SPSS数据分析与挖掘实战案例精粹第四章

1、第四章 SPSS操作进阶,第四章 SPSS操作进阶,4.1案例背景 4.2问卷的录入 4.3问卷质量校验 4.4问卷数据的分析 4.5项目的总结与讨论,4.1.1项目背景,互联网技术发展，网上购物盛行。我们的客户是做数码产品实体店的店主，想搭建一个购物网站。在搭建网站之前，需要对网站的建立进行详细规划，包括网购的产品种类、配送方式、支付方式等等，为了让网站更贴近顾客喜好，这就产生了调查问卷。让这个客户的实体店里的会员填写调查问卷。,4.1.2分析思路,对纸质调查问卷进行录入(4.2问卷的录入) 对录入数据质量检验(4.3问卷质量校验) 分析问卷，提出建议(4.4 问卷数据的分析) (4.5项目

2、的总结与讨论),4.2.1开放题录入,字符型变量不能参与运算，且区分大小写，一般作为记录的标识。,宽度为该变量的长度，一个汉字两个宽度单位，一个字母或数字或小数点都是一个宽度单位,4.2.2单选题录入,(6)值：1代表“男”，2代表“女”。,数据视图中录入性别的两种方式 (1) 使用数字1，2来录入性别 (2)选定工具栏的“显示值标签”，通过下拉框的方法来录入,注释：当选择男或女时，实际在数据文件中保存的是数字1或2。,4.2.3多选题录入,对于多选题，每个被调查者可能会选择多项，无法用单一变量录入，则考虑用多个变量来结合定义。为什么无法使用单一变量录入？ 举例：你经常使用的搜索引擎是哪几个？

3、 A百度；B谷歌；C雅虎；D360；E其他,字符型变量不能参与运算，不能统计A多少B多少,数值型变量，使用值标签，只能多选一,4.2.3多选题录入-多重响应,多重响应：几个变量是一个多选题的选项,并设定一个变量名。有两大类：二分法和多重分类法。P52,二分类法：每个变量代表一个选项，每个选项具有两个可能值(1选中，0没选中),第一个受访者22岁，浏览器选了百度、360和其他。 第二个受访者33岁，浏览器选了谷歌和其他,第一个受访者22岁，浏览器选了百度、360和其他。 第二个受访者33岁，浏览器选了谷歌和其他,多重分类法：受访者的答案代表一个变量，变量数少于或等于总选项数。(百度1谷歌2雅虎3

4、3604其他5),当选项少时，两者皆可 当选项多，答案少的时候，选择多重分类法是比较轻松的,实操：录入 二分类中代表每个选项的变量，在录入时应该保持一致 多重分类中代表每个答案的变量，在录入时应该保持一致,请问您目前已经拥有的数码产品有哪些？,二分法、计数值1,选中为1，没选中为0，把数值为1的计数一下，即统计选中情况。,请问你未来打算优先购买的数码产品有哪些？(最多选三项),表示这里使用多重分类法,4.3.1去除重复记录,该变量取值相同则为重复数据,一组变量的取值全相同则为重复数据,在匹配组内的排序标准框中定义排序顺序，便于在查找出来的多条重复记录中指定主个案和重复个案。,把定义匹配个案的依

5、据设为第一顺序，把在匹配组内的排序标准设为第二顺序。,基本个案指示符中基本个案用1表示，重复个案用0表示。 每组中最后一个个案为基本个案：同一重复数据组的最后一例是主要数据，其他是重复数据。 每组中的第一个个案为基本个案：同一重复数据组的第一例是主要数据，其他是重复数据。 根据指示符(新变量)的值进行筛选：0过滤，1保留,连续计算每个组合中匹配个案(0=非匹配个案)：同一重复数据组中包括基本个案和重复个案组内编号，0表示没有重复数据。,显示已创建变量的显示频率，是根据基本个案指示符(基本个案1表示，重复个案0表示)中1和0的个数来进行统计描述的。,4.3.2发现异常值,.,可以在缺失值中，离散

6、缺失值3和7 在选择个案中过滤掉未选定个案,4.3.3逻辑校验,B3：您是否有过网上购物的经历？ B4：您平均每月网络购物的消费额大致是？ B5：您在网上购物时采用什么样的支付方式？,MISSING(B4)，若变量缺失，则返回1，否则为0，这里的MISSING (B4)等同于MISSING(B4)=1，也就是标记B4的缺失值。而是SPSS中非的运算符MISSING(B4）等同于MISSING(B4)=0，标记B4的非缺失值。选出B3=否不是缺失值的4不是缺失值的5 (B3 = 0 & ( MISSING(B4) | MISSING(B5_1) | MISSING(B5_2) | MISSING

7、(B5_3) | MISSING(B5_4) | MISSING(B5_5),4.4.1问卷加权,实体店的会员男女比例6:4，调查问卷里男女比例7:4，人口特征与实际分布并不一致。,第二段：男女比例和受教育水平这两个因素可能对分析结果有较大的影响，会员中男女之比为6:4，教育水平是2:2:4:2,实际分布如下图，为了使问卷中的人口特征与实际相符，应该使问卷中数据赋予一定权重，让加权后的数据符合实际比例。,第一步：计算出问卷中男女及教育的比例,首先计算出在不同性别的不同教育水平的人数,分类计数,然后，计算总人数，最后得出不同水平的比例,汇总总人数,转换成比例,第二步：问卷中的比例*权重=实际比例,最后，转换：权重=实际比例/问卷中比例,得到权重后，还需要将权重导入活动数据集，这时涉及到两个表的横向合并，增加变量，(两个文件按同一顺序排序），最后再指定加权的权重即可,数据的横向合并增加变量,“新的活动数据集”中的变量，是两个数据集中非共有的变量。 “已排除的变量”，是两个数据集中共有的变量。 “关键变量”两个数据集共有的，用来匹配对接的变量，可以从“已排除的变量”中导入。 “按照排序文件中的关键变量匹配个案”复选框 两个文件都提供个案：两个数据集个案合并； 非活动数据集为基于关键字的表：合并的数据文件的个案仅是当前活动集中的个案； 活动数据集为基于关键字的表：合并的数据文件