第三章SPSS数据的预处理分析.pptVIP

第三章 SPSS数据的预处理 第三章 数据的预处理 数据的排序 变量计算 数据选取 计数 分类汇总 数据分组 数据的预处理的其它功能 第三章 数据的预处理 在数据文件建立好后，通常还需要对待分析的数据进行必要的预加工处理，这是数据分析过程中不可缺少的一个关键环节。而且，随着数据分析的不断深入，对数据的加工处理还会多次反复，实现数据加工和数据分析的螺旋上升。 为什么要进行数据的预处理 在数据文件建立之后，通常还需要对分析的数据进行必要的预加工处理，这是数据分析过程中必不可少的一个关键步骤。 数据的预加工处理服务于数据分析和建模，主要包括以下几个方面 数据的排序 变量计算 数据选取 计数 分类汇总 数据分组 数据预处理的其他功能：转置、加权、数据拆分、缺失值处理、数据排 秩、 定义变量集。 数据的预加工处理需要解决的问题有 1.缺失值和异常数据的处理 　　在第2章曾经讨论过，大量缺失值会给数据分析带来极大的影响。同样，异常值也会影响最终的分析结果。因此，在数据预处理阶段对缺失值和异常值进行分析和处理是很必要的。 2.数据的转换处理 　　　数据的转换处理是在原有数据的基础上，计算产生一些含有更丰富信息的新数据，或对数据的原有分布进行转换等。 3.数据抽样 　 从实际问题、算法或效率等方面考虑，并非收集到的所有数据(个案) 在某项分析中都有用途，有必要按照一定的规则从大量数据中选取部分样本参与分析。 4.选取变量 　　　并非收集到的所有数据项(变量)在某项分析中均有意义，选取部分变量参与分析是很自然的。 SPSS提供了一些专门的功能辅助用户实现数据的预加工处理工作。运用预处理还可以使用户对数据的总体分布有所了解。 3.1 数据的排序 （1）SPSS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重新排列。 （2）这里的变量也称为排序变量。排序变量只有一个时，排序称为单值排序。排序变量有多个时，排序称为多重排序。 （3）多重排序中，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、第三排序变量等。多重排序时，数据首先按主排序变量值的大小次序排序，然后对那些具有相同主排序变量值的数据，再按照第二排序变量值的次序排序，依次排序下去。 3.1.1数据排序的作用 （1）数据排序便于数据的浏览，有助于了解数据的取值状况、缺失值数量的多少等； （2）通过数据排序能够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； （3）通过数据排序能够快捷地发现数据的异常值，为进一步明确它们是否会对分析产生重要影响提供帮助。 3.1.2 数据排序的基本操作 SPSS数据排序的基本操作步骤 （1）选择菜单Data－Sort 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）如果是多重排序，还要依次指定第二、第三排序变量及相应的排序规则。 说明 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，应保存原始数据。 数据排序应用举例 利用住房状况调查数据，通过数据排序功能分别找到本市户口和外地户口住户现住面积的最大值和最小值： 分析： （1）多重排序 （2）主排序变量：户口状况 第二排序变量：现住面积 练习： 利用居民储蓄（存款）调查数据，通过数据排序功能分别找到城镇户口和农村户口储户一次存款金额的最大值和最小值。 利用职工基本情况数据，通过数据排序功能找到职称最高的职工的最高工资及职称最低的职工的最低工资。 3.2 变量计算 （1）数据的转换处理 在原有数据的基础上，计算产生一些含有更丰富信息的新数据。例如根据职工的基本工资、失业保险、奖金等数据，计算实际月收入，这些新变量具有更直观更有效的特点。 （2）对数据的原有分布状态进行转换 对原有数据的分布进行转换，以满足建模中某些模型对数据分布的要求。 非正态或非线性数据的处理 时间序列平稳化处理 标准化处理 … 3.2.1 变量计算的目的 SPSS变量计算是在原有数据的基础上，根据用户给出的SPSS算术表达式以及函数，对所有个案或满足条件的部分个案，计算产生一系列新变量。 （1）变量计算是针对所有个案（或指定的部分个案）的，每个个案都有自己的计算结果。