Słownik metodologiczny · Programy statystyczne

Syntax (język poleceń) – jak działa składnia w SPSS i PSPP i dlaczego warto ją zapisywać

Składnia (syntax) to tekstowy zapis poleceń programu statystycznego, który odtwarza analizę bez klikania. Pokazujemy budowę polecenia w SPSS i PSPP, przycisk Paste, przykład pliku składni i jego odpowiednik w R oraz zasady, dzięki którym wyniki da się odtworzyć.

W skrócie: Składnia (syntax) to tekstowy zapis poleceń programu statystycznego – w SPSS i PSPP polecenie zaczyna się nazwą, podpolecenia oddziela ukośnik, a kończy je kropka. Najprościej tworzysz ją przyciskiem Paste w oknie dialogowym. Zapisuj w składni każde przekształcenie i analizę, nie nadpisuj surowych danych i przed oddaniem pracy uruchom cały plik od początku.

Co to jest składnia (syntax)?

Składnia (ang. syntax, command syntax) to język tekstowych poleceń programu statystycznego oraz plik, w którym te polecenia zapisano. Zamiast klikać w okna dialogowe, zapisujesz analizę jako ciąg instrukcji, np. T-TEST GROUPS=plec(1, 2) /VARIABLES=stres. W potocznym języku studentów „syntax” oznacza najczęściej plik .sps z programu SPSS, ale tę samą rolę pełnią polecenia programu PSPP, skrypt R czy plik poleceń Stata.

Składnia nie jest osobnym programem ani metodą statystyczną – to zapis kolejnych kroków analizy: wczytania danych, rekodowania, liczenia wyników skal, filtrów i procedur. Dzięki niej możesz powtórzyć całą analizę jednym kliknięciem, pokazać promotorowi, co dokładnie zrobiłeś, i poprawić błąd bez odtwarzania wszystkiego z pamięci.

Jak zbudowane jest polecenie

W SPSS i PSPP polecenia mają tę samą logikę. Podręcznik PSPP opisuje ją tak: polecenie zaczyna się nazwą (np. FREQUENCIES), po niej mogą wystąpić podpolecenia oddzielone ukośnikiem, a koniec polecenia wyznacza kropka na końcu linii albo pusta linia (Free Software Foundation, 2026). Dokumentacja SPSS dodaje, że wielkość liter w poleceniach nie ma znaczenia, a w trybie interaktywnym każde polecenie zaczyna się w nowej linii i powinno kończyć kropką (IBM, 2026).

Elementy polecenia składni SPSS i PSPP
ElementPrzykładUwagi
Nazwa poleceniaREGRESSIONZaczyna nowe polecenie w nowej linii
Podpolecenie/DEPENDENT=stresPoprzedzone ukośnikiem
Słowa kluczowe i listy zmiennych/STATISTICS=COEFF R ANOVAOddzielone spacjami lub przecinkami
Zakończenie.Kropka jako ostatni znak polecenia; brak kropki = pusta linia kończy polecenie
Komentarz* Odwrócenie pozycji s3.Też COMMENT; w PSPP komentarz w linii po /*

Dwie zasady często zaskakują początkujących. Po pierwsze, przekształcenia (COMPUTE, RECODE) wykonują się dopiero, gdy uruchomisz procedurę czytającą dane, np. FREQUENCIES (Free Software Foundation, 2026); w SPSS służy do tego także polecenie EXECUTE. Po drugie, istnieją dwa tryby składni: interaktywny (okno składni) i wsadowy, w którym polecenia muszą zaczynać się w pierwszej kolumnie, a kropki są opcjonalne (IBM, 2026).

Skąd wziąć składnię: przycisk Paste

Nie musisz pisać poleceń od zera. Dokumentacja SPSS wskazuje, że najprościej zbudować plik składni, wybierając opcje w oknie dialogowym i klikając Paste zamiast OK: polecenie trafia do okna składni, gdzie możesz je uruchomić, edytować i zapisać (IBM, 2026). Przewodnik IBM zastrzega jednak, że w wersji Student składnia poleceń nie jest dostępna (IBM Corp., 2026) – jeśli promotor wymaga pliku .sps, sprawdź swoją licencję albo użyj PSPP. W PSPP okno składni otwierasz przez File → New → Syntax, a polecenia uruchamiasz z menu Run (Free Software Foundation, 2026).

Praktyczny sposób pracy: klikasz analizę w oknie, wklejasz ją przyciskiem Paste, dopisujesz komentarz, dlaczego ją wykonujesz, i dopiero potem uruchamiasz. Po kilku analizach masz kompletny, opisany plik.

