SPSS数据处理中，如何进行数据清洗和转换以优化分析结果？
- 内容介绍
- 文章标签
- 相关推荐
本文共计2242个文字，预计阅读时间需要9分钟。
接上一篇数据处理的内蓉，我们今天一起学习【数据合并、分组、标准化】：
1. 数据合并（记录合并）记录合并也称为纵向合并，是将不同数据表中的数据按照一定的规则合并成一个新的数据表。例如，将学生信息和成绩信息合并成一个新的学生成绩表。
2. 数据合并（横向合并）横向合并是将多个数据表中的相同字段合并成一个数据表。例如，将多个班级的学生信息合并成一个包含所有班级学生信息的数据表。
接着上一篇数据处理的内容，我们今天一起来学习：1、数据合并（记录合并）记录合并也叫纵向合并，是将具有共同的数据字段、结构，不同的数据表记录，合并到一个新的接着上一篇数据处理的内容，我们今天一起来学习：
1、数据合并（记录合并）
记录合并也叫纵向合并，是将具有共同的数据字段、结构，不同的数据表记录，合并到一个新的数据表中。
现在有两张表，一张“用户明细-男”，一张“用户明细-女”，他们拥有相同的数据字段、结构，只是记录信息不一样，为了能够进行整体的分析，我们需要将这两张表合并到一张数据表中。
- 01 打开“用户明细-男”文件，单击菜单——将鼠标移至——选择——弹出第一步对话框；
- 02 中——单击按钮，浏览至存放数据的文件夹下，选择“用户明细-女”数据文件——单击返回至——单击按钮，弹出第二步对话框：
- 03 在中——确认框中的变量是否正确——单击按钮，即可完成记录合并的操作。注意：
如果两个数据集合并出现错误或失败，请先返回到两个数据集的窗口中检查：变量的数据类型、宽度、小数位数、值（标签）、列（宽度）、测量及角色这些变量属性设置是否一致，如有不一致，请将它们修改为一样的设置。
2、数据分组
数据分组：根据分析目的将数据进行等距或非等距分组，这个过程也称为数据离散化，一般用于查看分布，如消费分布、收入分布、年龄分布等。
其中用户绘制分布图X轴的分组变量，是不能改变其顺序的，一般按分组区间大小进行排列，这样才能观察研究数据的分布规律。
2.1 可视分箱-数据分组功能
Excel中我们使用Vlookup函数进行匹配功能进行数据分组操作；在SPSS 中数据分组不通过函数操作，有专门的数据分组功能——“可视分箱”。
我们以：用户明细 数据为例了解一下用户年龄分布的特征，现需将“年龄”变量进行分布操作：
- 01 打开用户明细，单击-选择——弹出第一步对话框：
- 02 在第一步对话框中，将“年龄”变量移至框中，单击按钮，弹出第二步对话框：
- 03 在第二步对话框中，在栏中输入“年龄段”——单击按钮——弹出对话框：在栏中输入：20，在栏中输入：4，在栏中输入：5——单击按钮，返回第二步对话框：
为什么要设置成：20、4、5呢？根据年龄分布预览图，我们可以观察到最小值是16，最大值是78；年龄主要分布在20-35之间，我们可以把第一个分割点定位20，组距为5，这样20-35之间按组距5进行分组可以得到3个组，再加上前后2各组，就是5个组，4个分割点，分割点参数大致就是这样确定的，没有绝对的标准，只要能达到解决问题的目的即可。
- 04 在第二步对话框中，单击按钮——将生成对应的区间范围标签——单击按钮，即可得到“年龄段”变量。
我们这个例子进行的是等距分组，那么，如果是不等距分组，该如何操作呢？如果需要进行不等距分组，则可以在第二步对话框下方的中，直接填入自定义的分割点，例如分别填入：20、25、35，第四个“高”会自动生成，然后单击按钮，就可以生成对应的区间范围标签了：
2.2 重新编码
对于不等距分组的操作，我们可以采用另外一种方法：重新编码为不同变量。
重新编码可以把一个变量的数值按照指定要求赋予新的数值，也可以把连续变量重新编码成离散变量。
例如：把年龄重新编码为年龄段。
-01 打开用户明细数据文件——单击菜单——选择——弹出对话框：在对话框中——将年龄移至框中，在右边的的栏中输入“年龄段3”：单击按钮——弹出对话框：在对话框中，在左边框中选择项——分别依次输入每个分组的范围临界值——同时需要在右边框的栏中输入对应的新值——并且单击按钮——将旧值和新值对应关系加入框中——对应关系输入完毕后，如图：单击按钮——返回对话框：单击按钮——使刚才输入的对应关系生效——单击——完成“年龄段3”变量操作。数据标准化，是将数据按比例缩放，使之落到一个特定区间。数据标准化是为了消除量纲（单位）的影响，方便进行比较分析。常用到的数据标准化方法有：0-1标准化、Z标准化。
