第三章SPSS數(shù)據(jù)的預處理

1、第三章第三章SPSS數(shù)據(jù)的預處理數(shù)據(jù)的預處理 在數(shù)據(jù)文件建立好后，通常還要對待分析的數(shù)據(jù)進行必要的預加工處理，這是數(shù)據(jù)分析過程中不可缺少的一個關(guān)鍵環(huán)節(jié)。而且，隨著數(shù)據(jù)分析的不斷深入，對數(shù)據(jù)的加工處理還會多次反復，實現(xiàn)數(shù)據(jù)加工和數(shù)據(jù)分析的螺旋上升。數(shù)據(jù)的預加工處理是服務于數(shù)據(jù)分析和建模的。 1、缺失值和異常數(shù)據(jù)的處理2、數(shù)據(jù)的轉(zhuǎn)換處理3、數(shù)據(jù)抽樣4、選取變量3-1 數(shù)據(jù)排序數(shù)據(jù)排序一、數(shù)據(jù)排序的目的 通常數(shù)據(jù)編輯窗口中個案的前后次序是由數(shù)據(jù)錄入的先后順序決定的。數(shù)據(jù)預處理中，有時需要將數(shù)據(jù)按照一定的順序重新排列。數(shù)據(jù)排序在數(shù)據(jù)分析過程中的作用： 數(shù)據(jù)排序便于數(shù)據(jù)的瀏覽，有助于了解數(shù)據(jù)的取值狀況、

2、缺失值數(shù)量的多少等。 通過數(shù)據(jù)排序能夠快捷地找到數(shù)據(jù)的最大值和最小值，進而可以計算出數(shù)據(jù)的全矩，初步把握和比較數(shù)據(jù)的離散程度。 通過數(shù)據(jù)排序能夠快捷地發(fā)現(xiàn)數(shù)據(jù)的異常值，為進一步明確它們是否對分析產(chǎn)生重要影響提供幫助。單值排序單值排序：排序變量只有一個 多重排序多重排序：第一個指定的排序變量稱為主排序變量，其他依次指定的變量分別稱為第二排序變量、第三排序變量等。SPSS數(shù)據(jù)排序的基本操作步驟：（1）選擇菜單： （2）指定主排序變量，并選擇是按升序還是降序排列數(shù)據(jù) - 排序個案 （3）如果是多重排序，還要依次指定第二、第三排序變量及相應的排序規(guī)則。否則，本步可略。 例 利用租房狀況問卷調(diào)查和數(shù)據(jù)，

3、通過數(shù)據(jù)排序功能分析本市戶口和外地戶口家庭的住房面積情況。3-2 變量計算變量計算一、變量計算的目的 變量計算是數(shù)據(jù)分析過程中應用最廣泛也是最重要的一環(huán)。通過變量計算可以處理許多問題。1、數(shù)據(jù)的轉(zhuǎn)換處理2、對數(shù)據(jù)的原有分布狀態(tài)進行轉(zhuǎn)換 （1）變量計算是針對所有個案（或指定的部分個案）的，每條個案（或指定的部分個案）都有自己的計算結(jié)果。 （2）變量計算的結(jié)果應保存到一個指定變量中，該變量的數(shù)據(jù)類型應與計算結(jié)果的數(shù)據(jù)類型相一致。注意注意 SPSS算術(shù)表達式（Numeric Expression）是由常量、變量、算術(shù)運算符、圓括號、函數(shù)等組成的式子。 字符型常量應當用引號括起來 變量是那些已存在于數(shù)

4、據(jù)編輯窗口中的原有變量 算術(shù)運算符主要包括、*、/、*（乘方）。操作對象的數(shù)據(jù)類型為數(shù)值型。運算的先后次序是：先計算乘方，再計算乘除，最后計算加減。在同級運算中，按照從左往右的順序進行計算。通過圓括號改變原有的計算順序。 在同一算術(shù)表達式中的常量及變量，數(shù)據(jù)類型應該一致，否則無法計算。 二、SPSS算術(shù)表達式三、SPSS條件表達式 SPSS條件表達式是一個對條件進行判斷的式子。其結(jié)果有兩種取值：如果判斷條件成立，則結(jié)果為真；如果判斷條件不成立，則結(jié)果為假。 1、簡單條件表達式 由關(guān)系運算符、常量、變量以及算術(shù)表達式等組成的式子。其中關(guān)系運算符包括、計算變量 （2）在數(shù)字表達式框給出SPSS算術(shù)

