《SPSS数据的预处理》ppt课件

1、第三章 SPSS数据的预处置为什么要进展数据的预处置为什么要进展数据的预处置在数据文件建立之后，通常还需求对分析的数据进展必要的预加工处置，这是数据分析过程中必不可少的一个关键步骤。数据的预加工处置效力于数据分析和建模，主要包括以下几个问题： 数据的排序 变量计算 数据选取 计数 分类汇总 数据分组 数据预处置的其他功能：转置、加权、数据拆分、缺失值处置、数据排秩、定义变量集。预处置的内容预处置的内容3.1 数据的排序SPSS的数据排序是将数据编辑窗口中的数据的数据排序是将数据编辑窗口中的数据按照某个或多个指定变量的变量值升序或降序按照某个或多个指定变量的变量值升序或降序重新陈列。这里的变量也

2、称为排序变量。排序重新陈列。这里的变量也称为排序变量。排序变量只需一个时，排序称为单值排序。排序变变量只需一个时，排序称为单值排序。排序变量有多个时，排序称为多重排序。多重排序中量有多个时，排序称为多重排序。多重排序中，第一个指定的排序变量称为主排序变量，其，第一个指定的排序变量称为主排序变量，其他依次指定的变量分别称为第二排序变量、第他依次指定的变量分别称为第二排序变量、第三排序变量等。三排序变量等。数据排序便于数据的阅读，有助于了解数据的取值情况、缺失值数量的多少等；经过数据排序可以快捷的找到数据的最大值和最小值，进而可以计算出数据的全距，初步把握和比较数据的离散程度；经过数据排序可以快捷

3、地发现数据的异常值，为进一步明确它们能否会对分析产生重要影响提供协助。3.1.1数据排序的作用数据排序的作用 SPSS数据排序的根本操作步骤 1选择菜单DataSort Cases 2将主排序变量从左边的列表中选到Sort by框中，并在Sort Order框中选择按该变量的升序还是降序排序。 3假设是多重排序，还要一次指定第二、第三排序变量及相应的排序规那么。3.1.2 数据排序的根本操作数据排序的根本操作在左边的源变量框中选择排序变量进入Sort by框。假设选择2个以上的变量，观丈量的排序结果与排序变量在Sort by框中的顺序有关。列于首位的为第一排序变量。在Sort Order 栏内

4、选择排序方式升序与降序 1、数据排序是整行数据排序，而不是只对某列变量排序； 2、多重排序中指定排序变量的次序很关键。先指定的变量优先于后指定的变量。多重排序可以在按某个变量值升序或降序排序的同时再按其他变量值降序或升序排序； 3、数据排序后，原有数据的排序次序必然被打乱，排序后不能撤销。阐明阐明数据排序运用举例数据排序运用举例利用居民储蓄调查数据，经过数据排序功能分别找到城镇户口和乡村户口储户一次存款金额的最大值和最小值3.2 变量计算变量计算数据的转换处置是在原有数据的根底上，计算产生一些含有更丰富信息的新数据。例如根据职工的根本工资、失业保险、奖金等数据，计算实践月收入，这些新变量具有更

5、直观更有效的特点。3.2.1 变量计算的目的变量计算的目的SPSS变量计算是在原有数据的根底上，根据用户给出的SPSS算术表达式以及函数，对一切个案或满足条件的部分个案，计算产生一系列新变量。 1变量计算是针对一切个案或指定的部分个案的，每个个案都有本人的计算结果。 2变量计算的结果应保管到一个指定变量中，该变量的数据类型应与计算结果的数据类型相一致。 在变量计算过程中涉及到几个概念：SPSS算数表达式、SPSS条件表达式和SPSS函数。指出按照什么方法计算变量；SPSS算术表达式Numeric Expression是由常量、变量、算术运算符、圆括号、函数等组成的式子。字符型常量该当用引号括起

6、来变量是指那些已存在于数据编辑窗口中的原有变量算术运算符主要包括、*、/、*乘方在同一算术表达式中的常量及变量，数据类型应该一致，否那么无法计算 3.2.2 SPSS算术表达式算术表达式在变量计算中通常要求对不同的个案分别按照不同的方法进展计算，于是就需求经过一定的方式来指定个案；SPSS条件表达式是一个对条件进展判别的式子。其结果有两种取值：假设判别条件成立，那么结果为真；假设判别条件不成立，那么结果为假。条件表达式包括简单条件表达式和复合条件表达式。3.2.3 SPSS条件表达式条件表达式1简单条件表达式 由关系运算符、常量、变量以及算术表达式等组成的式子。其中关系运算符包括、。nl352