3.1 0-1标准化
0-1标准化也称为离散标准化，是对原始数据进行线性变换，是结果落到区间。0-1标准化还有个好处，就是很方便的做到十分制、百分制的换算，只需乘上10或100即可，其他分制同理：
计算公式： x* = x-min / max-min注：max是变量的最大值，min为变量的最小值。
例如：我们根据用户明细数据为例进行介绍，对用户的年龄进行0-1标准化计算处理，得到一个“标准化值”变量。
- 01 打开用户明细数据文件——单击菜单——选择——弹出对话框：
- 02 在对话框中——在框中输入公式“（年龄-16）/ （78-16）”——完成公式的编写：
- 03 在框中，输入变量名称“标准化值”——在功能中设置类型为“数值”——单击按钮——返回对话框——单击按钮——新增一个“标准化值”：如果没有之前的数据分组可视化操作，那么这个最大值、最小值如何得到？答：这个可以 通过“描述”、“探索”等分析功能得到的。
3.2 Z标准化
Z标准化：也称为标准差标准化，它是将变量中的观察值（原数据）减去该变量的平均值，然后除以该变量的标准差。经过处理的数据符合标准正态分布，即均值为0，标准差为1，也是SPSS中最常用的标准化方法。
计算公式：
X*= x-μ / σ注：μ为变量的均值，σ为变量的标准差。
我们对用户的年龄进行Z标准化计算处理，SPSS提供了一个可以直接得到Z标准化的功能，我们无须使用对话框手工输入公式进行计算。
- 01 打开用户明细数据文件——单击菜单——将鼠标移至——选择——弹出对话框：
- 02 在对话框——将“年龄”变量移至框中——勾选复选框——单击——就可以在原数据中“出生年月”变量后面新增一个名为：Z年龄 的变量。
常用的数据处理方法与技巧主要是这些，只要掌握它们的原理，并且能够做到灵活组合运用到实际工作中去就好了。
本文共计2242个文字，预计阅读时间需要9分钟。
接上一篇数据处理的内蓉，我们今天一起学习【数据合并、分组、标准化】：
1. 数据合并（记录合并）记录合并也称为纵向合并，是将不同数据表中的数据按照一定的规则合并成一个新的数据表。例如，将学生信息和成绩信息合并成一个新的学生成绩表。
2. 数据合并（横向合并）横向合并是将多个数据表中的相同字段合并成一个数据表。例如，将多个班级的学生信息合并成一个包含所有班级学生信息的数据表。
接着上一篇数据处理的内容，我们今天一起来学习：1、数据合并（记录合并）记录合并也叫纵向合并，是将具有共同的数据字段、结构，不同的数据表记录，合并到一个新的接着上一篇数据处理的内容，我们今天一起来学习：
1、数据合并（记录合并）
记录合并也叫纵向合并，是将具有共同的数据字段、结构，不同的数据表记录，合并到一个新的数据表中。
现在有两张表，一张“用户明细-男”，一张“用户明细-女”，他们拥有相同的数据字段、结构，只是记录信息不一样，为了能够进行整体的分析，我们需要将这两张表合并到一张数据表中。
- 01 打开“用户明细-男”文件，单击菜单——将鼠标移至——选择——弹出第一步对话框；
- 02 中——单击按钮，浏览至存放数据的文件夹下，选择“用户明细-女”数据文件——单击返回至——单击按钮，弹出第二步对话框：
- 03 在中——确认框中的变量是否正确——单击按钮，即可完成记录合并的操作。注意：
如果两个数据集合并出现错误或失败，请先返回到两个数据集的窗口中检查：变量的数据类型、宽度、小数位数、值（标签）、列（宽度）、测量及角色这些变量属性设置是否一致，如有不一致，请将它们修改为一样的设置。
2、数据分组
数据分组：根据分析目的将数据进行等距或非等距分组，这个过程也称为数据离散化，一般用于查看分布，如消费分布、收入分布、年龄分布等。
其中用户绘制分布图X轴的分组变量，是不能改变其顺序的，一般按分组区间大小进行排列，这样才能观察研究数据的分布规律。
2.1 可视分箱-数据分组功能
