应用统计学数据管理

,数据管理,在数据文件建立好之后，还需要对数据进行必要的加工处理。对同一个数据往往需要从各种不同的侧面进行研究，采取多种统计方法进行分析，而不同的统计方法对数据文件结构的要求不尽相同，这就需要对数据文件的结构进行重新调整或转换，以便适合于相同的统计方法。,数据管理,文件级别的数据管理变量级别的数据管理,文件级别的数据管理（1）,SPSS中的Data菜单提供了文件级别的数据管理，可以对整个数据文件进行加工整理。,InsertVariable：插入变量InsertCases：插入记录GotoCase：到达某条记录,简单命令（这些功能都可以用鼠标在数据表界面直接完成，很少用菜单操作，在此不详述）,SortCases：记录排序SplitFile：记录拆分SelectCases：记录筛选WeightCases：记录加权,常用的简单过程（使用频繁，必须掌握）,文件级别的数据管理（2）,DefineVariableProperties：定义数据字典CopyVariableProperties：将预定义的数据字典直接引入当前数据文件，即复制外部数据文件属性到当前数据文件,变量与数据文件属性向导（对大型或连续性数据分析项目非常有用）,Transpose：数据转置Restructure：数据文件的重新排列,数据重构向导,文件级别的数据管理（3）,AddCases：纵向合并AddVariable：横向合并,文件合并过程（MergeFiles）,DefineDates：定义日期变量过程，用于时间序列数据Aggregate：数据汇总过程IdentifyDuplicateCases：查找重复记录,其他过程,文件级别的数据管理（4）,正交设计过程（OrthogonalDesign）,单变量排序：SPSS提供了一种简易操作方法，即在数据表格的变量名处单击右键，弹出右图多变量排序：使用SortCases过程来进行，查看详情,记录排序,记录排序,选中District，选择升序选钮（默认），将District选入Sortby框,选中Region，选择降序选钮，将Region选入Sortby框,记录排序,注意：在多重排序中，指定排序变量名的次序很关键，首先安第一个变量排序，对于与第一个变量取值相同的记录考虑按第二个变量排序排序后，原来记录数据的排序将被打乱，对于时间序列数据，若未存放有记录标志的变量，应注意保存原数据的排列顺序，以免数据混乱,记录排序,记录拆分,1.选中此框不拆分文件,2.按所选变量拆分文件，各组分析结果放在一起便于比较,3.按所选变量拆分文件，各组分析结果单独放置,4.用于选择拆分数据文件的变量,5.要求将数据按所用拆分变量排序,6.数据集很大，且拆分变量已排序，选此可节省运行时间,1,2,3,4,5,6,记录拆分,记录筛选,1,2,3,4,5,1.分析所有记录,2.分析满足条件的记录，按If按钮设定筛选条件,3.从原数据中按某种条件抽样，按Sample进行设定,4.基于时间或记录序号选择记录，按Range进行设定,5.使用筛选指示变量选择记录，非0值的记录被选中,6.未选中的记录被隔离,7.未选中的记录被删除,6,7,记录筛选,记录筛选,记录加权,设置作为权重的变量，如第一行表示agecat1gender1的人共33个，accid表示人数，应设为权重,记录加权,定义数据字典,变量名、测量尺度等,变量列表,频数、标签、缺失值设定等,拷贝变量属性,自动生成值标签,定义数据字典,数据转置,Transpose：该过程用于对数据进行行列转置，即原来的一条记录转成为一个变量，而变量则转成为一个记录，两次Transpose过程后数据集会恢复原样（点此见具体操作）。,数据转置,将变量Group、x选入variable框，再点击OK键,转置前的数据集,转置后的数据集,注：未选中的变量id其数据信息在转置后丢失,数据转置,数据文件重新排列,Restructure：此过程是用来改变数据的排列格式，即长型格式和宽型格式之间的互转。,数据文件重新排列,数据文件重新排列,数据anxiety转换前后的长型格式和型格式,数据文件重新排列,文件纵向合并,*：当前数据集中的变量+：新添加数据集中的变量,左框：新、老数据文件中不匹配的变量名,右框：已匹配的变量名，选择完成后单击OK即可,AddCases：纵向合并，从外部数据文件中增加记录到当前数据文件中，相互合并的数据文件中应该有相同的变量。,文件纵向合并,文件横向合并,1.未被纳入的变量列2.被纳入合并后新数据集的变量列表3.记录匹配使用的关键变量,AddVariables：横向合并，从外部数据文件增加变量到当前数据文件，两个数据集要有一个一一对应的关键变量进行匹配合并，且记录应按关键变量升序后再合并。,1,2,3,文件横向合并,数据汇总,分组变量,被汇总变量,数据汇总,定义汇总函数,定义新产生汇总变量的名称和标签,Function,Name&Label,数据汇总,查找重复记录,希望查找重复值的变量,重复记录按该变量的取值排序,设定第一个还是最后一个重复记录为主记录,查找重复记录,PrimaryLast0表示相应的记录为重复记录,查找重复记录,变量级别的数据管理（1）,SPSS中的Transform菜单提供了变量级别的数据管理，可以对变量进行操作。,计算新变量（Compute）：最常用,Recode：对变量值进行分组合并VisualBander：连续变量的可视化分段Count：表示某个变量的取值中是否出现某个值，或某个区间RankCases：变量编秩AutomaticRecode：对记录按某个变量值的大小排序,变量转换,变量级别的数据管理（2）,CreateTimeSeries：建立时间序列ReplaceMissingValues：缺失值替代RandomNumberSeed：设定随机种子,专用过程,变量级别的数据管理（3）,控制命令,RunPendingTransforms：用于执行编程中被挂起的数据整理操作,专用于时间序列模型,例1数据fee.sav是上海和杭州16名住院病人的费用数据，计算上海的住院病人平均每天的住院费用，要求结果取整。,计算新变量,输入新变量名perfee,计算新变量,计算新变量,输入条件表达式,计算新变量,选择函数,输入函数表达式,计算新变量,例2在数据fee.sav中生成新变量grade,当住院总费用小于5000元时取值为“相对较低”，大于等于5000元且小于7000元取值为“中等”，大于等于7000元且小于10000元为“较高”，大于等于10000元为“很高”。,变量值分组合并,新变量名grade,选入原变量total,变量值分组合并,变量值分组合并,三种Range的设置，所有的范围均包含了端点，而前面设定的变换会优于后面的变换，因此应该将大于等于10000元最先设定，而将小于5000元最后设定。,变量值分组合并,变量值分组合并,变量值分组合并,变量值分组合并,务必选上该项,变量值分组合并,变量值分组合并,recode过程提供了精确分组的功能，但如果希望进行的分组是有规律的，比如等距分组，或等样本量分组，使用recode过程进行操作就显得非常麻烦，且可视化程度不高。此时可以考虑使用visualbander过程进行可视化分段。,连续变量的可视化分段,例3仍以数据fee.sav为例，按变量total将病人分为5组，5000元以下为第一组，5000元以上的按等间距的方式分4组。,连续变量的可视化分段,连续变量的可视化分段,连续变量的可视化分段,设定分段规则,连续变量的可视化分段,连续变量的可视化分段,自动填充值标签,连续变量的可视化分段,例4仍以数据fee.sav为例，查看变量total中是否出现值6890。,查看特定变量值,查看特定变量值,查看特定变量值,查看特定变量值,查看特定变量值,例5仍以数据fee.sav为例，根据城市分组计算住院总费用的秩次。,