Przykład: ta sama analiza w składni SPSS/PSPP i w R

Ankieta stresu (5 pozycji, 1–5, pozycja s3 odwrócona) i porównanie kobiet i mężczyzn. W składni SPSS – uruchomisz ją też w PSPP, bo używa tylko poleceń dostępnych w obu programach – wygląda to tak:

* 1. Dane i odwrócenie pozycji.
GET FILE='ankieta.sav'.
RECODE s3 (1=5) (2=4) (3=3) (4=2) (5=1) INTO s3_odwr.
* 2. Wynik skali jako średnia pozycji.
COMPUTE stres = MEAN(s1, s2, s3_odwr, s4, s5).
* 3. Rzetelność skali.
RELIABILITY /VARIABLES=s1 s2 s3_odwr s4 s5 /MODEL=ALPHA.
* 4. Porównanie kobiet (1) i mężczyzn (2).
T-TEST GROUPS=plec(1, 2) /VARIABLES=stres.

W R te same kroki zapisujesz w skrypcie (sekcja z kodem poniżej). Na danych symulowanych (120 studentów) alfa Cronbacha wynosi .79, średni stres kobiet 3.31, mężczyzn 2.81, a test t z równymi wariancjami daje t(118) = 3.25, p = .002, 95% CI różnicy [0.19, 0.79]. Każdy krok ma swój odpowiednik – i każdy jest zapisany, więc można go sprawdzić.

Odpowiedniki poleceń SPSS i PSPP w R
KrokSPSS / PSPPR
Wczytanie danychGET FILE='ankieta.sav'.haven::read_sav("ankieta.sav")
Odwrócenie pozycjiRECODE … INTO s3_odwr.6 - ankieta$s3
Wynik skaliCOMPUTE stres = MEAN(…).rowMeans(…)
RzetelnośćRELIABILITY … /MODEL=ALPHA.psych::alpha(…)
Test tT-TEST GROUPS=plec(1, 2) …t.test(stres ~ plec, var.equal = TRUE)

Dlaczego składnia ma znaczenie

Wyniki analizy klikanej z menu istnieją tylko w pliku wyników; nie wiadomo, które osoby wykluczono, jak przekodowano pozycje ani w jakiej kolejności. Plik składni to dokumentacja tych decyzji – i warunek odtwarzalności. Obels i in. (2020) sprawdzili 62 artykuły typu registered report: dane i kod udostępniono w 58% z nich, a główne wyniki udało się odtworzyć w 21 z 36 artykułów. Trisovic i in. (2022) pokazali, że nawet udostępniony kod często nie działa w czystym środowisku – dlatego składnię trzeba testować, a nie tylko zapisać.

Dobre praktyki pracy ze składnią:

  1. Zaczynaj plik od wczytania surowych danych – nigdy nie nadpisuj oryginalnego pliku .sav.
  2. Dziel plik na etapy: przygotowanie danych, wykluczenia, wyniki skal, analizy; każdy etap opatrz komentarzem.
  3. Każdą decyzję (wykluczenie osoby, odwrócenie pozycji, kod braków) zapisuj jako polecenie, a nie ręczną zmianę w oknie danych (zob. książka kodowa).
  4. Przed oddaniem uruchom cały plik od początku na świeżo otwartych danych i porównaj liczby z tekstem pracy.
  5. Dołącz plik składni (lub skrypt R) do pracy albo pakietu replikacyjnego.

Wskazówki dotyczące porządkowania zbioru przed analizą zawiera poradnik jak przygotować bazę danych do analizy, a zasady przejrzystości – hasło open science.

Struktura pliku składni do pracy dyplomowej

Dobrze zorganizowany plik czyta się jak rozdział o metodzie. Sprawdzony układ:

  1. Nagłówek w komentarzu – tytuł pracy, data, program i wersja, nazwa pliku danych.
  2. Wczytanie danych – GET FILE z surowym plikiem.
  3. Opis zmiennych – etykiety, kody wartości i braków (zob. książka kodowa).
  4. Wykluczenia – każde z komentarzem, ile osób i dlaczego (np. niepoprawne pytanie kontrolne).
  5. Wyniki skal – odwrócenie pozycji, COMPUTE, rzetelność.
  6. Analizy w kolejności hipotez – komentarz z numerem hipotezy nad każdym poleceniem.
  7. Zapis danych roboczych pod nową nazwą (SAVE OUTFILE).

Pamiętaj o limicie z dokumentacji SPSS: linia składni nie powinna przekraczać 256 znaków, a w trybie wsadowym dłuższe linie są obcinane (IBM, 2026). Długie listy zmiennych dziel więc na kilka linii.