5、表達式和函數(shù)。 （3）在目標變量框中輸入存放計算結(jié)果的變量名。 （4）如果用戶僅希望對符合一定提交的個案計算產(chǎn)生變量，則按“如果”按鈕，選擇“如果個案滿足條件則包括”選項，然后輸入條件表達式。 五、變量計算的應用舉例五、變量計算的應用舉例3-3 數(shù)據(jù)選取一、數(shù)據(jù)選取的目的 數(shù)據(jù)選取就是根據(jù)分析的需要，從已收集到的大批量數(shù)據(jù)（總體）中按照一定的規(guī)則抽取部分數(shù)據(jù)（樣本）參與分析的過程，通常也稱為抽樣抽樣。1、提高數(shù)據(jù)分析效率 如果數(shù)據(jù)量較大，會在一定程度上影響計算和建模的效率，因此，通常可以根據(jù)一定的抽樣方法從總體中抽取少量樣本，后面的分析只針對樣本進行，這樣會大大提高分析的效率。當然，抽取出的樣

6、本應具有總體代表性，否則分析的結(jié)論可能會有偏差。 2、檢驗模型的需要 依據(jù)一定的抽樣方法只選擇部分樣本參與數(shù)據(jù)建模，剩余的數(shù)據(jù)用于模型檢驗。 二、數(shù)據(jù)選取方法1、按指定條件選?。↖f condition is satisfiled） 用戶以條件表達式的形式給出數(shù)據(jù)選取的條件。SPSS將自動對數(shù)據(jù)編輯窗口中的所有個案進行條件判斷。那些滿足條件的個案，即條件判斷為真的個案將被自動選取出來，而那些條件判斷為假的個案則不被選中。2、隨機選取（Random sample of cases）第一，近似選?。ˋpproximately） 要求用戶給出一個百分比數(shù)值。SPSS將按照這個比例自動從數(shù)據(jù)編輯窗口中

7、隨機抽取出相應百分比數(shù)目的個案。 隨機是根據(jù)SPSS隨機數(shù)種子發(fā)生器設計和實現(xiàn)的。轉(zhuǎn)換 - 隨機數(shù)字生成器設置的菜單是：兼容版本 12. 版本 12 和早期版本中所使用的隨機數(shù)字生成器。如果您要重新生成在早期版本中根據(jù)指定的種子值生成的隨機結(jié)果，可使用此隨機數(shù)字生成器。 較新的隨機數(shù)生成器，可實現(xiàn)更可靠的模擬。如果從 SPSS 12 或早期版本再現(xiàn)隨機結(jié)果是問題，那么可使用此隨機數(shù)生成器。表示隨機數(shù)種子每次自動取一個新的值，是SPSS默認的選項，這樣隨機化結(jié)果不會重復出現(xiàn)。表示隨機數(shù)種子為一個具體的正整數(shù)（該整數(shù)應小于等于2000000），一般用于隨機化結(jié)果需要重復出現(xiàn)的情況第二，精確抽樣（E

8、xactly） 精確抽樣要求用戶給出兩個參數(shù)。第一個參數(shù)是希望選取的個案數(shù)，第二個參數(shù)是指定在前幾個個案中選取。SPSS自動在數(shù)據(jù)編輯窗口的前若干個個案中隨機精確地抽出相應個數(shù)的個案來。3、選取某一區(qū)域內(nèi)的樣本（Based on time or case range） 選取數(shù)據(jù)編輯窗口中樣本號在指定范圍內(nèi)的所有個案，要求給出這個范圍的上、下界個案號碼。這種抽樣方法適用于時間序列數(shù)據(jù)。4、通過過濾變量選取樣本（ Use filter variable ）， 依據(jù)過濾變量的取值進行樣本選取。要求指定一個變量作為過濾變量，變量值為非0或非系統(tǒng)缺失值的個案將被選中。這種方法通常用于排除包含系統(tǒng)缺失值的