Excel中我们使用Vlookup函数进行匹配功能进行数据分组操作；在SPSS 中数据分组不通过函数操作，有专门的数据分组功能——“可视分箱”。
我们以：用户明细 数据为例了解一下用户年龄分布的特征，现需将“年龄”变量进行分布操作：
- 01 打开用户明细，单击-选择——弹出第一步对话框：
- 02 在第一步对话框中，将“年龄”变量移至框中，单击按钮，弹出第二步对话框：
- 03 在第二步对话框中，在栏中输入“年龄段”——单击按钮——弹出对话框：在栏中输入：20，在栏中输入：4，在栏中输入：5——单击按钮，返回第二步对话框：
为什么要设置成：20、4、5呢？根据年龄分布预览图，我们可以观察到最小值是16，最大值是78；年龄主要分布在20-35之间，我们可以把第一个分割点定位20，组距为5，这样20-35之间按组距5进行分组可以得到3个组，再加上前后2各组，就是5个组，4个分割点，分割点参数大致就是这样确定的，没有绝对的标准，只要能达到解决问题的目的即可。
- 04 在第二步对话框中，单击按钮——将生成对应的区间范围标签——单击按钮，即可得到“年龄段”变量。
我们这个例子进行的是等距分组，那么，如果是不等距分组，该如何操作呢？如果需要进行不等距分组，则可以在第二步对话框下方的中，直接填入自定义的分割点，例如分别填入：20、25、35，第四个“高”会自动生成，然后单击按钮，就可以生成对应的区间范围标签了：
2.2 重新编码
对于不等距分组的操作，我们可以采用另外一种方法：重新编码为不同变量。
重新编码可以把一个变量的数值按照指定要求赋予新的数值，也可以把连续变量重新编码成离散变量。
例如：把年龄重新编码为年龄段。
-01 打开用户明细数据文件——单击菜单——选择——弹出对话框：在对话框中——将年龄移至框中，在右边的的栏中输入“年龄段3”：单击按钮——弹出对话框：在对话框中，在左边框中选择项——分别依次输入每个分组的范围临界值——同时需要在右边框的栏中输入对应的新值——并且单击按钮——将旧值和新值对应关系加入框中——对应关系输入完毕后，如图：单击按钮——返回对话框：单击按钮——使刚才输入的对应关系生效——单击——完成“年龄段3”变量操作。数据标准化，是将数据按比例缩放，使之落到一个特定区间。数据标准化是为了消除量纲（单位）的影响，方便进行比较分析。常用到的数据标准化方法有：0-1标准化、Z标准化。
3.1 0-1标准化
0-1标准化也称为离散标准化，是对原始数据进行线性变换，是结果落到区间。0-1标准化还有个好处，就是很方便的做到十分制、百分制的换算，只需乘上10或100即可，其他分制同理：
计算公式： x* = x-min / max-min注：max是变量的最大值，min为变量的最小值。
例如：我们根据用户明细数据为例进行介绍，对用户的年龄进行0-1标准化计算处理，得到一个“标准化值”变量。
- 01 打开用户明细数据文件——单击菜单——选择——弹出对话框：
- 02 在对话框中——在框中输入公式“（年龄-16）/ （78-16）”——完成公式的编写：
- 03 在框中，输入变量名称“标准化值”——在功能中设置类型为“数值”——单击按钮——返回对话框——单击按钮——新增一个“标准化值”：如果没有之前的数据分组可视化操作，那么这个最大值、最小值如何得到？答：这个可以 通过“描述”、“探索”等分析功能得到的。
3.2 Z标准化
Z标准化：也称为标准差标准化，它是将变量中的观察值（原数据）减去该变量的平均值，然后除以该变量的标准差。经过处理的数据符合标准正态分布，即均值为0，标准差为1，也是SPSS中最常用的标准化方法。
计算公式：
X*= x-μ / σ注：μ为变量的均值，σ为变量的标准差。
我们对用户的年龄进行Z标准化计算处理，SPSS提供了一个可以直接得到Z标准化的功能，我们无须使用对话框手工输入公式进行计算。
- 01 打开用户明细数据文件——单击菜单——将鼠标移至——选择——弹出对话框：
- 02 在对话框——将“年龄”变量移至框中——勾选复选框——单击——就可以在原数据中“出生年月”变量后面新增一个名为：Z年龄 的变量。
常用的数据处理方法与技巧主要是这些，只要掌握它们的原理，并且能够做到灵活组合运用到实际工作中去就好了。