Jak wspomnieć o składni w pracy

Wszystkie przekształcenia danych i analizy wykonano za pomocą składni poleceń programu IBM SPSS Statistics (wersja 31); plik składni, odtwarzający analizy od surowych danych do wyników raportowanych w rozdziale 4, zamieszczono w załączniku B.
Przykład reprodukowalny

Ten sam przebieg w R

Skrypt odtwarza kroki składni z przykładu: rekodowanie, wynik skali, alfę Cronbacha i test t. Komentarze nad każdym krokiem pokazują odpowiadające mu polecenie SPSS/PSPP. Liczby w tekście pochodzą z tego kodu.

Składnia SPSS przepisana na skrypt R

Dane wejściowe: 120 studentów, 5 pozycji skali stresu 1–5 (s3 odwrócona) i płeć (dane symulowane, set.seed(2211)).

Co odczytać: raw_alpha (alfa Cronbacha), średnie w grupach oraz t, df, p i przedział ufności z testu t.

R
# Ten sam przebieg analizy co w składni SPSS/PSPP, zapisany jako skrypt R
# Dane symulowane: 120 studentów, 5 pozycji skali stresu (1–5, pozycja s3 odwrócona), płeć
set.seed(2211)
n <- 120
plec <- rep(1:2, each = 60)                                   # 1 = kobieta, 2 = mężczyzna
cecha <- rnorm(n, ifelse(plec == 1, 0.25, -0.25))
poz <- function(l, odwr = FALSE) {
  x <- as.numeric(cut(l * cecha + sqrt(1 - l^2) * rnorm(n), c(-Inf, -1.2, -0.4, 0.4, 1.2, Inf)))
  if (odwr) 6 - x else x
}
ankieta <- data.frame(plec, s1 = poz(.75), s2 = poz(.70), s3 = poz(.60, odwr = TRUE), s4 = poz(.65), s5 = poz(.55))

# RECODE s3 (1=5)(2=4)(3=3)(4=2)(5=1) INTO s3_odwr.
ankieta$s3_odwr <- 6 - ankieta$s3
# COMPUTE stres = MEAN(s1, s2, s3_odwr, s4, s5).
ankieta$stres <- rowMeans(ankieta[, c("s1", "s2", "s3_odwr", "s4", "s5")])

# RELIABILITY /VARIABLES=s1 s2 s3_odwr s4 s5 /MODEL=ALPHA.
round(psych::alpha(ankieta[, c("s1", "s2", "s3_odwr", "s4", "s5")])$total[, c("raw_alpha", "std.alpha")], 3)

# T-TEST GROUPS=plec(1, 2) /VARIABLES=stres.  (wariant z równymi wariancjami, jak pierwszy wiersz tabeli SPSS)
round(tapply(ankieta$stres, ankieta$plec, mean), 2)
t.test(stres ~ plec, data = ankieta, var.equal = TRUE)
Wynik w R
 raw_alpha std.alpha
     0.793     0.794
   1    2
3.31 2.81

	Two Sample t-test

data:  stres by plec
t = 3.2488, df = 118, p-value = 0.00151
alternative hypothesis: true difference in means between group 1 and group 2 is not equal to 0
95 percent confidence interval:
 0.1926293 0.7940374
sample estimates:
mean in group 1 mean in group 2
       3.306667        2.813333

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 z pakietem psych.

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. psych (wersja 2.6.5): Revelle, W. (2026). psych: Procedures for psychological, psychometric, and personality research [R package]. Northwestern University. https://CRAN.R-project.org/package=psych

Najczęstsze błędy

  • Brak kropki na końcu polecenia. Następne polecenie zostaje wtedy potraktowane jako ciąg dalszy poprzedniego i pojawia się błąd.
  • Przekształcenia „wiszące” bez procedury. COMPUTE bez późniejszej procedury (lub EXECUTE w SPSS) nie tworzy jeszcze zmiennej w danych.
  • Zapisywanie składni po fakcie. Plik odtworzony z pamięci często nie zgadza się z wynikami w pracy; wklejaj polecenia przyciskiem Paste na bieżąco.
  • Nadpisywanie zmiennych źródłowych (RECODE bez INTO). Po drugim uruchomieniu pliku pozycja zostanie odwrócona dwukrotnie.
  • Ręczne poprawki w oknie danych obok składni. Zmiany wpisane ręcznie nie są w pliku, więc analiza nie da się odtworzyć.
  • Plik bez komentarzy. Po miesiącu nawet autor nie pamięta, dlaczego wykluczono 7 osób; jedno zdanie komentarza nad poleceniem oszczędza godziny.
  • Zakładanie, że składnia SPSS zadziała w każdym programie. PSPP nie obsługuje wszystkich poleceń SPSS – sprawdzaj komunikaty w oknie wyników.