9、個案。 選取結(jié)果說明： （1）完成數(shù)據(jù)選取后，以后的SPSS分析操作僅針對那些被選中的個案直到用戶再次改變數(shù)據(jù)的選取為止。 （2）采用指定條件選取和隨機抽樣方法進行數(shù)據(jù)選取后，SPSS將在數(shù)據(jù)編輯窗口中自動生成名為filter_$的新變量，取值為1或0。1表示本個案被選中，0表示未被選中。該變量是SPSS產(chǎn)生的中間變量，若刪除它則自動取消樣本抽樣。三、數(shù)據(jù)選取的應用舉例三、數(shù)據(jù)選取的應用舉例 利用住房狀況調(diào)查.sav，采用以下兩種樣本選取方案： 1、希望僅對具有本市戶口的家庭住房狀況進行分析，因此應只選擇本市戶口的住戶樣本。 2、希望對全部樣本的70的數(shù)據(jù)進行分析，因此應采用隨機選取中的近似選

10、取方法進行抽樣。SPSS數(shù)據(jù)選取的基本操作步驟如下：（1）選擇菜單： 數(shù)據(jù)- 選擇個案 （2）在選擇個案框中選擇抽樣方法。（3）指定對未選中個案的處理方式。一般采用過濾掉為選中的個案。三、數(shù)據(jù)選取的應用舉例三、數(shù)據(jù)選取的應用舉例第1種抽樣方案應選擇指定條件選??；三、數(shù)據(jù)選取的應用舉例三、數(shù)據(jù)選取的應用舉例第2種抽樣方案選擇隨機選取下的近似選取。3-4 計數(shù)一、計數(shù)目的 計數(shù)在實際工作中是非常普遍的應用之一，它雖然簡單，但卻對把握個案各方面的特征很有效。 例如，對大學某畢業(yè)班同學的學習成績進行綜合評價時，可以依次計算每個學生的若干門專業(yè)課中有幾門課程得了優(yōu)，有幾門課程得了良，有幾門得了中，等等，

11、并以門次為權(quán)重做進一步的分析。計算門次數(shù)據(jù)的過程就是一個計數(shù)過程。 SPSS實現(xiàn)的計數(shù)是對所有個案或滿足某條件的部分個案，計算若干變量中有幾個變量的值落在指定的區(qū)間內(nèi)，并將計數(shù)結(jié)果存入一個新變量中的過程。 SPSS實現(xiàn)計數(shù)的關(guān)鍵步驟是：指定哪些變量參與計數(shù)，計數(shù)的結(jié)果存入哪個新變量中。指定計數(shù)區(qū)間。（驟尤為關(guān)鍵）二、計數(shù)區(qū)間單個變量值（Value）系統(tǒng)缺失值（System-missing）系統(tǒng)缺失值或用戶缺失值（ System or user-missing）給定最大值和最小值的區(qū)間（n through m）小于等于某指定值的區(qū)間（Lowest through n）大于等于某指定值的區(qū)間（n

12、through highest）三、計數(shù)的應用舉例 利用住房狀況調(diào)查.sav，分析被調(diào)查家庭中有多少比例的家庭對目前的住房滿意且近幾年不準備購買住房。SPSS計數(shù)的基本操作步驟如下：（1）選擇菜單： 轉(zhuǎn)換 - 對個案內(nèi)的值計數(shù) （2）選擇參與計數(shù)的變量到變量框中。 （3）在目標標簽框中輸入存放計數(shù)結(jié)果的變量名，并在目標變量框中輸入相應的變量名標簽。 （4）按定義按鈕定義計數(shù)區(qū)間，通過添加、更改、刪除按鈕完成計數(shù)區(qū)間的增加、修改和刪除。 （5）如果僅希望對滿足某條件的個案進行計數(shù)，則按如果按鈕并輸入相應的SPSS條件表達式。否則，本步略。三、計數(shù)的應用舉例3-5 分類匯總一、分類匯總的目的分類匯