7、复合条件表达式 又称逻辑表达式，是由逻辑运算符号、圆括号和简单条件表达式等组成的式子。其中，逻辑运算符号包括&或AND并且、|或OR或者、或NOT非。NOT的运算优先级最高，其次是AND，最低是OR。可以经过圆括号改动运算的优先级。年龄 =35and not 职称 3SPSS函数是事先编好并存储在SPSS软件中，可以实现某些特定计算义务的一段计算机程序。这些程序都有各自的名字称为函数名。执行这些程序段得到的计算结果称为函数值。 函数书写的详细方式为：函数名参数3.2.4 SPSS函数函数 其中，函数名是SPSS曾经规定好的，参数可以是常量字符型常量运用引号括起来，也可以是变量或算术表达

8、式。参数能够是一个，也能够是多个，各参数之间用逗号分隔。 SPSS函数大致可以分成八大类：算术函数、统计函数、分布函数、逻辑函数、字符串函数、缺失值函数、日期函数和其他函数。1选择菜单TransformCompute，弹出Compute Variable对话框如下：3.2.5 变量计算的根本操作变量计算的根本操作2在Target框中输入存放计算结果的变量名。该变量可以是一个新变量，也可以是曾经存在的变量。假设指定存放计算结果的变量为新变量，SPSS会自动创建它；假设指定产生的变量曾经存在，SPSS会提问能否以计算结果覆盖原有值。新的变量默以为数值型，用户可以根据需求单击Type&Lab

9、el按钮修正，还可以对新变量加变量名标签。3在Numeric Expression框给出SPSS算术表达式。可以手工输入，也可以按窗口的按钮以及函数下拉菜单输入。4假设希望对符合一定条件的个案进展变量计算，那么单击If按钮，出现下面的窗口，选择Include if case satisfies condition选项，然后输入条件表达式。对不满足条件的个案，将不进展变量值计算，对新变量取值为系统缺失值。 1、利用职工根本情况数据，根据职称级别计算实发工资。假设职称1至4职工的工资分别上调5，3，2，1。3.2.6 变量计算的运用举例变量计算的运用举例3.3 数据选取数据选取数据选取就是根据分析

10、的需求，从已搜集到的大批量数据总体中按照一定的规那么抽取部分数据样本参与分析的过程，通常也称为抽样。 SPSS可根据指定的抽样方法从数据编辑窗口中选出部分样本以实现数据选取，这样后面的分析操作就只针对选出的数据，直到用户取消这种选取为止。1选取全部数据All cases2按指定条件选取 If condition is satisfied SPSS要求用户以条件表达式给出数据选取的条件，SPSS将自动对数据编辑窗口中的一切个案进展条件判别。那些满足条件的个案，即条件判别为真的个案将被自动选取出来，而那些条件判别为假的个案那么不被选中。3.3.1 数据选取的根本方式数据选取的根本方式3随机抽样 R

11、andom sample of cases ，即对数据编辑窗口中的一切个案进展随机挑选，包括如下两种方式： 第一，近似抽样Approximately 近似抽样要求用户给出一个百分比数值，SPSS将按照这个比例自动从数据编辑窗口中随机抽取相应百分比数目的个案。 注：由于SPSS在样本抽样方面的技术特点，抽取出的个案总数不一定恰好准确地等于用户指定的百分比数目，会有小的偏向，因此称为近似抽样。 第二，准确抽样Exactly 准确抽样要求用户给出两个参数。第一个参数是希望选取的个案数，第二个参数是指定在前几个个案中选取。SPSS自动在数据编辑窗口的前假设干个个案中随机准确地抽出相应个数的个案来。4选