Najczęstsze pytania

Jak zrobić syntax w SPSS?

Wybierz analizę w menu, ustaw opcje w oknie dialogowym i zamiast OK kliknij Paste. Polecenie trafi do okna składni, gdzie możesz je uruchomić, dopisać komentarz i zapisać plik .sps. W wersji Student SPSS składnia nie jest dostępna.

Dlaczego promotor wymaga pliku składni?

Bo plik składni dokumentuje wszystkie decyzje – wykluczenia, rekodowania, wyniki skal i wybrane opcje analiz – i pozwala odtworzyć wyniki. Z samego wydruku nie da się tego sprawdzić.

Czy składnia SPSS zadziała w PSPP?

Często tak, bo PSPP używa tej samej budowy poleceń. Zadziała jednak tylko z poleceniami i opcjami, które PSPP obsługuje; np. regresja krokowa czy modele mieszane nie są dostępne.

Dlaczego COMPUTE w SPSS nie tworzy od razu zmiennej?

Przekształcenia (COMPUTE, RECODE) są wykonywane dopiero wtedy, gdy program czyta dane przy następnej procedurze. Uruchom po nich procedurę, np. FREQUENCIES, albo w SPSS polecenie EXECUTE.

Czym różni się składnia SPSS od skryptu R?

Obie są tekstowym zapisem analizy. Składnia SPSS to ciąg poleceń procedur programu, a skrypt R to program w pełnym języku programowania – z własnymi funkcjami, pętlami i pakietami.

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Free Software Foundation. (2026). GNU PSPP: Software for statistical analysis (Version 2.1.2) [User manual]. https://www.gnu.org/software/pspp/manual/ ● Otwarty dostęp
  2. IBM Corp. (2026). IBM SPSS Statistics 32 brief guide. https://www.ibm.com/docs/en/SSLVMB_32.0.0/pdf/IBM_SPSS_Statistics_Brief_Guide.pdf ● Otwarty dostęp
  3. IBM. (2026). Command syntax: Commands, Running commands and pasting syntax from dialog boxes (IBM SPSS Statistics 31.0.0). https://www.ibm.com/docs/en/spss-statistics/31.0.0?topic=commands-running ● Otwarty dostęp
  4. Obels, P., Lakens, D., Coles, N. A., Gottfried, J., & Green, S. A. (2020). Analysis of open data and computational reproducibility in registered reports in psychology. Advances in Methods and Practices in Psychological Science, 3(2), 229–237. https://doi.org/10.1177/2515245920918872 ● Otwarty dostęp
  5. Trisovic, A., Lau, M. K., Pasquier, T., & Crosas, M. (2022). A large-scale study on research code quality and execution. Scientific Data, 9(1), Article 60. https://doi.org/10.1038/s41597-022-01143-6 ● Otwarty dostęp

Cytowania BibTeX

@misc{fsf2026pspp, author={{Free Software Foundation}}, title={{GNU PSPP: Software for statistical analysis (Version 2.1.2) [User manual]}}, year={2026}, url={https://www.gnu.org/software/pspp/manual/}}
@techreport{ibm2026brief32, author={{IBM Corp.}}, title={{IBM SPSS Statistics 32 brief guide}}, year={2026}, institution={IBM Corp.}, url={https://www.ibm.com/docs/en/SSLVMB_32.0.0/pdf/IBM_SPSS_Statistics_Brief_Guide.pdf}}
@misc{ibm2026skladnia, author={{IBM}}, title={{Command syntax: Commands, Running commands and pasting syntax from dialog boxes (IBM SPSS Statistics 31.0.0)}}, year={2026}, url={https://www.ibm.com/docs/en/spss-statistics/31.0.0?topic=commands-running}}
@article{obels2020analysis, author={Obels, Pepijn and Lakens, Daniël and Coles, Nicholas A. and Gottfried, Jaroslav and Green, Seth A.}, title={{Analysis of open data and computational reproducibility in registered reports in psychology}}, journal={Advances in Methods and Practices in Psychological Science}, year={2020}, volume={3}, number={2}, pages={229--237}, doi={10.1177/2515245920918872}}
@article{trisovic2022large, author={Trisovic, Ana and Lau, Matthew K. and Pasquier, Thomas and Crosas, Mercè}, title={{A large-scale study on research code quality and execution}}, journal={Scientific Data}, year={2022}, volume={9}, number={1}, eid={60}, doi={10.1038/s41597-022-01143-6}}
R