文件第2章数据统计处

1、第2章 数据统计处理实例2.1 常量、变量和表达式2.2 构建新变量2.3 自建数据文件处理实例12.4 已输入数据文件的处理实例2统计口径社会抚养费俗称超生、计划外罚款，是指对不符合法定条件生育子女的公民征收的费用。广东省卫计委公布2012年度全省社会抚养费征收金额为14.56亿元，而广东省财政厅提供的26.13亿元。卫计委的金额是指2012年度违法生育者所实际缴纳的金额。而财政厅提供的26.13亿元为2012年度财政决算数。该26.13亿元为2012年度全省社会抚养费入库金额，是根据各市县财政部门上报的决算数汇总形成的全省决算数，既包括2012年度违法生育者所缴纳的金额，也包括往年违法生育

2、者所缴纳的金额。广东省卫计委称，之所以会出现往年违法生育者缴纳社会抚养费的情况，一是由于财政核算采用收付实现制，二是由于一部分往年违法生育者确有实际困难，按广东省社会抚养费征收管理办法的规定采取了分期缴纳的方式。2013年12月18日国家统计局和广州市国土房管局同时发布了11月广州房价数据。国家统计局称广州房价同比上涨20.9%，环比上涨0.8%。而广州市国土房管局说，同比下降7.1%，环比下降了10.6%。现代快报，2013.12.22.A3版问题:1、什么是同比、什么是环比2、为什么有差异，那个数据更准确一些？调查显示，广州的官方数据算出房价下降，根本原因在于它把原来没有包括在内的从化、增

3、城两个远郊县级市纳入，以其低房价拉低整体的价格数据。这两个地方房价不到万元，而广州市区房价达到四五万元。这就是说，广州市数据所说的房价下降，根本就是一个虚假的数字。今年纳入两个远郊区的数据，与去年纳入两个远郊区的数据，可以比；今年不纳入两个远郊区的数据，与去年不纳入两个远郊区的数据，也可以比；但今年纳入两个远郊区的数据，与去年不纳入两个远郊区的数据，根本就不是可比的数据。广州市国土房管局为何有兴趣玩这种“房价下降”的把戏呢？无非是房价调控成了一个考核指标。如果房价上涨不能在数字上有一个被遏制的表现，国土房管局乃至地方政府都要被追究责任。所以到了要交账时，它们就需要一个可供考核的数字。 2.1

4、常量、变量和表达式样本（Case）是指记录或事件。调查多少人或单位，就有多少样本，常用不同的行表示。变量（Variable）是指调查的项目、指标或问题，常用不同的列来表示。SPSS仅对列变量进行各种加、减、乘、除运算，即对所有样本进行运算。若要对部分样本进行运算，就需先对行变量（样本）进行检索、筛选、分类。变量的取值称变量值，也就是被调查对象提供的具体调查数据。 2.1.1 常量常量包括数值型常量，在引号中的字符串常量，或按日期格式表示的日期和时间型常量等三种，其中日期型常量用得比较少。1、常量的定义 数值型常量有两种书写方式。一种是定点（小数点位置固定）普通书写方式，例如26、38.4等。另

5、一种是浮点科学记数法，常用于表示特别大或特别小的数字，例如1.23D3、2.56E-2、3.86-1，分别表示1230、0.0256、0.386。其中D3、E-2、-1表示10的3、-2、-1次幂。字符串常量是指被单引号或双引号包括起来的一串字符。如果字符串中本身带有单引号，则该字符串须使用双引号括起来。例如“Girls Book”。2、观察值的录入1）数据录入方法SPSS输入数据方法多种多样,一般按行(样本或观测量)输入。输入前要弄清多少（m）个变量、多少（n）个样本，以便输入m列n行。这和EXCEL完全不同。数据输入和EXCEL电子表格相同，这里不在多述。2）变量标签和变量值标签的定义标签

6、是SPSS特有的对变量或变量值的进一步说明或注释，因为本资料使用年数长、人数多，若无特殊说明容易造成误会而无法使用。变量标签、变量值标签具有一个可选择的属性，即可以定义、也可以不定义标签。若变量名（值）本身十分清楚，如学生考试成绩87分，变量为学生成绩，变量值为87，则不需要定义值标签。但有些就必须要定义值标签，如性别变量的值1、2；出生地变量的值A、B、C、D、E等等。变量标签（Variable Labels）变量标签Label是对变量名的附加的进一步说明。由于一般变量名的组成字符比较短，很难表示变量的确切含义，资料存放时间长了难免会忘记。如何对变量名的含义加以详细说明和注释，就要用变量标签