12、取某一区域内的样本 Based on time or case range ，即选取数据编辑窗口中样本号在指定范围内的一切个案，要求给出这个范围的上、下界个案号码。这种抽样方法适用于时间序列数据。5经过过滤变量选取样本 Use filter variable ，即根据过滤变量的取值进展样本选取。要求指定一个变量作为过滤变量，变量值为非0或非系统缺失值的个案将被选中。这种方法通常用于排除包含系统缺失值的个案。阐明：阐明： 1完成数据选取后，以后的完成数据选取后，以后的SPSS分析分析操作仅针对那些被选中的个案直到用户再次操作仅针对那些被选中的个案直到用户再次改动数据的选取为止。改动数据的选取为止

13、。 2采用指定条件选取和随机抽样方法进采用指定条件选取和随机抽样方法进展数据选取后，展数据选取后，SPSS将在数据编辑窗口中将在数据编辑窗口中自动生成一个名为自动生成一个名为filter_$的新变量，取值为的新变量，取值为1或或0。1表示本个案被选中，表示本个案被选中，0表示未被选中表示未被选中。该变量是。该变量是SPSS产生的中间变量，假设删产生的中间变量，假设删除它那么自动取消样本抽样。除它那么自动取消样本抽样。1选择菜单DataSelect cases2根据分析需求选择数据选取方法3Unselected cases are指定对未选中个案的处置方式Filtered表示在未被选中的个案号码

14、上打一个“/标志；Deleted表示将未被选中的个案从数据编辑窗口中删除。 3.3.2 数据选取的根本操作数据选取的根本操作Select Cases对话框 利用住房情况调查数据，根据不同的分析要求采用不同的数据选取方法抽样：1假设只希望分析本市户口的家庭住房情况，可以经过数据选择功能采用指定条件的抽样方法进展抽样；2假设只希望对其中的70的数据进展分析，可经过数据选择功能采用随机抽样中的近似抽样方法进展抽样。3.3.4 数据选取的运用举例数据选取的运用举例3.4 计数计数3.4.1 计数目的 计算假设干变量中有几个变量的值落在指定的区间内，并将计数结果存入一个新变量中的过程，即用于计算满足条件

15、的个数。例如对大学毕业班学生的成果进展综合测评时，可以依次计算每个学生的假设干门课程中有几门课程得了优，有几门课程得了良，有几门课程不及格。 SPSS实现计数的关键步骤是：指定哪些变量参与计数，计数的结果存入哪个新变量中指定计数区间尤为关键 SPSS中的计数区间可以有以下几种描画方式：单个变量值Value系统缺失值System-missing系统缺失值或用户缺失值 System or user-missing给定最大值和最小值的区间n through m小于等于某指定值的区间Lowest through n大于等于某指定值的区间n through highest3.4.2 计数区间计数区间 上

16、述后三个计数区间很容易了解。例如评价学生成果，成果为优的计数区间可以指定为90 through highest，成果为良的计数区间指定为80 through 89，不及格的计数区间指定为Lowest through 59。 前三个计数区间实践上是一些离散的数据点，严厉讲并不是区间，但SPSS仍将其归在广义区间的范畴内，目的是方便一些其他的运用。1选择菜单TransformCount，出现如下窗口：3.4.3 计数的根本操作计数的根本操作2将参与计数的变量选到 Numeric Variables框中3在Target Variable框中输入存放计数结果的变量名，并在Target Label框中输

17、入相应的变量名标签。4单击Define Values按钮定义计数区间，出现如以下图窗口： 经过单击Add、Change、Remove按钮完成计数区间的添加、修正和删除。5假设仅希望对满足某条件的个案进展计数，那么单击If按钮并输入相应的SPSS条件表达式。否那么，本步可略去。利用住房情况调查数据分析被调查家庭中有多少比例的家庭对目前的住房称心切近几年不预备买住房。(那不称心又预备买房又如何处置呢?)3.4.4 计数的运用举例计数的运用举例3.5 分类汇总分类汇总3.5.1 分类汇总的目的 分类汇总是按照某分类变量进展分类汇总计算。 例如：某企业希望了解本企业不同窗历职工的根本工资上能否存在较大

18、差距。最简单的做法就是分类汇总，即将职工按学历进展分类，分别计算不同窗历职工的平均工资，然后可对平均工资进展比较。 再例如，某商厦希望分析假日周内不同职业和不同年龄段的顾客对某商品的“打折促销反响能否存在较大差别，用以分析不同消费群体的消费心思。最初步的分析可以是分别计算不同职业中不同年龄段顾客的平均消费金额和平均消费金额差别程度规范差，并对它们进展比较。这个过程也可以经过分类汇总过程完成。 SPSS实现分类汇总涉及两个主要方面：按照哪个变量如上例中的学历、职业和年龄段进展分类(按什么分组)对哪个变量如上例中的根本工资、消费金额进展汇总，并指定对汇总变量计算哪些统计量如上例中的平均工资、平均消

