spss简介和基本操作讲解.ppt

4. SPSS数据的预处理：一些基本操作 4.11 变量计算：转换——计算变量 （2）新变量的生成： 例： “贫困调查”数据中的“粮油”、“副食”、“水果”三个变量是贫困家庭的食品总支出，变量“总支出”是贫困家庭一个月所有支出之和，计算贫困家庭的恩格尔系数。 解：恩格尔系数=食品总支出/总支出 =(粮油 + 副食 + 水果) / 月支出 4. SPSS数据的预处理：一些基本操作 4.12 计数过程：转换——对个案内的值计数 计算一些变量在同一个观测量中满足要求的特定变量值出现的次数。例如：在产品市场调查中，要了解被调查者中有多少人使用过该产品。 例：利用我国城乡消费价格分类指数数据（数据文件“消费价格指数.sav”），请找出城市和农村居民消费价格指数都较去年上涨超过 1%的项目。 4. SPSS数据的预处理：一些基本操作 4.13 变量重新编码/赋值： （1）转换——重新编码为相同/不同变量 用途：对变量进行分组处理；改变变量的值或数据类型，把定距、定比变量转换为定序或定类变量。例如：为了不同年龄段的相关情况，就需要对年龄进行重新编码 重新编码为相同变量：新变量取代原变量 重新编码为不同变量：重新编码生成一个新变量 举例：（1）将“休闲调查1”中的1=男，2=女，转变为11=男，22=女。 （2）将“休闲调查1”中的“年龄”转换为每10年为一个年龄段的定序变量 练习：请根据我国部分城市2005年空气质量的指标数据（见数据文件“空气质量.sav”）和如下规则，对不同城市的空气质量等级进行划分。 一级：320天以上 二级：300~320天 三级：280~299天 四级：280天以下 4. SPSS数据的预处理：一些基本操作 4.13 变量重新编码/赋值： （2）转换——自动重新编码 用途：如果分组变量不连续，系统会产生空白格，增加系统内存要求并使输出表格臃肿。同时某些过程要求参与分析的变量是数值型的，而某些过程要求因子水平为连续的整数。自动编码可以将字符串或数值转换为连续整数。 字符串变量按照字母顺序重新编码；缺失值被重新编码高于任何非缺失值，并保留原有顺序作为新变量的缺失值。 对文件“教育回报.sav”中的教育和经验自动编码。 按照递增顺序 按照递减顺序 4. SPSS数据的预处理：一些基本操作 4.14 观测量排秩：转换——个案排秩，主要用于非参数检验 秩就是变量排序之后的顺序号。观测量求秩是指对观测量排序后指定“名次”。例如：观测量的值依次为3、5、-2、0、7，它们从小到大排列后为-2、0、3、5、7，各观测量的秩等于3、4、1、2 、5 举例：将“休闲调查”数据文件按照男女分组，对“年龄”求秩。 注：如果不设定排序标准（分组变量），将对所有的观测量排秩 SPSS的基本操作 结：同值（tie），是对相同数值的秩的分配方法。包括：相同的秩取平均值、最小值、最大值、区第一个出现的秩次值。 4. SPSS数据的预处理：一些基本操作 4.15 转换值：转换——转换值 转换值创建包含来自前面或后面个案的现有变量值的新变量，即：赋予每个个案前面或后面个案的变量值。 新变量的名称 从活动数据集中前n个个案或取值，新变量的每个个案为前第n个个案的原始变量的值 从前面或后面地n个个案或取值 4. SPSS数据的预处理：一些基本操作 4.16 随机数生成：转换——随机数生成器 较新的生成器 4. SPSS数据的预处理：一些基本操作 4. SPSS数据的预处理：一些基本操作 4.1 个案标识 4. SPSS数据的预处理：一些基本操作 4.1 个案标识 数据检查，识别无效个案、变量或数值，并采取纠偏措施，标识出异常个案 （1）数据验证：数据——验证——验证数据 首先要定义验证规则 单变量规则：对单一变量的特定检查（SPSS提供了一些单变量验证规则） 交叉变量规则：变量之间关系，逻辑表达式 操作： （2）标识重复个案：数据——标识重复个案 （3）标识异常个案：数据——标识异常个案 4. SPSS数据的预处理：一些基本操作 4.2 个案排序：数据—排序个案 按照某个变量进行排序：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；快捷的找到数据的最值，进而可计算数据的全距，初步把握离散程度；发现数据的异常值等。 举例：将“休闲调查”数据文件按照“年龄”和“住房面积”两个变量重新排序。 应用举例： 2005GDP.sav列出了2005年我国部分省份的地区生产总值及第一产业、第二产业和第三产业的生产总值，请根据这些数据分析不同省份经济发展状况的差异性。 4. SPSS数据的预处理：一些基本操作 4.3 变量排列：数据——排列变量 操作与个案排序相似