7、。标签可包括空格、编号和汉字在内。在统计输出中可在与变量名相对应的位置显示该变量的标签，这样有助于分析、输出易读的结果。例如：在SPSS自带文件“Cars. sav”中，变量名mpg对应的变量标签：Miles pre Gallon (每加仑汽油行多少英里)，变量名weight对应的变量标签Vehicle Weight（车辆重量），变量名horse对应的变量标签Horsepower（马力）。变量值标签，简称值标签（Value Labels）在数据处理中，同样的数值代表的内容可能完全不一样。变量值标签是对变量值作进一步说明和注释。尤其是对分类变量，往往都要定义其取值的标签。因此，在贴标签之前，要弄

8、清变量或变量值代表的意义。变量值标签内容可包括空格和编号等。贴标签或分类时，还应注意历史上编码、分类的连续性，如职业编码和行业编码等。变量标签及值标签定义方法 变量标签（Label）在SPSS屏幕左下方的Variable View选项下，在Label列下直接输入对应变量的标签。变量值标签（Values Label）定义比较麻烦，先用类似方式打开“Value Labels”对话框如图2.1，在第一个矩形框中输入变量值；在第二个矩形框中输入对应值的标签（对该变量含义的解释），按左面第一个按钮“Add”，值标签加入到值标签清单中。例如，定义变量SEX，值表示男性；f表示女性。则先在第一个小框中输入“

9、m”，再把插入点光标移至第二个矩形框中，输入“男性”，按“Add” 按钮，清单中显示：m=“男性”；然后，在第一个小矩形框中输入“f”，在第二个矩形框中输入“女性”，再按“Add”按钮，清单中又增加了一个值标签。至此，所有值标签定义完毕。注意：这里定义的f、m与数据输入的大小写、书写格式必须一致。对变量值标签的修改，只要在“Variable Label”后最下面的矩形框中点击原错误标签，该标签的数值和标签，显示在矩形框内，重新输入新定义的值或值标签。按Change键原值改变为新定义的值；按Remove键原值移走。2.1.2 变量输入数据（观察值）之前首先要定义变量的属性，即定义变量名、变量类型

10、、变量长度（包括小数位数）、变量标签（或值标签），和变量的格式（显示宽度、对齐方式、缺失值标记等）。定义变量有两种方法。鼠标放置于某变量名位置上，鼠标光标呈现一向下的箭头，左键快速双击该变量名；或用鼠标左键单击某变量名，然后用鼠标点击屏幕左下方的Variable View，就可打开变量定义状态栏如图2.3。由此可依次定义变量名、变量类型、变量长度、小数位数、变量标签等。变量类型一般默认为数值型，变量长度默认为f8.2，标签默认为无。注意：Width和Columns之间的差异。1）变量名的定义若不输入变量名，而直接输入变量值，则系统按变量的输入顺序给出的变量名的默认值为：VAR00001、VAR

11、00002、VAR00003依此类推。于是，可转入Variable View后，用键盘输入自己定义的变量名。如将“VAR1”、“SEX”等作为变量名。在该变量名后出现一系列变量其他属性的默认值。您可以修改或直接予以确认。变量默认值的修改，有三种情况。一种是方框右边带有三点，表示有二级对话框可供选择或展开，例如Type、Values和Missing；右边带有上下箭头的，表示可通过尖头，将默认值增加或减少，也可直接将该数修改；右边为空白的，可直接输入相关值。 2）变量命名应遵循的原则：变量名由若干字符组成。首字符是字母、中文或特殊符号，但不能是空格或数字；其后可为字母、数字、中文、特殊符号“”、“

12、$”、“”，但 “?”“!”和“*”字符除外；最后一个字符不能以下划线“_”和圆点“”,以免引起误会。 变量名不能与SPSS保留字相同，以免引起混乱。SPSS有ALL、AND、BY、EQ、GE、GT、LE、LT、NE、NOT、OR、TO、WITH等13个保留字。 系统不区分变量名中的大小写字符。例如：ABC和abc被认为是同一个变量。如：“A_s1”，“a.8$1”，“南京产量”等都是合法变量名；而“Name_123”，“ name_1”，“_J13name”，“Name?1”，“all”，“Fem le”，“2var”等都是不合法变量名，计算机无法接受的变量名。同学们可以输入一下看能否作为变