19、费金额和规范差(计算什么目的)1选择菜单DataAggregate，出现如下所示的窗口：3.5.2 分类汇总的根本操作分类汇总的根本操作2将分类变量选到Break Variable(s)框中3将汇总变量选到Summaries of Variable(s)框中4单击Function按钮，指定对汇总变量计算哪些统计量。SPSS默许计算均值。5指定将分类汇总结果保管到何处。有三种选择： 第一，Add Aggregated Variables to working data file，表示将结果存放到当前数据编辑窗口中。 第二，Create new data file，表示将结果存放到系统默许的名为a

20、ggr.sav的SPSS数据文件中，可以单击File按钮，重新指定文件名； 第三，Replace working data file，表示用分类汇总结果覆盖数据编辑窗口中的数据。 普通选择第二种方式，结果比较明晰。6单击Name&Label按钮，重新指定结果文件中的变量名或添加变量名标签。SPSS默许的变量名为原变量名后加_统计量称号如a_mean。7假设希望在结果文件中保管各分类组的个案数，那么选择Number of case选项。于是，SPSS会在结果文件中自动生成一个默许名为N_Break的变量，可以修正该变量名。阐明：阐明：分类汇总中的分类变量可以是多个，此分类汇总中的分类变量

21、可以是多个，此时的分类汇总称为多重分类汇总。如上时的分类汇总称为多重分类汇总。如上述不同职业和不同年龄段顾客消费的例述不同职业和不同年龄段顾客消费的例子即是多重分类汇总的运用。子即是多重分类汇总的运用。类似于数据的排序，在多重分类汇总中类似于数据的排序，在多重分类汇总中，指定多个分类变量的前后次序是很关，指定多个分类变量的前后次序是很关键的。第一个指定的分类变量为主分类键的。第一个指定的分类变量为主分类变量如职业，其他的依次为第二变量如职业，其他的依次为第二如年龄段、第三分类变量等，它们决如年龄段、第三分类变量等，它们决议了分类汇总的先后次序。议了分类汇总的先后次序。例1：根据职工情况数据研讨

22、不同窗历的职工的工资程度能否存在差别？ 最简单的分析可利用分类汇总功能计算不同窗历职工的平均工资，然后进展比较。选择文化程度为分类变量，根本工资为汇总变量。3.5.3 分类汇总的运用举例分类汇总的运用举例例2： 利用居民储蓄调查数据，分析城镇储户和乡村储户的一次平均存取款金额能否有显著的差别。可进展的最初步的分析是按照户口类型对存取款金额进展分类汇总。其中分类变量是户口，汇总变量是存取款金额，且计算其均值。上机练习：利用数据构造案例.sav，首先检查数据的有没有不合理数据，并定义为省却值；生成一个规范正态分布的随机变量，挑选其值大于0并且为男性的个案；去除挑选后，利用计数功能找出符合教育程度为

23、本科、任务时间在3年以上、从事制造业3个条件的人和人数，有多少人一个条件都不符合的。3.6 数据分组数据分组3.6.1 数据分组的方法 数据分组就是根据统计研讨的需求，将数据按照某种规范重新划分为不同的组别。在数据分组的根底上进展的频数分析更可以概括和表达数据的分布特征。 为适用于不同的统计分析需求，SPSS提供了以下几种数据分组方法： 单变量值分组 组距分组 居民家庭按人口数单项式分组 按家庭人口数分组按家庭人口数分组人人居民户数居民户数户户12345人及以上人及以上合计合计 离散型变量假设变量值的离散型变量假设变量值的变动范围不大，可以将一个变变动范围不大，可以将一个变量值作为一组，称单项

