spss11.5操作方法.docVIP

一、数据库建立的一般原则与方法 ㈠ 数据库的建立方法 统计工作分为研究设计、收集资料、整理资料和分析资料四个步骤，资料的收集是科研工作的基础。现代医学的发展使得医学科研方法日趋多元化，医学科研工作中的数据越来越呈现大型化的趋势，即收集的样本含量和研究的变量数越来越多，如大规模的流行病学调研或多中心临床对照试验等。随着计算机应用技术的发展和普及，统计分析方法的不断深化，医学科研数据的分析处理越来越依赖于计算机完成。从上世纪60年代起，大型的统计软件如SAS、SPSS、STATA等以其强大的功能，便捷的操作，日趋完善的性能，给人们进行数据处理带来了很大的方便，使过去很长时间才能完成的计算在瞬间就能实现。因此，使用统计软件进行分析之前，保证将原始数据规范、准确、完整的录入数据库，是资料分析过程中的重要环节。 医学科研的原始数据大多可用一种统一的数据结构表达，如表1所示。在表1中，每一行称为一个记录（record）或一个观察单位（case），记录每一个研究个体的各研究指标；每一列称为一个变量（variable），表示研究中的各研究指标。横向的纪录和纵向的变量构成了常见的二维数据方阵。 表1 某地2005年630例65岁以上老年人健康体检纪录 编号 姓名 性别 年龄（岁） 民族 体重（kg） 身高（cm） 高血压 糖尿病 1 刘天宇 男 78 汉族 76.52 169 有 无 2 王顺义 男 82 汉族 66.72 175 无 无 3 苗凤兰 女 70 其他 55.10 160 无 无 4 马志华 男 71 回族 85.63 182 有 有 5 周淑宏 女 77 汉族 48.45 154 有 无 630 赵晓曼 女 66 汉族 58.36 164 无 有 原始数据中，变量一般分为标识变量和分析变量。标识变量用于数据的识别、核对和修改，是数据管理和质量控制不可或缺的变量，如上表中的“编号”、“姓名”即为识别变量，在数据处理时不纳入分析，只用于数据的审核和修改。其余变量如“年龄”等均为分析变量。分析变量根据数据的类型可分为数值变量和分类变量两种，数值变量又可细分为连续型变量和非连续型（离散型）变量。 数据录入的过程，应遵循方便录入、便于核查、易于转换、利于分析的原则。方便录入是指在录入过程中尽可能减少录入的工作量，将原始数据中的分类变量或非连续型变量量化，如表1中的性别、民族、高血压、糖尿病的患病情况等皆为分类变量，在原始数据中表现为字符的形式，可根据实际情况将其数量化，比如，对于“性别”变量，将“男性”赋值为“1”，“女性”赋值为“2”；对于糖尿病的患病情况，将“有”赋值为“1”， “无”赋值为 “0”，这样既可以节省录入时间，又将原始指标转化为可被统计分析软件识别和运算的量化指标形式。便于核查是指一定要有标识变量，以便数据的核查校对。易于转换是指录入数据时要考虑不同软件的要求，如一些软件不能识别中文，一些软件的变量名要求不能超过8个字符等，因此，在录入数据时，变量名一般尽可能用英文，不超过8字符，数据尽可能用数值表示，这样数据库被分析软件读入时，就不易丢失数据和出现差错。利于分析是指收集的资料尽可能录成一个数据库文件，而不要分解成多个数据文件，且录入的格式应满足多种统计分析方法的需要。 表2 由原始数据库转化的分析数据库格式 number name sexa age nationalityb weight height HBPc diabetesd 1 刘天宇 1 78 1 76.52 169 1 0 2 王顺义 1 82 1 66.72 175 0 0 3 苗凤兰 2 70 3 55.10 160 0 0 4 马志华 1 71 2 85.63 182 1 1 5 周淑宏 2 77 1 48.45 154 1 0 630 赵晓曼 2 66 1 58.36 164 0 1 注：a:1男、2女；b:1汉族、2回族、3其他；c:0无、1有；d: 0无、1有 ㈡数据的质量控制 数据录入时，要注意数据的录入质量，保证录入数据的准确性和真实性。在大型数据库的录入时，建议使用专门的数据库软件如FoxPro、Access、EpiInfo、EpiData等，因为这些数据库软件具有较完善的数据管理、查询、修改功能，还可根据需要建立与录入表格一致的屏幕格式，便于录入，同时还可以在建立数据库时根据实际需要人为设定逻辑核查格式，便于控制数据的录入质量。 在数据的计算机录入完成后，应该对数据的质量进行检查，如利用数据间本身存在的逻辑关系，对数据进行逻辑核查；对原始数据的编号和数据库的数据序号进行核对，看有无缺漏；利用统计分析软件列出变量的频数表或散点图，观察其频数分布有无异常或有无离群值的出现；