3 "Otro".

Los códigos de faltante van aparte —«99=No responde»— y se convierten en na_values() en R y en MISSING VALUES en SPSS, que es lo que evita que el 99 entre en un promedio.

El control de los nombres

R y SPSS aceptan letras sin tilde, números y guion bajo, y el nombre tiene que empezar con una letra. Un nombre con espacios, con ñ o que arranca con un número obliga a renombrar la variable después de importar, y ahí es donde se pierde la correspondencia con el cuestionario. La hoja «Control» los marca antes, junto con los repetidos, los que pasan de 32 caracteres y las variables sin etiqueta, sin tipo o sin códigos.

Dos cosas que Excel 2010 no tiene

Separar «1=Varón; 2=Mujer» en pedazos, sin TEXTSPLIT: se reemplaza cada punto y coma por doscientos espacios y se recorta el pedazo que toca. Y volver a unirlos, sin TEXTJOIN: una celda por pedazo, cada una encadenada a la anterior. Son trucos viejos, y es lo que permite que la planilla funcione también en LibreOffice y en versiones de Excel de hace quince años.

Hay un detalle que se pasa por alto y rompe la sintaxis: las comillas dentro de una etiqueta. En R se escapan con barra invertida y en SPSS repitiéndolas, y son dos reglas distintas para el mismo texto. La planilla las escapa como corresponde en cada caso.

Cómo está verificada

No hay biblioteca contra la cual comparar un libro de códigos, así que la referencia es una implementación aparte, en Python, de las mismas reglas. Un programa carga catorce diccionarios —con comillas y comas dentro de las etiquetas, códigos sin etiqueta, espacios de más alrededor de los punto y coma, listas de trece códigos, y nombres con tilde, con ñ, con espacios, repetidos o de 33 caracteres—, recalcula la planilla con Excel y con LibreOffice y compara línea por línea el libro, las seis líneas de sintaxis de cada variable y lo que dice el control.