13、總是按照某分類變量進行分類匯總計算。 例如：某企業(yè)希望了解本企業(yè)不同學歷職工的基本工資上是否存在較大差距。最簡單的做法就是分類匯總，即將職工按學歷進行分類，分別計算不同學歷職工的平均工資，然后可對平均工資進行比較 SPSS實現(xiàn)分類匯總涉及兩個主要方面：按照哪個變量進行分類 對哪個變量進行匯總，并指定對匯總變量計算哪些統(tǒng)計量。 二、分類匯總的應用舉例 利用住房狀況調(diào)查.sav，分析本市戶口家庭和外地戶口家庭目前人均住房面積的平均值是否有較大差距，未來打算購買住房的平均面積是否有較大差距。SPSS分類匯總的基本操作步驟如下：（1）選擇菜單： 數(shù)據(jù)- 分類匯總 （2）指定變量到分組變量框，匯總變量到

14、匯總變量框。 （3）按函數(shù)按鈕指定對匯總變量計算哪些統(tǒng)計量。SPSS默認計算均值。（4）指定將分類匯總結(jié)果保存到何處。 （5）按變量名與標簽按鈕重新指定結(jié)果文件中的變量名或加變量名標簽。默認變量名為原變量名后加_mean （6）如果希望在結(jié)果文件中保存各分類組的個案數(shù)，則選擇個案數(shù)選項，生成一個默認名為N_BREAK的變量。 二、分類匯總的應用舉例表示將分類結(jié)果覆蓋數(shù)據(jù)編輯窗口中的數(shù)據(jù)。 表示將結(jié)果生成到用戶自己確定名稱的數(shù)據(jù)集。 表示將結(jié)果生成到系統(tǒng)默認的名為aggr.sav數(shù)據(jù)文件中 由上表可以見，本市戶口和外地戶口目前人均住房面積的均值存在一些差異，而計劃買房面積的均值差異并不大。但值得

15、注意的是本市戶口的樣本量遠多余外地戶口的樣本量。另外，調(diào)查數(shù)據(jù)中，未來不打算買房子的家庭在“計劃面積”等變量上取值為系統(tǒng)缺失值，在分類匯總計算“計劃面積”的均值時，SPSS會自動剔除那些系統(tǒng)缺失值的樣本，因而平均值的計算將不受缺失樣本的影響。 （1）分類匯總中的分類變量可以是多個，此時的分類匯總稱為多重分類匯總多重分類匯總。 （2）類似于數(shù)據(jù)的排序，在多重分類匯總中，指定多個分類變量的前后次序是很關(guān)鍵的。第一個指定的分類變量為主分類變量，其他的依次為第二、第三分類變量等，它們決定了分類匯總的先后次序。分類匯總說明：分類匯總說明：3-6 數(shù)據(jù)分組一、數(shù)據(jù)分組的目的 數(shù)據(jù)分組就是根據(jù)統(tǒng)計研究的需要

16、，將數(shù)據(jù)按照某種標準重新劃分為不同的組別。 數(shù)據(jù)分組是對定距型數(shù)據(jù)進行整理和粗略把握數(shù)據(jù)分布的重要工具，因而在實際數(shù)據(jù)分析經(jīng)常使用。在數(shù)據(jù)分組的基礎上進行的頻數(shù)分析，更能概括和體現(xiàn)數(shù)據(jù)的分布特征。另外，分組還能夠?qū)崿F(xiàn)數(shù)據(jù)的離散化處理等。二、幾種數(shù)據(jù)分組方法：1、單變量值分組 離散型變量如果變量值的變動范圍不大，可以將一個變量值作為一組，稱單項式分組。 2、組距分組 在變量值較多或在連續(xù)性變量的情況下，數(shù)據(jù)分組通常采用組距分組。組距分組是將全部變量值依次劃分為若干個區(qū)間，并將同一區(qū)間的變量值作為一組。 （1）分組數(shù)目的確定兩個關(guān)鍵問題： 可按照Sturges提出的經(jīng)驗公式來確定組數(shù)K： lg1l

17、g2nK （2）組距的確定組距可根據(jù)全部數(shù)據(jù)的最大值和最小值及組數(shù)來確定 最大值最小值組距組數(shù)三、數(shù)據(jù)分組的應用舉例 利用住房狀況調(diào)查.sav，分析被調(diào)查家庭的人均住房面積的分布特征。 SPSS組距分組的基本操作步驟如下：（1）選擇菜單 轉(zhuǎn)換 - 重新編碼為不同變量 （2）將分組變量選擇到 數(shù)字變量數(shù)字變量 - 輸出變量輸出變量 框中。 （3）在輸出變量輸出變量框中的名稱后輸入存放分組結(jié)果的變量名，并單擊更改更改按鈕。 （4）在舊值和新值舊值和新值按鈕進行分組區(qū)間定義。 要了解其分布特征應首先進行分組，可對“人均面積”變量進行組距分組。先利用數(shù)據(jù)排序功能對“人均面積”進行排序，得到最大值和最小