24、式分组量值作为一组，称单项式分组。如右表：。如右表：单项式分组单项式分组 在延续型变量或离散型变在延续型变量或离散型变量值较多的情况下，可采量值较多的情况下，可采用组距式分组方式。用组距式分组方式。 组距式分组就是把全部变组距式分组就是把全部变量值划分为几个区间，每量值划分为几个区间，每一区间的变量值作为一组一区间的变量值作为一组。如右表：。如右表：按日产零件数分组个按日产零件数分组个工人数工人数人人506060707080809090以上以上合计合计组距式分组组距式分组在组距式分组中涉及到了几个关键点：在组距式分组中涉及到了几个关键点：a.组距：区间的间隔即为组距。组距：区间的间隔即为组距。

25、b.组数：组数的多少以分组后能恰当反映总体内部的分布特征和规律组数：组数的多少以分组后能恰当反映总体内部的分布特征和规律为好。为好。c.组距最大值组距最大值-最小值最小值组数。组数。 d.根据组距各组的组距能否相等，又可以分为等距分组和不等距分组根据组距各组的组距能否相等，又可以分为等距分组和不等距分组两种方式。两种方式。 e.组限：组距两端的数值称为组限，每组的最大值称为上限，用组限：组距两端的数值称为组限，每组的最大值称为上限，用UUpper limit表示，每组的最小值称为下限，用表示，每组的最小值称为下限，用LLower limit表表示。示。 统计数据时，留意统计数据时，留意“上组限

26、不在内法那么。另外，极端组可采上组限不在内法那么。另外，极端组可采用开放式组距。用开放式组距。f.组中值：每组上、下限之间的中点数值。即：组中值组中值：每组上、下限之间的中点数值。即：组中值=上限十下限上限十下限2。 例如：职工根本情况数据，可按根本工资对职工进展分组，见下表：按工资分组元频数人频率850以下531.3850900531.390095016.39501000212.51000以上318.6SPSS单变量值分组的根本操作步骤：1选择菜单TransformAutomatic Recode2将分组变量选择到VariableNew Name框中3在New Name框后输入存放分组结果的

27、变量名，并单击Add New Name按钮4在Recode Starting from框中选择单变量值分组按升序还是按降序进展。Lowest value表示升序；Highest value表示降序。即：将字符转换为数值分组3.6.2 SPSS的单项式分组的单项式分组单变量值分组运用举例： 1、利用职工情况数据按职工的根本工资升序进展分组。 2、按职工的职称升序进展分组。 组数和组距确定后，便可实施分组操作了，在分组操作时应：指定分组变量定义分组区间留意遵照“不重不漏原那么指定存放结果的变量 SPSS对分组结果有两种存放战略，一种是用分组变量值覆盖原变量Into Same Variables，另

28、一种是将分组结果存到一个新变量中Into Different Variables。相应的操作也略有差别。通常采用第二种战略。3.6.3 SPSS的组距式分组的组距式分组即：也可以用于改动原来的分组顺序即：也可以用于改动原来的分组顺序1、 Into Same Variables分组操作1选择菜单TransformRecode Into Same Variables。2在出现的窗口中将分组变量选择到Variables框中。3单击Old and New Values按钮进展分组区间定义。4在分组区间定义窗口中指定分组区间的下限和上限，并在New Value框中给出该区间对应的分组值。单击Add按钮确

29、认分组区间并加到Odd New框中。单击Change和Remove按钮来修正和删除分组区间。5假设仅对符合一定条件的个案分组，那么单击If按钮并输入SPSS条件表达式。否那么，本步可略去。2、 Into Different Variables分组操作1选择菜单TransformRecode Into Different Variables。2在出现的窗口中将分组变量选择到Input Variable Output Variable框中。3在Output Variable后输入存放分组结果的变量名，并单击Change按钮确认。可以在Label后输入相应的变量名标签。4单击Old and New

30、Values按钮进展分组区间定义方法与前面类似。5假设仅对符合一定条件的个案分组，那么单击If按钮并输入SPSS条件表达式。否那么，本步可略去。 利用职工数据按职工根本工资分别采用Into Same Variables和Into Different Variables两种方式进展如下分组：按工资分组元频数人频率850以下531.3850900531.390095016.39501000212.51000以上318.63.6.4 组距式分组的运用举例组距式分组的运用举例3.7 数据预处置的其他功能数据预处置的其他功能3.7.1 数据转置 SPSS的数据转置就是将数据编辑窗口中数据的行列互换。根本