13、量名。3）变量类型和宽度的定义鼠标光标对准Variable View屏幕下Type选项下，某变量对应的按钮Numeric，单击其右部，或用鼠标左键单击其三点，展开定义变量类型对话框如图2.4所示。SPSS变量有三种基本类型：数值型、字符型、日期型。数值型变量又按不同要求分为六种，因此共可定义八种类型的变量。变量的系统默认长度一般为F8.2，其中8是显示宽度，2是小数点后面的位数，但可通过主菜单Edit中的“Options”重新设置。宽度Width是指在数据窗中该变量所占的列数。应该区分定义变量类型时指定的宽度，与定义格式时的宽度。定义变量格式宽度应该综合考虑变量类型定义的总长度，和变量名所占宽

14、度，取其较大的一个作为该变量定义格式宽度。图2.4中“width”右面的方框内显示的是内存所占宽度，下面“decimal”右面的方框中显示的是小数位数。若要改变系统默认值，可将插入点光标移至方框内，即可用键盘删除原值，输入合适的值。 标准数值型变量（Numeric）默认总长度8、小数位数为2位、小数点用圆点。其变量值可用标准数值格式输入，也可以用科学记数法输入。输入时使用科学记数法，如-364、527-2、5.6467E5，显示出来的都是标准数值格式。 带逗点的数值型变量（Comma）默认总长度8、小数位数为2位（除非另外指定）、用圆点作小数点、其整数值部分自右向左每三位用一个逗点作分隔符。如

15、6,452.72、82,435.1。 为什么用圆点表示小数点，而逗点表示整数值的分隔符呢？能否交换一下？有部分人就标新立异进行了这样的交换。SPSS采用圆点数值型变量（Dot），用逗点作为小数点，整数部分自右向左每三位用一个圆点作分隔符。 浮点或科学记数法（Scientific notation）默认总长度8、小数位数为2。标准格式用一位整数、若干小数和指数所构成。表示指数的字母可以用E、D，可带正负号；甚至指数部分不用字母D或E，直接用符号表示。如123，可以用1.23E2、1.23D2、1.23E2、1.232等方式输入或显示。 带美元符号的数值型变量（Dollar）默认总长度8（包括“$

16、”符号在内）、小数位数为2，显示其有效数字前带有“$”，用逗点作分隔符、用圆点作小数点。输入时可以带、也可以不带“$”，由系统自动加上“$”符号和分隔符。当输入的数值小数位数超过格式规定时，系统自动进行四舍五入处理。自定义型币制（Custom Currency）变量是一种由用户利用Edit菜单下的Option功能定义的(图2.5)。CCA、CCB、CCC、CCD和CCE可以定义五种不同的货币。字符型变量（string）默认长度8位，变量值是一串字符。字符型变量分：由8个及其以下字符组成的短字符变量，和由8个以上字符组成的长字符变量。前者使用范围较宽，使用时受限制少，使用较频繁。字符型中的大写、

17、小写字母被系统认为是截然不同的两种字符，字符型变量不能参与算术运算。 日期型变量（Date）可表示日期，也可表示时间。日期的表示形式多种多样，SPSS共收集了27种不同的表示方法。实际使用较少，这里从略。SPSS变量最常用的是标准数值型、短字符串两种基本变量。 3）用户缺失值定义对年龄、身高和婚姻状态的调查中，或对个人经济状况和性知识等方面调查中，由于涉及到个人隐私，使记录的数据缺失、失真，这就是用户缺失值（Missing Value）。再如，数据有明显逻辑性错误，而又无法查询其真实数据。用户可以用不常见的数字或字符来定义自己的缺失值，如对数值型变量定义缺失值为-9、对字符型变量定义缺失值为U

18、等。这种定义分两部分，遇到缺失值就用该定义的值输入；告诉计算机某值为缺失值。用户缺省值作为单独一项参加频数、频率统计，但不参加有效百分比的统计。另一种因机器无法运算（如除数为0，或遇到用户缺失值）产生的缺失值，叫系统缺失值。 在Variable View屏幕下，打开Missing列对话框如图2.6所示。有4种方式可选择来定义用户缺失值。无缺失值，这也是系统的默认状态。 离散缺失值（Discrete missing values）。 连续缺失值（Range of missing values）。一个连续范围加一个离散值为缺失值（Range plus one missing value）。4）变量