18、值。根據(jù)理論應將數(shù)據(jù)大致分為12組，但處于實際問題的研究需要，姑且將數(shù)據(jù)分為4組。 （5）如果僅對符合一定條件的個案分組，則按如果按鈕并輸入SPSS條件表達式。否則，本步略。分組注意：分組注意： 在定義分組區(qū)間應注意遵循“不重不漏不重不漏”的原則?！安恢亍笔侵敢粋€變量值只能分在一個組中，不能在其他組中重復出現(xiàn)；“不漏”是指所有數(shù)據(jù)都應分配在某個組中，不能遺漏。（用加小數(shù)位避免此現(xiàn)象） 3-7數(shù)據(jù)預處理的其他功能 除上述數(shù)據(jù)預處理功能外，SPSS還提供了一些其他輔助處理功能，包括數(shù)據(jù)轉(zhuǎn)置、加權(quán)處理、缺失值處理、變量集等。一、數(shù)據(jù)轉(zhuǎn)置 SPSS的數(shù)據(jù)轉(zhuǎn)置就是將數(shù)據(jù)編輯窗口中數(shù)據(jù)的行列互換。 例 對

19、職工數(shù)據(jù).sav轉(zhuǎn)置 SPSS數(shù)據(jù)轉(zhuǎn)置的基本操作步驟如下： （1）選擇菜單： 數(shù)據(jù) - 轉(zhuǎn)置 （2）指定數(shù)據(jù)轉(zhuǎn)置后應保留哪些變量，將它們選入變量框中。未被選中的變量將在新文件中缺失。 （3）指定轉(zhuǎn)置后數(shù)據(jù)文件中各變量如何取名。應選擇一個取值惟一的變量作為標記變量到名稱變量框中。轉(zhuǎn)置后數(shù)據(jù)各變量取名為：K_001，K_002，K_003。如果略去本步，則轉(zhuǎn)置后數(shù)據(jù)各變量名默認為V001，V002，V003。 SPSS還會自動產(chǎn)生一個名為Case_LBL的新變量，用來存放原數(shù)據(jù)文件中的各變量名。二、加權(quán)處理統(tǒng)計分析中的加權(quán)處理是極為常見的，如計算加權(quán)平均數(shù)等。 例如，希望掌握菜市場某天蔬菜銷售的平

20、均價格。如果僅用各種蔬菜銷售單價的平均數(shù)作為平均價格就很不合理，還應考慮到銷售量對平均價格的影響。因此，以蔬菜的銷售量為權(quán)數(shù)計算各種蔬菜銷售單價的加權(quán)平均數(shù)，就能夠較準確地反應平均價格水平。數(shù)據(jù)文件名為“蔬菜銷售.sav”。 SPSS中指定加權(quán)變量的操作步驟是：（1）選擇菜單 數(shù)據(jù) - 加權(quán)個案 （2）選擇加權(quán)個案加權(quán)個案選項，并將某變量作為加權(quán)變量選到頻率變量頻率變量框中。 加權(quán)操作完畢后，數(shù)據(jù)編輯窗口中的數(shù)據(jù)并沒有變化，而僅在狀態(tài)欄中有已經(jīng)加權(quán)的提示信息（加權(quán)范圍）。 一旦指定了加權(quán)變量，那么以后的分析處理中加權(quán)是一直有效的，直到取消加權(quán)為止。取消加權(quán)應選擇請勿對個案請勿對個案加權(quán)加權(quán)選項。 三、數(shù)據(jù)拆分三、數(shù)據(jù)拆分職工數(shù)據(jù).sav SPSS的數(shù)據(jù)拆分與數(shù)據(jù)排序很相似，但有一個重要的不同點，即數(shù)據(jù)拆分不僅是按指定變量進行簡單排序，更重要的是根據(jù)變量對數(shù)據(jù)進行分組，為以后的分組統(tǒng)計分析提供便利。