31、操作步骤如下： 1选择菜单DataTranspose。 2指定数据转置后应保管哪些变量，将它们选入Variables框中，未被选中的变量将在新文件中缺失。 3指定转置后数据文件中各变量如何取名。 应选择一个取值独一的变量如职工号作为标志变量并放到Name Variable框中。转置后数据各变量取名为K_标志变量值如K_001、K_002、K_003等。假设略去本步，那么转置后数据各变量名默以为VAR00001，VAR00002，VAR00003等。 同时，SPSS还会自动产生一个名为Case_lbl的新变量，用来存放原数据文件中的各变量名。3.7.2 加权处置加权处置统计分析中的加权处置是极为

32、常见的，如计算加权平均数等。 例如，希望掌握菜市场某天蔬菜销售的平均价钱。假设仅用各种蔬菜销售单价的平均数作为平均价钱就很不合理，还应思索到销售量对平均价钱的影响。因此，以蔬菜的销售量为权数计算各种蔬菜销售单价的加权平均数，就可以较准确地反响平均价钱程度。fxfx SPSS中指定加权变量的操作步骤是： 1选择菜单DataWeight Cases。 2选择Weight Cases by选项，并将某变量作为加权变量选到Weight Cases by框中。 留意的是一旦指定了加权变量，那么以后的分析处置中加权是不断有效的，直到取消加权为止。取消加权应选择Do not weight cases选项。例

33、：根据蔬菜数据对个蔬菜价钱进展加权计算。 SPSS的数据拆分与数据排序很类似，但有一个重要的不同点，即数据拆分不仅是按指定变量进展简单排序，更重要的是根据变量对数据进展分组，为以后的分组统计分析提供便利。3.7.3 数据拆分数据拆分1、SPSS数据拆分的根本操作步骤：1选择菜单DataSplit File，出现窗口2将拆分变量选到Groups Based on框中3拆分会使后面的分组统计产生两种不同格式的结果。其中，Compare groups表示将分组统计结果输出在同一表格中，以便于不同组之间的比较；Organize output by groups表示将分组统计结果分别输出在不同的表格中。

34、通常选择第一种输出方式。4假设数据编辑窗口中的数据曾经事先按所指定的拆分变量进展了排序，那么可以选择File is already sorted项，可以提高拆分执行的速度；否那么，选择Sort the file by grouping variables项。 2、阐明：1数据拆分将对后面的分析不断起作用，即无论进展哪种统计分析，都将按拆分变量的不同组别分别分析计算。假设希望对一切数据进展整体分析，那么需求重新执行数据拆分，在数据拆分窗口中选择Analyze all cases项。2对数据可以进展多重拆分，类似于数据的多重排序。多重拆分的次序决议于选择拆分变量的前后次序。3、数据拆分运用举例：

35、利用职工情况数据选择职称和或性别变量进展数据拆分并进展计算各组的根本工资。 大量的缺失值会给数据分析带来极大的影响，这就需求采用科学的方法对缺失值进展插补。操作步骤如下： 1选择菜单Transformreplace missing values 2将需求插补的变量单击按钮送到New Variables框中，该变量自动会生成一个新的变量，变量名为原变量名_1 3在Method中选择插补方法。 3.7.4 SPSS缺失值处置缺失值处置 Series mean :该变量一切非缺失值的均值 Mean of nearby points：该变量相邻非缺失值的均值 Median of nearby poin

36、ts：该变量相邻非缺失值的中位数 Linear interpolation：线性内插法用缺失值前后两点的中点值做替代，假设前后值有一个是缺失值，那么得不到交换值 Linear trend at point：用线性拟合方式确定替代值，自变量为1-n的数值。 数据排秩是根据某变量观测值的大小，按一定的顺序排秩，生成一个代表其秩次的新变量，但原始观测值本身顺序不发生改动。操作步骤如下： 1选择菜单Transformrank cases 2将需求排秩的变量单击按钮送到 Variables框中，该变量自动会生成一个新的变量，变量名为R+原变量名；可选择分类变量到By框中，假设选择，系统将按照此变量的不同组别分别进展排秩。 3选择Assign Rank 1 to下面的复选框选择排秩的顺序。 4在Rank Types 对话框中选择排秩方式；在Ties对话框中选择一样观测值排秩方式。 3.7.5 数据排秩数据排秩3.7.6 SPSS变量集变量集 SPSS变量集是存放许多变量集是存放许多SPSS