19、显示格式的定义变量的屏幕显示格式包括两个内容，分别是变量屏幕显示宽度（Column）和变量左右对齐方式（Align）。变量屏幕显示列宽度默认值是8位，但可通过箭头调整其宽度值。width后面的方框内显示的是内存总宽度。数值型变量对齐方式的默认值是右对齐Right，字符型变量系统默认的对齐方式是左对齐Left，但可通过调整其为中间对齐Center，或其他对齐方式。对齐方式对数据运算并无任何影响。2.1.3 表达式*在某种条件下需要对原始资料进行计算（Compute）、样本选择（Select Cases & If对话框）以形成新变量，则应运用逻辑运算符或关系运算符对部分样本进行选择。如根据出生年月

20、计算周岁年龄。SPSS的基本运算共有三种：数学运算、关系运算、逻辑运算,相应运算的算符如表2.2。1）算术表达式算术运算符可以连接数值型的常数、变量和函数构成算术表达式，其运算结果为数值型常数。应该注意的是，常数、变量、函数和算术表达式的输入必须在英文状态下，而不能在中文状态下，否则无法计算；必须严格执行计算机格式而不是手写格式，例3X必须写为3*X。在运算表达式中，运算的优先顺序为：括号、函数、乘幂、乘或除，加或减的顺序，同一优先级的，从左到右运算。乘幂是*，而不是，这与EXCEL等软件不同的。 2）比较表达式 比较算符建立的是两个量之间的比较关系式，由系统判断关系是否成立。如果比较关系成立

21、，比较表达式的值为“真”（1），否则为“假”（0）。相互比较两个量的类型必须一致，无论进行比较的两个量是字符型还是数值型，比较的结果均是逻辑型常量。表2.2中列出的比较算符均有两种表示方法，用符号表示和用字母表示，这两种算符是等价的。例如A5和A GT 5是等价的；假如A6，表达式A5为真，其值为1；假如A5，表达式A5的值为假，值为0。 3）逻辑表达式 逻辑算符即布尔算符有两种表示方法，用符号表示和用字母表示，这两种算符也是等价的，例如AB与A and B是等价的。逻辑算符与逻辑型的变量，或其值为逻辑型的比较表达式构成逻辑表达式，逻辑表达式的值为逻辑型常量。 “逻辑与”运算符&(或and)前

22、后的两个量均为真时，逻辑表达式的值为“真”，否则为“假”；如逻辑表达式：ABC0只有当A的值大于B的值，且C为正数时，该逻辑表达式的值为“真”。对于(A=3 & B=2 & C=6)，该逻辑表达式的值为“真”；如实际C=0，则该逻辑表达式的值为“假”。“逻辑或”运算符|(或or)前后的两个量只要有一个为“真”时，逻辑表达式的值为“真”。只有当操作符前后两个量均为假时，逻辑表达式的值才为“假”。“逻辑非”运算符（或not）是前置算符，它对其后面的变量作“逻辑非”运算。NOT后面的量值为“真”，则NOT运算结果为“假”。逻辑与的运算顺序高于逻辑或。在SPSS中不存在语句ifthanelse，也没有

23、for next。不能使用5X=75 & year=60如果挑选出高考成绩（SCORE）在520-570分的城市（AREA=City）考生，和500-550元的农村（rural）考生，则输入表达式可以为：Score=520 & Score =500 & Score =16 & age =59 & sex=1 | age16 & age =54 & sex=2计算一个新变量，往往需要赋予相应的类型与标签说明，在目标变量下方单击Type & Label按钮，就可打开变量类型与标签对话框，直接定义新变量的标签label和变量类型Type，默认设置是数值型Numeric。为说明函数的使用，再举如下一例

24、。【例2-2】用随机变数发生器UNIFORM建立200个男女学生模拟的出生年月及各门课程的成绩，计算各同学的年龄。在第一个变量第200个样本处任意输入一数据，比如50；假定每个学生都出生在1975-1985年，则输入模拟值 year=RND(1975+UNIFORM(10)输入20人出生月份（1-12月份）模拟值 month=RND(1+UNIFORM(11)输入各人性别变量的模拟值sex= RND(1+UNIFORM(1）假定2010年11月1日进行调查，可计算每人年龄为AGE=2010-YEAR (IF MONTH=11)即出生月份在10月以前，年龄为（2010-出生年份）；若出生月份在1

25、1月以后，年龄为（2010-1-出生年份）。设置本人各门功课的成绩，假定每人各门课成绩为55分以上，100分以下，呈均匀分布：MATH=RND（55+UNIFORM（45）ENGLISH=RND（55+UNIFORM（45）CHINESE=RND（55+UNIFORM（45）最后将第一列删除。2.2.2 构建新变量的主要函数SPSS函数的使用不如EXCEL函数使用得那么频繁，这是由两类软件性质、服务对象所决定的。首先，EXCEL软件面向大众，主要服务于非专业统计人群，处理小而灵活的数据；SPSS软件面向专业统计人员，主要处理大容量的数据。其次，SPSS软件的很多统计过程本身就可直接处理数据，或

26、本身都提供了若干数据预处理的具体方案，不需要专门用转换函数进行数据处理了。再次，EXCEL软件的函数可以处理一维函数、也可以进行两维函数的处理；而SPSS软件坐标是固定的，因此几乎没有两维数据处理能力。但是，在SPSS数据转换中，函数往往起着关键性的作用。 在SPSS16函数库共收集有日期和时间函数、累计分布函数、随机数产生函数、字符串函数、逆分布函数、算术函数、统计函数、缺失值定义函数、逻辑函数和数值与字符相互转换函数增加到18类184种函数。根据本人20年使用经验，SPSS数据转换中最经常用的也就是算术函数、统计函数、缺失值定义函数、逻辑函数等4类十来个（表2.3）。函数的表示方法是在函数

27、关键字后面括号中写入相应的数值，函数自变量。函数自变量有的要求使用单个值，或变量名；有的允许使用表达式；少数可以使用“：”来隔开多个变量名。如果使用变量名或带有变量名的表达式作为自变量，则必须在使用该函数前对这些变量赋值。SPSS比较常见的函数大致有： 1）算术函数：2）统计函数MAX（数值，数值，），返回带有多个（2）数值中的最大合法值。MEAN（数值，数值，），返回多个（2）数值的平均数。MOD（数值，模数，），返回被模除后的余数，模数不能为零。NVALUE（数值，数值，）返回有效变量个数。SD（数值，数值，），返回所有（2）数值的标准差。VARIANCE（数值，数值，），返回所有（2）数

28、值的方差。3）分布函数：NORMAL（标准差）返回一个来自均值为0，给定大于零标准差分布总体的随机数。UNIFORM（最大值）返回一个均匀分布范围在0到最大值之间的随机数。 在录入数据之前首先要对如何处理数据有个设想，即根据调查样本、调查内容，准备计算哪些变量，做什么样的统计处理，准备生成哪些统计图表。本例将对每个变量做一般性统计描述处理，并对两个变量建立散点图。 1、数据处理的构思【例2-3】调查了10个学生的数学、物理、化学和英语的学习成绩如表2.4，现进行数据汇总，要求每人每门课程的平均成绩。首先，设定变量名，由于软件对变量名有很多具体的规定，给定的变量名往往无法表达其真实涵义，因此要给

29、变量名标注合适的标签或注释，使得变量和文件能长久保存而不至于产生混乱，并使输出资料十分醒目、清楚，易于理解。其次，要确定变量的类型，资料的形式一般有两种，一种以0-9数字表达的数字变量，一种是以中文、数字或英文表达的字符变量。前者可用F6.2表示，即6位数而带2位小数，后者用String表示。原则上，可以直接用中文将学生姓名、性别输入而不作任何改变，但这样工作量大，实际意义并不大。因此，输入计算机之前往往先将问卷进行编码，将个人的学号（姓名）作为地址码用数字表示，该变量相应由字符型转变为数字型。性别编码时，男为m、女为f。另外，对于未答、缺测、缺考、情况不清的编码，常使用不可能出现的字符表示。

30、如字符变量用U、数据变量用-9表示，编码结果见表2.4。2.4 已输入数据文件的处理实例2很多文件数据不是直接输入，而是由其他数据库软件转换而来，或已经输入的数据。这时需对原数据文件进行逻辑检查，而后进行适当数据处理。【例2-4】打开SPSS软件，如C盘下的Progam files，接着打开SPSSInc SPSS16Samples目录下的Cars.sav文件。将变量名、变量标签进行汉化处理，将英制变量转换为公制变量，并制作合适的图表。1、变量名、变量标签的汉化打开SPSS数据库以后，用鼠标左键单击File菜单下的Open选项，接着打开Cars文件。基本数据中列变量为研究变量的变量名(Variables),行变量为样本 (Cases)。当鼠标轻放在变量名上就会显示出该变量的标签或